תמלול AI בעברית 2026: איזה כלי מדייק ומה המחיר

תמלול AI בעברית עובד היום טוב מאוד על הקלטה נקייה ופחות טוב על שיחת טלפון. הכלים הכלליים כמו Otter בנויים בעיקר לאנגלית. מי שמדייק בעברית הוא מודלי Whisper מותאמים כמו אלה של ivrit.ai, ושירותי API כמו ElevenLabs Scribe. עלות התמלול עצמו נמוכה: סדר גודל של סנטים לשעה. העלות האמיתית היא התיקון הידני של שמות, מספרים ומונחים מקצועיים.

המדריך עובר על שלושה דברים: מה המספרים הפומביים אומרים על דיוק בעברית, כמה עולה כל אפשרות, ואיך בוחרים כלי לפגישות ולשיחות מכירה. הנתונים כאן הם נתוני מפתחים ומקורות ציבוריים, לא מבחן מעבדה עצמאי, ובכל מקום צוין מי מדד מה.

הנושא חם כי רוב צוותי המכירות בישראל מקליטים שיחות בזום, בטלפון ובוואטסאפ, ומצפים לסיכום אוטומטי ב-CRM. אם זה התרחיש שלכם, קראו גם את המדריך לסוכן AI לזום שמראה איך מחברים תמלול לעדכון CRM.

כמה מדויק תמלול AI בעברית?

התשובה תלויה במדד ובהקלטה. מדד הדיוק המקובל הוא WER, אחוז המילים השגויות. נמוך יותר זה טוב יותר.

• פודקאסט נקי: לפי פוסט של אכיה כהן ב-Times of Israel, מודל whisper-large-v3-turbo של ivrit.ai מגיע לכ-4.8% WER.
• הקלטות וואטסאפ: אותו מודל, כ-7.2%.
• שיחת טלפון: בדגימה קצרה אחת השגיאה עלתה לכ-25%.
• ארכיון עדויות: מאמר ACL מ-2026 על ארכיון Fortunoff של Yale מדווח על WER ממוצע של 15.28% עם Whisper, בהקלטות היסטוריות עם רעש.

הלקח: אותו מנוע נותן 5% או 25% לפי ההקלטה. לפני שבוחרים כלי, בדקו אותו על ההקלטות שלכם. פרויקט ivrit.ai מפרסם סקריפט הערכה פתוח, ו-Hugging Face מארחת את המודלים.

מה מקלקל דיוק בשיחות מכירה

ארבעה גורמים חוזרים: דוברים שמדברים בו זמנית, איכות קו של טלפון נייד, מעבר באמצע משפט בין עברית לאנגלית, ושמות מוצרים או חברות שהמודל לא ראה. הערבוב של מונחי טק באנגלית בתוך משפט עברי הוא הכשל הנפוץ בשיחות B2B.

איזה כלי תמלול AI עובד הכי טוב בעברית?

אין דירוג עצמאי אחד שמשווה את כל הכלים על אותו קובץ. מה שיש הוא התמונה הזו:

• ivrit.ai Whisper: מודלים פתוחים שאומנו על עברית. הדיוק הציבורי הגבוה ביותר שמצאנו לעברית, אבל דורשים הרצה עצמית או שירות שמארח אותם.
• ElevenLabs Scribe v2: API לתמלול ב-0.22 דולר לשעה. עמוד התמחור מציין 90+ שפות ולא מפרט עברית בשם, כך שצריך לוודא בתיעוד המודלים שלהם.
• Otter.ai: עמוד התמחור מפרט תמלול באנגלית, ספרדית, צרפתית, גרמנית, יפנית וסינית. עברית לא מופיעה.
• Fireflies.ai: כלי מוכר להקלטת פגישות. עמוד התמחור שלה לא הציג מחירים בבדיקה שלנו, ולכן אין לו שורה בטבלה.

בוט תמלול וואטסאפ

חיפוש נפוץ בישראל הוא "בוט תמלול וואטסאפ". ההקלטות האלה קצרות ורועשות, ו-7.2% WER של ivrit.ai עליהן הוא נתון טוב. לבנייה עצמית של בוט כזה עם n8n, ראו את המדריך לבוט וואטסאפ עם n8n ועלויות.

תמלול AI חינם: מה באמת חינמי?

