تحويل الصوت إلى نص

كيف يتحول الصوت إلى نص في هذه الصفحة

يسجل متصفحك الميكروفون بصيغة صوت 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 دفعة واحدة، شاملاً علامات الترقيم وفواصل الجمل. إذا كان اكتشاف المتحدثين مفعّلاً، يقسم نموذج تمييز المتحدثين الصوت أولاً حسب المتحدث، ثم يُضاف هذا التمييز 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 النتيجة تنزيله؛ ثم يُحذف الصوت والنص المنسوخ تلقائياً.

نصائح للتسجيل أهم من أي إعداد

لا تكون دقة التعرّف على الكلام أفضل من جودة الصوت. هناك ثلاثة عوامل تُحدث أكبر فرق: المسافة والضوضاء والتداخل. أبقِ الميكروفون على بُعد 10–20 سم من فمك؛ فالهاتف الممسوك 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 تؤدي الجمل غير المكتملة وكلمات الحشو إلى نص أقل دقة من الكلام الكامل ولو كان أبطأ قليلًا. بالنسبة إلى المقابلات، اطلب من الأشخاص عدم التحدث فوق بعضهم بعضًا؛ فالكلام المتداخل هو أصعب الحالات لأي نظام للتعرّف على الكلام.

استمع إلى المعاينة قبل البدء. إذا كان مقياس المستوى بالكاد يتحرك أو يبقى ممتلئًا باستمرار، فأعد التسجيل بدلًا من الاعتماد على أن النص المُفرّغ سيظهر بصورة صحيحة.

الاستخدامات الشائعة لتحويل الصوت إلى نص

تُستخدم هذه الأداة من قِبل الأشخاص الذين يفضلون التحدث بدلاً من الكتابة، أو الذين يحتاجون إلى رسالة صوتية خارج تطبيقات الدردشة: لصياغة رسالة بريد إلكتروني أو مقال عبر التحدث، 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 حالياً.

بما أن Whisper يكتشف اللغة تلقائياً، تعمل الصفحة نفسها للإملاء بالألمانية أو الملاحظات الصوتية بالإسبانية أو المحاضرات بالإنجليزية دون أي إعدادات. لا تُترجم النسخة النصية، بل تُكتب باللغة التي تم التحدث بها.

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

ما لا تقوم به هذه الأداة

لا يترجم: تكون النصوص المفرغة باللغة المنطوقة. ولا يُنشئ توقيتات للترجمات النصية — لملفات SRT أو VTT، استخدم محولات الترجمة النصية على 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 الانتباه إليها هي كل ما يحتاجه التسجيل الواضح من تحرير.