Konu\u015fma tan\u0131ma, do\u011fal dil i\u015fleme ve h\u0131zl\u0131 \u00e7\u0131kar\u0131m yeteneklerini bir araya getirerek kendi sesli yapay zeka hatt\u0131n\u0131z\u0131 kurmak art\u0131k hayal de\u011fil. Bu rehberde, a\u00e7\u0131k kaynakl\u0131 Whisper, g\u00fc\u00e7l\u00fc LLaMA 3.1 ve \u0131\u015f\u0131k h\u0131z\u0131nda Groq platformunu kullanarak tamamen \u00fccretsiz bir sesli AI \u00e7\u00f6z\u00fcm\u00fc olu\u015fturmay\u0131 ad\u0131m ad\u0131m \u00f6\u011freneceksiniz. Maliyetli bulut servislerine ba\u011f\u0131ml\u0131 kalmadan, kendi sisteminizi kurarak hem esneklik kazanacak hem de inovatif projelerinize h\u0131z katacaks\u0131n\u0131z. Gelin, bu heyecan verici d\u00fcnyaya birlikte dalal\u0131m.<\/p>\n
Sesli yapay zeka (Voice AI), g\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda insan-bilgisayar etkile\u015fimini k\u00f6kten de\u011fi\u015ftiren en \u00f6nemli teknolojilerden biridir. Geleneksel klavye ve fare aray\u00fczlerinin \u00f6tesine ge\u00e7erek, do\u011fal dilin g\u00fcc\u00fcn\u00fc kullanarak cihazlarla ileti\u015fim kurmam\u0131z\u0131 sa\u011fl\u0131yor. Bu durum, \u00f6zellikle eri\u015filebilirlik, kullan\u0131c\u0131 deneyimi ve otomasyon a\u00e7\u0131s\u0131ndan devrim niteli\u011finde f\u0131rsatlar sunuyor. \u00d6rne\u011fin, ak\u0131ll\u0131 asistanlar, navigasyon sistemleri, m\u00fc\u015fteri hizmetleri botlar\u0131 ve hatta sa\u011fl\u0131k sekt\u00f6r\u00fcndeki tan\u0131 ara\u00e7lar\u0131, sesli yapay zeka sayesinde \u00e7ok daha sezgisel ve verimli hale gelmi\u015ftir.<\/p>\n
Peki, bu teknolojinin arkas\u0131nda yatan temel ihtiya\u00e7lar nelerdir? Birincisi, h\u0131z ve verimlilik<\/strong>. \u0130nsanlar, yazmaktan \u00e7ok daha h\u0131zl\u0131 konu\u015fabilirler. Bu nedenle, sesli komutlar veya dikte, bir\u00e7ok i\u015f ak\u0131\u015f\u0131n\u0131 h\u0131zland\u0131rabilir. \u0130kincisi, eri\u015filebilirlik<\/strong>. G\u00f6rme engelli bireyler veya fiziksel engelleri olan ki\u015filer i\u00e7in sesli aray\u00fczler, teknolojiyi kullanman\u0131n tek veya en kolay yolu olabilir. \u00dc\u00e7\u00fcnc\u00fcs\u00fc, do\u011fall\u0131k<\/strong>. \u0130nsanlar aras\u0131 ileti\u015fimde sesin rol\u00fc yads\u0131namaz. Yapay zekan\u0131n da bu do\u011fal ileti\u015fim bi\u00e7imine adapte olmas\u0131, kullan\u0131c\u0131lar\u0131n teknolojiyle daha az “sava\u015farak” daha fazla “i\u015fbirli\u011fi” yapmas\u0131n\u0131 sa\u011fl\u0131yor. Bu sayede, karma\u015f\u0131k g\u00f6revler bile basit bir konu\u015fma ile yerine getirilebiliyor.<\/p>\n G\u00fcn\u00fcm\u00fczde, sesli yapay zeka \u00e7\u00f6z\u00fcmlerinin maliyeti ve entegrasyon zorluklar\u0131, bir\u00e7ok k\u00fc\u00e7\u00fck ve orta \u00f6l\u00e7ekli i\u015fletme (KOB\u0130) veya bireysel geli\u015ftirici i\u00e7in bir engel te\u015fkil edebiliyor. B\u00fcy\u00fck bulut sa\u011flay\u0131c\u0131lar\u0131n\u0131n sundu\u011fu API’ler genellikle kullan\u0131ma dayal\u0131 \u00fccretlendirme modelleriyle \u00e7al\u0131\u015f\u0131r ve bu da uzun vadede y\u00fcksek maliyetlere yol a\u00e7abilir. \u0130\u015fte tam da bu noktada, a\u00e7\u0131k kaynakl\u0131 \u00e7\u00f6z\u00fcmler ve yenilik\u00e7i \u00e7\u0131kar\u0131m (inference) platformlar\u0131 devreye giriyor. Kendi sesli yapay zeka hatt\u0131n\u0131z\u0131 kurarak, hem maliyetleri d\u00fc\u015f\u00fcrebilir hem de projelerinize \u00f6zel, esnek \u00e7\u00f6z\u00fcmler geli\u015ftirebilirsiniz. Bu makale, size bu ba\u011f\u0131ms\u0131zl\u0131\u011f\u0131 kazand\u0131racak ara\u00e7lar\u0131 ve y\u00f6ntemleri sunmay\u0131 ama\u00e7l\u0131yor.