أفضل صيغة صوتية للتفريغ النصي: ماذا تسجّل وترفع وتحول

بقلم فريق تحرير whispertranscribe.ai · آخر تحديث: نوفمبر 2026 · مدة القراءة: 12 دقيقة

أفضل صيغة صوتية للتفريغ النصي، عندما تتحكم في التسجيل، هي صيغة بلا فقد مثل WAV‏ (PCM بعمق 16 بت) أو FLAC، بصوت أحادي ومعدل عينة 16 كيلوهرتز أو أعلى. أما إذا كان لديك ملف MP3 أو M4A أو فيديو بالفعل، فارفعه كما هو. لا يستعيد تحويل ملف مضغوط التفاصيل المفقودة، كما أن المسافة من الميكروفون والضوضاء تؤثران أكثر في النتيجة.

فيما يلي ما تختاره قبل بدء التسجيل، وما تفعله بملف وصلك جاهزًا، وصيغ حساب الحجم، وإعدادات تناسب كل حالة، وأوامر FFmpeg، وجدول لحل المشكلات.

إفصاح. ينشر whispertranscribe.ai هذا الدليل. ترتبط الادعاءات التقنية بمصادر Google Cloud أو شيفرة Whisper من OpenAI أو FFmpeg أو مكتبة الكونغرس. لم نجرِ اختبارات دقة لهذا المقال، ولا نعد بأن صيغة معينة ترفع الدقة بنسبة محددة.

إجابة سريعة: أفضل صيغة صوتية للتفريغ النصي

اختر وفق المرحلة التي وصلت إليها، بدل البحث عن «فائز» واحد في جميع الحالات.

حالتك الخيار الأفضل السبب
تُعِد جهاز تسجيل أو تطبيقًا WAV بعمق 16 بت أو FLAC، أحادي، بمعدل 16 كيلوهرتز أو أعلى توصي Google بصيغتي FLAC أو LINEAR16 بلا فقد للتعرف على الكلام
تحتاج إلى ملفات صغيرة أثناء التسجيل ترميز بفقد مناسب للكلام وبمعدل بت متوسط ترتب Google ترميزاتها المفضلة للكلام عند استخدام ضغط بفقد هكذا: AMR-WB، ثم Ogg Opus، ثم Speex
لديك بالفعل ملف MP3 أو M4A أو Opus ارفع الملف الأصلي إعادة الترميز لا تعيد التفاصيل المفقودة
لديك فيديو MP4 أو MOV أو MKV ارفعه؛ واستخرج الصوت إذا كان ضخمًا يُستخدم المسار الصوتي فقط
سُجّل المتحدثون على مسارات منفصلة احتفظ بالمسارات تنصح Google بإرسال كل قناة منفصلة عندما يكون لكل شخص قناته

متى لا تحتاج إلى القلق بشأن الصيغة: عند التعامل مع مذكرة صوتية من الهاتف أو حلقة بودكاست منشورة أو تسجيل Zoom أو Teams. ارفع الملف، واختر اللغة المنطوقة الصحيحة، وخصص وقتك لمراجعة الأسماء بدلًا من ذلك.

الصيغة والترميز والحاوية: ما الذي يخفيه امتداد الملف؟

يشير الامتداد إلى الحاوية، وليس بالضرورة إلى نوع الضغط. يوضح دليل Google لتحسين الصوت أن ترميزات الصوت وصيغ الملفات ليست شيئًا واحدًا. إليك ثلاث نقاط قد تفاجئك:

  • WAV يحتوي عادةً على PCM خطي غير مضغوط، لكنه يمكن أن يحمل ترميزات أخرى أيضًا (مكتبة الكونغرس، WAVE).
  • M4A قد يحتوي على AAC بفقد أو Apple Lossless ‏(ALAC) بلا فقد.
  • OGG حاوية تضم عادةً Opus أو Vorbis، وكلاهما يستخدم ضغطًا بفقد.

