فوری جواب: OpenAI کا Whisper ماڈل خود کوئی ایپ نہیں ہے — یہ ایک Python لائبریری ہے جسے ٹرمینل سے انسٹال اور چلانا پڑتا ہے، یعنی Homebrew، صحیح Python ورژن، ایک ورچوئل ماحول، FFmpeg، اور اکثر پہلی ٹرانسکرپٹ ملنے سے پہلے ہی ڈیپینڈنسی خرابیوں کا ایک ڈھیر۔ اگر آپ بالکل کوڈ کو ہاتھ نہیں لگانا چاہتے، تو اسی نجی، آن ڈیوائس ٹرانسکرپشن تک پہنچنے کا تیز ترین راستہ ایک ایسی میک ایپ ہے جس میں Whisper پہلے سے شامل ہو — جیسے Subtitle Studio — جو پوری سیٹ اپ کو مکمل طور پر چھوڑ کر آگے بڑھ جاتی ہے، اور ساتھ ہی وہ پریپروسیسنگ اور ایڈیٹنگ ٹولز بھی دیتی ہے جو خام Whisper میں موجود نہیں۔
اگر آپ نے "میک پر Whisper کیسے چلائیں" سرچ کیا اور ایک ایسی گائیڈ پر پہنچے جس میں پہلا قدم بھی آنے سے پہلے چھ مراحل ہیں اور ابھی تک آپ کی آڈیو فائل کا ذکر تک نہیں آیا، تو یہ آپ کا وہم نہیں۔ آگے پڑھیے کہ ایسا کیوں ہوتا ہے، لوگ عام طور پر کہاں پھنستے ہیں، اور بغیر کوڈنگ کا متبادل کیا ہے۔
OpenAI کا Whisper اصل میں ہے کیا (اور یہ ایپ کیوں نہیں)
Whisper OpenAI کا اوپن سورس اسپیچ ریکگنیشن ماڈل ہے، جو 2022 میں جاری ہوا اور تب سے مسلسل اَپ ڈیٹ ہوتا رہا ہے (large-v3، turbo)۔ یہ واقعی بہترین ہے — 90 سے زیادہ زبانوں میں درست، استعمال کے لیے مفت، اور مکمل طور پر آپ کی اپنی مشین پر چلتا ہے، بغیر کسی آڈیو کو کہیں اپ لوڈ کیے۔ یہی وجہ ہے کہ اتنے لوگ اسے خود چلانا چاہتے ہیں۔
openai/whisper کا GitHub ریپوزٹری — 106 ہزار اسٹارز، مگر ایک سورس کوڈ ریپو جس میں کوئی ڈاؤن لوڈ بٹن، کوئی انسٹالر، اور کھولنے کے لیے کوئی ایپ نہیں
دیکھیے اس صفحے میں کیا چیز غائب ہے: ڈاؤن لوڈ بٹن، انسٹالر، ایپ آئیکن۔ آپ کو جو ملتا ہے وہ Python سورس کوڈ کا ایک فولڈر ہے — 106,000 لوگوں نے اس ریپوزٹری کو اسٹار دیا ہے، مگر اسٹار دینے سے آپ کے میک پر کچھ بھی انسٹال نہیں ہوتا۔
مگر یہ GitHub ریپوزٹری ایک ریسرچ کوڈبیس ہے، صارف کے لیے تیار پروڈکٹ نہیں۔ آفیشل سیٹ اپ ہدایات یہ مان کر چلتی ہیں کہ آپ ان چیزوں سے آسانی محسوس کرتے ہیں:
- مختلف Python ورژنز کو انسٹال اور منظم کرنا
pipاور ورچوئل ماحول استعمال کرنا- جب کچھ خراب ہو تو Python کا ٹریس بیک پڑھنا
- ماڈل سے الگ ایک سسٹم ڈیپینڈنسی (FFmpeg) کو انسٹال کرنا
یہ سب ایک مشین لرننگ محقق کے لیے غیرمعقول نہیں۔ مگر یہ اس شخص سے بہت زیادہ مانگنا ہے جو صرف آج رات تک یوٹیوب ویڈیو کے لیے سب ٹائٹلز چاہتا ہے۔