<\/p>\n Kendi sesli yapay zeka hatt\u0131m\u0131z\u0131 in\u015fa etmeden \u00f6nce, bu hatt\u0131n temel bile\u015fenlerini yak\u0131ndan tan\u0131mam\u0131z gerekiyor. Bu bile\u015fenler, s\u0131ras\u0131yla konu\u015fmay\u0131 metne d\u00f6n\u00fc\u015ft\u00fcrecek, metni anlay\u0131p yan\u0131t \u00fcretecek ve t\u00fcm bu s\u00fcreci inan\u0131lmaz bir h\u0131zla ger\u00e7ekle\u015ftirecek ara\u00e7lard\u0131r. Her biri kendi alan\u0131nda \u00e7\u0131\u011f\u0131r a\u00e7m\u0131\u015f bu teknolojileri anlamak, projemizin sa\u011flam temeller \u00fczerine kurulmas\u0131n\u0131 sa\u011flayacakt\u0131r.<\/p>\n OpenAI taraf\u0131ndan geli\u015ftirilen Whisper, konu\u015fmadan metne (Speech-to-Text – STT) d\u00f6n\u00fc\u015ft\u00fcrme alan\u0131nda ger\u00e7ek bir devrim yaratm\u0131\u015ft\u0131r. \u00c7ok dilli deste\u011fi ve y\u00fcksek do\u011fruluk oran\u0131 ile \u00f6ne \u00e7\u0131kan bu model, bir\u00e7ok farkl\u0131 aksan ve dil \u00fczerinde e\u011fitilmi\u015ftir. Bu sayede, T\u00fcrk\u00e7e de dahil olmak \u00fczere geni\u015f bir dil yelpazesinde olduk\u00e7a ba\u015far\u0131l\u0131 sonu\u00e7lar vermektedir. Whisper’\u0131n en b\u00fcy\u00fck avantajlar\u0131ndan biri, a\u00e7\u0131k kaynakl\u0131 olmas\u0131d\u0131r. Bu, geli\u015ftiricilerin modeli serbest\u00e7e kullanabilmesi, de\u011fi\u015ftirebilmesi ve kendi uygulamalar\u0131na entegre edebilmesi anlam\u0131na gelir. Modelin farkl\u0131 boyutlar\u0131 bulunur; k\u00fc\u00e7\u00fck modeller daha h\u0131zl\u0131 \u00e7al\u0131\u015f\u0131rken, b\u00fcy\u00fck modeller daha y\u00fcksek do\u011fruluk sunar. Projemiz i\u00e7in genellikle orta veya k\u00fc\u00e7\u00fck boyutlu modeller, performans ve do\u011fruluk aras\u0131nda iyi bir denge sa\u011flar.<\/p>\n Whisper, \u00f6zellikle g\u00fcr\u00fclt\u00fcl\u00fc ortamlarda veya farkl\u0131 konu\u015fma h\u0131zlar\u0131nda bile etkileyici bir performans sergiler. Ayr\u0131ca, konu\u015fmac\u0131 diarizasyonu (birden fazla konu\u015fmac\u0131y\u0131 ay\u0131rma) gibi ileri d\u00fczey \u00f6zellikler i\u00e7in de temel olu\u015fturabilir. Uygulama alanlar\u0131 olduk\u00e7a geni\u015ftir: toplant\u0131 transkripsiyonlar\u0131, sesli notlar, podcast’lerin metne d\u00f6k\u00fclmesi, m\u00fc\u015fteri hizmetleri g\u00f6r\u00fc\u015fmelerinin analizi ve hatta canl\u0131 altyaz\u0131 olu\u015fturma gibi pek \u00e7ok senaryoda kullan\u0131labilir. Whisper’\u0131n yerel olarak \u00e7al\u0131\u015fabilmesi (on-device processing) sayesinde, verilerinizi \u00fc\u00e7\u00fcnc\u00fc taraf bir servise g\u00f6nderme ihtiyac\u0131 ortadan kalkar, bu da gizlilik ve g\u00fcvenlik a\u00e7\u0131s\u0131ndan \u00f6nemli bir avantaj sa\u011flar.<\/p>\n Meta taraf\u0131ndan geli\u015ftirilen LLaMA (Large Language Model Meta AI) serisi, b\u00fcy\u00fck dil modelleri (Large Language Models – LLM) d\u00fcnyas\u0131nda \u00f6nemli bir yer tutar. LLaMA 3.1 ise bu serinin en g\u00fcncel ve g\u00fc\u00e7l\u00fc \u00fcyelerinden biridir. Milyarlarca parametreye sahip olan bu modeller, insan benzeri metinler \u00fcretme, sorular\u0131 yan\u0131tlama, \u00f6zetleme, \u00e7eviri yapma ve hatta kod yazma gibi geni\u015f bir yelpazede do\u011fal dil i\u015fleme (Natural Language Processing – NLP) g\u00f6revlerini yerine getirebilir. Projemizin “beyni” olarak i\u015flev g\u00f6recek LLaMA 3.1, Whisper’dan gelen metin girdisini i\u015fleyerek anlaml\u0131 ve ba\u011flama uygun yan\u0131tlar \u00fcretecektir.