קלוד קוד ו-Codex: מתמללים בעברית

מתמללים כל הקלטה בעברית עם קלוד קוד או קודקס: בחינם על המחשב, או בכמה סנטים דרך OpenAI.

מה תלמדו

• לתמלל הקלטה בעברית (הודעה קולית מוואטסאפ, פגישה או שיעור) לקובץ טקסט באמצעות קלוד קוד, למרות שהצ'אט של קלוד לא מקבל אודיו
• להתקין על המחשב את מודל העברית של ivrit.ai בעזרת פרומפט מוכן, ולתמלל בחינם בלי שההקלטה יוצאת מהמחשב
• להוציא מפתח API של OpenAI, לשמור אותו בקובץ .env ולתמלל עם gpt-transcribe בלי להדביק את המפתח בצ'אט
• לבחור בין שתי הדרכים לפי פרטיות, מחיר, מהירות וכוח המחשב
• לתמלל תיקייה מלאה בהקלטות בבת אחת וליצור סקיל קבוע בשם hebrew-transcribe כדי לא להסביר מחדש בכל פעם
• להוריד הודעה קולית מוואטסאפ למחשב (קובץ ogg) ולהעביר אותה לתמלול
• להפוך תמלול לתוצר: סיכום בנקודות, רשימת משימות ואחראים, או פוסט ללינקדין
• לפתור תקלות נפוצות: הורדה שנתקעה, שגיאות 401 ו-429, ושמות מוצרים באנגלית שיצאו בעברית

למי זה מתאים

• עובדים שמקליטים פגישות ורוצים סיכום כתוב ורשימת משימות מהתמלול
• סטודנטים ומרצים שמקליטים שיעורים בטלפון ורוצים אותם כטקסט
• אנשי מקצוע שעובדים עם הקלטות רגישות, כמו פגישות עם לקוחות או שיחות רפואיות, ורוצים תמלול שנשאר על המחשב
• משתמשי קלוד בתשלום שנתקלו בכך שהצ'אט לא מקבל אודיו ורוצים לנסות את קלוד קוד
• כל מי שצובר הודעות קוליות ארוכות בוואטסאפ ורוצה לקרוא אותן במקום להקשיב

מה אפשר לעשות עם זה בפועל

• הודעה קולית ארוכה בוואטסאפ שרוצים לקרוא כטקסט
• הקלטת פגישת עבודה שצריך להפיק ממנה סיכום ורשימת משימות עם אחראים
• שיעור שהוקלט בטלפון והופך לטקסט ללימוד
• שיחה עם לקוח או שיחה רפואית שמתומללת מקומית בלי שההקלטה עוזבת את המחשב
• תיקייה מלאה בהקלטות שמתומללות בבת אחת, עם רשימה של מה תומלל וכמה זמן זה לקח
• הקלטה ארוכה במחשב חלש שמתומללת דרך OpenAI במחיר של 0.0045 דולר לדקה
• סרטון שמוציאים ממנו את הפסקול ומתמללים
• תמלול שהופך לפוסט ללינקדין

הודעה קולית ארוכה בוואטסאפ, הקלטה של פגישה, שיעור שהקלטתם בטלפון. רוצים אותם כטקסט, וכלי ה-AI שלכם הוא קלוד. מעלים את הקובץ לצ'אט, ומגלים שהוא לא מקבל אודיו.

הפתרון יושב באותה אפליקציה של קלוד: קלוד קוד עובד על הקבצים שבמחשב שלכם, יודע להתקין כלים ולהריץ אותם. אתם כותבים לו בעברית מה אתם צריכים, והוא מתקין מודל תמלול ומתמלל. ומי שעובד עם ChatGPT יכול לעשות בדיוק את אותו הדבר עם קודקס, שנמצא באפליקציה של ChatGPT למחשב.

למה הצ'אט של קלוד לא מתמלל, ומה כן עובד

בצ'אט של קלוד אפשר להעלות מסמכים, תמונות וקובצי טקסט, אבל לא הקלטות. קלוד קוד וקודקס שונים: הם רצים על המחשב שלכם, רואים את הקבצים בתיקייה שבחרתם, ויכולים להתקין תוכנות. כך הם יכולים להפעיל מודל תמלול ייעודי, ולהחזיר לכם קובץ טקסט מוכן.

מה צריך: מספיק אחד משני הכלים. לקלוד קוד צריך את האפליקציה של קלוד למחשב ומנוי בתשלום לקלוד. לקודקס צריך את האפליקציה של ChatGPT למחשב וחשבון ChatGPT עם גישה לקודקס. הפרומפטים במדריך זהים בשניהם.

