تشغيل Whisper على ماك بدون برمجة:
أسهل طريقة موجودة

الإجابة السريعة: نموذج Whisper من OpenAI ليس تطبيقًا بحد ذاته — إنه مكتبة Python تُثبَّت وتُشغَّل من الطرفية، وهذا يعني Homebrew، وإصدار Python الصحيح، وبيئة افتراضية، وFFmpeg، وغالبًا كومة من أخطاء الاعتماديات قبل أن تحصل على أول نسخة نصية. إن كنت لا تريد لمس أي كود، فأسرع طريق إلى نفس النسخ الصوتي الخاص الذي يعمل على جهازك هو تطبيق ماك يأتي بـ Whisper مدمجًا فيه من الأساس — مثل Subtitle Studio — يتخطى كل هذا الإعداد تمامًا، ويضيف أدوات معالجة وتحرير لا يملكها Whisper الخام أصلًا.

إن كنت بحثت عن "كيف أشغّل Whisper على ماك" ووقعت على شرح فيه ست خطوات قبل أن تصل الخطوة الأولى إلى ملفك الصوتي أصلًا، فأنت لا تتخيل الأمر. إليك سبب حدوث ذلك، وأين يعلق أغلب الناس، والبديل الذي لا يحتاج كتابة كود.

---

ما هو Whisper من OpenAI (ولماذا ليس تطبيقًا)

Whisper هو نموذج التعرف على الكلام مفتوح المصدر من OpenAI، صدر عام 2022 واستمر تطويره منذ ذلك الحين (large-v3، turbo). وهو ممتاز فعلًا — دقيق في أكثر من 90 لغة، مجاني الاستخدام، ويعمل بالكامل على جهازك دون رفع أي صوت إلى أي مكان. وهذا بالضبط سبب رغبة الكثيرين في تشغيله بأنفسهم.

مستودع openai/whisper على GitHub — 106 آلاف نجمة، لكنه مستودع كود مصدري بلا زر تحميل ولا مثبّت ولا تطبيق يمكن فتحه

لاحظ ما هو غائب عن تلك الصفحة: زر تحميل، مثبّت، أيقونة تطبيق. ما تحصل عليه هو مجلد من كود Python المصدري — أعطاه 106,000 شخص نجمة، لكن وضع نجمة لا يثبّت شيئًا على جهاز الماك الخاص بك.

فمستودع GitHub هذا كود بحثي، وليس منتجًا استهلاكيًا. تعليمات الإعداد الرسمية تفترض أنك مرتاح مع:

• تثبيت وإدارة إصدارات Python المختلفة
• استخدام pip والبيئات الافتراضية
• قراءة رسالة خطأ Python (traceback) عند تعطّل شيء ما
• تثبيت اعتمادية نظام منفصلة (FFmpeg) بمعزل عن النموذج نفسه

لا شيء من هذا غير معقول بالنسبة لباحث في تعلّم الآلة. لكنه الكثير جدًا مما يُطلب من شخص يريد فقط ترجمات نصية لفيديو يوتيوب قبل نهاية الليلة.

---

الطريقة "الرسمية" لتشغيل Whisper على ماك، خطوة بخطوة

إنصافًا لفريق Whisper، ملف README مكتوب بعناية. إليك ما يتطلبه الأمر فعليًا للانتقال من "لا شيء مُثبَّت" إلى "نسخة نصية على الشاشة".

