تحويل الصوت إلى نص — تفريغ التسجيل في فقرات مع تسميات المتحدثين

أداة على الإنترنت لتفريغ التسجيلات الصوتية والمرئية — الاجتماعات والمقابلات والمحاضرات والبودكاست والملاحظات الصوتية — إلى نص. تأتي النتيجة في فقرات مع تسميات المتحدثين والطوابع الزمنية؛ يمكنك تعديلها في الصفحة مباشرة أو نسخها أو تنزيلها بصيغة DOCX أو PDF أو TXT أو ترجمات SRT/VTT. الملفات القصيرة تُتعرَّف في المتصفح، أما التسجيلات التي تمتد لساعات فتُعالَج على خادمنا وتصلك رسالة بريد عند جاهزية النص.

كيف تحوّل الصوت إلى نص

1
ارفع التسجيل

MP3 أو WAV أو M4A أو FLAC أو OGG أو WebM أو فيديو — اسحب الملف إلى الصفحة أو اختره من جهازك.

2
اضبط التعرف

اختر اللغة والجودة، وفعّل «تمييز المتحدثين»، وأدخل عدد المشاركين إن كنت تعرفه.

3
خذ النص

صحّح الكلمات وأسماء المتحدثين في الصفحة مباشرة، ثم انسخ النص أو نزّل DOCX أو PDF أو TXT أو SRT أو VTT.

حوّل محادثة مسجّلة إلى مستند مقروء: من قال ماذا، ومتى

إذا كنت تريد العكس — تحويل النص إلى صوت، استخدم تحويل النص إلى كلام →

تريد الإملاء مباشرة؟ 🎤 الكتابة بالصوت

اسحب ملف صوت أو فيديو إلى هنا
MP4, WEBM, MOV, MP3, WAV, M4A, OGG, FLAC, AAC, M4B, WMA, AIFF, OPUS, CAF, MKV, AVI, WMV, FLV, M4V, 3GP, TS, MTS, M2TS, VOB, MPG, MPEG, OGV

إعدادات التفريغ

المتحدثون
📝 الأسماء والمصطلحات (اختياري)
أدرج أسماء العلم والعلامات التجارية والمصطلحات ليكتبها الذكاء الاصطناعي بشكل صحيح.
تسجيل صاخب أو مكتوم؟ نظّف الصوت أولاً →

سيظهر النص المُفرَّغ هنا.

00:00

أي نموذج تختار: في المتصفح أم على الخادم

يحدد مفتاح «المعالجة» في الإعدادات أين يجري التفريغ. في المتصفح يُنزَّل النموذج مرة واحدة ويبقى في الذاكرة المؤقتة ويعمل على جهازك، لذا يتوقف الوقت عليه. على الخادم يفرّغ خادمنا التسجيل: يمكنك إغلاق التبويب، وتصلك رسالة بريد عند جاهزية النص.

في المتصفح

الوقت = دقائق العمل لكل دقيقة تسجيل، وهو الوسيط من تشغيلات الزوار؛ ويُضاف في أول تشغيل وقت تنزيل النموذج. الأسماء كما في قائمة «جودة التعرف».

النموذج تنزيل لمرة واحدة الحاسوب الهاتف متى تختاره
سريعWhisper Tiny 39–73 ميغابايت ≈ 0.3 0.2–0.3 مسودة لكلام إنجليزي على جهاز ضعيف. يخطئ في اللغات الأخرى كثيرًا لدرجة أن الأداة لا تعرضه من تلقاء نفسها.
دقيقWhisper Base 73 ميغابايت ≈ 0.6 0.3–0.9 الكلام الإنجليزي؛ واللغات الأخرى حين لا يقدر الجهاز على «دقة عالية».
دقة عاليةWhisper Small 238–462 ميغابايت ≈ 1.4 2.4–6.4 اللغات غير الإنجليزية والروسية إذا قدر الجهاز: في الإسبانية أخطاء الكلمات أقل بـ3.5 مرات من Base.
الأقصىWhisper Large v3 Turbo 1–1.5 غيغابايت ≈ 3.1 (تقدير) 5–14 (تقدير) أصعب الأصوات. يحتاج بطاقة رسومات؛ لا يُعرض على الأجهزة ذات ذاكرة 4 غيغابايت أو أقل، ولا تشغّله الأداة من تلقاء نفسها.
الروسية — أدقGigaAM v3 305 ميغابايت ≈ 0.6 ≈ 2.7 (تقدير) الكلام الروسي: تختاره الأداة بنفسها إذا تحمّل الجهاز التنزيل. أخطاء الكلمات أقل بعدة مرات من Whisper، ولا يتعرف على لغات أخرى.

على الخادم

الوقت لكل دقيقة تسجيل هو الوسيط من تشغيلات هذا الخادم. تمييز المتحدثين يضيف ≈ 13 ث (تقدير) لكل دقيقة، وعند انشغال الخادم يُضاف الانتظار في الطابور.

الوضع الوقت لكل دقيقة تسجيل متى تختاره
قياسيWhisper Base ≈ 13 ث (تقدير) سريع، والأقل دقة
عاليةWhisper Small ≈ 26 ث (تقدير) أدق مرتين من «القياسي»
الأقصىWhisper Large v3 Turbo ≈ 30 ث (تقدير) كل اللغات؛ في الروسية أفضل مع تسجيل نقي
نموذج روسيGigaAM v3 ≈ 3 ث (تقدير) أدق في تسجيلات الهاتف والغرفة; الروسية فقط
OpenAIOpenAI gpt-transcribe ≈ 2 ث (تقدير) 200 رمزًا لكل دقيقة · نصف أخطاء «الأقصى» في قياسنا · يُرسل الصوت إلى OpenAI (الولايات المتحدة)

من الفيديو يُفرَّغ مسار الصوت وحده، وهو أصغر من الفيديو نفسه بعشرات المرات.

تاريخ النشر آخر تحديث المؤلف: