ساحة التجربة

صيغ تحويل الكلام إلى نص

الملفات التي تقبلها صفحة تحويل الكلام إلى نص، وما يفعله المتصفح بكل صيغة قبل الرفع، والصيغة التي يُحفظ بها تسجيل الميكروفون، وما يحتويه النص المفرّغ.

هذه الصفحة جدول مرجعي لما يدخل صفحة كلام إلى نص وما يخرج منها: صيغ الملفات السبع التي تقبلها، وما يفعله متصفحك بكل منها قبل إرسالها، والصيغة التي يُحفظ بها تسجيل الميكروفون، والفحوص التي تجري بعد إرسال الملف، وما يحتويه النص المفرّغ. للحدود ومعدل الرصيد، راجع حدود تحويل الكلام إلى نص والرصيد.

الملفات المقبولة

تقبل الصفحة الملف حسب امتداده. يعرض منتقي الملفات هذه الأنواع فقط، والملف الذي تُفلته على منطقة الرفع يُفحص بالطريقة نفسها.

الصيغة الامتداد قبل الرفع
MP3 .mp3 يحوّله المتصفح إلى WAV
WAV .wav يُرسَل كما هو
FLAC .flac يُرسَل كما هو
OGG .ogg يُرسَل كما هو
M4A .m4a يحوّله المتصفح إلى WAV
AAC .aac يحوّله المتصفح إلى WAV
WEBM .webm يحوّله المتصفح إلى WAV

يُرفض أي امتداد آخر قبل الرفع برسالة يرجى رفع أحد الأنواع التالية: MP3, WAV, FLAC, OGG, M4A, AAC, WEBM. والشارات تحت منطقة الرفع تذكر أربعًا من الصيغ السبع فقط، لكن الصيغ السبع كلها مقبولة.

ما يفعله المتصفح قبل الرفع

يُرسَل ملف WAV أو FLAC أو OGG كما اخترته. أما بقية الصيغ المقبولة فيجهّزها المتصفح أولًا:

  1. يفك المتصفح ترميز الملف.
  2. يُدمج الصوت الستيريو في قناة واحدة؛ إذ يُحسب متوسط القناتين، فيحتفظ تسجيل المكالمة الذي خفت صوت أحد طرفيه بالصوتين معًا.
  3. يُعاد أخذ عينات الصوت بتردد 16 كيلوهرتز.
  4. تُكتب النتيجة ملف WAV بدقة 16 بت، يحمل اسم ملفك مع الامتداد .wav، وتُرسَل هذه النسخة.

ماذا يعني ذلك لك:

  • التشغيل يستخدم النسخة المحوّلة. المشغّل على بطاقة النص، وأزرار التشغيل في قائمة النصوص، والمقطع الصوتي المحفوظ في صفحة المكتبة، كلها تحمل ملف WAV أحادي القناة بتردد 16 كيلوهرتز، لا الملف الذي اخترته. ويبقى الاسم المعروض على بطاقة النص هو اسم ملفك الأصلي.
  • يُفحص حد 150 ميجابايت مرتين: على ملفك الأصلي قبل التحويل، وعلى النسخة المحوّلة بعده. ساعة واحدة من WAV أحادي القناة بتردد 16 كيلوهرتز تبلغ نحو 115 ميجابايت، لذا يجتاز الملف المحوّل الذي لا تتجاوز مدته ساعة واحدة الفحص الثاني دائمًا.
  • التجهيز يستغرق وقتًا. يعرض السطر أسفل المربع جارٍ تجهيز الصوت… أثناء عمل المتصفح. وقد يبقى ملف MP3 طويل عند هذه الحالة بعض الوقت قبل أن يظهر جارٍ الرفع… ونسبته.
  • الملف الذي لا يستطيع المتصفح فك ترميزه يُرسَل كما هو. ثم ينتهي التفريغ النصي بسبب يبدأ بـ Audio could not be decoded ويُستردّ الرصيد المخصوم. صدّر التسجيل من جديد من التطبيق الذي أنشأه.

تسجيلات الميكروفون

يسجّل تسجيل اللقطة داخل الصفحة نفسها، بصيغة WAV أحادي القناة بتردد 16 كيلوهرتز وعمق 16 بت، أيًّا كان متصفحك. يحتاج المتصفح إلى دعم تسجيل الميكروفون ومعالجات الصوت (audio worklet)؛ وإلا تعرض الصفحة الرسالة Your browser does not support audio recording.

ما تسجّله فيه الصيغة المسجَّلة امتداد التسجيل قبل الرفع
أي متصفح مدعوم WAV أحادي القناة بتردد 16 كيلوهرتز .wav يُرسَل كما هو

يُسمّى التسجيل recording- متبوعًا برقم، ويمر بالفحوص نفسها التي يمر بها الملف المرفوع. ويتوقف التسجيل من تلقاء نفسه عند ساعة واحدة. اضغط تحويل إلى نص لإرساله.

الفحوص بعد الرفع

بعد إرسال الملف، تجري فحوص أخرى قبل قبوله وخصم ثمنه. ويظهر كل رفض في سطر الحالة أسفل المربع، متبوعًا برمز قصير بين قوسين مربعين، مع زر حاول مرة أخرى.