الخطوة 1: تثبيت Homebrew

إن لم يكن مدير الحزم غير الرسمي من Apple مثبّتًا لديك، فهذا أول شيء تُثبّته:

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

الخطوة 2: تثبيت إصدار Python متوافق

سلسلة اعتماديات Whisper (numba، tiktoken، PyTorch) لا تدعم أحدث إصدارات Python. وحتى وقت كتابة هذا المقال، يُفشل Python 3.13 عملية التثبيت — تحتاج 3.10 أو 3.11 أو 3.12:

brew install python@3.11

الخطوة 3: إنشاء بيئة افتراضية

لتجنّب تصادم اعتماديات Whisper مع أي شيء آخر على نظامك، الطريقة الموصى بها هي بيئة معزولة:

python3.11 -m venv whisper-env
source whisper-env/bin/activate

الخطوة 4: تثبيت FFmpeg

Whisper لا يفك ترميز الصوت بنفسه — بل يستدعي FFmpeg، وهو تثبيت منفصل تمامًا:

brew install ffmpeg

الخطوة 5: تثبيت Whisper

pip install -U openai-whisper

الخطوة 6: تشغيل أول عملية نسخ صوتي

whisper your-audio.mp3 --model turbo

ست خطوات، وثلاثة مثبّتات منفصلة، وقيد إصدار Python واحد كان عليك معرفته مسبقًا — كل هذا قبل أن تُنسخ كلمة واحدة. وهذا في النسخة التي لا يحدث فيها أي خطأ.

---

أين يعلق الجميع (مشكلات حقيقية من GitHub وStackOverflow)

ابحث عن مشكلات تثبيت "openai-whisper" وستجد نفس المجموعة الصغيرة من الأعطال تتكرر مرارًا. هذه اقتباسات مباشرة من تقارير حقيقية، غير مُعاد صياغتها.

"Whisper لا يمكن استخدامه مع Python 3.13"

إن ثبّتّ أحدث إصدار Python من python.org بدلًا من تثبيت إصدار أقدم عبر Homebrew، يفشل التثبيت فورًا:

Getting requirements to build wheel ... error
KeyError: '__version__'

كما تقول إحدى الإجابات في النقاش بوضوح: "لا يمكن استخدام Whisper مع Python 3.13 باستخدام الإصدارات المُصدَرة والمدعومة فقط من سلسلة اعتمادياته." (المصدر: StackOverflow) الحل هو تنزيل إصدار Python وإعادة بناء البيئة الافتراضية من الصفر — وهو أمر غير واضح إن لم تكن تعرف مسبقًا أن Whisper حساس للإصدار.

"ffmpeg غير موجود" — حتى بعد تثبيت ffmpeg

هذا واحد من أكثر أخطاء Whisper شيوعًا على ماك، ومحيّر تحديدًا لأن الحل يبدو وكأنه كان يجب أن ينجح أصلًا:

FileNotFoundError: [Errno 2] No such file or directory: 'ffmpeg': 'ffmpeg'

كان المستخدم في هذه الحالة قد نفّذ brew install ffmpeg بنجاح بالفعل، وأعاد تثبيته، وحتى جرّب حزمة Python غلاف لـ FFmpeg — والمشكلة الحقيقية كانت أن ملف FFmpeg التنفيذي لم يكن ضمن PATH الذي يراه Python. (المصدر: StackOverflow) وتشخيص مشكلة PATH يتطلب أساسًا معرفة ما هو PATH.

لا يوجد CUDA على ماك — ومعظم الشروحات تفترض وجوده

يتحدث تقريبًا كل شرح لأداء Whisper عن CUDA، إطار عمل NVIDIA للمعالجات الرسومية. أجهزة ماك لا تحتوي معالجات NVIDIA. رقائق Apple Silicon تستخدم MPS (Metal Performance Shaders) بدلًا من ذلك، ودعم MPS في PyTorch فيه ثغرات حقيقية وموثّقة:

NotImplementedError: The operator 'aten::isin.Tensor_Tensor_out' is not
currently implemented for the MPS device. ... you can set the environment
variable `PYTORCH_ENABLE_MPS_FALLBACK=1` to use the CPU as a fallback for
this op.

هذا خطأ حقيقي من نموذج PyTorch مشابه لـ Whisper على Apple Silicon. (المصدر: GitHub — huggingface/transformers #31408) الحل المقترح هو الرجوع إلى المعالج المركزي (CPU) لتلك العملية — أي معالجة أبطأ لإصلاح خلل موجود فقط لأنك تستخدم ماك أصلًا.