میک پر Whisper چلانے کا "آفیشل" طریقہ، مرحلہ بہ مرحلہ
Whisper ٹیم کے ساتھ انصاف کرتے ہوئے، README اچھی طرح لکھی گئی ہے۔ یہاں ہے کہ "کچھ بھی انسٹال نہیں" سے "اسکرین پر ٹرانسکرپٹ" تک پہنچنے میں اصل میں کیا لگتا ہے۔
مرحلہ 1: Homebrew انسٹال کریں
اگر آپ کے پاس ایپل کا غیر سرکاری پیکیج مینیجر پہلے سے نہیں ہے، تو یہ پہلی انسٹالیشن ہے:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
مرحلہ 2: ایک موافق Python ورژن انسٹال کریں
Whisper کی ڈیپینڈنسی چین (numba، tiktoken، PyTorch) تازہ ترین Python ریلیزز کو سپورٹ نہیں کرتی۔ اس تحریر کے وقت، Python 3.13 انسٹالیشن کو خراب کر دیتا ہے — آپ کو 3.10، 3.11 یا 3.12 چاہیے:
brew install python@3.11
مرحلہ 3: ایک ورچوئل ماحول بنائیں
Whisper کی ڈیپینڈنسیز کو آپ کے سسٹم کی کسی بھی دوسری چیز سے ٹکرانے سے بچانے کے لیے، تجویز کردہ طریقہ ایک الگ تھلگ ماحول بنانا ہے:
python3.11 -m venv whisper-env
source whisper-env/bin/activate
مرحلہ 4: FFmpeg انسٹال کریں
Whisper خود آڈیو کو ڈی کوڈ نہیں کرتا — یہ FFmpeg کو کال کرتا ہے، جو ایک بالکل الگ انسٹالیشن ہے:
brew install ffmpeg
مرحلہ 5: Whisper انسٹال کریں
pip install -U openai-whisper
مرحلہ 6: اپنی پہلی ٹرانسکرپشن چلائیں
whisper your-audio.mp3 --model turbo
چھ مراحل، تین الگ الگ انسٹالرز، اور ایک Python ورژن کی پابندی جو آپ کو پہلے سے معلوم ہونی چاہیے تھی — یہ سب اس سے پہلے کہ ایک بھی لفظ ٹرانسکرائب ہو۔ اور یہ اس صورت کی بات ہے جب کچھ بھی غلط نہ ہو۔
عام طور پر لوگ کہاں پھنستے ہیں (GitHub اور StackOverflow سے حقیقی مسائل)
"openai-whisper" کی انسٹالیشن کے مسائل تلاش کریں تو وہی چند مخصوص خرابیاں بار بار سامنے آتی ہیں۔ یہ حقیقی رپورٹس سے براہ راست اقتباسات ہیں، نئے سرے سے بیان نہیں کیے گئے۔
"Whisper کو Python 3.13 پر استعمال نہیں کیا جا سکتا"
اگر آپ Homebrew کے ذریعے پرانا ورژن مقرر کرنے کے بجائے python.org سے تازہ ترین Python انسٹال کرتے ہیں، تو انسٹالیشن فوراً ناکام ہو جاتی ہے:
Getting requirements to build wheel ... error
KeyError: '__version__'
جیسا کہ اس تھریڈ کے ایک جواب میں صاف طور پر کہا گیا ہے: "Whisper کو صرف اس کی ڈیپینڈنسی چین کے جاری کردہ، سپورٹڈ ورژنز کے ساتھ Python 3.13 پر استعمال نہیں کیا جا سکتا۔" (ماخذ: StackOverflow) حل یہ ہے کہ اپنا Python ورژن نیچے لائیں اور ورچوئل ماحول کو صفر سے دوبارہ بنائیں — یہ واضح نہیں اگر آپ کو پہلے سے معلوم نہ ہو کہ Whisper ورژن کے بارے میں کتنا حساس ہے۔