פותחים את קלוד קוד או את קודקס בתיקייה של ההקלטה

קודם כול, שימו את קובץ ההקלטה בתיקייה משלה, למשל תיקייה בשם "תמלולים" על שולחן העבודה. כך הכול נשאר מסודר, והתמלול יישמר ליד הקובץ.

בקלוד קוד

1. פתחו את האפליקציה של קלוד למחשב, ובראש החלון עברו מ-Claude ל-Code.
2. מתחת לתיבת ההקלדה לחצו על בחירת הסביבה, בחרו This computer, ואז את התיקייה שבה נמצאת ההקלטה. כשקלוד שואל אם לסמוך על התיקייה, לחצו Trust workspace. מכאן קלוד קוד עובד רק על התיקייה הזו.
3. בשורה שמתחת לתיבת ההקלדה, ליד שם המודל, בדקו שהמצב הוא Manual. אם כתוב שם מצב אחר, לחצו עליו ובחרו Manual. כך קלוד קוד יבקש אישור לפני כל פקודה שהוא מריץ.

כשהכול מוכן, מתחת לתיבת ההקלדה מופיעים שם התיקייה והמצב Manual:

בקודקס

1. פתחו את האפליקציה של ChatGPT למחשב. בראש הסרגל הצדדי לחצו על ChatGPT, ובתפריט שנפתח בחרו Codex.

2. פתחו פרויקט חדש: לחצו על הפלוס ליד Projects בסרגל הצדדי, או בחרו New project בתפריט הפרויקטים שמתחת לתיבת ההקלדה. בחלון Create project תנו לפרויקט שם, לחצו Add folder, בחרו את התיקייה של ההקלטה ולחצו Create project.

3. כשמופיעה השאלה Trust this folder?, לחצו Trust folder.

4. בתיבת ההקלדה לחצו על רמת ההרשאה ובחרו Ask for approval. אם כתוב שם Full access, קודקס פועל בלי לשאול. ב-Ask for approval הוא מבקש אישור לפני שהוא משתמש באינטרנט או משנה קבצים מחוץ לתיקייה, למשל כשהוא מתקין ספרייה.

כשהכול מוכן, מעל תיבת ההקלדה מופיעים שם הפרויקט ו-This computer, כלומר קודקס עובד על התיקייה שבמחשב שלכם:

דרך 1: מתקינים את מודל העברית של ivrit.ai

ivrit.ai הוא פרויקט ישראלי שמאמן מודלי תמלול על עברית מדוברת. המודל שלו, whisper-large-v3-turbo, מבוסס על מודל התמלול של OpenAI, ואומן על מאות שעות של דיבור בעברית. הוא חינמי, ואפשר להריץ אותו על מחשב ביתי רגיל, גם בלי כרטיס מסך.

הדביקו לקלוד קוד או לקודקס את הפרומפט הבא, והחליפו את שם הקובץ בשם ההקלטה שלכם:

מה יקרה עכשיו:

• הכלי יבדוק מה כבר מותקן אצלכם, ויבקש אישור לפני שהוא מתקין משהו.
• בפעם הראשונה הוא יוריד את המודל, בערך 1.6GB. זה לוקח כמה דקות, לפי מהירות האינטרנט. מהפעם השנייה המודל כבר במחשב.
• בסוף תמצאו בתיקייה קובץ טקסט עם התמלול, והכלי יפרט בקצרה מה התקין.

בקלוד קוד

לפני כל פקודה מופיע החלון Allow Claude to run this command?. הכפתור הראשי, Always allow, מאשר ושומר את האישור לתיקייה הזו, כך שבפעם הבאה קלוד קוד לא ישאל על אותה פקודה. כדי לאשר רק הפעם, לחצו על החץ שליד הכפתור ובחרו Allow once.

בסוף קלוד קוד מראה את התמלול, ומפרט מה התקין:

בקודקס

בקשת האישור מופיעה בכרטיס Terminal, עם הסבר קצר בעברית על מה קודקס רוצה לעשות. הכפתור הראשי, Allow once, מאשר רק הפעם. בחץ שלידו יש גם Allow similar commands, שמאשר מראש פקודות דומות. Deny מסרב.

בסוף קודקס כותב איפה נשמר התמלול. לחיצה על שם הקובץ פותחת אותו בחלונית בצד:

כמה זמן זה לוקח? הודעה קולית של דקה תומללה במחשב ביתי, בלי כרטיס מסך, בפחות מ-40 שניות, עם פיסוק ובלי טעויות בעברית. בפעם הראשונה ההתקנה מוסיפה עוד כמה דקות.

