OpenAI'nin konuşmayı yazıya döken açık kaynak modeli: Ses ve video kayıtlarını Türkçe dahil 99 dilde, dosyayı hiçbir yere yüklemeden metne çevirir.
Son sürüm (20250625) Haziran 2025'te çıktı; depoya ara sıra düzeltme geliyor. En yeni model, Eylül 2024'te yayımlanan turbo (large-v3-turbo).
Whisper, OpenAI'nin 2022'de açık kaynak olarak yayımladığı konuşma tanıma modelidir. Ses ya da video kaydını Türkçe dahil 99 dilde yazıya döker, istenirse İngilizceye çevirir ve konuşulan dili kendisi bulur. Model dosyaları bilgisayarınıza iner; kayıtlarınız hiçbir sunucuya gönderilmez. Röportaj, ders, toplantı ya da podcast kayıtlarını gizlilikten ödün vermeden metne çevirmek isteyenler için iyi bir başlangıçtır.
Whisper bir komut satırı aracıdır: whisper kayit.mp3 --model small --language tr gibi tek bir komut, kaydı zaman damgalı metne, SRT ve VTT altyazıya ya da JSON'a çevirir. Altı model boyutu vardır; küçük modeller hızlı ama Türkçede sık yanılır, turbo ve large modelleri çok daha isabetlidir ama daha çok ekran kartı belleği ister. Python'dan da birkaç satırla kullanılabildiği için birçok transkripsiyon uygulaması arka planda Whisper'ı çalıştırır.
Bu sayfadaki testte en önemli bulgu bellek oldu: 4 GB ekran kartında Türkçe için gereken turbo modeli Python Whisper ile yüklenmedi. Ekran kartınız 6 GB'tan küçükse ya da hiç yoksa aynı modelleri daha az bellekle ve çok daha hızlı çalıştıran whisper.cpp'ye bakın; bizim bilgisayarımızda turbo modeliyle 8 dakikalık kaydı 23 saniyede yazdı.
| Donanım | Destek | En düşük | Önerilen |
|---|---|---|---|
| NVIDIA ekran kartı Kurulum PyTorch'u CUDA desteğiyle kendisi getirir. Boş 4 GB kartımızda small modeli 7 dakika 56 saniyelik kaydı 68 saniyede yazdı (2,2 GB). Türkçede çok daha iyi olan turbo ve medium modelleri ise kart boşken bile yüklenirken "CUDA out of memory" verdi; resmî belgeye göre turbo yaklaşık 6 GB ister. | Tam destek | 2 GB VRAM | 6 GB VRAM |
| AMD ekran kartı Resmî belgede AMD geçmiyor. Linux'ta PyTorch'un ROCm sürümüyle çalıştırılabilir; editörlerimiz test etmedi. AMD kartlar için whisper.cpp'nin Vulkan derlemesi daha kolay bir yoldur. | Deneysel destek | 2 GB VRAM | 6 GB VRAM |
| Apple Silicon (M serisi) Python paketi Mac'te ekran kartını kullanmaz, işlemcide çalışır. Apple Silicon'da Metal hızlandırması için whisper.cpp önerilir. Editörlerimiz Mac'te test etmedi. | Çalışır ama yavaş | 8 GB RAM | 16 GB RAM |
| Ekran kartı yok (yalnız işlemci) Ekran kartı olmadan çalışır ama yavaştır: small modeli Ryzen 5 5500U'da 7 dakika 56 saniyelik kaydı 10 dakika 12 saniyede yazdı, yani kaydın kendisinden uzun sürdü. Aynı işlemcide whisper.cpp aynı modelle 3,4 kat hızlıydı. | Çalışır ama yavaş | 8 GB RAM | 16 GB RAM |
github.com/openai/whisper
Resmî siteYazılımı yalnızca bu adreslerden indirin. Sitemiz dosya barındırmaz; bağlantılar doğrudan projenin kendi sayfasına gider.
Whisper'ı yalnız GitHub'daki openai/whisper deposundan ya da PyPI'deki openai-whisper paketinden kurun. PyPI'de adı yalnızca "whisper" olan paket bambaşka bir projedir (Graphite'ın veritabanı kütüphanesi).
İşletim sisteminizi seçin. Adımları tamamladıkça işaretleyin; ilerlemeniz bu tarayıcıda saklanır, sayfaya döndüğünüzde kaldığınız yerden devam edersiniz.
Gerekenler: Resmî belgeye göre; editörlerimiz Windows'ta test etmedi. Windows'ta pip, PyTorch'un yalnız işlemci için olan sürümünü kurar; NVIDIA kartınızı kullanmak için PyTorch'u Whisper'dan önce CUDA sürümüyle kurmanız gerekir (3. adım).
PowerShell'de Python 3.12'yi ve ffmpeg'i winget ile kurun, ardından PowerShell'i kapatıp yeniden açın.
winget install Python.Python.3.12
winget install Gyan.FFmpegWhisper için bir sanal ortam oluşturup etkinleştirin.
py -3.12 -m venv $env:USERPROFILE\whisper
& $env:USERPROFILE\whisper\Scripts\Activate.ps1Betik çalıştırma engellenirse önce Set-ExecutionPolicy -Scope CurrentUser RemoteSigned komutunu çalıştırın.
NVIDIA kartınız varsa PyTorch'u CUDA sürümüyle kurun. Kartınız yoksa bu adımı atlayın.
pip install torch --index-url https://download.pytorch.org/whl/cu126Whisper'ı kurun; PyTorch zaten kurulu olduğu için CUDA sürümüne dokunmaz.
pip install -U openai-whisperKaydın bulunduğu klasörde komutu çalıştırın; metin ve altyazı dosyaları aynı klasöre kaydedilir.
whisper kayit.mp3 --model small --language trGerekenler: Resmî belgeye göre; editörlerimiz Mac'te test etmedi. Python Whisper Mac'te ekran kartını kullanmaz, işlemcide çalışır; Apple Silicon'da daha hızlı sonuç için whisper.cpp önerilir. Homebrew kurulu değilse brew.sh adresindeki komutla önce onu kurun.
Terminali açıp Whisper'ı Homebrew ile kurun; ffmpeg ve Python bağımlılıkları da birlikte gelir.
brew install openai-whisperKaydın bulunduğu klasöre gidin (ör. İndirilenler).
cd ~/DownloadsKomutu çalıştırın; model ilk seferde iner. Metin ve altyazı dosyaları aynı klasöre kaydedilir.
whisper kayit.m4a --model small --language trGerekenler: Bu adımları Ubuntu 24.04'te NVIDIA RTX 3050 ile test ettik; ffmpeg dışında yönetici yetkisi gerekmez. NVIDIA kartı ve sürücüsü varsa PyTorch ekran kartını kendiliğinden kullanır. ffmpeg bizim bilgisayarımızda zaten kuruluydu.
Whisper kayıtları ffmpeg ile okur. Komut sürüm bilgisi yerine "komut bulunamadı" derse sudo apt install ffmpeg ile kurun.
ffmpeg -versionPython sürümlerini ve paketleri yöneten uv aracını resmî betikle kurun ve terminali yeniden açın. Ubuntu'da python3-venv paketi olmadan sanal ortam kurmanın en kolay yolu budur.
curl -LsSf https://astral.sh/uv/install.sh | shWhisper için bir klasör açıp içinde Python 3.12 sanal ortamı oluşturun ve etkinleştirin.
mkdir -p ~/whisper && cd ~/whisper
uv venv --python 3.12 .venv
source .venv/bin/activateUsing CPython 3.12.14 Creating virtual environment at: .venv
Paketi kurun; PyTorch ve CUDA kütüphaneleri de birlikte iner. Bizim bağlantımızda 40 saniye sürdü, ortam 5,5 GB yer kapladı.
uv pip install -U openai-whisperPyTorch'un ekran kartını görüp görmediğine bakın. False yazarsa Whisper işlemcide, çok daha yavaş çalışır.
python -c "import torch; print(torch.cuda.is_available())"True
Kaydın bulunduğu klasörde komutu çalıştırın. Model ilk seferde iner (small 461 MB). 8 dakikalık kaydı 4 GB kartımızda 68 saniyede yazdı; metin, SRT ve VTT dosyaları aynı klasöre kaydedilir.
whisper kayit.mp3 --model small --language tr[00:24.000 --> 00:40.000] Koronavirüs ya da koronavirüsü, latince, ...
