🎙️ تثبيت Speaches — خادم تحويل الصوت لنص وتوليد الكلام المتوافق مع OpenAI على Docker
نشر خادم Speaches على Ubuntu باستخدام Docker — الخادم مفتوح المصدر الرائد المتوافق بنسبة 100% مع واجهة OpenAI للتعرف الصوتي (Faster-Whisper) وتوليد الكلام الطبيعي (Piper وKokoro) على المنفذ 8192 لمنصات Open WebUI وHome Assistant.
📦 الملفات والأكواد المطلوبة
قبل البدء، يرجى التأكد من تحميل الأكواد المطلوبة من مستودعنا على GitHub لتتمكن من تطبيق الخطوات مع الفيديو بسهولة.
التثبيت السريع:
wget https://raw.githubusercontent.com/mhmdali94/Docker/main/ai/speaches/speaches-ubuntu.sh
chmod +x speaches-ubuntu.sh
sudo bash speaches-ubuntu.sh
خطوات التنفيذ
1 تحميل السكريبت
wget https://raw.githubusercontent.com/mhmdali94/Docker/main/ai/speaches/speaches-ubuntu.sh
2 منح صلاحية التنفيذ
chmod +x speaches-ubuntu.sh
3 تشغيل المثبت
يقوم السكريبت بتثبيت Docker وتجهيز مجلد الكاش الدائم لنماذج الذكاء الاصطناعي (`./cache`) وتشغيل حاوية Speaches الصوتية على المنفذ 8192 (المحول من 8000 الداخلي).
sudo bash speaches-ubuntu.sh
4 فحص الواجهة والربط بـ Open WebUI
افتح متصفحك وانتقل إلى الرابط http://ip-سيرفرك:8192/docs لتجربة توثيق Swagger التفاعلي، واختبار تفريغ الصوت بـ Faster-Whisper وتوليد الصوت بـ Piper، واربطه بمنصة Open WebUI.
curl -X POST http://<your-server-ip>:8192/v1/audio/transcriptions
المنافذ المستخدمة
| المنفذ | الغرض |
|---|---|
| 8192 | OpenAI-compatible audio API (host → container 8000) — no web UI |
| ./cache | Downloaded model files |
| build | CPU build by default; GPU builds available for volume |
نظرة عامة
تعد Speaches (المعروفة سابقاً بـ whisper-asr-webservice) خادم معالجة صوتيات فائق السرعة ومفتوح المصدر صُمم ليكون بديلاً محلياً متطابقاً بنسبة 100% مع واجهات OpenAI Audio البرمجية. تعمل المنصة عبر المنفذ 8192 (المحول من 8000 الداخلي)، وتوفر نقاط نهاية متوافقة مثل `/v1/audio/transcriptions` لتحويل الصوت لنص (STT) بدعم محرك Faster-Whisper المسرع بـ CTranslate2، ونقطة `/v1/audio/speech` لتحويل النصوص إلى كلام منطوق (TTS) بدعم محركي Piper وKokoro. وتتيح لمنصات Open WebUI وHome Assistant وروبوتات المحادثة الصوتية التفاعل الصوتي اللحظي بأعلى درجات الخصوصية ودون أي تكاليف سحابية.
لماذا تستخدمه
يؤدي استخدام خدمات الصوت السحابية (مثل OpenAI Whisper وElevenLabs) إلى تكاليف مستمرة باهظة تُحسب بالدقيقة، فضلاً عن رفع تسجيلات المستخدمين السرية لسيرفرات خارجية وبطء استجابة المساعدات الصوتية بسبب زمن انتقال الشبكة. تمنحك الاستضافة الذاتية لـ Speaches معالجة صوتية فائقة السرعة على معالج سيرفرك أو كارت الشاشة (Nvidia GPU) مجاناً بالكامل وبأقصى درجات الأمان والخصوصية.
