انتقل إلى المحتوى

تحويل الصوت والفيديو إلى نص

حوّل الكلام في ملفات الصوت والفيديو، أو في تسجيل جديد من الميكروفون، إلى نص قابل للبحث مع توقيت لكل كلمة، باستخدام نموذج Whisper يعمل على جهازك.

أفلِت ملف صوت أو فيديوMP3, WAV, M4A, MP4, MOV, WebM… · مجانًا حتى 10 دقيقة
اختيار ملف
تعمل في متصفحك · دون رفعكيف يعمل الموقع

طريقة استخدام تفريغ الصوت والفيديو

  1. 1

    أضف تسجيلًا

    أفلِت ملف MP3 أو M4A أو WAV أو MP4 أو MOV، أو انتقل إلى «تسجيل صوت» وتحدث في الميكروفون.

  2. 2

    ابدأ التفريغ

    نموذج Base يناسب معظم التسجيلات، ونموذج Small أفضل مع اللهجات والضوضاء. اترك اللغة على الاكتشاف التلقائي أو حددها بنفسك.

  3. 3

    اقرأ واستمع وابحث

    تابع الكلمات المظلَّلة أثناء التشغيل، وانقر كلمة للانتقال إلى موضعها، وابحث عن الأسماء أو المواضيع.

  4. 4

    احفظ النص

    انسخ النص أو نزّله بصيغة TXT أو DOCX أو SRT أو VTT أو JSON مع توقيت الكلمات.

الحدود وخطة Pro

حتى 10 دقائق من الصوت لكل ملف أو تسجيل (الملفات الأطول تُفرَّغ منها أول 10 دقائق فقط)، وحجم الملف حتى 500 MB. يُنزَّل نموذج التعرف على الكلام مرة واحدة: 43 MB (Tiny) أو 80 MB (Base) أو 252 MB (Small).

حتى 600 دقيقة لكل ملف، وحجم الملف حتى 4 GB. عرض Pro

عن تفريغ الصوت والفيديو

أداة التفريغ تحوّل الكلام إلى نص، وتناسب المقابلات والمحاضرات والاجتماعات وحلقات البودكاست والخطب والملاحظات الصوتية. اختر تسجيلًا أو سجّل صوتك بالميكروفون، فيكتب نموذج Whisper المفتوح المصدر ما قيل، مع علامات الترقيم والأحرف الكبيرة، بأي لغة من 99 لغة. تُعالَج التسجيلات الطويلة على مقاطع مدة كل منها 30 ثانية، فيظهر النص بينما يتواصل العمل على الباقي، وإذا انقطعت كلمة عند حافة مقطع أعيدت قراءتها من المقطع التالي فلا تضيع.

النتيجة عرض مريح للقراءة وليست كتلة نص متراصة: تُجمع الجمل في فقرات حيثما توقف المتحدث، ويمكن أن تعرض كل فقرة وقت بدايتها، ولكل كلمة طابعها الزمني الخاص. شغّل التسجيل فتُظلَّل الكلمة المنطوقة لحظة نطقها، وانقر أي كلمة لتسمعها في سياقها. ويعثر البحث على العبارة في النص كله وينتقل بك بين مواضع ورودها واحدًا تلو الآخر.

صيغ التنزيل تغطي الخطوات التالية المعتادة: نص عادي (مع الطوابع الزمنية أو بدونها) للملاحظات، ومستند Word للتحرير والمشاركة، وملف SRT أو VTT إذا كان التسجيل سيُنشر على شكل فيديو، وملف JSON يتضمن وقت بداية كل كلمة ونهايتها للمطورين. لا يحدد النص هوية المتحدث، وليست هذه أداة ترجمة نصية فورية: التسجيل أولًا ثم التفريغ.