"ffmpeg نہیں ملا" — ffmpeg انسٹال کرنے کے بعد بھی
یہ میک پر Whisper کی سب سے عام خرابیوں میں سے ایک ہے، اور یہ خاص طور پر الجھن پیدا کرتی ہے کیونکہ لگتا ہے کہ حل تو پہلے سے کام کر جانا چاہیے تھا:
FileNotFoundError: [Errno 2] No such file or directory: 'ffmpeg': 'ffmpeg'
اس معاملے میں صارف پہلے ہی کامیابی سے brew install ffmpeg چلا چکا تھا، دوبارہ انسٹال بھی کر چکا تھا، اور یہاں تک کہ ایک Python FFmpeg ریپر بھی آزما چکا تھا — اصل مسئلہ یہ تھا کہ FFmpeg کی بائنری اس PATH میں نہیں تھی جسے Python دیکھ سکے۔ (ماخذ: StackOverflow) PATH کا مسئلہ حل کرنے کے لیے پہلے یہ جاننا ضروری ہے کہ PATH ہوتا کیا ہے۔
میک پر CUDA سرے سے موجود نہیں — اور اکثر ٹیوٹوریلز فرض کر لیتے ہیں کہ ہے
تقریباً ہر Whisper پرفارمنس گائیڈ CUDA کی بات کرتی ہے، جو NVIDIA کا GPU فریم ورک ہے۔ میک میں NVIDIA GPUs نہیں ہوتے۔ ایپل سلیکون اس کے بجائے MPS (Metal Performance Shaders) استعمال کرتا ہے، اور PyTorch میں MPS کی سپورٹ میں کچھ حقیقی، دستاویزی خامیاں موجود ہیں:
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.
یہ ایپل سلیکون پر Whisper سے ملتے جلتے ایک PyTorch ماڈل کی حقیقی خرابی ہے۔ (ماخذ: GitHub — huggingface/transformers #31408) تجویز کردہ حل یہ ہے کہ اس عمل کے لیے CPU پر واپس آ جائیں — یعنی سست پروسیسنگ، صرف اس خرابی کو ٹھیک کرنے کے لیے جو صرف اس لیے موجود ہے کہ آپ میک پر ہیں۔
انسٹالیشن کے دوران Rust کمپائلر کی خرابیاں
Whisper، OpenAI کے tiktoken ٹوکنائزر پر منحصر ہے۔ اگر آپ کے پلیٹ فارم کے لیے کوئی پہلے سے بنی ہوئی وہیل دستیاب نہ ہو، تو pip اسے سورس سے کمپائل کرنے کی کوشش کرتا ہے، جس کے لیے ایک Rust ٹول چین درکار ہوتی ہے جو غالباً آپ کے پاس نہیں۔ آفیشل README اس مسئلے کو براہ راست بیان کرتی ہے: اگر انسٹالیشن No module named 'setuptools_rust' کے ساتھ ناکام ہو، تو آپ کو الگ سے setuptools-rust انسٹال کرنا ہوگی، اور شاید مکمل Rust ڈیولپمنٹ ماحول بھی۔ یعنی محض ایک اسپیچ ٹو ٹیکسٹ ماڈل چلانے کے لیے ایک مکمل کمپائلر ٹول چین انسٹال کرنا۔
"تیز تر" اختیارات کے لیے سورس سے کمپائل کرنا پڑتا ہے
عام Whisper، PyTorch پر میک پر واضح طور پر سست ہے، اس لیے عام مشورہ یہی ہے کہ ایپل سلیکون کی اصل رفتار کے لیے whisper.cpp یا mlx-whisper پر منتقل ہو جائیں۔ دونوں زیادہ تیز ہیں — اور دونوں Python سیٹ اپ کو ایک اور طرح کے سیٹ اپ سے بدل دیتے ہیں:
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
یعنی git، ایک ++C کمپائلر ٹول چین، اور ماڈل فائلز کو ہاتھ سے ڈاؤن لوڈ کرنا — یہ بالکل بھی "بغیر کوڈنگ" نہیں کہلا سکتا۔ اور صحیح طریقے سے کمپائل کرنے کے بعد بھی، معاملات ایسے راستوں پر بگڑ سکتے ہیں جن کو ڈی بگ کرنا واقعی مشکل ہو۔ ایک تجربہ کار صارف نے M4 Mac mini پر اپنے خود کے کمپائل کیے ہوئے whisper.cpp بائنری کے ذریعے فائلوں کا ایک بیچ چلانے کی صورتحال بیان کی: یہ M1 پر "بالکل ٹھیک کام کرتا ہے"، مگر M4 پر یہ چند گھنٹوں بعد بغیر کسی خرابی، بغیر کریش کے آؤٹ پٹ دینا "بس رک جاتا ہے" — اور حل ایک اسکرپٹ لکھنا تھا جو ہر گھنٹے پروسیس کو بند کر کے دوبارہ شروع کرے۔ ("Whisper چلتا رہتا ہے، ٹرمینل میں کوئی خرابی نہیں، کوئی کریش نہیں... بس مزید کوئی آؤٹ پٹ نہیں آتا۔") (ماخذ: Ars Technica OpenForum)
یہ کسی نوآموز کی غلطی نہیں — یہ ایک تجربہ کار صارف ہے جو پھر بھی ایک ایسی دیوار سے ٹکرایا جسے پار کرنے کے لیے اسکرپٹ اور کرون جاب کی ضرورت پڑی۔
"انسٹالیشن کا عمل انتہائی غیر دوستانہ ہے"
یہ شکایت، جو Whisper پر مبنی ایک ٹول کے خلاف GitHub اِشو کے طور پر درج کی گئی، غیر ڈیولپرز کے پورے تجربے کا خلاصہ کرتی ہے: "انسٹالر انتہائی غیر دوستانہ ہے، بڑی فائلوں کے ڈاؤن لوڈ کو مسلسل روکتا رہتا ہے، جس سے انسٹالیشن ادھوری رہ جاتی ہے اور ایک ایگزیکیوٹیبل فائل غائب ہو جاتی ہے... جن کے پاس پروگرامنگ کی مہارت نہیں، ان کے لیے صرف انسٹالیشن ختم کرنا ہی واحد آپشن ہے۔" (ماخذ: GitHub — meizhong986/WhisperJAV #85) اور اس تھریڈ کا حل بھی، ایک بار پھر، Python ورژن کی عدم مطابقت ہی تھا — ایک اجنبی نے رپورٹ کرنے والے کے ساتھ ٹرمینل کمانڈز میں قدم بہ قدم چل کر مسئلہ حل کیا۔
چلنے کے باوجود، بڑے ماڈلز میموری ختم کر سکتے ہیں
large-v3 ماڈل کو آرام سے چلنے کے لیے تقریباً 10 GB VRAM/یونیفائیڈ میموری چاہیے۔ ایک بنیادی 8 GB یا 16 GB میک بک پر، یہ گنجائش اتنی تنگ ہوتی ہے کہ پروسیس بالکل کریش ہو سکتا ہے، جس سے آپ کو حل کے طور پر ایک چھوٹے، کم درست ماڈل پر آنا پڑتا ہے۔
چلنے کے باوجود بھی، صرف Whisper سب ٹائٹلز نہیں ہے
فرض کریں آپ نے اوپر دی گئی تمام مشکلات پار کر لیں اور آپ کو whisper your-video.mp4 --model large-v3 جیسا ایک کام کرنے والا کمانڈ مل گیا۔ آپ کو واپس جو ملتا ہے وہ ایک ٹرانسکرپٹ ہے، سب ٹائٹلز نہیں — اور ویڈیو کے لیے یہ ایک بالکل الگ کام ہے:
