כלי AI לתמלול בעברית: איך לבחור ולבדוק הקלטה

כדי לבחור כלי AI לתמלול בעברית, בדקו אותו על סוג ההקלטה שלכם: הרצאה של דובר אחד, ישיבת צוות או שיחה עם רעש רקע. מספר שפות נתמכות או ציון דיוק בפרסום אינם מספיקים כדי לדעת אם שם הלקוח, הסכום ומי שהתחייב למשימה יופיעו נכון.

המדריך משווה אפשרויות לפי התיעוד שנבדק ב־8 בספטמבר 2026 ומציע בדיקה שאפשר לבצע לפני התחייבות. לא נערך כאן מבחן ביצועים בין המנועים, ולכן אין דירוג של ״הכי מדויק בעברית״.

בחרו קודם את התוצר

תמלול וסיכום אינם אותו תוצר. סיכום עשוי להשמיט הסתייגות, בעוד תמליל עלול להכיל טעות בזיהוי המילה עצמה. כשצריך להפיק משימות, שמרו דרך להגיע מהמשימה לתמליל ומהתמליל לרגע בהקלטה.

ארבע אפשרויות לבדיקה

OpenAI: מודל לפי סוג הפלט

תיעוד תמלול הקבצים של OpenAI מציג כיום את gpt-transcribe כנקודת התחלה לתמלול בשפת המקור. לצרכים כמו תוויות דוברים או חותמות זמן יש לבחור מודל מתאים; gpt-4o-transcribe-diarize מיועד לדוברים, ו־whisper-1 תומך בחותמות זמן למילים.

מגבלת העלאה המתועדת היא 25MB לקובץ. בדקו גודל לפני שליחה. אם מפצלים הקלטה, שמרו את מיקומו של כל חלק ביחס לקובץ המקורי ובדקו שאין משפט שנחתך או שוכפל בחיבור.

ElevenLabs Scribe: יכולות לצד נתון עברית

תיעוד Scribe v2 כולל עברית ותמיכה בתמלול עם דוברים. בדירוג השפות של הספק, עברית נמצאת בקבוצת WER שמעל 10% ועד 20%. זהו נתון שהספק מפרסם על ההערכה שלו, ולא תחזית לשיעור הטעויות בהקלטה שלכם.

אל תתרגמו את הקבוצה הזו למספר מובטח של מילים שגויות בכל משפט. שמות, חפיפות ואיכות הקלטה יכולים להשפיע אחרת, ויש לבדוק גם את התוצר המיוצא ולא רק את התצוגה בממשק.

ivrit.ai: מודל פתוח שמותאם לעברית

כרטיס המודל whisper-large-v3-turbo של ivrit.ai מתאר התאמה לעברית ומציג רישיון Apache 2.0. הוא מנחה לציין עברית במפורש, משום שזיהוי השפה האוטומטי נפגע באימון, ומזהיר שיכולת התרגום אינה מטרתו.

אפשר לשלב מודל כזה בסביבה מקומית, אבל נדרשים התקנה, חומרה ותחזוקה. עצם השימוש במודל פתוח אינו מבטיח פרטיות: בדקו גם את תוכנת המעטפת, הלוגים, הגיבויים וכל שלב נוסף ששולח מידע לענן.

Gemini 3.5 Transcribe: הבחירה במצב משנה את האפשרויות

עמוד המודל של Google מונה עברית כשפה נתמכת. יש מסלול לקבצים ומסלול חי, עם הבדלים בתמיכה בדוברים ובתזמון. תמיכה בשפה אינה ציון איכות על ההקלטות שלכם.

לפני שילוב, בדקו את מדריך Gemini 3.5 Transcribe: הוא מפרט אילו יכולות אי אפשר להפעיל יחד ומה המשמעות לפגישה ארוכה.

מדריכים ועדכונים לעבודה עם AI

מדריכים בעברית, עדכוני כלים ודוגמאות לעבודה עם בינה מלאכותית.

כתובת המייל שלך לניוזלטר

הרשמה לניוזלטר

אני מאשר/ת קבלת עדכונים ותוכן שיווקי בנושא AI מאופק לוי לכתובת המייל שמסרתי, ומאשר/ת את מדיניות הפרטיות. ההרשמה אינה חובה, וניתן להסיר אותה בכל עת בקישור ההסרה שבתחתית כל דיוור. למדיניות הפרטיות

דף בדיקה להקלטה שלכם

בחרו קטע מייצג שמותר לכם לעבד, והכינו תמליל ייחוס בהאזנה. כדאי לכלול גם קטע מאתגר; בדיקה של פתיח ברור בלבד עלולה להחמיץ את הקושי העיקרי.