الخصوصية

تبقى التسجيلات على حاسوبك أو هاتفك: تُفتح الملفات محليًا، ويُسجَّل صوت الميكروفون في ذاكرة هذه الصفحة، ويعمل Whisper في الخلفية دون إرسال الصوت إلى أي مكان. إذا أغلقت التبويب اختفى التسجيل والنص. نموذج التعرف على الكلام وحده يُجلب من Hugging Face مرة واحدة ويُحفظ في ذاكرة التخزين المؤقت لمتصفحك.

الميزات

لا يُرفع أي شيء

فك ترميز الملف والتعرف على الكلام يجريان في هذا التبويب من متصفحك، فتبقى المكالمات والمقابلات السرية عندك.

99 لغة

اكتشاف تلقائي للغة، مع الترجمة من أي لغة مدعومة إلى الإنجليزية.

طابع زمني لكل كلمة

لكل كلمة توقيتها، فيمكنك النقر عليها لتشغيلها ومتابعة النص مع تظليل الكلمات أثناء التشغيل.

التسجيل بالميكروفون

سجّل ملاحظة صوتية أو مقابلة أو نصًا تمليه، ثم فرّغه فورًا.

TXT وWord وSRT وVTT وJSON

صدّر الصيغة التي تحتاجها: مستندات أو ملفات ترجمة أو بيانات منظمة لأدواتك الخاصة.

البحث في النص

اعثر على كل موضع ورد فيه اسم أو عبارة وتنقل بين النتائج.

تفريغ الصوت والفيديو: الأسئلة الشائعة

ما مدى دقة التفريغ بنموذج Whisper؟
في تسجيل واضح لشخص واحد يتحدث الإنجليزية، يصيب نموذج Whisper Base عادةً في أكثر من 90% من الكلمات بفارق واضح، ويضيف علامات ترقيم مناسبة. وتنخفض هذه الدقة مع الموسيقى وتداخل الأصوات وصوت المكالمات الهاتفية واللهجات الثقيلة. نموذج Small هو الأدق هنا، لكن حجم تنزيله أكبر ومعالجته تستغرق أضعاف الوقت.
هل يوضح النص من قال ماذا؟
لا. تحديد المتحدثين (diarization) يحتاج إلى نموذج مستقل غير مضمَّن في الأداة، ولذلك يأتي النص متصلًا ومقسمًا إلى فقرات عند مواضع التوقف. في مقابلة بين شخصين تقع فواصل الفقرات غالبًا عند انتقال الكلام من متحدث إلى آخر، ويمكنك إضافة الأسماء في ملف Word بعد تصديره.
هل يمكنني تفريغ ملاحظة صوتية مباشرة من الميكروفون؟
نعم. اختر «تسجيل صوت»، واسمح باستخدام الميكروفون، ثم اضغط الزر الأحمر؛ ويمكنك إيقاف التسجيل مؤقتًا ثم استئنافه. عند الضغط على «إيقاف» يظهر التسجيل جاهزًا للتفريغ والتشغيل. التسجيل موجود في هذا التبويب فقط، فنزّل النص قبل إغلاق الصفحة.
ماذا يتضمن ملف JSON عند التصدير؟
يتضمن اللغة المكتشفة والمدة والنموذج المستخدم والنص الكامل، وقائمة بالمقاطع مع وقت بداية كل مقطع ونهايته بالثواني. ويضم كل مقطع كلماته مع وقت بداية كل كلمة ونهايتها، وهذا مفيد لبناء خاصية بحث أو لاستخراج مقاطع أو لإنشاء ترجمة نصية بأسلوب الكاريوكي في برامجك الخاصة.
كم يستغرق تفريغ ساعة من الصوت؟
يعتمد ذلك على الجهاز. مع WebGPU على حاسوب محمول حديث، يعالج نموذج Base ساعة كاملة في نحو عشر دقائق إلى عشرين دقيقة؛ أما على المعالج (CPU) وحده فتوقع أن يستغرق مدة التسجيل نفسها تقريبًا أو أكثر. تفريغ ما يزيد على 10 دقائق يحتاج إلى Pro. يمكنك متابعة ظهور النص والإلغاء في أي وقت.