لمعرفة ما يحتويه الملف فعليًا، اطلب من أداة ffprobe التابعة لـ FFmpeg عرض المسارات الصوتية فقط:

ffprobe -v error -select_streams a -show_entries stream=index,codec_name,channels,sample_rate -of csv=p=0 meeting.mp4

شغّلنا الأمر باستخدام FFmpeg 7.1.5 على فيديو تجريبي قصير، فطبع سطرًا لكل مسار صوتي. وعند تشغيله على نسخة أُزيل صوتها، لم يطبع شيئًا؛ وهذه طريقة سريعة لاكتشاف ملف بلا مسار صوتي قبل رفعه.

مقارنة صيغ الصوت للتفريغ النصي

يمكن تفريغ كل الصيغ أدناه. يختلف مقدار التفاصيل المحتفظ بها وحجم الملف. تستند الأحجام إلى الصيغ في القسم التالي، على أساس أن 1 MB يساوي 1,000,000 بايت.

الصيغة بفقد أم بلا فقد مصدرها المعتاد الحجم في الدقيقة (مثال على الإعداد) أثرها على التفريغ ما العمل؟
WAV (PCM) غير مضغوط أجهزة التسجيل الميداني ومحررات الصوت 1.92 MB عند 16 كيلوهرتز و16 بت وأحادي؛ و10.58 MB عند 44.1 كيلوهرتز و16 بت وستيريو يحتفظ بكل ما التقطه الميكروفون أفضل نسخة أصلية؛ انتبه للحجم في التسجيلات الطويلة
FLAC بلا فقد (مضغوط) الأرشيفات والملفات المصدّرة من المحررات أصغر من ملف WAV نفسه؛ يتفاوت مقدار التوفير الصوت نفسه الموجود في ملف WAV استخدمه بدل WAV لتوفير المساحة
AIFF / ALAC / CAF AIFF غير مضغوط عادةً؛ ALAC بلا فقد؛ ويمكن أن تحمل CAF أيًا منهما تطبيقات Mac وiPhone AIFF بحجم WAV نفسه عند تطابق الإعدادات يعتمد على الترميز داخل الحاوية ارفع الملف كما هو
MP3 بفقد ملفات البودكاست والتنزيلات 0.96 MB عند 128 kbps وفق Google، قد تقلل الترميزات بفقد الدقة ارفعه كما هو
M4A / AAC بفقد عادةً (AAC) المذكرات الصوتية ومسارات الفيديو 0.48 MB عند 64 kbps يسري عليه التحذير نفسه الخاص بـ MP3 ارفع الملف الأصلي
OGG / Opus بفقد الرسائل الصوتية والمكالمات عبر الويب 0.24 MB عند 32 kbps Opus ضمن قائمة Google المفضلة للترميزات بفقد في الكلام ارفعه كما هو
AMR (نطاق ضيق) بفقد، للكلام فقط الهواتف القديمة ومسجلات المكالمات نحو 0.09 MB عند 12.2 kbps ينقل نطاق 200 إلى 3,400 هرتز فقط (مكتبة الكونغرس، AMR) ارفعه كما هو؛ لا ترفع معدل عينته

تعمل ملفات الفيديو بالطريقة نفسها: تقرأ الأداة المسار الصوتي، لذا فإن التكلفة الوحيدة هي زيادة حجم الملف المرفوع.

ما حجم الملف الصوتي؟ صيغ الحساب

تتيح لك صيغتان تقدير حجم أي ملف قبل تسجيله أو رفعه.

PCM غير المضغوط (WAV وAIFF):

بايت في الثانية = معدل العينة × (عمق البت ÷ 8) × القنوات

أمثلة حسابية:

  • 16 كيلوهرتز و16 بت وأحادي: 16,000 × 2 × 1 = 32,000 بايت في الثانية. نضرب في 60 فنحصل على 1,920,000 بايت، أي نحو 1.92 MB في الدقيقة أو 115.2 MB في الساعة.
  • 44.1 كيلوهرتز و16 بت وستيريو: 44,100 × 2 × 2 = 176,400 بايت في الثانية، أي نحو 10.58 MB في الدقيقة أو 635 MB في الساعة.
  • 48 كيلوهرتز و24 بت وستيريو: 48,000 × 3 × 2 = 288,000 بايت في الثانية، أي 1,036.8 MB في الساعة.