<\/p>\n LLaMA 3.1’in a\u00e7\u0131k kaynakl\u0131 veya eri\u015fimi kolay olmas\u0131, geli\u015ftiricilere g\u00fc\u00e7l\u00fc bir LLM’yi kendi uygulamalar\u0131na entegre etme f\u0131rsat\u0131 sunar. Bu modelin yetenekleri, sadece metin \u00fcretmekle s\u0131n\u0131rl\u0131 de\u011fildir; ayn\u0131 zamanda karma\u015f\u0131k sorular\u0131 anlama, \u00e7\u0131kar\u0131m yapma ve yarat\u0131c\u0131 metinler olu\u015fturma konusunda da olduk\u00e7a ba\u015far\u0131l\u0131d\u0131r. \u00d6rne\u011fin, bir kullan\u0131c\u0131n\u0131n sesli komutunu metne d\u00f6n\u00fc\u015ft\u00fcrd\u00fckten sonra, LLaMA 3.1 bu metni analiz ederek kullan\u0131c\u0131n\u0131n niyetini anlayabilir ve buna uygun bir eylem veya yan\u0131t \u00f6nerebilir. Bu, etkile\u015fimli ve dinamik bir sesli yapay zeka deneyimi i\u00e7in kritik bir bile\u015fendir. Modelin boyutu ve karma\u015f\u0131kl\u0131\u011f\u0131 nedeniyle, genellikle y\u00fcksek performansl\u0131 donan\u0131m veya \u00f6zel \u00e7\u0131kar\u0131m hizmetleri gerektirir ki burada Groq devreye girecektir.<\/p>\n Yapay zeka modellerinin, \u00f6zellikle b\u00fcy\u00fck dil modellerinin, ger\u00e7ek zamanl\u0131 uygulamalarda kullan\u0131labilmesi i\u00e7in h\u0131zl\u0131 \u00e7\u0131kar\u0131m (inference) yetene\u011fi kritik \u00f6neme sahiptir. \u0130\u015fte tam da bu noktada Groq, donan\u0131m ve yaz\u0131l\u0131m optimizasyonlar\u0131yla dikkat \u00e7ekiyor. Groq, \u00f6zel olarak yapay zeka i\u015f y\u00fckleri i\u00e7in tasarlanm\u0131\u015f bir “Dil \u0130\u015fleme Birimi” (Language Processing Unit – LPU) mimarisi geli\u015ftirmi\u015ftir. Bu LPU’lar, geleneksel CPU’lara veya GPU’lara k\u0131yasla LLM’ler i\u00e7in \u00e7ok daha y\u00fcksek verimlilik ve d\u00fc\u015f\u00fck gecikme s\u00fcresi sunar. Ba\u015fka bir deyi\u015fle, Groq platformu, LLaMA 3.1 gibi b\u00fcy\u00fck modellerin saniyeler hatta milisaniyeler i\u00e7inde yan\u0131t \u00fcretmesini sa\u011flayarak, ger\u00e7ek zamanl\u0131 sesli etkile\u015fimleri m\u00fcmk\u00fcn k\u0131lar.<\/p>\n Groq’un sundu\u011fu API eri\u015fimi, geli\u015ftiricilerin LLaMA 3.1 gibi modelleri kendi uygulamalar\u0131na kolayca entegre etmelerine olanak tan\u0131r. \u00dcstelik, belirli bir kullan\u0131m limitine kadar genellikle \u00fccretsiz katmanlar sunmas\u0131, ba\u015flang\u0131\u00e7 seviyesindeki geli\u015ftiriciler ve k\u00fc\u00e7\u00fck projeler i\u00e7in b\u00fcy\u00fck bir avantajd\u0131r. Bu, pahal\u0131 donan\u0131m yat\u0131r\u0131m\u0131 yapmadan veya karma\u015f\u0131k bulut altyap\u0131lar\u0131yla u\u011fra\u015fmadan, en son yapay zeka modellerinin g\u00fcc\u00fcnden faydalanabilece\u011finiz anlam\u0131na gelir. Sesli yapay zeka hatt\u0131m\u0131zda, Whisper metni olu\u015fturduktan sonra, bu metni Groq API arac\u0131l\u0131\u011f\u0131yla LLaMA 3.1’e g\u00f6nderecek ve neredeyse an\u0131nda bir yan\u0131t alaca\u011f\u0131z. Bu h\u0131z, kullan\u0131c\u0131 deneyimini \u00f6nemli \u00f6l\u00e7\u00fcde iyile\u015ftirir ve yapay zeka etkile\u015fimlerini daha ak\u0131c\u0131 hale getirir.