الخلاصة (BLUF): تحوّل الأداة الصوت أو الفيديو إلى نص وترجمات: تتعرف على الكلام بنموذج Whisper مباشرة في متصفحك، وتحدد لغة التسجيل بنفسها أو تقبل اللغة التي تختارها، وتضع الطوابع الزمنية، وتسلّم النتيجة بصيغ TXT وSRT وVTT وJSON. وللفيديو تبني إضافيًا مقطعًا بترجمات محروقة داخل الصور. لا يُرفع الملف إلى أي مكان، ولا تُخصم أي رموز، ولا توجد هنا واجهة مدفوعة.
تأخذ الأداة صوتًا أو فيديو وتحوّل الكلام إلى نص. ترفع الملف فتحصل على تفريغ نصي مع طوابع زمنية، وترجمات جاهزة، وفي حالة الفيديو على المقطع نفسه وترجمات محروقة مباشرة في الصور.
يتعرف على الكلام نموذج Whisper (النموذج متعدد اللغات المفتوح Xenova/whisper-tiny) عبر Transformers.js: على بطاقة الرسوميات عبر WebGPU عندما يتيحها المتصفح، وإلا على المعالج عبر WASM. تُستخرج المسار الصوتي من الملف محليًا، في ذاكرة متصفحك.
صوت: MP3، WAV، M4A، AAC، OGG، Opus، FLAC. فيديو: MP4، WebM، MOV، M4V، MKV، AVI، OGV. ومن الفيديو تستخرج الأداة المسار الصوتي بنفسها: فلا حاجة لقصّه منفصلًا.
يُحوَّل الصوت إلى قناة واحدة بمعدل 16 كيلوهرتز — بالشكل الذي ينتظره Whisper تمامًا. يُعرف التسجيل الطويل على دفعات من 30 ثانية بتداخل 5 ثوانٍ، فلا تُفقد أي كلمة عند الوصلات.
لا يُرسل الملف إلى أي خادم: فالصوت والتعرف وتجميع الترجمات تجري جميعها داخل متصفحك. لا توجد هنا واجهة مدفوعة ولا تُخصم رموز.
تُنزَّل أوزان النموذج مرة واحدة من كتالوج Hugging Face المفتوح ثم تبقى في ذاكرة المتصفح المؤقتة — في الزيارة التالية يعمل النموذج دون تنزيل جديد. لا يوجد استدلال على الخادم، ولا CUDA، ولا «وحدة رسوم احتياطية من جهتنا» على الإطلاق.
يتعرف Whisper على 99 لغة. افتراضيًا تُحدَّد اللغة آليًا وتعرض الأداة اللغة التي سمعتها. وإن كان التسجيل قصيرًا أو مختلطًا، يمكن اختيار اللغة يدويًا من القائمة — فيصبح التعرف أدق.
يمكنك نسخ النص بضغطة زر أو تنزيله بأربع صيغ. TXT هو التفريغ النصي وحده، بطوابع زمنية أو بدونها. SRT وVTT ترجمات جاهزة للمشغلات وبرامج المونتاج ويوتيوب. JSON هو التفريغ مع اللغة والمدة وكل جملة بطابعها الزمني — ملائم لمزيد من المعالجة.
من ملف فيديو تبني الأداة مقطعًا جديدًا تُحرق فيه الترجمات مباشرة داخل الصور. ويُشغَّل هذا الفيديو في أي مكان، حتى حيث لا تُدعم الترجمات الخارجية: في تطبيقات المراسلة وفي الشبكات الاجتماعية وفي أي مشغل. يبقى صوت الأصل محفوظًا.
والترجمات نفسها تُنزَّل أيضًا كملفات SRT وVTT — فيمكن ربطها بالفيديو الأصلي دون إعادة بنائه.
لا تترجم الكلام إلى لغة أخرى: فالتعرف يجري بلغة التسجيل، والترجمة مهمة منفصلة. لا تفرق المتحدثين حسب الصوت ولا تُبيّن من قال ماذا.
لا تتعامل مع الموسيقى والضجيج ككلام: إن لم يكن في التسجيل كلام مفهوم، فسيكون التفريغ فارغًا أو غير دقيق. وتعتمد الجودة على التسجيل: فالصوت الواضح بلا ضجيج ولا صدى يعطي نتيجة أفضل بوضوح.
اختر صوتًا أو فيديو، وحدد اللغة إن شئت (أو اترك التحديد الآلي)، ثم اضغط «تعرّف على الكلام». انتظر التفريغ — يظهر التقدم على الشاشة، ويمكن إلغاء التعرف.
بعد ذلك انسخ النص أو نزّل TXT أو SRT أو VTT أو JSON. وإن رفعت فيديو، اضغط «صنع فيديو بترجمات» ونزّل المقطع الجاهز.
صنّاع الفيديو والبودكاست — ترجمات للنشر وتفريغ للوصف. الطلاب والصحفيون — نص المحاضرات والمقابلات وتسجيلات المقياس. وكل من يريد نصًا من تسجيل بسرعة دون إرساله إلى خادم الغير.
إلى أي مكان لا. يُستخرج الصوت ويُعرَّف كليًا في متصفحك وعلى جهازك. ولا يصل ملفنا إلى خادمنا أبدًا.
لا. هذه أداة مجانية تعمل على جهازك: لا توجد هنا واجهة مدفوعة، فلا يوجد ما يُخصم.
يحسب النموذج على جهازك. التشغيل الأول أطول: تُنزَّل أوزان النموذج ويسخن الرسم البياني. بعدها يأتي النموذج من ذاكرة المتصفح المؤقتة ويصبح التعرف أسرع.
اختر اللغة يدويًا من القائمة وشغّل التعرف من جديد — في التسجيلات القصيرة يكون الاختيار اليدوي أدق من الآلي.
نعم. نزّل SRT أو VTT واربطهما بالفيديو، أو ابنِ مباشرة في الأداة مقطعًا بترجمات محروقة.