الصوت إلى نص

الغرض والفئة المستهدفة: يحوّل هذا الأداة الصوت المرفوع أو المرتبط بنص إلى نص. يُستخدم من قبل مقدمي البودكاست والصحفيين والباحثين والمعلمين وفِرَق المحتوى وخبراء الوصول. استخدمه عندما تحتاج إلى نسخة سريعة، ترجمات فرعية أو أرشيف قابل للبحث من المقابلات والمحاضرات والتسجيلات. يقلل من عملية الكتابة اليدوية، يسرّع التحرير ويسهّل فهرسة المحتوى لتحسين محركات البحث والامتثال.
المنطق الأساسي والميزات: يوفر الأداة ترجمة صوتية مع اختيار اللغة، اختيار النموذج وميزات اختيارية. الميزات المطلوبة: صوت-إدخال (ملف أو URL)، اللغة، تفعيل التفريغ، ومخرجات التفريغ. الميزات الاختيارية/المتقدمة: استعادة علامات الترقيم، الطوابع الزمنية، تمييز المتحدثين، خفض الضوضاء، صيغ التصدير المتعددة (TXT، SRT، VTT).
المدخلات والمخرجات: المدخلات تشمل: audio_file (ثنائي)، audio_url (سلسلة)، language_code (سلسلة، مثل en-US)، model_choice (سلسلة، 'fast'|'accurate'), enable_timestamps (Boolean)، enable_diarization (Boolean)، export_format (سلسلة، 'txt'|'srt'|'vtt'). المخرجات: transcript_text (سلسلة)، timestamps (مصفوفة من {start, end}), speaker_labels اختيارية، ثقة الكلمات اختيارية.
الخوارزميات والحسابات: التفريغ يستخدم مشفر/مفكك ASR، مع محاذاة لتوليد إزاحات زمنية. إذا تم تجاهل language_code يحاول النظام اكتشاف اللغة تلقائياً. تُطبق علامات الترقيم لاحقاً؛ diarization اختيارية تقسم النص إلى المتحدثين؛ تُعاد درجات الثقة عند وجودها.
الأخطاء والحالات الخاصة: إدخال صوتي غير صالح أو مفقود؛ صيغ غير مدعومة؛ ملفات طويلة جداً؛ أخطاء الشبكة أو API؛ لغة غير مدعومة؛ جودة صوت منخفضة؛ قضايا الخصوصية أو حفظ البيانات؛ تفريغات جزئية عند وصول الحد الزمني؛ سياسات إعادة المحاولة.
الصناعة/المنطقة والتوطين: يدعم لغات متعددة وتنوعات إقليمية؛ يستخدم رموز ISO للغة؛ الطوابع الزمنية بالثواني؛ التصدير يتوافق مع صيغ التفريغ الشائعة؛ معالجة البيانات تتوافق مع ممارسات شبيهة بال GDPR عند الاقتضاء.
الافتراضات والاستثناءات: يفترض أن الملفات المرفوعة قانونية للتفريغ؛ ليس خدمة في الوقت الفعلي؛ ليس ترجمة؛ الدقة تعتمد على النموذج وجودة الصوت؛ لا يُصمَّم لمحتوى حساس أو سري؛ لا يوفر واجهة تحرير هنا.