دليل

أي نموذج Whisper تحتاج فعلًا؟

Tiny وBase وSmall وMedium وLarge. الأكبر أدق وأبطأ بكثير، وفي كثير من التسجيلات يكون الفارق أصغر مما يوحي به التسويق.

25 August 2026

كل تطبيق تفريغ محلي يشغّل نسخة ما من Whisper من OpenAI، ومعظمها يحرص على ذكر أحجام النماذج التي يدعمها. والنماذج الأكبر أدقّ فعلًا. وهي أيضًا أبطأ بمراحل وأكبر بكثير على القرص، والفجوة في الدقة تعتمد على تسجيلك أكثر بكثير مما تعتمد على النموذج.

وإليك كيف تفكر في الأمر دون أن تشتري أكبر ما هو معروض بحكم رد الفعل.

الأحجام #

يأتي Whisper بخمسة أحجام رئيسية. والأرقام أقل أهمية من شكل المنحنى:

النموذج	المعاملات	تقريبًا على القرص
Tiny	39 مليونًا	~75 ميغابايت
Base	74 مليونًا	~140 ميغابايت
Small	244 مليونًا	~470 ميغابايت
Medium	769 مليونًا	~1.5 غيغابايت
Large	1.5 مليار	~3 غيغابايت

كل درجة صعود تبلغ نحو ثلاثة أضعاف حجم التي تحتها، وتستغرق وقتًا أطول بما يتناسب مع ذلك. والانتقال من Small إلى Large يعني نحو ستة أضعاف عدد المعاملات — وفي تسجيل طويل يكون ذلك الفرق بين إعداد قهوة والذهاب إلى الغداء.

أما منحنى الدقة فلا يرتفع بهذه السرعة إطلاقًا. إذ يصعد بحدّة من Tiny إلى Small، ثم يستوي.

ما الذي يقرّر دقتك فعلًا #

هذا هو الجزء الذي يضيع. جودة تسجيلك تهمّ أكثر من حجم النموذج.

التسجيل النظيف — متحدث واحد، وميكروفون لا بأس به، وغرفة هادئة، ولكنة قياسية — سيُفرَّغ جيدًا على Small. ودفع الملف نفسه عبر Large يعطيك حفنة كلمات مصحّحة، معظمها أسماء عَلَم.

أما ما يعطب التفريغ فعلًا فهو:

• ضوضاء الخلفية. مقهى، أو مكيّف هواء، أو حركة مرور.
• تداخل الكلام. فتحدّث شخصين في وقت واحد صعب على كل نموذج.
• البُعد عن الميكروفون. صوت مسجَّل عبر طاولة غرفة اجتماعات.
• اللكنات القوية أو الأقل شيوعًا، خصوصًا في لغة رآها النموذج أقل أثناء التدريب.
• المفردات التقنية والأسماء والاختصارات. فلا حجم نموذج يصلح اسم عائلة غير معتاد.
• اللغات غير الإنجليزية. فبيانات تدريب Whisper مرجّحة بشدة نحو الإنجليزية، ولهذا تكون الفجوة بين أحجام النماذج أوسع بكثير في اللغات الأخرى.

فإن كان في صوتك عدة عناصر من هذه، فالنموذج الأكبر يستحق مالًا حقيقيًا. وإن لم يكن فيه أيٌّ منها، فأنت تدفع مقابل فارق لا يُذكر.

طريقة عملية للاختيار #

Tiny — المسوّدات الخشنة وقابلية البحث. جيد بما يكفي لإيجاد الجزء الذي تحتاجه من تسجيل مدته ساعتان. وليس جيدًا بما يكفي للنشر.

Base — المذكرات الصوتية، والملاحظات لنفسك، والصوت النظيف بمتحدث واحد حيث ستقرأ الناتج وتعرف ما قصدته.

Small — الخيار الافتراضي المعقول لمعظم الأعمال. المقابلات على ميكروفون لا بأس به، وحلقات البودكاست، وتسجيلات المحاضرات، وصوت الاجتماعات حيث يكون الناس قريبين من الميكروفون. وهنا يستوي المنحنى للكلام الإنجليزي النظيف.

Medium وLarge — الصوت الصعب، واللغات غير الإنجليزية، وأي شيء ستنشره دون أن تقرأه كاملًا. وهو أيضًا الخيار الصحيح إن كان وقتك يساوي أكثر من الانتظار، وكانت إعادة قراءة نص تكلّفك أكثر من المعالجة الإضافية.

جرّبه فحسب #

الجواب الصادق أن لا أحد يستطيع أن يخبرك انطلاقًا من وصف لتسجيلاتك، لأن المتغيرات أعلاه تتفاعل فيما بينها.

خذ أسوأ ملف لديك — المزعج، أو ذا اللكنة الصعبة، أو الذي تعرف أصلًا أنه مشكلة — وشغّله عبر ما لديك من أحجام النماذج. وقارن النصوص. فهذا الاختبار الواحد سيخبرك أكثر من أي جدول قياس أداء، لأنه يستخدم ميكروفونك أنت وغرفتك أنت وموضوعك أنت.

وإن تعامل النموذج الصغير مع أصعب ملفاتك، فسيتعامل مع كل ما عداه، وتكون قد وفّرت على نفسك عدة غيغابايتات وكثيرًا من الانتظار.

أين يقف هذا التطبيق #

بصراحة: يشحن Offline Transcription النماذج Tiny وBase وSmall. وهو لا يتضمن Medium أو Large.

وهذا يغطي غالبية التفريغ اليومي — المقابلات النظيفة، والبودكاست، والمحاضرات، والاجتماعات، والمذكرات الصوتية — ويبقي التطبيق صغيرًا وسريعًا، بما في ذلك على iPhone. فإن كنت تعمل بانتظام مع صوت صعب أو تسجيلات غير إنجليزية تستحق فيها النماذج الكبيرة ثمنها فعلًا، فالتطبيق الذي يوفّرها أنسب لك، وتقول مقارنتنا بـMacWhisper ذلك مباشرة.

والتطبيق مجاني التنزيل، فالاختبار أعلاه لا يكلّفك سوى وقت تشغيله.

أمر واحد لا علاقة له بحجم النموذج إطلاقًا #

أيًّا كان النموذج الذي تستخدمه، فإن مكان تشغيله سؤال منفصل. فـWhisper نموذج مفتوح، ويمكن تشغيله على جهازك أنت أو على خادم أحدهم. وخدمة تفريغ سحابية على الأرجح تشغّل Large — وتحتفظ أيضًا بنسخة من تسجيلك.

وتشغيل Small محليًا وتشغيل Large في مركز بيانات شخص آخر ليسا نقطتين على المقياس نفسه. فإن كان التسجيل سرّيًا، جاء ذلك القرار أولًا، وجاء حجم النموذج ثانيًا. ويغطي دليلنا عن التحقق مما إذا كان تطبيق يعمل دون اتصال فعلًا كيفية التثبّت من ذلك في الحالتين.