transcribe.cpp: مكتبة تفريغ صوتي مبنية على ggml تدعم أكثر من 60 نموذجاً

نشر مطوّر تطبيق Handy مفتوح المصدر للكتابة بالإملاء مكتبة transcribe.cpp، وهي مكتبة تفريغ صوتي مبنية على مكتبة تعلّم الآلة ggml. صدر المشروع بالإصدار 0.1.0، ويقول مؤلفه إنه يدعم جميع نماذج التفريغ الصوتي الحديثة. وقد خضع كل نموذج منشور تحت منظمة handy-computer على Hugging Face للتحقق الرقمي واختبارات WER لمطابقته التنفيذ المرجعي.

لماذا حزمة ASR أخرى

وُلد المشروع من صعوبات توزيع تطبيق لتحويل الكلام إلى نص يعمل على منصات متعددة. ووفقاً للمؤلف، فإن الخيارات العملية للتعرف التلقائي على الكلام على الجهاز هي whisper.cpp وONNX، مع مسار ثالث على أجهزة آبل هو MLX، ما يفرض دعم عدة محركات ونقل النماذج إلى كل منها. ويشير إلى أن ONNX يترك جزءاً كبيراً من الأداء دون استغلال لأنه يعمل على المعالج. أما المكتبات الأخرى التي تعلن دعماً واسعاً للنماذج فغالباً ما يكون مؤلفوها مجهولين واختباراتها غير واضحة، ما يثير أسئلة حول الصيانة طويلة الأمد وواجهات الربط وقياسات الأداء.

ما الذي تقدمه المكتبة

تدعم transcribe.cpp ست عشرة عائلة من عائلات التعرف على الكلام تشمل أكثر من 60 نموذجاً، مع نماذج إضافية قادمة. التسريع متاح عبر Vulkan وMetal وCUDA وTinyBLAS، وينشر المشروع قياسات أداء لكل نموذج مدعوم على معالج Ryzen 4750U (بالمعالج وVulkan، على Fedora) وعلى M4 Max. ويدعم المشروع التفريغ المتدفق والدفعي معاً. وتوصف المكتبة بأنها بديل شبه مباشر لـ whisper.cpp: فهي قادرة على تشغيل ملفات النماذج الشائعة بصيغة .bin، ويقدم تنفيذها لـ whisper أداءً مماثلاً تقريباً. تُصان واجهات الربط للغات بايثون وجافاسكريبت وتايب سكريبت وRust وكذلك Objective-C وSwift.

تعرف على الكلام محلياً بلا سحابة

هدف المؤلف هو تسهيل التعرف الذي يعمل محلياً. ويشير إلى أن شريحة Rockchip RK3566 المدمجة منخفضة التكلفة قادرة على تشغيل النماذج عبر transcribe.cpp أسرع من الزمن الحقيقي، وأن التفريغ بنماذج متقدمة يستهلك بضعة واطات فقط، فلا حاجة ملزمة لإرسال الصوت إلى خدمة سحابية. دعم العمل برنامج BiR من Mozilla AI، إضافة إلى ggml وModal وBlacksmith وHugging Face. ويضيف المؤلف أن المحرك كُتب بمساعدة الذكاء الاصطناعي، لكن كلمات الإعلان نفسه لم تُكتب كذلك.