מתמללים את ההקלטות הבאות

אחרי ההתקנה הראשונה, כל תמלול הוא בקשה של משפט אחד. פותחים את קלוד קוד או את קודקס בתיקייה של ההקלטה, וכותבים:

יש לכם תיקייה מלאה בהקלטות? אפשר לתמלל את כולן בבת אחת:

ובמקום להסביר כל פעם מחדש, אפשר להפוך את כל התהליך לסקיל. סקיל הוא הוראות קבועות שהכלי שומר ומפעיל לבד כשהן רלוונטיות. הפרומפט זהה בשני הכלים:

הכלי יכתוב את הסקיל, יבדוק אותו על ההקלטה ויסביר איך מפעילים אותו. בקלוד קוד מפעילים אותו בבקשה רגילה, כמו "תתמלל את ההקלטה", או בפקודה /hebrew-transcribe ואחריה שם הקובץ.

בקודקס מפעילים אותו בבקשה רגילה, או מקלידים $ בתיבת ההקלדה ובוחרים את הסקיל מהרשימה. כך הוא מופיע בהודעה:

דרך 2: מתמללים עם מפתח API של OpenAI

הדרך הזו מתאימה כשאין מקום במחשב, כשהמחשב איטי, או כשרוצים לתמלל הקלטות ארוכות מהר. קלוד קוד או קודקס שולחים את ההקלטה למודל התמלול של OpenAI, gpt-transcribe, ומקבל טקסט בחזרה. המחיר: 0.0045 דולר לדקה. הקלטה של שעה עולה בערך 27 סנט.

מוציאים מפתח API

1. היכנסו ל-platform.openai.com עם חשבון OpenAI. אפשר להשתמש באותו חשבון של ChatGPT, אבל החיוב כאן נפרד מהמנוי. גם מנוי ל-ChatGPT שכולל את קודקס לא כולל קרדיט ל-API.

2. בהגדרות (Settings) עברו ל-Billing ולחצו Buy credits.

3. בחלון שנפתח כתבו סכום, בין 5 ל-500 דולר, ולחצו Continue. 5 דולר מספיקים להרבה שעות של תמלול. את Auto-reload כדאי להשאיר כבוי, כדי שהכרטיס לא יחויב אוטומטית כשהקרדיט נגמר.

4. בתפריט הצדדי עברו ל-API Keys ולחצו Create new secret key.

5. בשדה Name תנו למפתח שם כמו "תמלול", ולחצו Create secret key. העתיקו את המפתח: הוא מוצג פעם אחת בלבד.

שומרים את המפתח בקובץ, ומתמללים

בקשו מקלוד קוד או מקודקס להכין לכם את הקובץ:

הדביקו את המפתח אחרי סימן השוויון, בלי רווחים, ושמרו את הקובץ. עכשיו מבקשים את התמלול:

• פורמטים: ה-API מקבל mp3, ‏mp4, ‏m4a, ‏wav ו-webm. קבצים אחרים הכלי ימיר לבד.
• גודל: עד 25MB לכל שליחה. הקלטה ארוכה יותר הכלי יחלק לחלקים ויחבר את התמלול בסוף.

איזו דרך לבחור

תקלות נפוצות

שאלות נפוצות

אפשר פשוט להעלות הקלטה לצ'אט של קלוד?

לא. הצ'אט של קלוד לא מקבל קובצי אודיו. בשביל זה צריך את קלוד קוד, שרץ על המחשב ויכול להפעיל מודל תמלול.

צריך גם את קלוד קוד וגם את קודקס?

לא. מספיק אחד מהם, לפי הכלי שאתם כבר משתמשים בו. הפרומפטים במדריך זהים בשניהם, ושניהם מתקינים את אותו מודל של ivrit.ai.

התמלול מזהה מי מדבר?

לא בשתי הדרכים שבמדריך. הן מחזירות טקסט רציף עם חותמות זמן. אפשר לבקש מהכלי לנסות לחלק את התמלול לדוברים לפי ההקשר, אבל זה ניחוש ולא זיהוי קול.

אפשר לתמלל סרטון?

כן. הכלי יוציא ממנו את הפסקול ויתמלל אותו. כתבו בפרומפט את שם קובץ הסרטון במקום שם ההקלטה.

זה עובד גם במק?

כן. קלוד קוד וקודקס מתקינים את מה שצריך גם במק, והפרומפטים זהים.

מה ההבדל בין המודל של ivrit.ai ל-Whisper הרגיל?

המודל של ivrit.ai הוא Whisper שאומן עוד על מאות שעות של דיבור בעברית. בעברית מדוברת הוא מדויק יותר ומפסק טוב יותר מ-Whisper הרגיל.