أخطاء مترجم Rust أثناء التثبيت

يعتمد Whisper على مُرمِّز tiktoken من OpenAI. إن لم تتوفر نسخة wheel جاهزة لمنصتك، يحاول pip بناءه من الكود المصدري، وهذا يتطلب سلسلة أدوات Rust التي على الأرجح لا تملكها. ملف README الرسمي يتناول هذه المشكلة مباشرة: إن فشل التثبيت برسالة No module named 'setuptools_rust'، عليك تثبيت setuptools-rust بشكل منفصل، وربما بيئة تطوير Rust الكاملة. أي أنك تحتاج تثبيت سلسلة أدوات مترجم كاملة، فقط لتشغيل نموذج تحويل كلام إلى نص.

الخيارات "الأسرع" تتطلب البناء من الكود المصدري

Whisper العادي على PyTorch بطيء بشكل ملحوظ على ماك، لذا النصيحة الشائعة هي التحول إلى whisper.cpp أو mlx-whisper للحصول على سرعة Apple Silicon الحقيقية. كلاهما أسرع — وكلاهما يستبدل إعداد Python بنوع آخر من الإعداد:

git clone https://github.com/ggerganov/whisper.cpp
cd whisper.cpp
make
./models/download-ggml-model.sh large-v3
./main -m models/ggml-large-v3.bin -f your-audio.wav

هذا يعني git، وسلسلة أدوات مترجم ++C، وتحميل ملفات النموذج يدويًا — ليس تمامًا ما يُسمّى "بدون برمجة". وحتى بعد البناء بشكل صحيح، قد تسوء الأمور بطرق يصعب فعلًا تشخيصها. وصف أحد المستخدمين القدامى تشغيل دفعة من الملفات عبر ملف whisper.cpp تنفيذي بناه بنفسه على جهاز M4 Mac mini: "يعمل بشكل ممتاز تمامًا" على M1، لكن على M4 "يتوقف فجأة" عن إنتاج أي مخرجات بعد بضع ساعات بلا أي خطأ ولا أي عطل — وكان الحل كتابة سكريبت لإيقاف العملية وإعادة تشغيلها كل ساعة. ("Whisper يستمر في العمل، لا توجد أي أخطاء في الطرفية، لا أعطال... ببساطة لا مزيد من المخرجات.") (المصدر: Ars Technica OpenForum)

وهذا ليس خطأ مبتدئ — بل مستخدم ذو خبرة اصطدم بعائق احتاج سكريبتًا ومهمة مجدولة لتجاوزه.

"عملية التثبيت غير ودّية على الإطلاق"

هذه الشكوى، المُقدَّمة كتقرير مشكلة على GitHub ضد أداة مبنية على Whisper، تلخّص التجربة كاملة بالنسبة لغير المطورين: "المثبّت غير ودّي إطلاقًا، يقاطع تحميل الملفات الكبيرة باستمرار، مما يؤدي إلى تثبيت غير مكتمل وملف تنفيذي مفقود... بالنسبة لمن لا يملكون مهارات برمجية، إلغاء التثبيت هو الخيار الوحيد." (المصدر: GitHub — meizhong986/WhisperJAV #85) وحلّ النقاش نفسه كان، مجددًا، تعارض إصدار Python — غريب مرّ مع صاحب البلاغ عبر أوامر الطرفية خطوة بخطوة حتى نجح الأمر.

حتى عند نجاحه، النماذج الكبيرة قد تستنفد الذاكرة

يحتاج نموذج large-v3 نحو 10 جيجابايت من ذاكرة VRAM/الذاكرة الموحّدة ليعمل بارتياح. على ماك بوك أساسي بذاكرة 8 أو 16 جيجابايت، هذا هامش ضيق كفاية ليتسبب في تعطّل العملية تمامًا، مما يجبرك على التراجع إلى نموذج أصغر وأقل دقة كحل بديل.