"תמלול ai חינם" הוא החיפוש השכיח ביותר סביב הנושא. התמונה:

1. Otter.ai מציעה חבילת Basic חינמית עם 300 דקות בחודש, אבל בלי עברית ברשימת השפות.
2. מודלי Whisper של ivrit.ai חופשיים להורדה. העלות היא מחשב עם כרטיס גרפי או שירות ענן.
3. אתרי תמלול חינמיים אונליין מגבילים אורך קובץ, ולעיתים מעלים את האודיו לשרתים זרים. לשיחות לקוחות זו בעיית פרטיות.

לתמלול של קובץ בודד מדי פעם, אתר חינמי מספיק. לצוות מכירות, עלות של סנטים לשעה בשירות API עדיפה על סיכון פרטיות.

כמה עולה תמלול AI?

נכון לנובמבר 2026. מקור: עמודי התמחור של Otter.ai ושל ElevenLabs. מחירים בדולרים.

חישוב מהיר: צוות של חמישה אנשים שמקליטים 20 שעות שיחות בחודש משלם ב-Scribe כ-4.4 דולר (20 שעות כפול 0.22). אותו צוות על Otter Business בחיוב שנתי משלם כ-100 דולר בחודש, ועדיין בלי עברית ברשימה.

עלות נוספת שרוב המדריכים מדלגים עליה: תיקון ידני. עם 10% שגיאות, שעה של דיבור כוללת כ-1,000 מילים לבדיקה. בשיחות מכירה, שגיאה בשם לקוח או בסכום עלולה להגיע ל-CRM.

איך מתמללים שיחות מכירה ופגישות בעברית?

תהליך שעובד בצוותי מכירות:

1. הקלטה נקייה. מיקרופון נפרד לכל משתתף, או הקלטת Zoom עם ערוץ נפרד לכל דובר.
2. תמלול במודל מותאם עברית. Whisper של ivrit.ai או API שאומת על עברית.
3. זיהוי דוברים. בלי זה אי אפשר לדעת מי אמר "המחיר גבוה מדי".
4. מילון מונחים. שמות מוצרים, חברות ומתחרים. ל-ElevenLabs יש תוספת Keyterm של 0.05 דולר לשעה לצורך זה.
5. סיכום וחילוץ שדות ל-CRM עם מודל שפה, ובדיקה אנושית של מספרים.

על ארכיטקטורת הסוכן המלאה, ראו את המדריך לבניית סוכן AI ב-10 דקות. לחיבור התמלול ל-CRM, המדריך ל-RevOps בישראל מסביר אילו שדות שווה למלא אוטומטית.

פרטיות ושיחות לקוחות

הקלטת שיחה מחייבת הודעה לצד השני. שליחת שיחה לשרת זר מוסיפה שאלת אבטחת מידע. מודל Whisper שרץ על שרת פנימי פותר את זה, ומשלם בתחזוקה.

תמלול AI לסרטונים ולהקלטות: מה שונה?

בסרטונים האודיו בדרך כלל מקצועי, ולכן הדיוק קרוב למספרי הפודקאסט. הבעיה היא כתוביות: צריך חותמות זמן וחלוקה לשורות, ורוב השירותים מייצאים SRT. בהקלטות ישנות או ממיקרופון רחוק, צפו לקרוב ל-15% שגיאות, כמו בנתוני ארכיון Fortunoff.

אם התמלול נועד לייצור תוכן, המדריך לכתיבת תוכן עם AI מראה איך הופכים תמלול למאמר, וב-מדריך ה-GEO איך מבנה כזה משפיע על ציטוט במנועי AI.

מקורות לקריאה נוספת: פוסט של אכיה כהן ב-Times of Israel על מה ש-AI שומע בשיחות ישראליות, ivrit.ai ב-Hugging Face ו-מאמר ACL 2026 על Whisper בארכיון Fortunoff.

איך בודקים דיוק של כלי תמלול על ההקלטות שלכם?

מספרי WER של אחרים הם נקודת פתיחה. ההחלטה צריכה להתבסס על ההקלטות שלכם, כי שמות הלקוחות, המונחים והאקוסטיקה שלכם לא דומים לשום מאגר ציבורי. בדיקה כזו לוקחת אחר צהריים אחד.

