تقطيع الفيديو إلى شورتس وريلز ومقاطع

لأن بودكاست مدته ساعتان يستغرق وصوله إلى السحابة وقتًا أطول من قصّه. يستخرج FFmpeg عبر WebAssembly الصوت ويعيد WebCodecs بناء الإطارات — وعلى حاسوب محمول عادي يكون ذلك أسرع من انتظار انتهاء الرفع. في وضع «الاختيار الذكي» يُرسل إلى الخادم نص التفريغ مع توقيتاته وليس الفيديو؛ والجهات التي تتلقاه مذكورة في صفحة مزودي الذكاء الاصطناعي.

لأن أحدًا لم يُثبت أن مثل هذه الدرجة تتنبأ بالمشاهدات. المقارنات المنشورة حتى الآن أجرتها خدمات القص نفسها، ولم تتفوق فيها المقاطع ذات الدرجة العالية على ذات الدرجة المنخفضة بشكل ثابت. الرقم الذي لا يمكن التحقق منه يبدو معرفةً وليس كذلك، لذلك تعرض كل لحظة هنا اقتباسها وسبب اختيارها: جملة مكتملة، سؤال مع جوابه، كلام كثيف. ويمكن التحقق من ذلك بالعين في ثانيتين.

من يتحدث. في كل لحظة تجد الأداة الوجوه، وتقيس مقدار حركة فم كل شخص أثناء الكلام، وتنقل إطار 9:16 إلى المتحدث الحالي؛ وتدوم اللقطة ثانية ونصف الثانية على الأقل كي لا تقفز الصورة مع كل إيماءة. إذا أردت ظهور الاثنين معًا فاختر «شخصان أحدهما فوق الآخر»: يحصل كل منهما على نصف الإطار بالحجم نفسه. وإذا لم يكن في اللحظة وجه — شرائح عرض أو تسجيل شاشة — يدخل الإطار كاملًا فوق خلفية ضبابية.

التعرف والبناء يرهقان الجهاز، والهاتف يجمّد التبويب في الخلفية: لذلك تصل المهام الطويلة هناك إلى نهايتها أقل مما على الحاسوب. إذا كان الفيديو طويلًا على الهاتف، تخبرك الأداة بذلك قبل بدء العمل. والحل أن تُحضر ترجمة SRT أو VTT جاهزة: عندها يُتخطى التعرف تمامًا ولا تُبنى إلا اللحظات المختارة.

تُؤخذ حدود اللحظة من التفريغ: توضع البداية بعد جملة مكتملة والنهاية عند انتهاء جملة. بجانب كل لحظة زرّا − و+ للبداية والنهاية: كل ضغطة تحرك الحد جملة كاملة، فيظل المقطع يبدأ وينتهي عند توقف. إذا كان التعرف على الكلام ضعيفًا (تسجيل فيه ضجيج أو موسيقى أو عدة أصوات معًا)، فاختيار اللغة يدويًا أو إحضار ترجمتك الخاصة يساعد.

تُرسم الترجمة من التفريغ نفسه الذي اختيرت منه اللحظات، لذلك تظهر أخطاء التعرف في الإطار أيضًا. الكلام الروسي يعالجه GigaAM، واللغات الأخرى يعالجها whisper. إذا احتاج الإطار إلى نص مدقق فأحضر ملف ترجمتك الخاص — وسيدخل المقطع هذا النص بالضبط.