الضغط بفقد ومعدل بت ثابت (MP3 وAAC وOpus):

بايت في الدقيقة = معدل البت بوحدة kbps × 1,000 ÷ 8 × 60 (أي kbps × 7,500)

  • عند 128 kbps: ‏128 × 7,500 = 960,000 بايت، أي نحو 0.96 MB في الدقيقة أو 57.6 MB في الساعة.
  • عند 64 kbps: ‏0.48 MB في الدقيقة؛ وعند 32 kbps: ‏0.24 MB في الدقيقة.

تكون الملفات الفعلية أكبر قليلًا بسبب ترويساتها، بينما يتغير حجم الملفات ذات معدل البت المتغير حول المتوسط. وتعرض الحواسيب التي تستخدم الوحدات الثنائية (MiB) أرقامًا أقل بنحو 5%.

ماذا تعني هذه الأرقام لحد رفع قدره 5GB و10 ساعات؟

يقبل whispertranscribe.ai ملفات تصل إلى 5GB و10 ساعات. إليك أحجام التسجيلات بالإعدادات الشائعة، بافتراض أن 5GB تساوي 5,000,000,000 بايت:

الإعداد ساعة واحدة 10 ساعات هل تتسع 10 ساعات ضمن 5GB؟
WAV، ‏16 كيلوهرتز، 16 بت، أحادي 115.2 MB 1.15 GB نعم
WAV، ‏44.1 كيلوهرتز، 16 بت، ستيريو 635 MB 6.35 GB لا؛ يتسع نحو 7.9 ساعات
WAV، ‏48 كيلوهرتز، 24 بت، ستيريو 1.04 GB 10.37 GB لا؛ يتسع نحو 4.8 ساعات
MP3، ‏128 kbps 57.6 MB 576 MB نعم
Opus، ‏32 kbps 14.4 MB 144 MB نعم

كما أن لصيغة WAV التقليدية حدًا خاصًا بها: يقيّد حقل الحجم ذي 32 بت الملف بنحو 4 GB، وتحتاج التسجيلات الأطول إلى امتداد RF64 (مكتبة الكونغرس). في التسجيلات الطويلة جدًا دون فقد، يتجنب FLAC أو WAV أحادي بمعدل 16 كيلوهرتز المشكلتين.

ما هو أهم من صيغة الصوت؟

غالبًا ما يكون صوت واضح قُرّب منه الميكروفون وحُفظ بصيغة MP3 أفضل من ملف بلا فقد سُجل من الطرف الآخر لغرفة صاخبة. تؤثر الإعدادات والعادات التالية في معظم النتائج.

معدل العينة: هل يكفي 16 كيلوهرتز؟

نعم، للكلام. توصي Google بمعدل 16,000 هرتز أو أعلى (أفضل الممارسات)؛ ويوضح دليلها أن المعدلات الأقل تترك معلومات قليلة أو معدومة فوق 8 كيلوهرتز. وتحول شيفرة Whisper مفتوحة المصدر من OpenAI كل إدخال إلى صوت أحادي بمعدل 16,000 هرتز قبل وصوله إلى النموذج (whisper/audio.py). التسجيل بمعدل 44.1 أو 48 كيلوهرتز مقبول، لكنه ينتج ملفًا أكبر.

لا تفيد زيادة المعدل بعد التسجيل: تشير Google إلى أن ملفًا بمعدل 8 كيلوهرتز رُفع معدله إلى 44.1 كيلوهرتز لا يزال يحتفظ بنطاق ترددي يصل إلى نحو 4 كيلوهرتز فقط. ارفع صوت الهاتف، الذي يكون عادةً بمعدل 8,000 هرتز، بمعدل عينته الأصلي.