متى تحتاجه
- تبحث عن بديل محلي ومفتوح المصدر لواجهات OpenAI Whisper وTTS الصوتية لربطه بـ Open WebUI أو LibreChat
- تحتاج إلى تحويل الصوت إلى نصوص وتوليد الكلام المنطوق لحظياً لمساعدات Home Assistant المنزلية الذكية
- تمتلك تسجيلات صوتية سرية أو تفريغات اجتماعات واستشارات طبية يحظر إرسالها لسيرفرات سحابية خارجية بموجب اللوائح
- تريد تفريغ ملفات البودكاست والفيديوهات الطويلة إلى نصوص وملفات ترجمة متزامنة بدون رسوم استخدام بالدقيقة
- تريد تشغيل نماذج Faster-Whisper فائقة السرعة بكفاءة معالجة معززة لمعالجات CPU أو كروت Nvidia CUDA
من يحتاجه
- مطورو ومهندسو الذكاء الاصطناعي لبناء روبوتات محادثة صوتية تفاعلية تتحدث وتستمع لحظياً
- عشاق المنازل الذكية في Home Assistant لتشغيل مساعدات صوتية منزلية خاصة تعمل دون إنترنت
- صناع المحتوى والبودكاست والصحفيون لتفريغ المقابلات الصوتية وتوليد ملفات الترجمة (SRT)
- المؤسسات الطبية والقانونية التي تتطلب تفريغاً صوتياً محلياً يتوافق تماماً مع معايير GDPR وHIPAA
- أصحاب السيرفرات المنزلية لتشغيل منظومة ذكاء اصطناعي صوتية متكاملة (Ollama + Speaches + Open WebUI)
حالات الاستخدام الشائعة
- ربط Speaches بـ Open WebUI لتمكين التحدث الصوتي المباشر مع نماذج الذكاء الاصطناعي المحلية من الهاتف
- تفريغ مقابلة صوتية مدتها ساعة كاملة إلى نص دقيق في أقل من دقيقتين باستخدام Faster-Whisper
- استخدام Speaches كمحرك نطق محلي (TTS) في Home Assistant لإلقاء التنبيهات الصوتية في المنزل
- توليد ملفات ترجمة متزامنة بصيغ `.srt` و`.vtt` لمكتبات الفيديو ومقاطع يوتيوب تلقائياً
- توليد رسائل صوتية طبيعية ومقنعة لأنظمة الرد الآلي وخدمة العملاء باستخدام أصوات Piper وKokoro
الميزات الرئيسية
- توافق كامل بنسبة 100% مع OpenAI API: دعم أصلي لـ `/v1/audio/transcriptions` و`/v1/audio/speech`
- محرك Faster-Whisper فائق السرعة: استخدام مكتبة CTranslate2 لتحقيق سرعة تصل لـ 4 أضعاف Whisper العادي
- محركات نطق متعددة (TTS): دعم محركي Piper وKokoro لتوليد صوت طبيعي فائق السرعة بعشرات اللغات
- توثيق Swagger تفاعلي على المنفذ 8192: تجربة رفع الملفات الصوتية واختبار النماذج مباشرة من المتصفح
- تنزيل آلي للنماذج: تنزيل وحفظ نماذج Whisper المختلفة (tiny، وbase، وsmall، وlarge-v3) تلقائياً عند أول استدعاء
- تسريع عتادي متطور: دعم المعالجات المركزية (AVX2) وكروت شاشة انفيديا (Nvidia CUDA)
- تصدير متعدد الصيغ: إخراج التفريغ النصي بصيغ JSON، وText، وSRT، وVTT مع توقيت زمني لكل كلمة
- معمارية Docker Compose تجمع Speaches مع ربط مجلد `./cache` لحفظ أوزان النماذج الذكية الدائمة
كيفية الاستخدام بعد التثبيت
- افتح المتصفح وانتقل إلى الرابط http://ip-سيرفرك:8192/docs لعرض توثيق Swagger التفاعلي
- اختبر تفريغ الصوت (STT): افتح `/v1/audio/transcriptions`، وارفع ملف صوتي تجريبي، واختر نموذج `Systran/faster-whisper-small` واضغط Execute
- اختبر نطق النص (TTS): افتح `/v1/audio/speech`، واكتب نصاً تجريبياً، واختر صوتاً من أصوات Piper واستمع للملف
- في منصة Open WebUI، انتقل إلى Admin Settings ← Audio، وفعل STT وTTS واضبط الرابط على `http://ip-سيرفرك:8192/v1`
