Python ile ses tanıma nasıl uygulanır?

Python ile ses tanımanın en pratik yolu, kaydedilmiş bir ses dosyasını bir konuşmadan metne API’sine göndermektir. Aşağıdaki örnekte Python istemcisi, gpt-transcribe modeli ve audio.wav dosyası kullanılır; çalıştırıldığında konuşmanın metin karşılığı ekrana yazdırılır. Mikrofon sesini anlık olarak yazıya çevirmek ise dosya yüklemekten farklı olarak gerçek zamanlı ses akışı gerektirir.

Ses tanıma yöntemini seçin​

Önce uygulamanızın hazır bir dosyayla mı, yoksa mikrofon akışıyla mı çalışacağını belirleyin. Hazır kayıtlar için dosya transkripsiyonu daha basittir; canlı altyazı veya sesli komut uygulamalarında gerçek zamanlı transkripsiyon gerekir.
Hazır bir kayıtla başlayacaksanız aşağıdaki örnek yeterlidir. Bu dosya transkripsiyonu için resmî belgede MP3, MP4, MPEG, MPGA, M4A, WAV ve WebM biçimleri listelenir; dosya sınırı 25 MB olarak belirtilir. Farklı bir biçimi yalnız uzantısını değiştirerek desteklenir hâle getiremezsiniz.

Kaydedilmiş ses dosyasını Python ile yazıya çevirme​

Ön koşul olarak Python’un kurulu olması, bir API anahtarının bulunması ve çevrimiçi bağlantı gerekir. API anahtarını doğrudan kaynak koduna yazmayın; ortam değişkeni olarak tanımlayın.

1. Proje klasörünü oluşturun. Klasörün içine çevrilecek ses dosyasını, örneğin audio.wav, koyun. Dosya adını daha sonra kodda aynı şekilde kullanın.
2. OpenAI Python paketini kurun. Komut satırında proje klasöründe pip install openai komutunu çalıştırın. Kurulum tamamlanınca Python kodu openai paketini içe aktarabilir.
3. API anahtarını ortam değişkeni olarak tanımlayın. Windows PowerShell’de $env:OPENAI_API_KEY="anahtarınız", macOS veya Linux kabuğunda export OPENAI_API_KEY="anahtarınız" komutunu kullanın. Anahtarı forum gönderisine, Git deposuna veya kod dosyasına eklemeyin.
4. Aşağıdaki kodu transcribe.py adıyla kaydedin. Kod, ses dosyasını ikili kipte açar, transkripsiyon hizmetine gönderir ve dönen metni yazdırır.
   
   
   
   Python:

   from openai import OpenAI
   
   client = OpenAI()
   
   with open("audio.wav", "rb") as audio_file:
       transcription = client.audio.transcriptions.create(
           model="gpt-transcribe",
           file=audio_file,
       )
   
   print(transcription.text)

5. Programı çalıştırın. Aynı klasörde python transcribe.py komutunu verin. İşlem başarılıysa terminalde ses kaydındaki konuşmanın metin karşılığını görürsünüz; örneğin kayıt “Merhaba, toplantı saat üçte başlayacak.” diyorsa buna yakın bir metin döner.
   
6. Çıktıyı kontrol edin. Ekrana metin yazılması isteğin başarıyla sonuçlandığını gösterir; ancak bu, her özel adın, sayının veya teknik terimin kesinlikle doğru tanındığını kanıtlamaz. Özellikle gürültülü kayıtlarda, birden fazla kişinin konuştuğu bölümlerde ve düşük ses düzeyinde metni gözden geçirin.

Buradaki kod dosya tabanlı çalışır: sesin tamamı gönderildikten sonra nihai metin alınır. Mikrofon konuşmasını ses geldikçe göstermek istiyorsanız aynı kodu döngüye alıp tekrar tekrar dosya göndermek yerine gerçek zamanlı transkripsiyon akışını kullanmanız gerekir. Bu iki yöntemi karıştırmak gecikmeyi artırır ve canlı uygulamada gereksiz istek oluşturabilir.

Dil ve özel terim doğruluğunu artırma​

Ses kaydı Türkçe ise konuşma dilini açıkça belirtebileceğiniz bir iş akışı kullanın ve uygulamanızda alan sözlüğüyle sonradan düzeltme yapmayı planlayın. Model; kişi adı, ürün kodu, kısaltma veya teknik terimleri bağlamdan tahmin eder, fakat transkripsiyon çıktısı otomatik olarak doğrulanmış bir tutanak değildir.

Sonucu uygulamada kullanmadan önce beklenen biçimi kontrol edin. Örneğin bir komut uygulaması “dosyayı sil” gibi kritik bir metin algıladığında doğrudan işlem yapmak yerine kullanıcıdan onay istemelidir. Ses tanıma, söyleneni metne dönüştürür; konuşmacının gerçekten yetkili olduğunu, cümlenin doğru anlaşıldığını veya metindeki talimatın güvenli olduğunu tek başına doğrulamaz.

Yaygın hataları ayırma​

OPENAI_API_KEY bulunamadı hatası alırsanız ortam değişkeninin yalnızca başka bir terminalde değil, programı çalıştırdığınız aynı oturumda tanımlı olduğunu kontrol edin. Dosya bulunamadı hatasında audio.wav adını, uzantısını ve çalışma klasörünü kontrol edin. Yetkilendirme veya kota hatası, Python sözdiziminden çok API hesabı ya da anahtar yapılandırmasıyla ilgilidir.

Metin dönüyor fakat hatalıysa önce kaydın ses düzeyini, arka plan gürültüsünü ve konuşmacıların üst üste konuşup konuşmadığını inceleyin. Daha temiz bir kayıtla karşılaştırma yapın; hatanın yalnızca belirli kelimelerde sürmesi, bu kelimeler için uygulama tarafında doğrulama veya sözlük tabanlı düzeltme gerekebileceğini gösterir. Kişisel veya hassas ses kayıtlarını üçüncü taraf hizmete göndermeden önce kurumunuzun veri politikalarını ve ilgili izinleri kontrol edin.