1. אוספים 10 הקלטות. חמש נקיות (זום עם אוזניות) וחמש קשות (טלפון נייד, רכב, חדר ישיבות מהדהד). דקה עד שלוש דקות מכל אחת מספיקות.
2. כותבים תמלול מדויק ידנית לפחות לשלוש מהן. זה "תמלול הזהב" שמולו משווים.
3. מריצים כל כלי על אותן הקלטות באותן הגדרות, כולל הגדרת שפה מפורשת לעברית ולא זיהוי אוטומטי.
4. מחשבים WER. הנוסחה: (החלפות + מחיקות + הוספות) לחלק למספר המילים בתמלול הזהב. כלי קוד פתוח כמו jiwer ב-Python עושים את זה בשורה אחת.
5. מסמנים בנפרד שגיאות בשמות ובמספרים. אלה השגיאות היקרות. כלי עם 8% WER שטועה בכל סכום עסקה גרוע מכלי עם 10% WER ששומר על מספרים.

טעות נפוצה היא להשוות כלים לפי דוגמת דמו של הספק. דמו משתמש בהקלטה נקייה בדיוק כמו שהמודל אוהב. הכניסו לבדיקה את ההקלטה הגרועה ביותר שיש לכם, כי היא זו שתקבע אם הכלי שמיש בפועל.

שלוש הגדרות שמשפרות דיוק בלי לשלם יותר

• שפה מפורשת. זיהוי שפה אוטומטי נכשל בשיחות עם הרבה אנגלית, ומתרגם או מתמלל לשפה הלא נכונה.
• רשימת מונחים. שמות החברה, המוצרים והמתחרים שלכם. שירותים שתומכים בזה מורידים שגיאות בדיוק במילים שהכי חשובות.
• ערוץ נפרד לכל דובר. הקלטה סטריאו עם דובר בכל ערוץ חוסכת לרוב את שלב זיהוי הדוברים ומונעת טעויות ייחוס.

מה ההבדל בין Whisper מותאם עברית לשירותי ענן מוכנים?

Whisper הוא מודל קוד פתוח של OpenAI. פרויקט ivrit.ai לקח אותו ואימן אותו מחדש על שעות רבות של עברית, ולכן הוא עוקף את המודל הכללי בעברית. היתרון: שליטה מלאה, פרטיות, ועלות שולית כמעט אפסית אחרי שיש חומרה. החיסרון: מישהו צריך להרים ולתחזק את זה.

שירות ענן כמו ElevenLabs Scribe הוא ההפך. נרשמים, מקבלים מפתח API, ומשלמים לפי שעה. אין תחזוקה, אבל האודיו עוזב את הארגון, והדיוק בעברית תלוי במה שהספק בחר לאמן.

כלל אצבע: עד כמה עשרות שעות בחודש, שירות ענן זול ופשוט יותר. מכמה מאות שעות, או כשמדובר במידע רגיש, שווה לשקול הרצה עצמית.

איך מחברים תמלול ל-CRM ולאוטומציה?

התמלול עצמו הוא רק השלב הראשון. הערך נוצר כשהטקסט מזין תהליך. הזרימה הטיפוסית בצוות מכירות נראית כך:

1. סיום שיחה ב-Zoom או בטלפון מפעיל webhook.
2. קובץ האודיו נשלח לתמלול, ומתקבל טקסט עם חלוקה לדוברים.
3. מודל שפה מסכם לפי תבנית קבועה: צרכים, התנגדויות, צעדים הבאים, תאריך המשך.
4. השדות נכתבים לכרטיס העסקה ב-CRM, והסיכום המלא נשמר כהערה.
5. נציג המכירות מקבל הודעה לאישור, ורק אז הנתונים נעולים.

את השלבים האלה אפשר לבנות ב-n8n או ב-Make בלי קוד כבד. המדריך ל-n8n לעסקים בישראל מסביר את הכלי, ומדריך האוטומציה השיווקית ל-B2B נותן את התמונה הרחבה.

שלב האישור האנושי

כדאי לא לדלג על השלב האחרון. מודל שפה שמסכם תמלול עם שגיאות יכול לכתוב בביטחון מלא סכום שגוי. אישור של נציג שלוקח עשר שניות חוסך תיקון של עסקה שלמה.

באילו טעויות נופלים כשמטמיעים תמלול AI בצוות?

• בוחרים כלי לפי אנגלית. כלי שמדהים באנגלית יכול לתת תוצאות חלשות בעברית. בודקים עברית במפורש.
• מקליטים בלי הודעה. ההקלטה צריכה להיות גלויה לצד השני. מומלץ משפט פתיחה קבוע ותיעוד הסכמה, ובשאלות משפטיות מתייעצים עם עורך דין.
• מתעלמים מאיכות המיקרופון. אוזניות ב-100 שקלים משפרות דיוק יותר מכל שדרוג חבילה.
• סומכים על סיכום בלי לבדוק מספרים. מחירים, תאריכים ושמות נבדקים תמיד.
• לא מודדים. בלי בדיקת WER רבעונית אי אפשר לדעת אם עדכון מודל שיפר או פגע.