- کوئی پریپروسیسنگ نہیں۔ Whisper آپ کی خام آڈیو کو جیسی ہے ویسی وصول کرتا ہے۔ اگر پس منظر میں موسیقی، کمرے کی بازگشت، یا شور مچاتا انٹرو ہو، تو ماڈل کو نظرانداز کرنے کا کوئی اندازہ نہیں ہوتا — اور یہ اچھی طرح دستاویزی ہے کہ خاموشی اور موسیقی کے دوران یقین نہ ہونے کو تسلیم کرنے کے بجائے یہ فریب کاری کرتا ہے (فقرے دہراتا ہے، مکالمہ گھڑتا ہے)۔
- تقریباً درست وقت بندی۔ Whisper کی بلٹ اِن ٹائم اسٹیمپس تقریباً قریب ترین سیکنڈ تک گول کی گئی ہوتی ہیں — یہ ٹرانسکرپٹ کے لیے ٹھیک ہے، مگر اس سب ٹائٹل کے لیے کافی نہیں جسے بالکل اسی لمحے ظاہر ہونا چاہیے جب کوئی بولے۔
- لائن بریک کا کوئی منطق نہیں۔ لمبے، مسلسل بلاکس یا جملے کے بیچ میں عجیب تقسیم خام آؤٹ پٹ میں عام ہیں، اور
.srtفائل کو ٹیکسٹ ایڈیٹر میں کھولنے کے علاوہ انہیں ٹھیک کرنے کا کوئی ٹول نہیں۔ - کوئی ترجمہ نہیں۔ اگر آپ کو دوسری زبان کا ٹریک چاہیے، تو یہ مکمل طور پر الگ ٹول اور ورک فلو ہے۔
- کوئی ایڈیٹنگ انٹرفیس نہیں۔ سب کچھ کمانڈ لائن میں ہوتا ہے۔ نہ کوئی ویو فارم، نہ کھینچ کر ایڈجسٹ کرنا، نہ کوئی اَنڈو بٹن۔
دوسرے الفاظ میں، انسٹالیشن کا مسئلہ حل کرنے سے سب ٹائٹل کا مسئلہ حل نہیں ہوتا۔ آپ کو پھر بھی ایک خام ٹرانسکرپٹ کو ایسی چیز میں بدلنے کے لیے دوسرا ٹول درکار ہوگا جسے آپ واقعی شائع کر سکیں۔
سب سے آسان طریقہ: Subtitle Studio کے ساتھ Python کو مکمل طور پر چھوڑ دیں
Subtitle Studio اسی طرز کا Whisper ماڈل چلاتا ہے، مگر ایک نیٹو میک ایپ کے طور پر: اسے ڈاؤن لوڈ کریں، اپنی ویڈیو کھینچ کر ڈالیں، اور سب ٹائٹلز واپس پائیں۔ نہ کوئی ٹرمینل، نہ منظم کرنے کے لیے کوئی Python ورژن، نہ ڈی بگ کرنے کے لیے کوئی pip install۔
Subtitle Studio ایڈیٹر جس میں ویو فارم، سب ٹائٹل لسٹ، اور تقریر سے ہم آہنگ ویڈیو پیش منظر شامل ہے
جو ٹرمینل سے آزاد انسٹالیشن کے علاوہ آپ کو ملتا ہے:
- ایپل سلیکون کے لیے ٹیون شدہ ماڈل۔ ٹرانسکرپشن ماڈل خصوصی طور پر M سیریز چپس کے لیے Metal ایکسلریشن کے ساتھ بہتر بنایا گیا ہے — نہ کہ ایک عام PyTorch بلڈ جو ناسپورٹڈ MPS آپریشنز کے لیے CPU پر واپس آ جائے۔
- ٹرانسکرپشن سے پہلے پریپروسیسنگ۔ وائس ایکٹیویٹی ڈیٹیکشن (VAD) اور نوائز ریڈکشن آڈیو کو Whisper کے دیکھنے سے پہلے صاف کرتے ہیں، تاکہ پس منظر کی موسیقی اور کمرے کا شور کم الفاظ چھوٹنے اور کم فریب کاری والے متن کا سبب بنیں — بالکل وہی خرابی کا انداز جس کے لیے خام Whisper مشہور ہے۔