Ekran kartınız 6 GB ya da daha büyükse --model turbo yazın; Türkçede çok daha isabetlidir. 4 GB kartta turbo "CUDA out of memory" verir.
Whisper'ın penceresi yoktur; kaydı terminalde bir komutla yazıya dökersiniz. Sanal ortamı açtıktan sonra:
whisper kayit.mp3 --model small --language tr komutunu çalıştırın. Model ilk seferde iner; sonraki kullanımlarda yeniden inmez..txt, .srt, .vtt, .tsv ve .json dosyaları oluşur. Yalnız birini istiyorsanız --output_format srt ekleyin.--model turbo deneyin; Türkçede small'a göre çok daha az hata yapar. 4 GB kartta turbo yüklenmez.--language tr yazmak en güvenlisidir.
Ekranda gördüğünüz hata metnine tıklayın; nedeni ve çözümü açılır.
Neden: Seçilen model ekran kartına sığmıyor. Python Whisper modeli önce tam hassasiyetle ekran kartına taşır; 4 GB kartımızda turbo ve medium modelleri kart boşken bile bu aşamada takıldı.
Çözüm: 4 GB kartta small modelini kullanın. Türkçede turbo kalitesi gerekiyorsa aynı modeli yaklaşık 1 GB bellekle çalıştıran whisper.cpp'ye geçin. Yalnız işlemcide çalıştırmak (--device cpu) da mümkün ama çok yavaştır.
whisper kayit.mp3 --model small --language trNeden: Ubuntu ve Debian'da Python'un sanal ortam modülü ayrı paket olarak gelir; kurulu değilse python3 -m venv bu hatayı verir. Ubuntu 24.04'te sistem Python'una pip ile doğrudan paket kurmak da "externally-managed-environment" hatasıyla engellenir.
Çözüm: python3-venv paketini kurun ya da yönetici yetkisi gerektirmeyen uv ile sanal ortam oluşturun (Linux kurulumundaki yol).
sudo apt install python3.12-venvNeden: Whisper kaydı okumak için sistemdeki ffmpeg programını kullanır; ffmpeg kurulu değilse ya da PATH'te yoksa her dosyayı atlar.
Çözüm: ffmpeg'i işletim sisteminizin paket yöneticisiyle kurun ve terminali yeniden açın. Windows'ta winget install Gyan.FFmpeg, macOS'ta brew install ffmpeg.
sudo apt install ffmpegNeden: Whisper ekran kartını bulamadı ve işlemcide çalışıyor. Windows'ta pip install openai-whisper, PyTorch'un yalnız işlemci için olan sürümünü kurar; NVIDIA kartınız olsa da kullanılmaz.
Çözüm: PyTorch'un ekran kartını görüp görmediğini kontrol edin. False yazıyorsa PyTorch'u CUDA sürümüyle yeniden kurun (Windows kurulumundaki 3. adım).
python -c "import torch; print(torch.cuda.is_available())"Sanal ortamı açıp uv pip install -U openai-whisper çalıştırın (pip kullanıyorsanız pip install -U openai-whisper). Homebrew ile kurduysanız brew upgrade openai-whisper.
Kurduğunuz klasörü silin (ör. rm -rf ~/whisper); Python ortamı ve PyTorch onunla birlikte gider. İndirilen modeller ayrı durur: rm -rf ~/.cache/whisper (Windows'ta %USERPROFILE%\.cache\whisper).