---

حتى لو نجح التشغيل، Whisper وحده ليس ترجمات نصية

لنفترض أنك تجاوزت كل ما سبق وحصلت على أمر يعمل مثل whisper your-video.mp4 --model large-v3. ما تحصل عليه هو نسخة نصية، وليس ترجمات نصية — وبالنسبة للفيديو، هذه مهمة مختلفة تمامًا:

• لا معالجة مسبقة. يستقبل Whisper صوتك الخام كما هو. إن وُجدت موسيقى خلفية، أو صدى غرفة، أو مقدمة صاخبة، فالنموذج لا يعرف أن يتجاهلها — ومن الموثّق جيدًا أنه يهلوس (يكرر عبارات، يبتكر حوارًا) خلال الصمت ومقاطع الموسيقى بدلًا من الاعتراف بعدم يقينه.
• توقيت تقريبي. الطوابع الزمنية المدمجة في Whisper مقرَّبة تقريبًا إلى أقرب ثانية — جيدة لنسخة نصية، لكن غير كافية لترجمة يجب أن تظهر بالضبط عند نطق الكلام.
• لا منطق لفواصل الأسطر. الكتل الطويلة المتواصلة أو الفواصل الغريبة في منتصف الجملة شائعة في المخرجات الخام، ولا توجد أداة لإصلاحها سوى فتح ملف .srt في محرر نصوص.
• لا ترجمة. إن احتجت مسار لغة ثانية، فهذه أداة وسير عمل منفصلان تمامًا.
• لا واجهة تحرير. كل شيء يحدث في سطر الأوامر. لا شكل موجي، لا سحب لضبط التوقيت، لا زر تراجع.

بعبارة أخرى، حلّ مشكلة التثبيت لا يحل مشكلة الترجمة النصية. ستبقى بحاجة إلى أداة ثانية لتحويل نسخة نصية خام إلى شيء تنشره فعليًا.

---

أسهل طريقة: تخطَّ Python تمامًا مع Subtitle Studio

يشغّل Subtitle Studio نفس فئة نموذج Whisper، لكن كـ تطبيق ماك أصلي: حمّله، اسحب فيديوك، واحصل على ترجمات نصية. لا طرفية، لا إصدار Python لإدارته، لا pip install لتصحيح أخطائه.

محرر Subtitle Studio مع الشكل الموجي وقائمة الترجمات النصية ومعاينة الفيديو المحاذية للكلام

إليك ما تحصل عليه فوق تثبيت لا يحتاج طرفية أصلًا:

• نموذج مضبوط لـ Apple Silicon. نموذج النسخ الصوتي مُحسَّن خصيصًا لرقائق سلسلة M بتسريع Metal — وليس بناء PyTorch عام يرجع إلى المعالج المركزي عند عمليات MPS غير المدعومة.
• معالجة مسبقة قبل النسخ الصوتي. كشف نشاط الصوت (VAD) وتقليل الضجيج ينظّفان الصوت قبل أن يراه Whisper، فتقل الكلمات المفقودة والنصوص الوهمية الناتجة عن الموسيقى الخلفية وضجيج الغرفة — وهي بالضبط نمط الفشل الذي يشتهر به Whisper الخام.
• تصفية الهلوسة. يكتشف تقييم الثقة وتحليل نشاط الكلام ويزيل النص الوهمي الذي يبتكره النموذج خلال الصمت أو الموسيقى، بدلًا من إرساله مباشرة إلى ملف ترجمتك النصية.
• محاذاة قسرية. بعد النسخ الصوتي، يربط محاذٍ قسري النص بالشكل الموجي على مستوى الكلمة، ليحل محل توقيت Whisper المقرَّب لثانية واحدة بتوقيت دقيق على مستوى الإطار.
• تقسيم قائم على معالجة اللغة الطبيعية. يُقسَّم النص الخام إلى أسطر ترجمة مقروءة عند حدود العبارات الطبيعية، بدلًا من عدد أحرف عشوائي.
• تحرير مدمج. اسحب لإعادة ضبط توقيت ترجمة نصية، أو قسّم سطرًا طويلًا جدًا، أو ادمج أجزاء مجزّأة — بلا حاجة للتصدير إلى محرر نصوص.