- فریب کاری کی فلٹرنگ۔ کانفیڈنس اسکورنگ اور اسپیچ ایکٹیویٹی تجزیہ ان فینٹم متن کو پکڑتا اور ہٹاتا ہے جو ماڈل خاموشی یا موسیقی کے دوران گھڑتا ہے، بجائے اس کے کہ اسے سیدھا آپ کی سب ٹائٹل فائل میں بھیج دیا جائے۔
- فورسڈ الائنمنٹ۔ ٹرانسکرپشن کے بعد، ایک فورسڈ الائنر متن کو لفظ کی سطح پر ویو فارم سے دوبارہ جوڑتا ہے، اور Whisper کے تقریباً 1 سیکنڈ کے گول شدہ ٹائم اسٹیمپس کو فریم-ایکیوریٹ وقت بندی سے بدل دیتا ہے۔
- NLP پر مبنی سیگمنٹیشن۔ خام ٹرانسکرپٹ کو من مانی حروف کی گنتی کے بجائے قدرتی فقرہ حدود پر مناسب طور پر پڑھنے کے قابل سب ٹائٹل لائنوں میں تقسیم کیا جاتا ہے۔
- بلٹ اِن ایڈیٹنگ۔ کسی سب ٹائٹل کی ٹائمنگ دوبارہ ایڈجسٹ کرنے کے لیے کھینچیں، ایک لمبی لائن کو تقسیم کریں، یا بکھرے ہوئے حصوں کو یکجا کریں — کسی ٹیکسٹ ایڈیٹر میں ایکسپورٹ کیے بغیر۔
Subtitle Studio کا ری الائن ٹول، جس میں ایک سب ٹائٹل بلاک آڈیو ویو فارم سے میچ کرنے کے لیے کھینچا جا رہا ہے
- آن ڈیوائس ترجمہ۔ اپنے مکمل شدہ سب ٹائٹلز کو 25 زبانوں میں، مکمل طور پر آف لائن، بغیر کسی API کی اور بغیر فی لفظ لاگت کے ترجمہ کریں — یہ جاننے کے لیے کہ لوکل ماڈل کیسے کام کرتا ہے، ہمارا آف لائن ترجمے پر گہرا جائزہ دیکھیں۔
Subtitle Studio کا ترجمہ پینل، زبان منتخب کرنے والے اور AI پرووائیڈر آپشنز کے ساتھ
آپ کی آڈیو اور ویڈیو آپ کے میک سے کبھی باہر نہیں جاتی — بالکل وہی پرائیویسی گارنٹی جو خود Whisper چلانے سے ملتی ہے، بس سیٹ اپ کے بغیر۔
Subtitle Studio
ایک بار کی خریداری۔ آپ کے میک پر مکمل طور پر آف لائن چلتا ہے۔
Whisper CLI بمقابلہ Subtitle Studio — شانہ بشانہ
| OpenAI Whisper (CLI) | Subtitle Studio | |
|---|---|---|
| سیٹ اپ | Homebrew، Python ورژن کا انتظام، ورچوئل ماحول، FFmpeg، pip install | ایپ ڈاؤن لوڈ کریں، کھولیں |
| کوڈنگ درکار | ہاں — ٹرمینل کمانڈز، کبھی کبھار ڈیپینڈنسی ڈی بگنگ | نہیں |
| ایپل سلیکون ایکسلریشن | PyTorch کی MPS سپورٹ پر منحصر (خامیاں موجود ہیں) | بلٹ اِن، Metal-آپٹیمائزڈ ماڈل |
| آڈیو پریپروسیسنگ | کچھ نہیں — خام آڈیو براہ راست ماڈل کو بھیجی جاتی ہے | ٹرانسکرپشن سے پہلے VAD + نوائز ریڈکشن |
| فریب کاری کا انتظام | کچھ نہیں — خام ماڈل آؤٹ پٹ | خودکار طور پر تشخیص اور فلٹر |
