تفريغ التسجيلات الصوتية من أكثر المهام استهلاكًا للوقت، سواء كنت طالبًا يريد تحويل محاضرة إلى نص مكتوب، أو صحفيًا يفرغ مقابلة، أو صانع محتوى يحتاج إلى ملف ترجمة لفيديو على يوتيوب. فساعة واحدة من التسجيل قد تحتاج إلى عدة ساعات من الكتابة اليدوية. لكن تقنيات تحويل الصوت إلى نص بالذكاء الاصطناعي اختصرت هذه الساعات إلى دقائق، وبدقة جيدة حتى مع اللغة العربية. وفي هذا الشرح نتعرف على أفضل الطرق لتفريغ الصوت، بدءًا من الأدوات الجاهزة البسيطة، وصولًا إلى تشغيل نموذج Whisper المجاني على جهازك وإنشاء ملفات ترجمة SRT جاهزة للاستخدام.
إذا كنت تريد حلًا سريعًا دون تعقيد، فهناك أدوات كثيرة تتيح رفع ملف صوتي أو فيديو والحصول على النص مباشرة. فبرامج المونتاج مثل CapCut وPremiere Pro وDaVinci Resolve تتضمن ميزات تفريغ تلقائي، كما أن أداة NotebookLM من جوجل تقبل الملفات الصوتية وتحولها إلى مصادر يمكنك سؤالها وتلخيصها. وتوفر بعض أدوات المحادثة مثل ChatGPT وGemini إمكانية رفع ملفات صوتية وتفريغها أو تلخيصها، بحسب الخطة والميزات المتاحة. وتناسب هذه الطرق التسجيلات القصيرة والاستخدام العرضي.
أما إذا كنت تتعامل مع تسجيلات كثيرة أو طويلة، أو كانت التسجيلات حساسة ولا تريد رفعها إلى خوادم خارجية، فالحل الأمثل هو نموذج Whisper الذي أطلقته OpenAI مفتوح المصدر، ويمكن تشغيله مجانًا على جهازك. ويدعم Whisper عشرات اللغات، ومنها العربية، ويعمل حتى بدون إنترنت بعد تنزيل النموذج.
لتثبيته تحتاج أولًا إلى لغة بايثون وأداة ffmpeg لمعالجة ملفات الصوت والفيديو، ثم تكتب في سطر الأوامر:
وبعد التثبيت، يمكنك تحويل ملف فيديو أو صوت إلى ملف ترجمة جاهز بأمر واحد:
وسينتج هذا الأمر ملفًا باسم lecture.srt يحتوي النص مقسمًا إلى جمل، مع توقيت ظهور كل جملة واختفائها، ويمكنك رفعه مباشرة إلى يوتيوب أو استيراده في برنامج المونتاج. وإذا أردت النص الكامل فقط دون توقيت، غيّر قيمة output_format إلى txt.
ولمن يفضل كتابة سكربت بايثون لمعالجة ملفات متعددة، هذا مثال بسيط:
يأتي Whisper بعدة أحجام، من الصغير جدًا tiny إلى الكبير large. والنماذج الأصغر أسرع وتعمل على الأجهزة الضعيفة، لكن دقتها أقل خاصة مع العربية. أما النماذج الأكبر فأدق بكثير، لكنها أبطأ وتحتاج إلى ذاكرة أكبر، ويفضل تشغيلها على جهاز فيه بطاقة رسوميات من إنفيديا. ونصيحتي للعربية أن تبدأ بنموذج medium، فهو يحقق توازنًا جيدًا بين الدقة والسرعة على معظم الأجهزة الحديثة.
وتجدر الإشارة إلى أن هناك مشاريع مفتوحة المصدر مبنية على Whisper وتعمل بسرعة أكبر بكثير، مثل faster-whisper، كما توجد واجهات رسومية سهلة تغنيك عن سطر الأوامر إذا لم تكن معتادًا عليه. ويمكنك أن تطلب من ChatGPT أو Claude مساعدتك خطوة بخطوة في التثبيت إذا واجهتك أي رسالة خطأ.
