تحويل الصوت إلى نص (TXT)

كيف يتحول الكلام إلى TXT في هذه الصفحة

يسجّل متصفحكم صوت الميكروفون بتنسيق 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، ويحوّل Whisper – وهو نموذج مفتوح المصدر للتعرّف على الكلام – الصوت إلى نص في خطوة واحدة، بما في ذلك علامات الترقيم وفواصل الجمل. إذا كان اكتشاف المتحدثين مفعّلاً، يقوم نموذج فصل المتحدثين أولاً بتقسيم الصوت حسب المتحدث، ثم يُضاف التعليق التوضيحي المناسب إلى النص المنسوخ.

يُحفظ النص المنسوخ كملف نصي 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 لكم صفحة النتيجة تنزيله؛ ويُحذف الصوت والنص المنسوخ تلقائياً بعد ذلك.

نصائح للتسجيل أهم من أي إعداد

تعتمد جودة التعرّف على الكلام على جودة الصوت. هناك ثلاثة عوامل تُحدث أكبر فرق: المسافة والضوضاء والتداخل. أبقِ الميكروفون على بُعد 10–20 سم من فمك؛ فالهاتف المُمسك قريبًا أفضل من حاسوب محمول موضوع على الجانب الآخر من الطاولة. أوقف المراوح، وأغلق النافذة، وتجنب الغرف ذات الصدى القوي.

تحدث بوتيرة طبيعية وأكمل الجمل؛ إذ يستخدم النموذج السياق، لذلك تؤدي الجمل غير المكتملة والكلمات الحشوية إلى نص أسوأ من كلام كامل ولو كان أبطأ قليلًا. في المقابلات، اطلب من الأشخاص عدم التحدث فوق بعضهم؛ فالكلام المتداخل هو أصعب حالة لأي نظام للتعرّف على الكلام.

استمع إلى المعاينة قبل البدء. إذا كان مقياس المستوى بالكاد يتحرك أو يبقى عند أعلى مستوى باستمرار، فأعد التسجيل بدلًا من الأمل في أن يخرج النص المفرغ بشكل صحيح.

الاستخدامات الشائعة لتحويل الكلام إلى TXT

تُستخدم هذه الأداة من قِبل المعلمين وصانعي البودكاست والصحفيين وكل من يفكر بصوت عالٍ أسرع مما يكتب على لوحة المفاتيح: لصياغة بريد إلكتروني أو مقال بالتحدث، وتسجيل 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 أي إعدادات. لا تُترجم النسخة النصية، بل تُكتب باللغة التي تم التحدث بها.

بالنسبة إلى الملفات الصوتية الموجودة مسبقًا — 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: تكون النصوص المفرغة باللغة المنطوقة. ولا يُنشئ توقيتات للترجمة النصية — لملفات 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 العلم وأسماء المنتجات والاختصارات النادرة أكثر الأخطاء شيوعًا؛ وعادةً ما تكون مراجعة سريعة للنتيجة مع مراعاة هذه الأمور هي كل ما يحتاجه التسجيل الواضح من تحرير.