Python ortamı 5,5 GB tutar. Modeller: tiny 72 MB, base 139 MB, small 461 MB, medium 1,4 GB, turbo 1,5 GB, large 2,9 GB.
OSI onaylı lisans: kodu kullanabilir, değiştirebilir ve dağıtabilirsiniz.
Whisper'ın kodu da model dosyaları da MIT lisanslıdır: Ticari projeler dahil ücretsiz kullanabilir, değiştirebilir ve dağıtabilirsiniz. Kayıtlarınız bilgisayarınızdan çıkmaz; OpenAI'nin ücretli ses API'sinden farkı budur. Yazıya döktüğünüz kayıtta başkalarının sesi varsa izin almak ve kişisel verileri korumak sizin sorumluluğunuzdadır.
Bu bölüm bilgilendirme amaçlıdır, hukuki görüş değildir. Ticari bir işte kullanmadan önce yazılımın ve indirilen modelin lisans metnini okuyun.
Aynı işi tarayıcıda yapan bulut araçları; kurulum gerektirmez ama çoğunda kullanım sınırı ya da ücretli paket vardır.
Scryp
Ses ve video kayıtlarını tarayıcıda şifreleyip metne, konuşmacı ayrımlı transkripte, altyazıya ve özete dönüştüren, Türkçe odaklı transkripsiyon servisi.
Otter.ai
Zoom, Google Meet ve Teams toplantılarına otomatik katılıp canlı transkript, özet ve aksiyon maddeleri çıkaran toplantı asistanı; Türkçe transkripsiyon desteklemez.
Fireflies.ai
Zoom, Google Meet ve Teams toplantılarını kaydeden; 100'den fazla dilde transkript, özet ve aksiyon maddeleri çıkaran, ücretsiz dikte aracı da sunan yapay zekâ toplantı asistanı.
Descript
Videoyu ve podcast'i metin belgesi gibi düzenleten editör; transkripsiyon, dolgu kelime temizleme, Studio Sound, Underlord yapay zekâ editörü, çeviri-dublaj ve avatar üretimi.
Model boyutuna çok bağlı. Sesli Vikipedi'deki 8 dakikalık Türkçe okumada small modeli kelimelerin yaklaşık dörtte birini yanlış yazdı, özellikle terimlerde ("Coronaviridae familyası" yerine "koronavirü ZF ameliyası"). Turbo modelinde hatalar seyrekleşti ve metin düzeltmeye gerek kalmadan okunur hale geldi. Türkçe kayıtlarda turbo ya da large kullanın; kartınız yetmiyorsa whisper.cpp ile çalıştırın.
Python Whisper ile en fazla small. RTX 3050 Laptop (4 GB) kartımızda small 2,2 GB kullandı ve 8 dakikalık kaydı 68 saniyede yazdı; turbo ve medium yüklenirken bellek hatası verdi. Aynı kartta whisper.cpp, turbo modelinin sıkıştırılmış sürümünü 1 GB bellekle çalıştırıp aynı kaydı 23 saniyede yazdı.
Model aynı, motor farklı. Whisper, OpenAI'nin PyTorch ile yazdığı özgün Python sürümüdür; Python'dan kullanmak ve modeli kendi verinizle ince ayarlamak için uygundur. whisper.cpp aynı modelleri C/C++ ile çalıştırır: Kurulumu küçüktür, ekran kartı belleğini çok daha az kullanır, işlemcide ve Mac'te çok daha hızlıdır.
Evet. Whisper varsayılan olarak SRT ve VTT altyazı dosyalarını da yazar; yalnız altyazı istiyorsanız komuta --output_format srt ekleyin. Zaman damgaları cümle düzeyindedir; satır uzunluğunu --max_line_width ile sınırlayabilirsiniz (--word_timestamps True ile birlikte).
Hayır. Whisper kimin konuştuğunu ayırmaz; toplantı kayıtlarında metin tek akış halinde çıkar. Konuşmacı ayrımı için Whisper'ı pyannote gibi ayrı bir modelle birleştiren projeler ya da bulut transkripsiyon hizmetleri gerekir.