تحويل الكلام إلى نص

كيف يتحول الكلام إلى نص في هذه الصفحة

يسجّل متصفحك الميكروفون كصوت Opus ‏(Chrome وFirefox وEdge) أو AAC ‏(Safari) ويحتفظ به في الذاكرة. عند التأكيد، يُرفع الملف عبر HTTPS إلى أحد خوادم النسخ لدينا.

هناك، يفك ffmpeg ترميز الصوت، ويحوّله Whisper – وهو نموذج مفتوح المصدر للتعرّف على الكلام – إلى نص في خطوة واحدة، بما في ذلك علامات الترقيم وفواصل الجمل. إذا كان اكتشاف المتحدثين مفعّلًا، يقسم نموذج فصل المتحدثين الصوت أولًا حسب المتحدث، ثم يُضاف التعليق التوضيحي المناسب إلى النص المنسوخ.

يُحفظ النص المنسوخ كملف نص عادي بترميز UTF 8 مع علامات ترقيم وفواصل فقرات عادية، لذا يمكن فتحه في أي محرر أو معالج نصوص أو تطبيق ملاحظات ولصقه في أي مكان. تتيح لك صفحة النتائج تنزيله؛ ثم يُحذف الصوت والنص المنسوخ تلقائيًا.

نصائح تسجيل أهم من أي إعداد

تكون دقة التعرّف على الكلام بمستوى جودة الصوت فقط. هناك ثلاثة عوامل تُحدث أكبر فرق: المسافة والضوضاء والتداخل. أبقِ الميكروفون على بُعد 10–20 سم من فمك؛ فالهاتف المحمول عند إمساكه قريبًا أفضل من حاسوب محمول على الطرف الآخر من الطاولة. أوقف المراوح وأغلق النافذة وتجنب الغرف ذات الصدى القوي.

تحدث بوتيرة طبيعية وأكمل الجمل — إذ يستخدم النموذج السياق، لذلك تنتج عن الجمل غير المكتملة والكلمات الحشو نصوص أقل دقة من الكلام الكامل، ولو كان أبطأ قليلًا. بالنسبة للمقابلات، اطلب من الأشخاص عدم التحدث فوق بعضهم؛ فتداخل الكلام هو أصعب حالة لأي نظام للتعرّف على الكلام.

استمع إلى المعاينة قبل البدء. إذا كان مؤشر المستوى بالكاد يتحرك أو يبقى باستمرار عند أقصى ارتفاع، فسجّل الصوت مرة أخرى بدلًا من الاعتماد على أن يظهر النص المفرّغ بشكل صحيح.

الاستخدامات الشائعة لتحويل الكلام إلى نص

تُستخدم هذه الأداة من قِبل المعلمين ومقدمي البودكاست والصحفيين وكل من يفكر بصوت عالٍ أسرع مما يكتب على لوحة المفاتيح: لصياغة رسالة بريد إلكتروني أو مقال عبر التحدث، وتدوين محاضر الاجتماعات، وتحويل محاضرة أو مذكرة صوتية إلى ملاحظات قابلة للبحث، ونسخ إجابات المقابلات لأغراض البحث، والحصول على نسخة مقروءة من رسالة صوتية لا يمكن تشغيلها في الوقت الحالي.

بما أن Whisper يكتشف اللغة تلقائيًا، تعمل الصفحة نفسها مع إملاء بالألمانية أو مذكرة صوتية بالإسبانية أو محاضرة بالإنجليزية دون الحاجة إلى أي إعدادات. لا تُترجم النسخة النصية، بل تُكتب باللغة التي تم التحدث بها.

بالنسبة إلى الصوت الموجود مسبقًا كملف — مثل البودكاست والمحاضرات والمكالمات — تستخدم أدوات تحويل الصوت إلى نص وتحويل MP3 إلى نص على هذا الموقع المحرك نفسه والخيارات نفسها.

ما لا تقوم به هذه الأداة

لا يترجم النص: تكون النصوص المفرغة باللغة المنطوقة. ولا ينشئ توقيتات للترجمة النصية — لاستخدام ملفات SRT أو VTT، استخدم محولات الترجمة النصية في هذا الموقع. ولا يحدد المتحدثين بالاسم، بل يكتشف فقط تغيّر المتحدث عند تفعيل اكتشاف المتحدثين. كما لا يمكنه استعادة الكلمات غير المسموعة في التسجيل.

تُعد الأسماء الشخصية وأسماء المنتجات والاختصارات النادرة أكثر الأخطاء شيوعًا؛ وعادةً ما تكون مراجعة سريعة للنتيجة مع مراعاة ذلك هي كل التعديل الذي يحتاجه التسجيل الواضح.