محول الفيديو إلى نص

يحوّل الأداة الفيديو أو الصوت إلى نص باستخدام نموذج ASR من HuggingFace. يقبل مدخلات الفيديو أو الصوت، أكواد اللغة ونموذج محدد، ويعيد نصاً مع طوابع زمنية اختيارية بصيغ مثل SRT أو VTT.
من الناحية المفاهيمية، يتم استخراج الصوت وتقسيمه إلى مقطعـات قابلة للإدارة وتغذية نموذج ترجمة نسقي. تُنتج النموذج سلسلة من الرموز التي تُ align مع الطوابع الزمنية، ثم تتم إضافة الترقيم والتنسيق كمعالجة لاحقة. قد تطبق الديارايزاس أو وسم المتحدثين إذا طُلب، مما ينتج نسخاً مقسماً مع علامات المتحدث.
هذا يمكّن المبدعين والباحثين والمطورين من إنشاء تسميات توضيحية قابلة للوصول، ونُسخ قابلة للبحث وبيانات وصفية للفيديوهات دون نسخ يدوي. وهو يدعم لغات متعددة ويمكنه التصدير كنص بسيط أو كتنسيقات ترميز الترجمة. القيمة الفريدة تكمن في استخدام خط HuggingFace لتوازن الدقة والخصوصية والمرونة، مع خيارات المعالجة بالجُملة وتحديد بيئة تشغيل دون اتصال. الميزات الأساسية تشمل التحقق من المدخلات، معالجة اللغة، اختيار النموذج، المعالجة على دفعات، diarization اختياري وتنسيق المخرجات. أمثلة استخدام: الترجمة التوضيحية لمنصات البث، فهرسة مقتطفات مقابلات للبحث وتوليد نسخ متعددة اللغات لجمهور عالمي.