הדוגמה הבאה בדיונית: ״דנה תעביר טיוטה, אבל לא לפני אישור התקציב״. תמליל שמשמיט ״לא״ עלול להיראות שוטף ועדיין לשנות את המשמעות העסקית. לכן בדקו טעויות שמשנות פעולה בנפרד מתיקוני פיסוק.

מה WER אומר ומה הוא מפספס

WER הוא יחס בין מספר החלפות, מחיקות והוספות של מילים לבין מספר המילים בתמליל הייחוס. לדוגמה היפותטית, 6 החלפות, 2 מחיקות ו־2 הוספות מול 100 מילות ייחוס נותנות 10%. זה אינו מדד להבנת המשמעות ואינו כולל לבדו את איכות ייחוס הדוברים.

השוואה דורשת אותה שיטת הכנת טקסט: כתיבת מספר בספרות מול מילים, סימני פיסוק ופיצול מילים עשויים לשנות את הספירה. שמרו גם זמן עריכה ומספר טעויות מהותיות, כדי שלא תבחרו רק לפי מדד אחד.

העלות היא גם הזמן עד לתוצר מאושר

מחירי דקות או טוקנים משתנים לפי ספק ומסלול. בדקו את המחירון לפני רכישה, ואז מדדו את כל העבודה: העלאה, המתנה, עריכה, בדיקת דוברים ויצוא.

הנה חישוב להמחשה בלבד: כלי א׳ עולה 2 ש״ח להקלטה ודורש 20 דקות עריכה; כלי ב׳ עולה 5 ש״ח ודורש 10 דקות. אם שעת העבודה מחושבת ב־90 ש״ח, העלויות הכוללות הן 32 ו־20 ש״ח בהתאמה. אלו מספרים מומצאים לצורך החישוב, ולא תמחור או תוצאות של הכלים שהוזכרו.

אם התהליך חוזר בהיקף גדול, אפיון אוטומציה לעסק יעזור להחליט היכן צריך טיפול בכשל ואישור אנושי. בהיקף קטן, התחילו בפתרון שהיצוא והבדיקה בו נוחים לכם.

אחרי התמלול: סיכום שאפשר לבסס

דוגמה: משיחה מוקלטת לכתוביות הדרכה

נניח שאתם מכינים סרטון שמסביר איך למלא טופס באתר. התמליל כולל שמות שדות, הוראות לחיצה והסתייגות לגבי אחד השלבים. לצורך כתוביות, דיוק התוכן צריך להיפגש עם תזמון וקריאות. משפט נכון שמופיע על המסך אחרי שההדגמה הסתיימה עדיין מקשה על הלמידה. התחילו בבדיקת הטקסט, ורק אחר כך התאימו את חלוקת השורות לקצב הסרטון ולפעולה שמוצגת.

לשמור את ההוראה יחד עם התנאי שלה

אם נאמר ״לחצו על שליחה רק אחרי שבדקתם את הפרטים״, פיצול שמציג תחילה רק ״לחצו על שליחה״ יכול לעודד פעולה מוקדמת. כדאי להשאיר את התנאי קרוב להוראה גם כאשר מחלקים את המשפט לכמה כתוביות. קיצור צריך לשמר את משמעות ההדרכה. אל תסירו מילים כמו ״לפני״, ״רק״ או ״אם״ רק כדי שהשורה תיראה מאוזנת יותר.

לבדוק מונחים שמופיעים גם במסך

השוו את שמות הכפתורים והשדות לתצוגה בסרטון. אם הדובר אמר שם מקוצר, אפשר לבחור כתיב עקבי שמתאים לצופה, אבל אין להחליף את ההוראה בשם של רכיב אחר. בהדרכה על תוכנה, צילום המסך והאודיו הם שני מקורות שמשלימים זה את זה. כאשר הם סותרים, סמנו את הקטע לעריכה; מנוע התמלול אינו יכול להחליט לבדו איזה שלב בהדגמה היה נכון.

לעבור על היצוא בתוך הסרטון

פתחו את קובץ הכתוביות בנגן או בעורך שבו הוא ישמש. בדקו עברית ואנגלית, סימני פיסוק ומעברים בין כתוביות. ודאו שהטקסט אינו מסתיר את הפעולה המרכזית. אם צפייה במובייל היא שימוש עיקרי, בדקו שם כמה קטעים צפופים. ההצלחה נמדדת ביכולת לעקוב אחר ההדרכה, ולא רק בכך שהקובץ נשמר בפורמט שהתוכנה יודעת לפתוח.

