تحويل الصوت إلى نص

لا. يُفك ترميز الملف ويُحوَّل إلى نص داخل متصفحك، على جهازك. لا يُنزَّل سوى نموذج الكلام من هذا الموقع، ويحتفظ به المتصفح للمرة القادمة. لا يُرسل صوتك ولا نصه إلى أي مكان.

الدقة جيدة مع الكلام الواضح، لكنها ليست مثالية. تسبّب الضوضاء الخلفية والموسيقى واللهجات القوية وتداخل أصوات المتحدثين والأسماء والمصطلحات التقنية أخطاءً. اقرأ النص قبل استخدامه وصحّحه في مكانه. ولا تميّز الأداة بين المتحدثين.

أكثر من 50 لغة، منها العربية والإنجليزية والإسبانية والفرنسية والألمانية والبرتغالية والإيطالية والهولندية والبولندية والروسية والأوكرانية والتركية والهندية والصينية واليابانية والكورية والإندونيسية والفيتنامية والتايلاندية. وتكون الدقة أفضل في اللغات الأوسع انتشارًا. ويعتمد الاكتشاف التلقائي على أول 30 ثانية.

يعتمد ذلك على جهازك ومدة التسجيل. يعمل التعرّف على الكلام على معالج جهازك، لذا فالحاسوب الحديث أسرع بكثير من هاتف قديم. وتتضمن المرة الأولى أيضًا تنزيل النموذج مرة واحدة، بعد موافقتك. يمكنك الإلغاء في أي لحظة والاحتفاظ بما حُوِّل بالفعل.

معظم ملفات الصوت والفيديو: MP3 وWAV وM4A وAAC وOGG وOpus وFLAC وMP4 وWebM وMOV. وعندما لا يستطيع المتصفح قراءة ملف بنفسه، تحاول الأداة استخدام محوّل مدمج. يمكن فتح ملفات حتى 2 غيغابايت، لكن التسجيلات الطويلة جدًا تحتاج إلى ذاكرة كبيرة.

التعرّف على الكلام يتم بنموذج Whisper (النموذج base) الذي أصدرته OpenAI بترخيص MIT، في نسخته بصيغة ONNX من ONNX Community. ويعمل بمكتبة Transformers.js من Hugging Face (ترخيص Apache-2.0) وONNX Runtime Web من Microsoft (ترخيص MIT). أما الملفات التي لا يستطيع متصفحك فك ترميزها بنفسه فتُحوَّل باستخدام FFmpeg المُترجم إلى WebAssembly (ffmpeg.wasm)، ونواته مرخّصة بموجب GPL.