عمق البت: 16 بت أم 24 بت؟

توصي Google بعمق 16 بت أو أكثر، وتوضح أن تحويل صوت 8 بت إلى 16 بت لا يضيف شيئًا، لأن النطاق الديناميكي تحدد عند التسجيل. لا ضرر من الاحتفاظ بتسجيل الجهاز الأصلي بعمق 24 بت؛ لكن تحويل 16 بت إلى 24 بت لا يضيف شيئًا.

معدل البت للملفات المضغوطة

لا يوجد معيار يحدد معدل بت يضمن تفريغًا جيدًا. تتعلق إرشادات Google بنوع الترميز: قد تقلل الترميزات بفقد الدقة، كما تزداد آثار الضوضاء أو الصدى سوءًا مع الضغط بفقد. إذا اضطررت إلى الضغط، فاضغط مرة واحدة بإعداد متوسط وتجنب سلاسل تحويل مثل WAV إلى MP3 ثم OGG.

مسافة الميكروفون والضوضاء ومستويات الصوت

من نصائح Google للمعالجة المسبقة:

  • ضع الميكروفون قريبًا من المتحدث بقدر معقول، خصوصًا مع وجود ضوضاء في الخلفية.
  • تجنب تجاوز مستوى الإشارة المسموح وتشويه القمم؛ فلا يمكن إصلاح القمم المشوهة لاحقًا.
  • أوقف التحكم التلقائي بالكسب وتقليل الضوضاء إذا أتاح التطبيق ذلك. تقول Google إن معالجة تقليل الضوضاء قبل التعرف تقلل الدقة عادةً.

أحادي أم ستيريو؟

يكفي الصوت الأحادي عند استخدام ميكروفون مشترك واحد. يدمج Whisper الستيريو في قناة أحادية أصلًا، لذا فإن وجود الصوت نفسه في الجانبين لا يفعل سوى مضاعفة حجم الملف المرفوع. يجدر الاحتفاظ بالستيريو عندما يحمل كل جانب صوت شخص مختلف، كما في كثير من مسجلات المكالمات أو عند تخصيص ميكروفون لاقط لكل قناة. وتنصح Google حينها بإرسال كل قناة منفصلة، وإرسال التسجيل المختلط كما هو.

التسجيلات متعددة المسارات

تسجل أدوات البودكاست والمقابلات عن بُعد كل شخص غالبًا في مسار منفصل. يمكنك إما تصدير مسار مختلط واحد وتفعيل تسميات المتحدثين، وهو الخيار الأبسط، أو تفريغ كل مسار منفصلًا ودمج النصوص وفق الطوابع الزمنية؛ وهذا يمنح صوتًا أنقى، لكنه يتطلب منك الدمج.

الصيغ والإعدادات الموصى بها حسب الحالة

الحالة الأكثر شيوعًا هي أن يكون الملف موجودًا بالفعل، والإجابة غالبًا هي: «ارفعه».