الفحص القاعدة الرسالة
نوع الملف يجب أن يكون الملف صوتيًا Unsupported file type: … Please upload an audio file.، مع ذكر النوع الذي أُرسل
الحجم 150 ميجابايت أو أقل File too large
المدة ساعة واحدة أو أقل، تُقاس بفكّ ترميز الصوت Audio exceeds the 1-hour limit.
القراءة يمكن قياس مدة الصوت Could not read the audio length. Try another file.

يقيس الخادم المدة بفكّ ترميز الصوت، لا من header الملف، وتُحسب تكلفة الرصيد على هذه المدة المقاسة. راجع حدود تحويل الكلام إلى نص والرصيد.

بعد القبول يُفك ترميز الصوت. يمكن فك ترميز WAV و FLAC و OGG مع Opus؛ ويُحسب متوسط قناتي الملف الستيريو ليصير أحادي القناة؛ والصوت الأقصر من 50 ملّي ثانية ينتهي بسبب يبدأ بـ Audio is too short. وكل فشل بعد القبول يُستردّ معه الرصيد المخصوم.

النص المفرّغ

المعلومة القيمة
اللغة تلقائي أو العربية أو الإنجليزية، تختارها في الصفحة. الخيار التلقائي يترك القرار للخدمة، وهو اليوم العربية.
الشكل مع تفعيل تمييز المتحدثين، وهو الافتراضي: صفوف بترتيب قولها، لكل منها وقت بدايته ومتحدثه. ومع إيقافه: كتلة نص واحدة لكل ملف. لا توقيت للكلمات، ولا أرقام للثقة.
يظهر في الصفحة بطاقة نص تحمل اسم الملف ومدته ولغته، وثلاثة تبويبات: نص (الصفوف أو الكتلة)، وترجمة (SRT) وJSON (الملفان نفساهما).
يُحفظ بصيغة ملف TXT أو SRT أو JSON، حسب التبويب المفتوح، باسم ملفك مع استبدال امتداده، من تنزيل؛ أما نسخ فينسخ التبويب المفتوح. يحتوي SRT على مقاطع ترجمة لا يتجاوز كل منها 7 ثوانٍ، ويبدأ كل منها بمتحدثه؛ والنص الذي يقع في كتلة واحدة يعطي مقطعًا واحدًا للملف كله.

كيف تقرأ عرض النتيجة، وأين يُحفظ النص المفرّغ بعد ذلك، تجده في قراءة النص المفرّغ.

مثال تطبيقي

تُفلت memo.m4a، وهي مذكرة صوتية مدتها 3 دقائق من هاتفك، على منطقة الرفع. يجتاز الامتداد الفحص، ويقرأ المتصفح مدتها 3:00، وتضغط تحويل إلى نص. يعرض السطر جارٍ تجهيز الصوت… بينما تُفكّ ترميز المذكرة، وتُدمج في قناة واحدة، ويُعاد أخذ عيناتها بتردد 16 كيلوهرتز، وتُكتب في memo.wav بحجم نحو 5.8 ميجابايت. ثم يعرض جارٍ الرفع… مع نسبة، ثم يتحول إلى جارٍ التحويل….

عندما يصل النص المفرّغ، تحمل بطاقة النص العنوان memo.m4a، ويشغّل المشغّل نسخة WAV، ويحفظ تنزيل في تبويب نص الملف memo.txt.

الأسئلة الشائعة

ملفي بصيغة MP3. هل سيعمل؟

نعم. يحوّله المتصفح إلى WAV قبل الرفع. وإذا فشل التحويل، يُبلغ التفريغ النصي بذلك ويُستردّ الرصيد المخصوم.

لماذا المقطع الصوتي الذي أنزّله بصيغة WAV مع أنني رفعت M4A؟

تفرّغ الصفحة النسخة المحوّلة وتحتفظ بها. احتفظ بملفك الأصلي إذا كنت تحتاجه بصيغته الأصلية.

لماذا يُرفض ملف WAV مدته ساعة بينما يُقبل ملف MP3 مدته ساعة؟

ينطبق حد 150 ميجابايت على الملف كما اخترته. ملف MP3 مدته ساعة يبلغ نحو 57 ميجابايت؛ أما ملف WAV ستيريو بتردد 44.1 كيلوهرتز مدته ساعة فأكبر بكثير. صدّر ملف WAV بصيغة MP3، أو بقناة واحدة بتردد 16 كيلوهرتز، قبل أن ترفعه.

هل أحصل على توقيت للكلمات أو تسميات للمتحدثين؟

نعم. مع تفعيل تمييز المتحدثين، وهو الافتراضي، يعرض كل صف من النص المفرّغ وقت بدايته ومتحدثه، ويحملهما تبويب ترجمة (SRT) وتنزيله أيضًا. لا يوجد توقيت للكلمات المفردة. راجع قراءة النص المفرّغ.

هل يتغير صوت تسجيل الميكروفون بعد التحويل؟

تُسجَّل اللقطة في الصفحة بتردد 16 كيلوهرتز وقناة واحدة، وهي الصيغة التي يستخدمها التفريغ النصي، فلا يحدث أي تحويل بعد ذلك. ولا يتأثر النص المفرّغ.