שיטת עריכה ששומרת על המקור

שמרו את פלט התמלול המקורי ואת הגרסה המתוקנת בנפרד, עם תאריך ומזהה הקלטה. כאשר מתגלה טעות חוזרת בשם מוצר, אפשר ללמוד ממנה ולהכין רשימת מונחים לתהליך הבא. אם מחליפים את המקור בלי לשמור גרסה, קשה להבין אילו טעויות הגיעו מהזיהוי ואילו נוצרו בעריכה. אין צורך לשמור כל שינוי זעיר לנצח, אבל כדאי שתהיה דרך לחזור לקלט ולפלט ששימשו למסירה.

בישיבת צוות, עריכה דורשת גם זהירות בשיוך אמירות. אדם יכול להציע רעיון בלי לקבל אחריות לביצוע. תמליל שכותב נכון את המשפט אינו מספיק כדי לפתוח משימה על שמו. בדקו אם התקבלה החלטה ומי אישר אותה. אם אין בסיס ברור, השאירו את האחריות כשאלה פתוחה בתקציר. כך שלב הסיכום אינו הופך כל הצעה שנאמרה בקול להתחייבות ארגונית.

לבחור שירות שגם הצוות יכול לתפעל

כדאי להגדיר גם מילון עבודה משותף: שמות מוצרים, קיצורים מקצועיים וצורת הכתיבה המועדפת. המילון מסייע לעורכים לשמור על עקביות, גם כאשר הכלי אינו מאפשר להזין אוצר מילים. עדכנו אותו מתוך טעויות שחוזרות, וצרפו מקור כששם אינו מוכר. אל תכניסו לרשימה מילים שלא הופיעו בתחום רק כדי להאריך אותה; רשימה ממוקדת קלה יותר לבדיקה ולתחזוקה.

במסירה ללקוח, ציינו איזה תוצר הוא מקבל: תמליל שנערך לקריאה, תמליל נאמן ככל האפשר לדיבור או תקציר. הסבירו אם קטעים לא ברורים סומנו ואם ייחוס הדוברים נבדק. התיאור הזה מאפשר להשתמש בקובץ בצורה נכונה. אותו טקסט יכול להתאים להכנת טיוטה ועדיין לא להיות מוכן לפרסום ציטוטים, ולכן אין להסתפק בשם כללי כמו ״סיכום סופי״.

לפני שמרחיבים שימוש, תנו למי שיערוך את הקבצים לנסות את המסלול מתחילתו ועד היצוא. בדקו אם קל לחזור לאודיו, לתקן דובר ולהוריד את התוצר הדרוש. יכולת מרשימה ב־API אינה תמיד המענה הנוח למי שמתמלל כמה ראיונות בחודש. מנגד, ממשק נעים בלי יצוא מתאים עלול ליצור עבודה ידנית שחוזרת בכל מסירה. התאימו את הכלי לאדם שימשיך לעבוד איתו אחרי ההדגמה.

מסיכום בדוק לפעולות

העבירו לשלב הסיכום תמליל שנבדק, ובקשו להפריד החלטות, משימות ומידע חסר. אל תאפשרו למודל להשלים מועד שלא נאמר. במדריך הפרומפטים יש דוגמה מלאה לבקשה כזו.

קורס קלוד יכול להתאים ללימוד עבודה עם הטקסט והמסמכים אחרי שלב התמלול. בדקו את הסילבוס; אין להניח שהקורס כולל הקמת מנוע זיהוי דיבור או חיבור לכל ספק שמופיע במאמר.

שאלות נפוצות

איזה כלי הכי מדויק בעברית?

אין במדריך מדידה שמאפשרת לקבוע מנצח. השוו על אותן הקלטות, עם אותו תמליל ייחוס, ובדקו גם זמן תיקון וטעויות שמשנות משמעות.

האם הפרדת דוברים מזהה את שמות המשתתפים?

לא בהכרח. תווית כמו ״דובר 1״ מבדילה בין קולות, ואינה הוכחת זהות. צריך לבדוק ולשייך שמות רק כשיש בסיס מתאים בהקלטה או במידע שסופק.

האם אפשר להשתמש בתמלול בלי להאזין שוב?

זה תלוי בשימוש ובסיכון של טעות. לפני שליחת התחייבות, פרסום ציטוט או שיוך משימה, חזרו לקטעים הרלוונטיים. טקסט קריא אינו ראיה לתמלול מדויק.

האם כלי מקומי מונע העלאת מידע לענן?

רק אם כל התהליך הוגדר ונבדק בהתאם. בדקו את המעטפת, התוספים, הסיכום והגיבויים; התקנת מודל מקומי אינה בודקת את שאר המערכת.