تعتمد دقة تحويل الصوت إلى نص بشكل كبير على جودة التسجيل نفسه. لذلك سجل في مكان هادئ قدر الإمكان، وضع الميكروفون قريبًا من المتحدث، وتجنب تداخل الأصوات. وإذا كان التسجيل فيه ضجيج، فنظفه أولًا بأدوات تحسين الصوت قبل التفريغ. وحدد لغة التسجيل صراحة بدل ترك النموذج يخمنها، لأن ذلك يقلل الأخطاء. ومع اللهجات المحلية والمصطلحات المتخصصة والأسماء، ستحتاج دائمًا إلى مراجعة يدوية للنص.
بعد الحصول على النص، يمكنك الاستفادة منه بطرق كثيرة بمساعدة نماذج المحادثة. فالطالب يستطيع أن يطلب تلخيص المحاضرة في نقاط رئيسية، أو تحويلها إلى أسئلة مراجعة. والصحفي يستطيع استخراج أهم الاقتباسات من المقابلة. وصانع المحتوى يستطيع ترجمة ملف الترجمة إلى لغات أخرى للوصول إلى جمهور أوسع، أو تحويل نص الفيديو إلى مقال لمدونته. وتذكر أن تحصل على إذن المتحدثين قبل تسجيلهم ونشر كلامهم.
لم يعد تفريغ الصوت مهمة مرهقة، فبين الأدوات الجاهزة البسيطة ونموذج Whisper المجاني المفتوح، أصبح تحويل الصوت إلى نص متاحًا للجميع. جرب الأمر على محاضرة أو مقطع قصير، وراجع النتيجة، وستكتشف كم ساعة يمكنك توفيرها كل أسبوع.
هل جربت تفريغ تسجيلات عربية بالذكاء الاصطناعي؟ كيف كانت دقة النتائج مع لهجتك؟ شاركنا تجربتك.
الطريقة الأولى: أدوات جاهزة دون أي تثبيت
إذا كنت تريد حلًا سريعًا دون تعقيد، فهناك أدوات كثيرة تتيح رفع ملف صوتي أو فيديو والحصول على النص مباشرة. فبرامج المونتاج مثل CapCut وPremiere Pro وDaVinci Resolve تتضمن ميزات تفريغ تلقائي، كما أن أداة NotebookLM من جوجل تقبل الملفات الصوتية وتحولها إلى مصادر يمكنك سؤالها وتلخيصها. وتوفر بعض أدوات المحادثة مثل ChatGPT وGemini إمكانية رفع ملفات صوتية وتفريغها أو تلخيصها، بحسب الخطة والميزات المتاحة. وتناسب هذه الطرق التسجيلات القصيرة والاستخدام العرضي.
الطريقة الثانية: Whisper المجاني على جهازك
أما إذا كنت تتعامل مع تسجيلات كثيرة أو طويلة، أو كانت التسجيلات حساسة ولا تريد رفعها إلى خوادم خارجية، فالحل الأمثل هو نموذج Whisper الذي أطلقته OpenAI مفتوح المصدر، ويمكن تشغيله مجانًا على جهازك. ويدعم Whisper عشرات اللغات، ومنها العربية، ويعمل حتى بدون إنترنت بعد تنزيل النموذج.
لتثبيته تحتاج أولًا إلى لغة بايثون وأداة ffmpeg لمعالجة ملفات الصوت والفيديو، ثم تكتب في سطر الأوامر:
Bash:
pip install -U openai-whisperوبعد التثبيت، يمكنك تحويل ملف فيديو أو صوت إلى ملف ترجمة جاهز بأمر واحد:
Bash:
whisper lecture.mp4 --language Arabic --model medium --output_format srtوسينتج هذا الأمر ملفًا باسم lecture.srt يحتوي النص مقسمًا إلى جمل، مع توقيت ظهور كل جملة واختفائها، ويمكنك رفعه مباشرة إلى يوتيوب أو استيراده في برنامج المونتاج. وإذا أردت النص الكامل فقط دون توقيت، غيّر قيمة output_format إلى txt.
