تحويل الفيديو إلى نص

اختر مقطع فيديو وستكتب الأداة ما يُقال فيه سطراً سطراً مع التوقيت. تعتمد على نموذج Whisper المفتوح من OpenAI للتعرّف على الكلام، ويعمل داخل علامة التبويب في متصفحك: يُستخرج المسار الصوتي على جهازك ويتعرّف عليه نموذج يُنزَّل إلى المتصفح، فلا يُرفع الفيديو إلى أي مكان. يظهر النص أثناء العمل، ويمكنك تصحيح أي سطر، والنقر على الوقت لتشغيل المقطع من تلك اللحظة، والبحث فيه، ثم تصديره نصاً عادياً أو نصاً بالأوقات أو مستند Word أو ملف ترجمة SRT أو VTT.

يدعم Whisper تسعاً وتسعين لغة منها العربية والإنجليزية، ويفهم العربية الفصحى أفضل من اللهجات، ويكتب النص عادة بلا تشكيل. تتوفر سرعتان: السريع (نموذج tiny، نحو 44 ميجابايت تُنزَّل مرة واحدة)، والأدق (نموذج base، نحو 81 ميجابايت)، وهو أنسب للعربية لأن النموذج الصغير يخطئ فيها أكثر. وفي اختبارنا على نواة معالج واحدة بتردد 2.1 جيجاهرتز، فرّغ النموذج السريع تسجيلاً إنجليزياً مدته خمس دقائق بسرعة تبلغ نحو أربعة أضعاف مدته، والأدق بنحو ضعفَي مدته، وتختلف السرعة باختلاف جهازك.

تُعالَج مقاطع الفيديو الطويلة على نوافذ مدة كل منها ثلاثون ثانية، وإذا امتدت جملة إلى ما بعد نهاية النافذة بدأت النافذة التالية من أول تلك الجملة، فلا تُقطع الكلمات ولا تتكرر. يمكن تفريغ ملفات حتى 60 دقيقة و500 ميجابايت على الحاسوب (يُفضّل Chrome أو Edge، مع إبقاء علامة التبويب مفتوحة حتى النهاية)، وحتى 20 دقيقة على الهاتف لأن ذاكرة متصفحات الهواتف أقل. وتذكّر أن التفريغ الآلي يخطئ، ولا سيما مع الموسيقى وتداخل الأصوات، فراجع النص قبل نشره.