الحالة التسجيل بصيغة (إذا أمكن الاختيار) إذا كان لديك ملف بالفعل قبل الرفع انتبه إلى
مقابلة حضورية WAV أو FLAC، قناة أحادية لكل ميكروفون، بمعدل 44.1 أو 48 كيلوهرتز M4A أو MP3 من الهاتف دوّن الأسماء والمصطلحات قد يكون صوت الضيف أخفض من المحاور
مقابلة عن بُعد أو بودكاست بمسارات منفصلة مسار مستقل بلا فقد لكل متحدث ملفات WAV منفصلة بالإضافة إلى MP3 مختلط اختر بين الملف المختلط والمسارات المنفصلة تداخل الأصوات في الملف المختلط
تسجيل اجتماع على Zoom أو Teams أو Meet خيار الصوت في المنصة إن توفر MP4 أو M4A استخرج الصوت فقط إذا كان الفيديو ضخمًا ميكروفون حاسوب واحد لغرفة كاملة
مذكرة صوتية على الهاتف الإعداد الافتراضي للتطبيق ‎.m4a صدّر الملف الأصلي وضع الهاتف في الجيب أثناء التسجيل
حلقة بودكاست منشورة لا ينطبق ملف MP3 المنشور استخدم نسخة WAV أو FLAC السابقة للنشر إن توفرت المقدمات الموسيقية؛ اضبط اللغة
محاضرة أو ندوة صوت أحادي و16 بت وميكروفون قريب من المحاضر ملف MP3 أو فيديو طويل تحقق من أن المدة لا تتجاوز 10 ساعات أسئلة الجمهور البعيدة عن الميكروفون
تسجيل مكالمة هاتفية الإعداد الافتراضي للمسجل AMR أو M4A أو WAV بمعدل 8 كيلوهرتز احتفظ بمعدل العينة الأصلي قواعد الموافقة؛ لا ترفع معدل العينة

يثير تسجيل المكالمات مسائل متعلقة بالموافقة؛ وتتناولها أدلتنا عن تسجيل مكالمة هاتفية وقوانين تسجيل المكالمات حسب الولاية. هذا ليس استشارة قانونية.

كيفية تحويل الصوت للتفريغ باستخدام FFmpeg

حوّل الملف لسبب محدد فقط: كأن يكون كبيرًا جدًا، أو تريد ملفًا أخف للرفع من فيديو، أو ترفض أداة الترميز المستخدم، أو تريد فصل المتحدثين في ملفات مستقلة. التحويل لمجرد تحسين «الجودة» لا ينجح.

شغّلنا كل أمر باستخدام FFmpeg 7.1.5 على مقطع كلام مدته 11 ثانية ضمن الملكية العامة، وعلى فيديو تجريبي قصير أُنشئ منه. اقتصر التحقق على اكتمال التنفيذ وإظهار ffprobe للترميز ومعدل العينة والقنوات المتوقعة. تشرح وثائق FFmpeg الخيارات المستخدمة.

1. تحويل أي ملف إلى WAV أحادي بمعدل 16 كيلوهرتز وعمق 16 بت، وهو الشكل نفسه الذي يحوّل إليه Whisper الصوت داخليًا:

ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a pcm_s16le interview_16k.wav

2. تحويل أي ملف إلى FLAC أحادي بمعدل 16 كيلوهرتز، بلا فقد وبحجم أصغر من WAV في معظم الحالات:

ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a flac interview_16k.flac

3. تحويل فيديو إلى MP3 أحادي صغير، مع إضافة خطوة ضغط بفقد؛ استخدمه عندما يكون الحجم أهم الاعتبارات:

ffmpeg -i meeting.mp4 -vn -ac 1 -ar 16000 -c:a libmp3lame -b:a 64k meeting_16k.mp3

4. استخراج الصوت من فيديو دون إعادة ترميزه؛ ينجح ذلك عندما يكون الصوت بترميز AAC الشائع في ملفات MP4:

ffmpeg -i meeting.mp4 -vn -c:a copy meeting_audio.m4a

5. فصل تسجيل ذي قناتين في ملف مستقل لكل متحدث باستخدام مرشح channelsplit:

ffmpeg -i call.m4a -filter_complex "channelsplit=channel_layout=stereo[L][R]" -map "[L]" left.wav -map "[R]" right.wav
الخيار وظيفته
-ac 1 يدمج الصوت في قناة واحدة
-ar 16000 يحدد معدل عينة الإخراج عند 16,000 هرتز
-c:a pcm_s16le يكتب PCM غير مضغوط بعمق 16 بت (WAV القياسي)
-vn يستبعد مسار الفيديو
-c:a copy ينسخ الصوت كما هو دون تغيير جودته
-b:a 64k يحدد معدل البت للضغط بفقد

فضّل الأمر 4 على الأمر 3 إذا كان صوت الفيديو بترميز AAC بالفعل، لأنه يحتفظ بالجودة الأصلية. أما صوت الهاتف المسجل بمعدل 8 كيلوهرتز، فاحذف منه الخيار -ar 16000 حتى لا ترفع معدل العينة.