- ضع Speaches خلف وكيل عكسي مشفر بـ HTTPS (مثل Nginx) مع التحقق من توكن الـ API عند الوصول عن بُعد
- أعد سكريبت نسخ احتياطي دوري لمجلد النماذج `./cache`
أفضل ممارسات الأمان
- تنبيه أمني حاسم: الواجهة البرمجية تعمل بدون كلمة مرور افتراضياً؛ احرص على حمايتها بوضعها خلف وكيل عكسي مع فحص مفتاح الـ API
- استخدم تشفير HTTPS دائماً في الإنتاج لمنع اعتراض التسجيلات الصوتية الشخصية المنقولة عبر الشبكة
- لا تكشف المنفذ 8192 للإنترنت العام مباشرة دون مصادقة، لأن معالجة الصوت تستهلك موارد المعالج وكارت الشاشة بكثافة
- احمِ مجلد النماذج `./cache` بصلاحيات نظام مناسبة بالسيرفر
- حدد الحد الأقصى لحجم الملفات المرفوعة في إعدادات الوكيل العكسي (مثل `client_max_body_size 100M`) لمنع استنزاف الذاكرة
- حدّث صورة الحاوية دورياً للحصول على أحدث مكتبات الاستدلال ونماذج الذكاء الاصطناعي
المنافذ وإعدادات جدار الحماية
يقدم Speaches واجهته البرمجية وتوثيق Swagger عبر منفذ TCP 8192 (المحول من 8000 الداخلي). يجب السماح بالمنفذ 8192 في جدار الحماية للشبكة المحلية (`ufw allow 8192/tcp`). وفي الإنتاج، وجه حركة المرور عبر وكيل عكسي مشفر بـ SSL على المنفذ 443 مع التحقق من توكن الـ API وأبقِ المنفذ 8192 مغلقاً خارجياً.
النسخ الاحتياطي والصيانة
- انسخ مجلد `./cache` احتياطياً، والذي يحتوي على كافة أوزان نماذج Faster-Whisper وأصوات Piper المحملة
- احتفظ بنسخة من ملف `docker-compose.yml` الذي يحتوي على متغيرات البيئة وإعدادات كارت الشاشة
- أتمت النسخ الاحتياطي اليومي للمجلدات وارفعه إلى مساحة تخزين سحابية عبر restic أو rsync
- اختبر الاستعادة بربط مجلد الكاش بحاوية تجريبية للتأكد من جاهزية النماذج للعمل فورياً دون إعادة تنزيلها
الأخطاء الشائعة
- محاولة تشغيل نماذج ضخمة جداً (مثل `large-v3`) على المعالج المركزي بدون كارت شاشة مما يسبب بطء التفريغ (استخدم `base` أو `small` على CPU)
- عدم ربط مجلد التخزين الدائم `./cache`، مما يجبر الحاوية على إعادة تنزيل نماذج الذكاء الاصطناعي بحجم 2 جيجابايت عند كل إعادة تشغيل
- كشف المنفذ 8192 للعامة بدون حماية مما يتيح للمتطفلين استنزاف معالج السيرفر بمعالجة ملفات صوتية ضخمة
- نسيان ضبط `client_max_body_size` في Nginx مما يسبب فشل رفع الملفات الصوتية وظهور خطأ 413 Payload Too Large
- كتابة أسماء أصوات غير مدعومة في طلبات تحويل النص لكلام (TTS)
استكشاف الأخطاء وإصلاحها
- فشل التفريغ وظهور 'Model not found' — تأكد من كتابة اسم النموذج بشكل صحيح (مثل `Systran/faster-whisper-small`)
- رفع الملفات الصوتية يفشل بخطأ HTTP 413 — ارفع سقف الرفع في Nginx بإضافة `client_max_body_size 200M;`
- واجهة الويب لا تفتح على المنفذ 8192 — افحص سجلات الحاوية بالأمر: `docker logs speaches -f`
- بطء التفريغ على المعالج — استخدم نموذجاً أصغر (`base` أو `tiny`) أو ارفع عدد خيوط المعالجة عبر متغير `WHISPER_THREADS`
- كارت الشاشة CUDA لا يعمل — تأكد من تثبيت حزمة Nvidia Container Toolkit بالسيرفر وتهيئة قسم `resources` في Compose
البدائل
مشروع Whisper.cpp الخفيف المكتوب بـ C++. محرك Piper المستقل للنطق الصوتي. مكتبة Coqui TTS للتعلم العميق. أداة Whisper ASR Webservice الكلاسيكية. واجهة OpenAI Whisper السحابية التجارية.