أداة إعادة المحاذاة في Subtitle Studio مع كتلة ترجمة نصية تُسحب لمطابقة الشكل الموجي الصوتي

• ترجمة على الجهاز. ترجم ترجماتك النصية المُنجزة إلى 25 لغة، دون اتصال بالإنترنت بالكامل، بلا مفتاح API وبلا تكلفة لكل كلمة — راجع شرحنا المفصّل عن الترجمة دون اتصال لمعرفة كيف يعمل النموذج المحلي.

لوحة الترجمة في Subtitle Studio مع محدد اللغة وخيارات مزود الذكاء الاصطناعي

صوتك وفيديوك لا يغادران جهاز الماك أبدًا — نفس ضمان الخصوصية الذي تحصل عليه بتشغيل Whisper بنفسك، لكن بلا كل هذا الإعداد.

---

Whisper عبر سطر الأوامر مقابل Subtitle Studio جنبًا إلى جنب

	OpenAI Whisper (سطر الأوامر)	Subtitle Studio
الإعداد	Homebrew، إدارة إصدار Python، بيئة افتراضية، FFmpeg، pip install	تحميل التطبيق، فتحه
يحتاج برمجة	نعم — أوامر طرفية، وأحيانًا تصحيح أخطاء اعتماديات	لا
تسريع Apple Silicon	يعتمد على دعم PyTorch لـ MPS (توجد ثغرات)	مدمج، نموذج مُحسَّن بـ Metal
معالجة الصوت المسبقة	لا شيء — الصوت الخام يُرسَل مباشرة للنموذج	VAD + تقليل ضجيج قبل النسخ الصوتي
معالجة الهلوسة	لا شيء — مخرجات النموذج الخام	مكتشَفة ومُصفّاة تلقائيًا
دقة التوقيت	دقة نحو ثانية واحدة	محاذاة قسرية على مستوى الكلمة
تقسيم أسطر الترجمة	لا شيء — تنظيف يدوي مطلوب	تقسيم تلقائي بمعالجة اللغة الطبيعية
أدوات التحرير	محرر نصوص على الملف المُصدَّر	إعادة محاذاة وتقسيم ودمج بالشكل الموجي
الترجمة	غير مدمجة	مدمجة، دون اتصال، 25 لغة
صيغة الإخراج	.txt، .srt، .vtt	.srt، .fcpxml
التكلفة	مجاني (وقتك)	شراء لمرة واحدة

---

الحكم

إن كنت مطورًا تريد دمج Whisper في خط معالجة آلي، أو معالجة آلاف الملفات دفعة واحدة، أو ضبط النموذج بنفسك، فالأداة الرسمية عبر سطر الأوامر هي الخيار الصحيح — تلك المرونة هي بالضبط ما صُمِّمت من أجله، وتكلفة الإعداد أمر تدفعه مرة واحدة فقط.

وإن كنت تريد فقط ترجمات نصية دقيقة وجاهزة للنشر لفيديو دون فتح طرفية، فالطريق الذي لا يحتاج برمجة يوصلك أسرع: نفس التقنية الأساسية، بلا أي إدارة بيئة، ومجموعة أدوات مخصصة للترجمة النصية لم يُصمَّم Whisper الخام أصلًا ليتضمنها.