لا تستخدم سطر الأوامر؟ تستخرج أداة تحويل الصوت والفيديو إلى MP3 من whispertranscribe.ai المسار الصوتي من MP4 أو MOV أو MKV أو WEBM أو AVI داخل المتصفح. وتذكر الصفحة أنها تستخدم WebAssembly وأن الملفات تُعالج في المتصفح ولا تُرفع.

الملفات الكبيرة: البقاء ضمن 5GB و10 ساعات

  • الملف كبير لكنه أقصر من 10 ساعات: يكون عادةً فيديو أو ملف WAV عالي الدقة. استخرج الصوت بالأمر 4 أو بمحوّل المتصفح، أو حوّل WAV إلى FLAC بالأمر 2.
  • أطول من 10 ساعات: تعرض صفحة الرفع الرسالة الإنجليزية «At the moment, we can only process files up to 10 hours long. Please shorten your file to 10 hours or less and try again.»، ومعناها: «في الوقت الحالي، لا يمكننا معالجة إلا الملفات التي لا تزيد مدتها على 10 ساعات. يُرجى تقصير الملف إلى 10 ساعات أو أقل ثم المحاولة مجددًا.» قسّم الملف. ويعمل أمر التقسيم دون إعادة ترميز الوارد في دليل تحويل MP3 إلى نص على WAV أيضًا؛ وقد تحققنا منه على ملف WAV تجريبي. راجع مواضع الوصل عند دمج النصوص.
  • الاتصال بطيء: تبلغ ساعة من MP3 بمعدل 64 kbps نحو 28.8 MB، مقابل 635 MB لملف WAV ستيريو بجودة قرص مضغوط. احتفظ بالأصل الخالي من الفقد للأرشفة.

حل مشكلات صيغة الصوت

المشكلة السبب المحتمل ما يمكن تجربته
ظهور «No audio detected. The file may be corrupted. Please check the file and try again.» في صفحات الرفع، أي لم يُكتشف صوت وقد يكون الملف تالفًا ملف تالف أو فيديو صُدّر دون صوت أو مسار صوتي فارغ شغّله محليًا؛ ونفّذ فحص الصوت بأداة ffprobe أعلاه، فغياب الناتج يعني عدم وجود مسار صوتي؛ ثم أعد التصدير من التطبيق الأصلي
رفض الرفع لأن المدة طويلة الملف أطول من 10 ساعات قسّمه إلى أجزاء مدة كل منها 10 ساعات أو أقل
حجم الملف كبير جدًا فيديو أو ملف WAV متعدد القنوات وعالي الدقة استخرج الصوت أو حوّل WAV إلى FLAC
ملف WAV يزيد حجمه عن 4 GB لا يُفتح أو لا يُرفع حد حجم WAV التقليدي أعد تصديره بصيغة RF64 أو FLAC، أو قسّمه
صوت أحد المتحدثين أخفض بكثير من الآخر تسجيل كل شخص في قناة منفصلة بمستوى مختلف افصل القنوات بالأمر 5 وفرّغ كل ملف
قمم مشوهة ومصحوبة بفرقعة تجاوز مستوى الإشارة أثناء التسجيل لا يمكن إصلاحها؛ اخفض كسب الإدخال في المرة المقبلة
صوت الهاتف لا يزال رديئًا بعد تحويله إلى 48 كيلوهرتز رفع معدل العينة لا يضيف معلومات ارفع الأصل؛ وجرّب خيار اللغة «Noise / Low-Quality Audio/Video» للصوت أو الفيديو منخفض الجودة إن توفر

أين يناسبك whispertranscribe.ai؟

whispertranscribe.ai أداة تفريغ نصي مدعومة بنماذج Whisper من OpenAI وتعمل عبر متصفح الويب، دون تطبيق أو واجهة API أو تدقيق بشري. تسرد صفحة محول الصوت إلى نص المجاني وصفحات الرفع الأخرى الصيغ التالية: MP3 وWAV وM4A وAAC وFLAC وOGG وOPUS وAMR وAIFF وALAC وCAF وMP4 وMOV وM4V وMKV وAVI وWMV وWEBM وMPG وMPEG.