ولمن يفضل كتابة سكربت بايثون لمعالجة ملفات متعددة، هذا مثال بسيط:
Python:
import whisper
model = whisper.load_model("medium")
result = model.transcribe("interview.mp3", language="ar")
with open("interview.txt", "w", encoding="utf-8") as f:
f.write(result["text"])
print("تم التفريغ بنجاح")كيف تختار حجم النموذج؟
يأتي Whisper بعدة أحجام، من الصغير جدًا tiny إلى الكبير large. والنماذج الأصغر أسرع وتعمل على الأجهزة الضعيفة، لكن دقتها أقل خاصة مع العربية. أما النماذج الأكبر فأدق بكثير، لكنها أبطأ وتحتاج إلى ذاكرة أكبر، ويفضل تشغيلها على جهاز فيه بطاقة رسوميات من إنفيديا. ونصيحتي للعربية أن تبدأ بنموذج medium، فهو يحقق توازنًا جيدًا بين الدقة والسرعة على معظم الأجهزة الحديثة.
وتجدر الإشارة إلى أن هناك مشاريع مفتوحة المصدر مبنية على Whisper وتعمل بسرعة أكبر بكثير، مثل faster-whisper، كما توجد واجهات رسومية سهلة تغنيك عن سطر الأوامر إذا لم تكن معتادًا عليه. ويمكنك أن تطلب من ChatGPT أو Claude مساعدتك خطوة بخطوة في التثبيت إذا واجهتك أي رسالة خطأ.
نصائح لرفع دقة التفريغ
تعتمد دقة تحويل الصوت إلى نص بشكل كبير على جودة التسجيل نفسه. لذلك سجل في مكان هادئ قدر الإمكان، وضع الميكروفون قريبًا من المتحدث، وتجنب تداخل الأصوات. وإذا كان التسجيل فيه ضجيج، فنظفه أولًا بأدوات تحسين الصوت قبل التفريغ. وحدد لغة التسجيل صراحة بدل ترك النموذج يخمنها، لأن ذلك يقلل الأخطاء. ومع اللهجات المحلية والمصطلحات المتخصصة والأسماء، ستحتاج دائمًا إلى مراجعة يدوية للنص.
ما بعد التفريغ: لخّص وترجم ونظّم
بعد الحصول على النص، يمكنك الاستفادة منه بطرق كثيرة بمساعدة نماذج المحادثة. فالطالب يستطيع أن يطلب تلخيص المحاضرة في نقاط رئيسية، أو تحويلها إلى أسئلة مراجعة. والصحفي يستطيع استخراج أهم الاقتباسات من المقابلة. وصانع المحتوى يستطيع ترجمة ملف الترجمة إلى لغات أخرى للوصول إلى جمهور أوسع، أو تحويل نص الفيديو إلى مقال لمدونته. وتذكر أن تحصل على إذن المتحدثين قبل تسجيلهم ونشر كلامهم.
خلاصة
لم يعد تفريغ الصوت مهمة مرهقة، فبين الأدوات الجاهزة البسيطة ونموذج Whisper المجاني المفتوح، أصبح تحويل الصوت إلى نص متاحًا للجميع. جرب الأمر على محاضرة أو مقطع قصير، وراجع النتيجة، وستكتشف كم ساعة يمكنك توفيرها كل أسبوع.
هل جربت تفريغ تسجيلات عربية بالذكاء الاصطناعي؟ كيف كانت دقة النتائج مع لهجتك؟ شاركنا تجربتك.