| ٹائم اسٹیمپ درستگی | تقریباً 1 سیکنڈ کی گرینیولیریٹی | لفظ کی سطح پر فورسڈ الائنمنٹ |
| سب ٹائٹل لائن بریکنگ | کچھ نہیں — دستی صفائی درکار | خودکار NLP پر مبنی سیگمنٹیشن |
| ایڈیٹنگ ٹولز | ایکسپورٹ کی گئی فائل پر ٹیکسٹ ایڈیٹر | ویو فارم پر مبنی ری الائن، تقسیم، ضم کرنا |
| ترجمہ | شامل نہیں | بلٹ اِن، آف لائن، 25 زبانیں |
| آؤٹ پٹ فارمیٹ | .txt، .srt، .vtt | .srt، .fcpxml |
| لاگت | مفت (آپ کا وقت) | ایک بار کی خریداری |
نتیجہ
اگر آپ ایک ڈیولپر ہیں جو Whisper کو کسی پائپ لائن میں اسکرپٹ کرنا چاہتے ہیں، ہزاروں فائلوں کو بیچ میں پروسیس کرنا چاہتے ہیں، یا خود ماڈل کو فائن ٹیون کرنا چاہتے ہیں، تو آفیشل CLI صحیح ٹول ہے — وہ لچک بالکل اسی لیے بنائی گئی ہے، اور سیٹ اپ کی لاگت ایک بار کی چیز ہے جو آپ صرف ایک ہی بار ادا کرتے ہیں۔
اگر آپ صرف ٹرمینل کھولے بغیر کسی ویڈیو کے لیے درست، شائع کرنے کے لیے تیار سب ٹائٹلز چاہتے ہیں، تو بغیر کوڈنگ کا راستہ آپ کو زیادہ تیزی سے وہاں پہنچاتا ہے: وہی بنیادی ٹیکنالوجی، بغیر کسی ماحول کے انتظام کے، اور سب ٹائٹل کے لیے مخصوص ٹولز کا ایک سیٹ جسے خام Whisper میں شامل کرنے کا کبھی ارادہ نہیں تھا۔
Subtitle Studio
کوئی Python نہیں، کوئی Homebrew نہیں، کوئی ٹرمینل نہیں۔ بس اپنی ویڈیو کھینچ کر ڈالیں۔
اکثر پوچھے جانے والے سوالات
کیا مجھے میک پر Whisper چلانے کے لیے Python جاننا ضروری ہے؟
آفیشل openai-whisper پیکیج استعمال کرنے کے لیے، ہاں — آپ کو Python انسٹال کرنا، ایک ورچوئل ماحول منظم کرنا، اور ٹرمینل سے کمانڈز چلانا ہوں گے۔ اگر آپ کوڈ کو ہاتھ نہیں لگانا چاہتے، تو Subtitle Studio جیسی ایپس اسی طرز کا ماڈل ایک ڈریگ اینڈ ڈراپ انٹرفیس کے ساتھ چلاتی ہیں اور کسی کوڈنگ کی ضرورت نہیں ہوتی۔
میرے میک پر Whisper کی انسٹالیشن کیوں ناکام ہوتی ہے؟
سب سے عام وجوہات یہ ہیں: ایک ناسپورٹڈ Python ورژن استعمال کرنا (فی الوقت 3.13 انسٹالیشن کو خراب کر دیتا ہے؛ 3.10 سے 3.12 استعمال کریں)، FFmpeg انسٹال کرنے کے باوجود آپ کے سسٹم PATH میں موجود نہ ہونا، اور tiktoken ڈیپینڈنسی کو سورس سے بنانے کے لیے درکار Rust کمپائلر کی عدم موجودگی۔ ان میں سے ہر ایک ایک مختلف، خاصا پراسرار خرابی کا پیغام دیتا ہے۔
کیا Whisper میرے میک کا GPU استعمال کرتا ہے؟