<\/p>\n Kendi sesli yapay zeka hatt\u0131m\u0131z\u0131 olu\u015ftururken, sistemin genel mimarisini ve bile\u015fenlerin birbiriyle nas\u0131l etkile\u015fim kurdu\u011funu anlamak b\u00fcy\u00fck \u00f6nem ta\u015f\u0131r. Bu hatt\u0131, insan sesini al\u0131p anlaml\u0131 bir yan\u0131t \u00fcreten ve bu yan\u0131t\u0131 kullan\u0131c\u0131ya geri ileten bir dizi ad\u0131mdan olu\u015fan bir s\u00fcre\u00e7 olarak d\u00fc\u015f\u00fcnebiliriz. Temel olarak, bu bir “konu\u015fma giri\u015fi”nden “konu\u015fma \u00e7\u0131kt\u0131s\u0131”na (veya metin \u00e7\u0131kt\u0131s\u0131na) giden bir d\u00f6ng\u00fcd\u00fcr. \u0130\u015fte bu d\u00f6ng\u00fcn\u00fcn ana ad\u0131mlar\u0131 ve bile\u015fenlerin rol\u00fc:<\/p>\n Bu mimaride, Whisper, LLaMA 3.1 ve Groq aras\u0131ndaki entegrasyonun ak\u0131c\u0131l\u0131\u011f\u0131, genel sistem performans\u0131n\u0131 belirler. \u00d6zellikle Groq’un sa\u011flad\u0131\u011f\u0131 d\u00fc\u015f\u00fck gecikme s\u00fcresi, t\u00fcm hatt\u0131n ger\u00e7ek zamanl\u0131 ve etkile\u015fimli hissettirmesini sa\u011flar. Bu sayede, kullan\u0131c\u0131lar bir yapay zeka ile do\u011fal bir sohbet ediyormu\u015f gibi hissedebilirler. Bu yap\u0131, sadece komut-yan\u0131t sistemleri i\u00e7in de\u011fil, ayn\u0131 zamanda daha karma\u015f\u0131k diyalog tabanl\u0131 yapay zeka uygulamalar\u0131 i\u00e7in de temel olu\u015fturur. Her bir bile\u015fenin mod\u00fcler yap\u0131s\u0131, gerekti\u011finde farkl\u0131 modellerle veya servislerle de\u011fi\u015ftirilebilirlik esnekli\u011fi sunar, bu da gelecekteki geli\u015ftirmeler i\u00e7in \u00f6nemli bir avantajd\u0131r.<\/p>\n \u015eimdi s\u0131ra, teorik bilgileri prati\u011fe d\u00f6kmeye geldi. Kendi sesli yapay zeka hatt\u0131n\u0131z\u0131 kurmak i\u00e7in ad\u0131m ad\u0131m ilerleyece\u011fiz. Bu b\u00f6l\u00fcmde, gerekli kurulumlar\u0131 yapacak, her bir bile\u015fenin nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 g\u00f6sterecek ve sonunda hepsini bir araya getiren basit bir Python beti\u011fi yazaca\u011f\u0131z. Unutmay\u0131n, bu s\u00fcre\u00e7te temel Python bilgisi ve komut sat\u0131r\u0131 (terminal) kullan\u0131m\u0131 faydal\u0131 olacakt\u0131r.<\/p>\n Whisper’\u0131 kullanmak i\u00e7in \u00f6ncelikle Python ortam\u0131n\u0131zda gerekli k\u00fct\u00fcphaneleri kurman\u0131z gerekiyor. En kolay yol, <\/code>\n <\/div>\n Kurulum tamamland\u0131ktan sonra, Whisper'\u0131 kullanarak bir ses dosyas\u0131n\u0131 metne d\u00f6n\u00fc\u015ft\u00fcrebiliriz. \u00d6rnek olarak, k\u0131sa bir T\u00fcrk\u00e7e ses dosyas\u0131 (\u00f6rne\u011fin, <\/code>\n <\/div>\n Bu kod par\u00e7as\u0131, LLaMA 3.1'i Groq \u00fczerinden kullanmak i\u00e7in Groq API'ye ihtiyac\u0131m\u0131z var. \u00d6ncelikle Groq web sitesine kaydolup bir API anahtar\u0131 alman\u0131z gerekecek. Kay\u0131t olduktan sonra, genellikle \u00fccretsiz katman kapsam\u0131nda belirli bir sorgu limitine sahip olursunuz. API anahtar\u0131n\u0131z\u0131 ald\u0131ktan sonra, Python i\u00e7in Groq k\u00fct\u00fcphanesini kurun:<\/p>\n <\/code>\n <\/div>\n \u015eimdi, Whisper'dan ald\u0131\u011f\u0131m\u0131z metni Groq arac\u0131l\u0131\u011f\u0131yla LLaMA 3.1'e g\u00f6nderip bir yan\u0131t alal\u0131m:<\/p>\n <\/code>\n <\/div>\n \u015eimdi, Whisper ve Groq entegrasyonunu birle\u015ftirerek basit bir sesli yapay zeka hatt\u0131 olu\u015ftural\u0131m. Bu \u00f6rnekte, kullan\u0131c\u0131dan bir ses dosyas\u0131 al\u0131p, onu metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcp, bu metni LLaMA 3.1'e g\u00f6nderip yan\u0131t\u0131 alaca\u011f\u0131z. \u00c7\u0131kt\u0131y\u0131 \u015fimdilik sadece metin olarak g\u00f6sterece\u011fiz, ancak isterseniz bir TTS motoru ekleyerek sesli yan\u0131t da verebilirsiniz.<\/p>\n <\/code>\n <\/div>\n Bu betik, \u00f6nce Olu\u015fturdu\u011fumuz bu \u00fccretsiz ve h\u0131zl\u0131 sesli yapay zeka hatt\u0131, sadece bir teknoloji demosu olmaktan \u00e7ok daha fazlas\u0131n\u0131 sunar. \u0130\u015fletmelerden bireysel projelere, e\u011fitimden e\u011flenceye kadar geni\u015f bir yelpazede ger\u00e7ek d\u00fcnya problemlerine \u00e7\u00f6z\u00fcm getirebilecek potansiyele sahiptir. \u0130\u015fte bu hatt\u0131 kullanabilece\u011finiz baz\u0131 somut senaryolar ve vaka analizleri:<\/p>\n Senaryo:<\/strong> Bir e-ticaret \u015firketi, s\u0131k\u00e7a sorulan sorulara (SSS) h\u0131zl\u0131 yan\u0131t vermek ve m\u00fc\u015fteri temsilcilerinin y\u00fck\u00fcn\u00fc azaltmak istiyor. Senaryo:<\/strong> Bir dil \u00f6\u011frenme uygulamas\u0131, kullan\u0131c\u0131lar\u0131n telaffuzlar\u0131n\u0131 kontrol etmek ve onlara pratik yapma imkan\u0131 sunmak istiyor. Senaryo:<\/strong> Bir gazeteci veya podcast yay\u0131nc\u0131s\u0131, uzun ses kay\u0131tlar\u0131n\u0131 (r\u00f6portajlar, konu\u015fmalar) h\u0131zl\u0131ca metne d\u00f6kmek ve ana fikirlerini \u00f6zetlemek istiyor. Senaryo:<\/strong> Kendi ak\u0131ll\u0131 ev sistemini kurmak isteyen bir kullan\u0131c\u0131, sesli komutlarla \u0131\u015f\u0131klar\u0131 a\u00e7\u0131p kapatmak, m\u00fczik \u00e7almak veya takvimini kontrol etmek istiyor. Senaryo:<\/strong> G\u00f6rme engelli bir bireyin bilgisayar veya ak\u0131ll\u0131 cihazlarla daha kolay etkile\u015fim kurmas\u0131 gerekiyor.Temel Ta\u015flar: Whisper, LLaMA 3.1 ve Groq’u Tan\u0131yal\u0131m<\/h2>\n
Whisper: Konu\u015fmay\u0131 Metne D\u00f6n\u00fc\u015ft\u00fcrmenin G\u00fcc\u00fc<\/h3>\n
LLaMA 3.1: Yapay Zeka Beynimiz<\/h3>\n
Groq: H\u0131z\u0131n Yeni Tan\u0131m\u0131<\/h3>\n
Mimariyi Anlamak: Sesli Yapay Zeka Hatt\u0131 Nas\u0131l \u00c7al\u0131\u015f\u0131r?<\/h2>\n
\n
Ad\u0131m Ad\u0131m Kurulum: \u00dccretsiz Sesli AI Hatt\u0131n\u0131z\u0131 Olu\u015fturun<\/h2>\n
Whisper Kurulumu ve Kullan\u0131m\u0131<\/h3>\n
pip<\/code> paket y\u00f6neticisini kullanmakt\u0131r. Ayr\u0131ca, ses i\u015fleme i\u00e7in ffmpeg<\/code>‘in sisteminizde y\u00fckl\u00fc olmas\u0131 gerekir. \u00c7o\u011fu Linux da\u011f\u0131t\u0131m\u0131nda veya macOS’ta Homebrew ile kolayca kurulabilir. Windows’ta ise ffmpeg<\/code>‘i manuel olarak indirip PATH’e eklemeniz gerekebilir.<\/p>\n\n# Whisper k\u00fct\u00fcphanesini y\u00fckleyin\npip install openai-whisper\n\n# PyTorch'un do\u011fru s\u00fcr\u00fcm\u00fcn\u00fc kurdu\u011funuzdan emin olun (CUDA deste\u011fi i\u00e7in)\n# CPU i\u00e7in:\n# pip install torch torchvision torchaudio\n# GPU i\u00e7in (CUDA s\u00fcr\u00fcm\u00fcn\u00fcze g\u00f6re):\n# pip install torch torchvision torchaudio --index-url https:\/\/download.pytorch.org\/whl\/cu118 (\u00f6rne\u011fin, CUDA 11.8 i\u00e7in)\n <\/pre>\nses_ornek.mp3<\/code>) kulland\u0131\u011f\u0131m\u0131z\u0131 varsayal\u0131m. Bu dosya, \"Merhaba d\u00fcnya, nas\u0131ls\u0131n?