متى لا تستخدمه
تجنب استخدام Speaches إذا كنت تحتاج فقط لروبوت محادثة نصي دون الحاجة لأي معالجة صوتية (حيث يتعامل Open WebUI أو Ollama مع النصوص مباشرة). وإذا كنت تبحث فقط عن أداة سطر أوامر بسيطة لتفريغ ملف صوتي على حاسوبك الشخصي لمرة واحدة دون تشغيل خادم Docker، فإن أداة `whisper` المباشرة أسهل.
هل تحتاج مساعدة احترافية؟
توفر PrismaTechWork خدمات بنية تحتية شاملة — من النشر الأولي وتصليب الأمان إلى المراقبة المستمرة والنسخ الاحتياطي التلقائي والدعم المخصص. سواء كنت تحتاج إعداد سيرفر واحد أو شبكة متعددة المواقع، يضمن فريقنا بناء بنيتك التحتية بشكل صحيح وتأمينها بالشكل المناسب وصيانتها باستمرار.
- التثبيت وتجهيز السيرفر
- الإعداد المتقدم وإعداد التوجيه
- تصليب الأمان وتحسين جدار الحماية
- إعداد شهادات SSL/TLS مع Let's Encrypt
- ربط النطاق المخصص والوكيل العكسي
- جدولة النسخ الاحتياطي التلقائي والتعافي من الكوارث
- المراقبة الفورية وتنبيهات الجاهزية
- الترحيل من المنصات القائمة
- استكشاف مشكلات الاتصال والأداء وإصلاحها
- سكريبتات أتمتة مخصصة وعقود دعم مستمر
الأسئلة الشائعة
ما هي منصة Speaches وكيف تقارن بخدمات OpenAI الصوتية؟
تعد Speaches خادم صوتيات مستضافاً ذاتياً يوفر نفس نقاط النهاية البرمجية الرسمية لـ OpenAI تماماً (`/v1/audio/transcriptions` و`/v1/audio/speech`). ويمكن لأي تطبيق مصمم لـ OpenAI الاتصال بـ Speaches بمجرد تغيير رابط الـ API.
هل يمكن تشغيل Speaches على المعالج العادي (CPU) بدون كارت شاشة Nvidia؟
نعم! يعتمد Speaches على محرك Faster-Whisper المسرع بـ CTranslate2 والمحسن لمعالجات Intel وAMD الحديثة بتعليمات AVX2، حيث يقدم تفريغاً لحظياً فائق السرعة مع نموذجي `base` و`small` على المعالجات العادية.
كيف أقوم بربط Speaches بمنصة Open WebUI للمحادثات الصوتية؟
في منصة Open WebUI، انتقل إلى Admin Settings ← Audio. فعل Speech-to-Text واضبط المحرك على OpenAI بالرابط `http://ip-سيرفرك:8192/v1`، وفعل Text-to-Speech بنفس الرابط واختر الصوت المفضل لديك.
هل تدعم منصة Speaches تفريغ ونطق اللغة العربية؟
نعم! تدعم نماذج Faster-Whisper أكثر من 99 لغة عالمية تشمل اللغة العربية والإنجليزية والفرنسية والألمانية بدقة فائقة مع التعرف التلقائي على لغة المتحدث.
كم يستهلك Speaches من الذاكرة العشوائية (RAM)؟
يستهلك خادم Speaches ما بين 300 ميجابايت إلى 1.5 جيجابايت من الذاكرة داخل Docker حسب حجم نموذج Whisper المحمل (حوالي 500 ميجابايت لنموذج `base` وحوالي 1 جيجابايت لـ `small`).