כמה זמן לוקח תמלול AI להקלטה ארוכה?

תמלול AI מהיר בהרבה מזמן ההקלטה. שירותי API מתמללים שעת אודיו בדרך כלל בדקות בודדות, ומודל Whisper על כרטיס גרפי מודרני מסיים שעה של אודיו בפחות מכך. הזמן שנשאר הוא זמן האדם: קריאה, תיקון ואישור.

לכן כדאי למדוד את התהליך כולו ולא רק את מהירות המנוע. פגישה של שעה שמתומללת בחמש דקות ואז דורשת עשרים דקות תיקון חוסכת הרבה פחות מהמצופה, אבל עדיין פחות משלוש שעות של תמלול ידני מסורתי. ככל שההקלטה נקייה יותר, זמן התיקון יורד בחדות.

איך מקצרים את זמן התיקון

הכי יעיל הוא לא לתקן את כל התמלול. מסמנים אוטומטית מספרים, שמות ומילים שהמודל לא בטוח בהן, ובודקים רק אותם. חלק משירותי ה-API מחזירים ציון ביטחון לכל מילה, ואפשר להשתמש בו כמסנן. התוצאה: במקום לקרוא 9,000 מילים, בודקים כמה עשרות שורות.

איך מתמללים הקלטה מוואטסאפ או מהטלפון?

הודעות קוליות בוואטסאפ מגיעות בפורמט OGG או Opus, וקבצי הקלטה בטלפון בפורמט M4A. רוב כלי התמלול מקבלים את הפורמטים האלה ישירות, ואם לא, ממירים ל-MP3 או WAV בכלי חינמי כמו ffmpeg.

• הודעה קולית קצרה, עד דקה: תמלול כמעט מיידי ודיוק טוב, כי הדובר אחד וקרוב למיקרופון.
• שיחת טלפון מוקלטת: הדיוק יורד, כי דחיסת הקו חותכת תדרים. כאן נמדדו כ-25% שגיאות בדגימה אחת.
• הקלטת מפגש בחדר: חשוב מיקרופון מרכזי. מיקרופון של טלפון על השולחן מקליט הד ורעש מזגן.

כשהנפח גדל, שווה לאוטמט. בוט שמקבל הודעה קולית, מתמלל אותה ומחזיר טקסט בוואטסאפ הוא פרויקט של כמה שעות עם n8n, והוא חוסך לצוותי שטח את ההקשבה להודעות ארוכות.

מה צפוי בתמלול AI בעברית בשנה הקרובה?

הפער בין עברית לאנגלית מצטמצם. מודלים חדשים כמו Caspi-1.7B, מודל עברית מבוסס Qwen, מדווחים על WER ממוצע של 4.96% מול 5.6% של מודל ivrit v3, לפי כרטיס המודל שלהם. ההבדל קטן, אבל הכיוון ברור: מודלים ייעודיים לעברית ממשיכים להשתפר, ואין סיבה לצפות לעצירה.

הפער שיישאר הוא האקוסטיקה. אין מודל שמשחזר מילים שהקו לא העביר. לכן ההשקעה הכי משתלמת בטווח הקרוב היא בציוד הקלטה ובתהליך, ופחות בחיפוש אחרי המודל "הכי טוב".

איזה כלי לבחור לפי סוג השימוש?

ההחלטה הנכונה כמעט תמיד נראית כך: מתחילים בשירות API כדי ללמוד מה הצוות באמת צריך, מודדים על הקלטות אמיתיות, ואם הנפח או הפרטיות מצדיקים, עוברים להרצה עצמית. מעבר כזה קל יותר אם מבנה האוטומציה מפריד בין שלב התמלול לשאר השלבים.

בקיצור, תמלול AI בעברית כבר שמיש לעבודה אמיתית. הוא לא מושלם, והפער בין הקלטה נקייה להקלטת טלפון גדול פי חמישה. מי שמתכנן סביב הפער הזה, עם הקלטה טובה, מילון מונחים ובדיקה אנושית קצרה, מקבל חיסכון אמיתי בשעות עבודה.