\" gibi basit bir c\u00fcmle i\u00e7erebilir.<\/p>\n\nimport whisper\n\n# Bir Whisper modeli y\u00fckleyin. 'base', 'small', 'medium', 'large' gibi se\u00e7enekler var.\n# 'tiny' ve 'base' CPU'da daha h\u0131zl\u0131d\u0131r, ancak do\u011fruluklar\u0131 d\u00fc\u015f\u00fckt\u00fcr.\n# 'small' veya 'medium' genellikle iyi bir denge sunar.\nmodel = whisper.load_model(\"small\") # Ya da \"base\", \"medium\" vb.\n\n# Ses dosyas\u0131n\u0131 metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcn\nresult = model.transcribe(\"ses_ornek.mp3\", language=\"tr\")\n\nprint(result[\"text\"])\n <\/pre>\nses_ornek.mp3<\/code> dosyas\u0131ndaki konu\u015fmay\u0131 T\u00fcrk\u00e7e olarak metne \u00e7evirecek ve sonucu ekrana yazd\u0131racakt\u0131r. language=\"tr\"<\/code> parametresi, modelin T\u00fcrk\u00e7e \u00fczerinde odaklanmas\u0131n\u0131 sa\u011flayarak do\u011frulu\u011fu art\u0131r\u0131r.<\/p>\nGroq API ile LLaMA 3.1 Entegrasyonu<\/h3>\n
\npip install groq\n <\/pre>\n\nfrom groq import Groq\nimport os\n\n# Groq API anahtar\u0131n\u0131z\u0131 ortam de\u011fi\u015fkeni olarak ayarlay\u0131n veya do\u011frudan buraya yaz\u0131n (g\u00fcvenli de\u011fil)\n# os.environ[\"GROQ_API_KEY\"] = \"sizin_groq_api_anahtar\u0131n\u0131z\"\n\nclient = Groq(\n api_key=os.environ.get(\"GROQ_API_KEY\"),\n)\n\ndef get_llama_response(prompt_text):\n chat_completion = client.chat.completions.create(\n messages=[\n {\n \"role\": \"user\",\n \"content\": prompt_text,\n }\n ],\n model=\"llama-3.1-8b-it\", # Veya \"llama-3.1-70b-it\" daha b\u00fcy\u00fck model i\u00e7in\n temperature=0.7, # Yarat\u0131c\u0131l\u0131k seviyesi (0.0-1.0)\n max_tokens=150, # \u00dcretilecek maksimum token say\u0131s\u0131\n )\n return chat_completion.choices[0].message.content\n\n# \u00d6rnek kullan\u0131m\n# prompt = \"Bug\u00fcn hava nas\u0131l \u0130stanbul'da?\"\n# response = get_llama_response(prompt)\n# print(f\"LLaMA 3.1 yan\u0131t\u0131: {response}\")\n <\/pre>\nget_llama_response<\/code> fonksiyonu, verilen metin istemini LLaMA 3.1 modeline g\u00f6nderir ve modelin \u00fcretti\u011fi yan\u0131t\u0131 d\u00f6nd\u00fcr\u00fcr. llama-3.1-8b-it<\/code> modeli, genellikle h\u0131zl\u0131 ve yeterince g\u00fc\u00e7l\u00fc bir ba\u015flang\u0131\u00e7 modelidir. Daha karma\u015f\u0131k g\u00f6revler i\u00e7in llama-3.1-70b-it<\/code> gibi daha b\u00fcy\u00fck modelleri d\u00fc\u015f\u00fcnebilirsiniz.<\/p>\nSesli AI Hatt\u0131n\u0131 Bir Araya Getirme<\/h3>\n
\nimport whisper\nfrom groq import Groq\nimport os\nimport sounddevice as sd\nimport soundfile as sf\nimport numpy as np\n\n# Groq API anahtar\u0131n\u0131z\u0131 ortam de\u011fi\u015fkeni olarak ayarlay\u0131n\n# os.environ[\"GROQ_API_KEY\"] = \"sizin_groq_api_anahtar\u0131n\u0131z\" # Buray\u0131 kendi anahtar\u0131n\u0131zla de\u011fi\u015ftirin veya ortam de\u011fi\u015fkeni olarak ayarlay\u0131n.\n\n# Whisper modeli y\u00fckle\nwhisper_model = whisper.load_model(\"small\")\n\n# Groq istemcisini ba\u015flat\ngroq_client = Groq(\n api_key=os.environ.get(\"GROQ_API_KEY\"),\n)\n\ndef record_audio(filename=\"kayit.wav\", duration=5, samplerate=44100):\n \"\"\"Belirtilen s\u00fcre boyunca ses kaydeder ve dosyaya kaydeder.