یہ کر سکتا ہے، PyTorch میں ایپل کے MPS (Metal Performance Shaders) بیک اینڈ کے ذریعے، مگر Whisper کے آپریشنز کے لیے MPS کی سپورٹ میں دستاویزی خامیاں موجود ہیں — کچھ آپریٹرز نافذ نہیں کیے گئے اور خاموشی سے سست CPU ایگزیکیوشن پر واپس چلے جاتے ہیں۔ whisper.cpp اور mlx-whisper عام طور پر اصل Python پیکیج کے مقابلے میں ایپل سلیکون کو زیادہ مؤثر طریقے سے استعمال کرتے ہیں، مگر دونوں کو سورس سے کمپائل کرنا پڑتا ہے۔
openai-whisper، whisper.cpp اور mlx-whisper میں کیا فرق ہے؟
openai-whisper OpenAI کا اصل Python پیکیج ہے — pip کے ذریعے انسٹال کرنا سب سے آسان ہے، مگر ایپل سلیکون پر سست ہے کیونکہ یہ PyTorch کے MPS بیک اینڈ کے ذریعے چلتا ہے۔ whisper.cpp ایک ++C دوبارہ نفاذ ہے جو براہ راست Metal استعمال کرتا ہے اور نمایاں طور پر تیز ہے، مگر آپ کو ریپوزٹری کلون کرنی پڑتی ہے اور خود کمپائل کرنی پڑتی ہے۔ mlx-whisper ایپل کے اپنے MLX فریم ورک کا استعمال کرتا ہے اور اکثر M سیریز چپس پر سب سے تیز آپشن ہوتا ہے، ملتے جلتے سورس سے سیٹ اپ کے ساتھ۔ ان تینوں میں سے کوئی بھی آڈیو پریپروسیسنگ، سب ٹائٹل ایڈیٹنگ، یا ترجمہ شامل نہیں کرتا — یہ ٹرانسکرپشن انجن ہیں، سب ٹائٹل ٹولز نہیں۔
کیا بغیر کوڈنگ کے میک پر Whisper چلانے کا کوئی مفت طریقہ ہے؟
Whisper ماڈل خود مفت اور اوپن سورس ہے، مگر اسے بغیر کسی سیٹ اپ کے چلانے کے لیے خام Python لائبریری کے بجائے ایک پیکیجڈ ایپ درکار ہوتی ہے — کسی کو آپ کے لیے انسٹالیشن، ماڈل کا انتظام، اور انٹرفیس سنبھالنا پڑتا ہے۔ Subtitle Studio بالکل اسی مقصد کے لیے بنائی گئی میک ایپ ہے: نہ کوئی ٹرمینل، نہ منظم کرنے کے لیے ڈیپینڈنسیز، سبسکرپشن کے بجائے ایک بار کی خریداری۔
کیا Subtitle Studio وہی Whisper ماڈل استعمال کرتا ہے جو کمانڈ لائن استعمال کرتی ہے؟
Subtitle Studio ایک بہتر، فائن ٹیون شدہ Whisper ماڈل استعمال کرتا ہے جو بالکل اسی طرح کی مخلوط آڈیو کے لیے بنایا گیا ہے جس کے ساتھ ویڈیو کریئٹرز اصل میں کام کرتے ہیں — موسیقی پر مکالمہ، کمرے کا شور، اور کثیر لسانی گفتگو — اور ساتھ ہی ایپل سلیکون ایکسلریشن بھی شامل ہے۔ یہ ایک مکمل پائپ لائن (پریپروسیسنگ، فریب کاری کی فلٹرنگ، فورسڈ الائنمنٹ، NLP سیگمنٹیشن) میں لپٹا ہوا ہے، نہ کہ وہ اسٹینڈ اَلون ماڈل جو آپ کو pip install openai-whisper سے ملتا ہے۔ اس پائپ لائن کا اصل آؤٹ پٹ پر کیا اثر پڑتا ہے، اس کا قریب سے جائزہ لینے کے لیے ہمارا MacWhisper بمقابلہ Subtitle Studio موازنہ دیکھیں۔
Subtitle Studio مفت آزمائیں
یک وقتی ادائیگی، بغیر سبسکرپشن۔ آپ کے Mac پر مکمل طور پر آف لائن چلتا ہے۔