---

الأسئلة الشائعة

هل أحتاج إلى معرفة Python لتشغيل Whisper على ماك؟

لاستخدام حزمة openai-whisper الرسمية، نعم — ستحتاج إلى تثبيت Python، وإدارة بيئة افتراضية، وتشغيل أوامر من الطرفية. إن كنت تفضّل عدم لمس الكود، فتطبيقات مثل Subtitle Studio تشغّل نفس فئة النموذج بواجهة سحب وإفلات وبلا برمجة على الإطلاق.

لماذا يفشل تثبيت Whisper على جهاز الماك الخاص بي؟

الأسباب الأكثر شيوعًا هي: استخدام إصدار Python غير مدعوم (Python 3.13 حاليًا يُفشل التثبيت؛ استخدم 3.10 إلى 3.12)، وعدم وجود FFmpeg ضمن PATH نظامك حتى بعد تثبيته، وغياب مترجم Rust اللازم لبناء اعتمادية tiktoken من الكود المصدري. كل واحدة من هذه الحالات تنتج رسالة خطأ مختلفة وغامضة إلى حد ما.

هل يستخدم Whisper معالج الرسوميات في جهاز الماك الخاص بي؟

يمكنه ذلك، عبر واجهة MPS (Metal Performance Shaders) من Apple في PyTorch، لكن دعم MPS لعمليات Whisper فيه ثغرات موثّقة — بعض العمليات غير مُنفَّذة وترجع بصمت إلى معالجة أبطأ على المعالج المركزي. عادة ما يستخدم whisper.cpp وmlx-whisper رقائق Apple Silicon بكفاءة أعلى من حزمة Python الأصلية، لكن كلاهما يتطلب البناء من الكود المصدري.

ما الفرق بين openai-whisper وwhisper.cpp وmlx-whisper؟

openai-whisper هي حزمة Python الأصلية من OpenAI — الأسهل تثبيتًا عبر pip، لكنها أبطأ على Apple Silicon لأنها تعمل عبر واجهة MPS في PyTorch. whisper.cpp هي إعادة تنفيذ بلغة ++C تستخدم Metal مباشرة وأسرع بكثير، لكن عليك استنساخ المستودع وبناءه بنفسك. mlx-whisper يستخدم إطار عمل MLX الخاص بـ Apple وغالبًا ما يكون الخيار الأسرع على رقائق سلسلة M، مع إعداد مماثل من الكود المصدري. لا يتضمن أي من الثلاثة معالجة صوت مسبقة، أو تحرير ترجمات نصية، أو ترجمة — فهي محركات نسخ صوتي، لا أدوات ترجمة نصية.

هل توجد طريقة مجانية لتشغيل Whisper على ماك بدون برمجة؟

نموذج Whisper نفسه مجاني ومفتوح المصدر، لكن تشغيله بلا أي إعداد يتطلب تطبيقًا مُعبَّأً بدلًا من مكتبة Python الخام — على أحدهم أن يتولى التثبيت وإدارة النموذج والواجهة نيابة عنك. Subtitle Studio تطبيق ماك مبني خصيصًا لهذا الغرض: لا طرفية، لا اعتماديات لإدارتها، شراء لمرة واحدة بدلًا من اشتراك.

هل يستخدم Subtitle Studio نفس نموذج Whisper الذي يستخدمه سطر الأوامر؟

يستخدم Subtitle Studio نموذج Whisper مُحسَّنًا ومُضبَّطًا بدقة، مبنيًا خصيصًا لنوع الصوت المختلط الذي يعمل عليه صانعو الفيديو فعليًا — حوار فوق موسيقى، وضجيج غرفة، وكلام متعدد اللغات — مقترنًا بتسريع Apple Silicon. وهو مُغلَّف في خط معالجة كامل (معالجة مسبقة، تصفية هلوسة، محاذاة قسرية، تقسيم بمعالجة اللغة الطبيعية) بدلًا من النموذج المستقل الذي تحصل عليه من pip install openai-whisper. راجع مقارنتنا بين MacWhisper وSubtitle Studio للاطلاع على كيفية تأثير خط المعالجة هذا على النتيجة الفعلية.