\"\"\"\n print(f\"{duration} saniye boyunca ses kaydediliyor...\")\n recording = sd.rec(int(duration * samplerate), samplerate=samplerate, channels=1, dtype='int16')\n sd.wait() # Kay\u0131t bitene kadar bekle\n sf.write(filename, recording, samplerate)\n print(f\"Kay\u0131t tamamland\u0131: {filename}\")\n return filename\n\ndef transcribe_audio(audio_path, lang=\"tr\"):\n \"\"\"Ses dosyas\u0131n\u0131 metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcr.\"\"\"\n print(f\"Ses dosyas\u0131 ({audio_path}) metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcl\u00fcyor...\")\n result = whisper_model.transcribe(audio_path, language=lang)\n return result[\"text\"]\n\ndef get_llama_response(prompt_text):\n \"\"\"LLaMA 3.1'den yan\u0131t al\u0131r.\"\"\"\n print(f\"LLaMA 3.1'e g\u00f6nderilen metin: '{prompt_text}'\")\n chat_completion = groq_client.chat.completions.create(\n messages=[\n {\n \"role\": \"user\",\n \"content\": prompt_text,\n }\n ],\n model=\"llama-3.1-8b-it\",\n temperature=0.7,\n max_tokens=200,\n )\n response_content = chat_completion.choices[0].message.content\n print(f\"LLaMA 3.1'den gelen yan\u0131t: '{response_content}'\")\n return response_content\n\ndef main():\n print(\"Sesli AI hatt\u0131 ba\u015flat\u0131l\u0131yor...\")\n audio_file = record_audio(duration=7) # 7 saniye kay\u0131t yap\n transcribed_text = transcribe_audio(audio_file)\n\n if transcribed_text:\n llama_response = get_llama_response(transcribed_text)\n print(\"\\n--- Sonu\u00e7 ---\")\n print(f\"Siz: {transcribed_text}\")\n print(f\"Yapay Zeka: {llama_response}\")\n else:\n print(\"Ses alg\u0131lanamad\u0131 veya metne d\u00f6n\u00fc\u015ft\u00fcr\u00fclemedi.\")\n\nif __name__ == \"__main__\":\n # Ses kayd\u0131 i\u00e7in 'sounddevice' ve 'soundfile' k\u00fct\u00fcphaneleri gereklidir.\n # pip install sounddevice soundfile numpy\n main()\n <\/pre>\nrecord_audio<\/code> fonksiyonu ile kullan\u0131c\u0131dan ses kayd\u0131 al\u0131r, ard\u0131ndan transcribe_audio<\/code> ile bu sesi metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcr ve son olarak get_llama_response<\/code> ile LLaMA 3.1'den bir yan\u0131t al\u0131r. Kullan\u0131m i\u00e7in sounddevice<\/code>, soundfile<\/code> ve numpy<\/code> k\u00fct\u00fcphanelerini de y\u00fcklemeniz gerekecektir: pip install sounddevice soundfile numpy<\/code>. Ayr\u0131ca, mikrofonunuzun d\u00fczg\u00fcn \u00e7al\u0131\u015ft\u0131\u011f\u0131ndan ve sistem izinlerinin verildi\u011finden emin olun. Bu basit ama g\u00fc\u00e7l\u00fc hat, kendi sesli asistan\u0131n\u0131z\u0131 veya etkile\u015fimli yapay zeka uygulaman\u0131z\u0131 olu\u015fturman\u0131z i\u00e7in sa\u011flam bir temel sunar.<\/p>\nGer\u00e7ek D\u00fcnya Uygulamalar\u0131: Bu Hatt\u0131 Nerede Kullanabilirsiniz?<\/h2>\n
\n
\n Uygulama:<\/strong> M\u00fc\u015fteriler, telefonla veya web sitesindeki bir widget \u00fczerinden sesli olarak sorular\u0131n\u0131 sorabilir. Whisper, m\u00fc\u015fterinin sorusunu metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcr. LLaMA 3.1 (Groq \u00fczerinden), bu metni i\u015fleyerek SSS veritaban\u0131ndan veya genel bilgi taban\u0131ndan en uygun yan\u0131t\u0131 bulur ve metin olarak geri d\u00f6nd\u00fcr\u00fcr. Bu yan\u0131t, bir TTS (Text-to-Speech) motoruyla m\u00fc\u015fteriye sesli olarak okunabilir.
