ניווט קולי בעברית באתר: WebAssembly בדפדפן מול API בענן

אורי, בעלים של חנות אונליין בתל אביב, שאל אותי השבוע שאלה פשוטה: "למה הלקוחות שלי צריכים להקליד 'נעלי ריצה מידה 42' בתיבת החיפוש, אם הם יכולים פשוט להגיד את זה לטלפון?".

הוא צדק. אבל כשהראיתי לו את הצעת המחיר לתשתיות ענן עבור 20,000 שאילתות קוליות בחודש – הוא הופתע.

המפתח להבנת האירוע נעוץ בארכיטקטורה. רוב המפתחים עדיין מקובעים על הגישה הישנה: מקליטים את הקול של המשתמש בדפדפן, שולחים קובץ אודיו לשרת, משלמים ל-OpenAI או Google Cloud על פיענוח (Speech-to-Text), ומחזירים תשובה. זו דרך איטית, יקרה ומיותרת.

המציאות של 2026 מציעה חלופה חזקה בהרבה: הרצת פיענוח קולי מקומי בתוך הדפדפן באמצעות WebAssembly ו-WebGPU.

הגדרה · WASM Voice Engine

טכנולוגיה המאפשרת להריץ קוד מוצפן ומודלי בינה מלאכותית ישירות בתוך הדפדפן של המשתמש, תוך ניצול כרטיס המסך (WebGPU) ללא תלות בשרת חיצוני.

שיהוי (Latency) וחוויית משתמש: 40ms מול 1,200ms

מהירות היא הכל.

כאשר משתמש מדבר לאתר, הוא מצפה לתגובה מיידית. אם הוא אומר "תראה לי חולצות ירוקות" וצריך לחכות שניה וחצי עד שהענן יקבל את האודיו, ינתח אותו ויחזיר JSON – החוויה נהרסת. הוא כבר יקליק ביד.

כשמעבירים את העיבוד ל-WebAssembly מקומי בדפדפן, התהליך קורה בזמן אמת. האודיו לא נדחס, לא עובר ברשת, ולא מחכה בתור בשרת.

ההבדל אינו רק טכני, הוא תפיסתי. 40 מילי-שניות מרגישות למשתמש כמו תגובה טבעית של הממשק.

עלויות תשתיות: $0 מול חשבון ענן תופח

בניתי אתר מקוון עבור מותג אופנה בינוני. כשהעלינו את גרסת הניסיון עם חיבור ל-Whisper API, שילמנו כ-400 דולר בחודש הראשוני רק על ניסיונות חיפוש קולי של מבקרים.

כשעברנו למודל מבוסס WASM ו-ONNX Runtime Web, התקציב ירד לאפס.

הסיבה פשוטה: המחשב או הטלפון של הלקוח הוא זה שמבצע את החישוב המתמטי. הדפדפן שלו מנצל את המעבד הגרפי (GPU) השכבתי שכבר קיים אצלו, במקום שאנחנו נשלם על שרתי GPU יקרים ב-AWS.

• אין תשלום לפי דקת שמע.
• אין חריגה מתקציבים בספייקים של תנועה.
• גדילה בהיקף התנועה לא מגדילה את הוצאות השרת.

עברית, פרטיות ודיוק: האתגר של 2026

בעבר, הטיעון המרכזי נגד עיבוד בדפדפן היה איכות הזיהוי של השפה העברית. ה-Web Speech API המובנה בדפדפנים היה מגמגם קשות במילות סלנג או בשמות מוצרים.

אבל בשנת 2026, המצב שונה לחלוטין.

היום אנחנו משלבים מודלים כמו Whisper-Tiny או מודלים ייעודיים לעברית שעברו קומפילציה ל-WASM בנפח של פחות מ-15MB. המודל יורד פעם אחת לזיכרון המטמון (Cache) של הדפדפן, ומאותו רגע מזהה עברית מדוברת, כולל עברית תל-אביבית טיפוסית המשלבת אנגלית ("תביא לי סניקרס של נייקי").

בנוסף, נושא הפרטיות הפך לקריטי. לקוחות רבים נרתעים מלהקליט את קולם כשהם יודעים שהקובץ נשלח לשרתים בארה"ב. עיבוד מקומי מבטיח שהקול לא יוצא מהדפדפן – נתון שמקל מאוד על עמידה בתקני פרטיות מחמירים.

השורה התחתונה: מה לבחור?

אם אתה בונה מערכת מורכבת של תמלול פודקאסטים או שיחות עומק של 40 דקות – קח API בענן. הענן עדיין מנצח בטקסטים ארוכים ומורכבים.

אבל אם המטרה שלך היא ניווט קולי, חיפוש מוצרים וסינון מהיר באתר, אין שום סיבה מוצדקת לשלוח אודיו לשרת.

💡

טכנולוגיית WASM הפכה את הניווט הקולי בדפדפן מגימיק יקר לרכיב ממשק סטנדרטי, מהיר וחינמי לחלוטין.

שילוב של WebAssembly יחד עם Web Speech API כגיבוי מעניק חוויית משתמש שמרגישה כמו קסם: המשתמש מדבר, והאתר מגיב עוד לפני שהוא סיים לנשום.