\n Fayda:<\/strong> M\u00fc\u015fteri memnuniyeti artar, yan\u0131t s\u00fcreleri k\u0131sal\u0131r ve insan kaynaklar\u0131 maliyetleri d\u00fc\u015fer. \u00d6zellikle yo\u011fun d\u00f6nemlerde anl\u0131k destek sa\u011flamak, m\u00fc\u015fteri sadakatini art\u0131r\u0131r.<\/p>\n<\/li>\n
\n Uygulama:<\/strong> \u00d6\u011frenci, hedef dilde bir c\u00fcmle s\u00f6yler. Whisper, \u00f6\u011frencinin telaffuzunu metne d\u00f6ker. LLaMA 3.1, bu metni analiz ederek dilbilgisi veya kelime hatalar\u0131n\u0131 tespit edebilir ve \u00f6\u011frenciye d\u00fczeltmeler veya ek al\u0131\u015ft\u0131rmalar \u00f6nerebilir. \u00d6rne\u011fin, \"Benim ad\u0131m Ay\u015fe\" c\u00fcmlesini yanl\u0131\u015f telaffuz eden bir \u00f6\u011frenciye, LLaMA 3.1 \"Ad\u0131m kelimesini daha net telaffuz etmelisin, '\u0131' sesi yerine 'a' sesi kullan\u0131l\u0131yor gibi geldi\" gibi bir geri bildirim verebilir.
\n Fayda:<\/strong> Ki\u015fiselle\u015ftirilmi\u015f geri bildirim ile dil \u00f6\u011frenimi h\u0131zlan\u0131r ve daha etkili hale gelir.<\/p>\n<\/li>\n
\n Uygulama:<\/strong> Ses kayd\u0131 Whisper ile tam metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcl\u00fcr. Ard\u0131ndan, LLaMA 3.1'e bu metnin bir \u00f6zetini \u00e7\u0131karmas\u0131 veya belirli anahtar kelimeleri\/konular\u0131 belirlemesi talimat\u0131 verilir. Groq'un h\u0131z\u0131 sayesinde, dakikalarca s\u00fcren ses kay\u0131tlar\u0131n\u0131n \u00f6zetleri saniyeler i\u00e7inde elde edilebilir.
\n Fayda:<\/strong> \u0130\u00e7erik \u00fcretim s\u00fcreci h\u0131zlan\u0131r, ara\u015ft\u0131rmac\u0131lar ve yazarlar i\u00e7in zaman tasarrufu sa\u011flan\u0131r.<\/p>\n<\/li>\n
\n Uygulama:<\/strong> Kullan\u0131c\u0131n\u0131n sesli komutlar\u0131 Whisper taraf\u0131ndan metne \u00e7evrilir. LLaMA 3.1, komutu (\u00f6rne\u011fin, \"Salondaki \u0131\u015f\u0131klar\u0131 a\u00e7\") anlayarak ilgili ak\u0131ll\u0131 ev API'sine (MQTT, Home Assistant vb.) uygun komutu g\u00f6nderir. Groq, bu s\u00fcrecin an\u0131nda ger\u00e7ekle\u015fmesini sa\u011flar.
\n Fayda:<\/strong> Daha sezgisel ve hands-free bir ev otomasyon deneyimi sunar, kullan\u0131c\u0131lar\u0131n ya\u015fam kalitesini art\u0131r\u0131r.<\/p>\n<\/li>\n
\n Uygulama:<\/strong> Kullan\u0131c\u0131 sesli komutlar verir ve sistem bu komutlar\u0131 Whisper ile metne d\u00f6n\u00fc\u015ft\u00fcr\u00fcr. LLaMA 3.1, komutlar\u0131 i\u015fleyerek istenen g\u00f6revi yerine getirir veya bilgi sa\u011flar. \u00d6rne\u011fin, bir e-postay\u0131 okumak veya bir uygulamay\u0131 ba\u015flatmak gibi. Yan\u0131tlar yine bir TTS motoru arac\u0131l\u0131\u011f\u0131yla kullan\u0131c\u0131ya sesli olarak iletilir.
\n Fayda:<\/strong> Teknolojiye eri\u015fimi olmayan bireyler i\u00e7in yeni kap\u0131lar a\u00e7ar, dijital u\u00e7urumu azalt\u0131r.<\/p>\n","protected":false},"excerpt":{"rendered":"Konu\u015fma tan\u0131ma, do\u011fal dil i\u015fleme ve h\u0131zl\u0131 \u00e7\u0131kar\u0131m yeteneklerini bir araya getirerek kendi sesli yapay zeka hatt\u0131n\u0131z\u0131 kurmak art\u0131k hayal de\u011fil. Bu rehberde, a\u00e7\u0131k kaynakl\u0131 Whisper, g\u00fc\u00e7l\u00fc LLaMA 3.","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"csco_page_header_type":"","csco_page_load_nextpost":"","csco_page_subscribe_form":"","csco_page_contact_form":"","footnotes":""},"categories":[1],"tags":[],"class_list":{"0":"post-41742","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-genel","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"\n