  • الحدود: ملفات تصل إلى 5GB و10 ساعات.
  • اللغات: أكثر من 130 لغة، مع خيارات «Noise / Low-Quality Audio/Video» للضوضاء والصوت أو الفيديو منخفض الجودة في كثير منها.
  • الدقة: حتى 99% مع الصوت الواضح. تقل الدقة مع الضوضاء وبُعد الميكروفون واللكنات وتداخل المتحدثين.
  • المتحدثون: فعّل اكتشاف المتحدثين قبل التفريغ.
  • التصدير: DOCX وPDF وTXT وCSV وSRT وVTT.
  • الخصوصية: تقول سياسة الخصوصية إن الملفات الأصلية المرفوعة تُحذف بعد المعالجة، وتُحفظ ملفات MP3 المستخرجة لمدة 30 يومًا افتراضيًا. وتوضح السياسة أيضًا أن خدمة تفريغ ملفات الوسائط مخصصة للاستخدام الشخصي غير التجاري.

لتسجيلات محددة، راجع صفحات ملفات MP3 والمذكرات الصوتية والمكالمات الهاتفية والمقابلات والمحاضرات والندوات. جرّب ملفًا على الصفحة المجانية دون حساب، حيث تظهر الحدود. تبدأ الخطط المدفوعة من 9.99 دولارًا شهريًا عند الفوترة السنوية (الأسعار). وتجد بقية التفاصيل في صفحة الميزات.

الأسئلة الشائعة

ما أفضل صيغة صوتية للتفريغ النصي؟

تُعد WAV أو FLAC أفضل صيغة للتفريغ عندما تتحكم في التسجيل، ويفضل استخدام قناة أحادية ومعدل 16 كيلوهرتز أو أعلى وعمق 16 بت. أما إن كان لديك ملف مضغوط مثل MP3 أو M4A أو Opus بالفعل، فارفعه كما هو بدل تحويله. وتكون جودة التسجيل، أي قرب الميكروفون وانخفاض ضوضاء الخلفية وعدم تشويه القمم، أهم عادةً من اختيار إحدى هذه الصيغ.

هل WAV أفضل من MP3 للتفريغ النصي؟

يحتفظ ملف WAV المسجّل من المصدر بتفاصيل أكثر من MP3، وتشير Google إلى أن الترميزات بفقد مثل MP3 قد تقلل دقة التعرف. يكون الفارق صغيرًا غالبًا في الكلام الواضح وأكبر في التسجيلات الصاخبة. لكن ملف WAV المحوّل من MP3 موجود مسبقًا ليس أفضل من الملف الأصلي، لأن التفاصيل المحذوفة فُقدت. سجّل بصيغة WAV أو FLAC عندما تستطيع، وارفع ملفات MP3 كما هي.

ما معدل العينة المناسب للتفريغ النصي؟

استخدم 16 كيلوهرتز أو أعلى. توصي Google بمعدل لا يقل عن 16,000 هرتز للتعرف على الكلام، ويحوّل Whisper من OpenAI كل الصوت إلى صوت أحادي بمعدل 16 كيلوهرتز قبل المعالجة. التسجيل بمعدل 44.1 أو 48 كيلوهرتز مقبول وشائع. لا ترفع معدلًا أقل بعد التسجيل: يجب رفع تسجيل هاتف بمعدل 8 كيلوهرتز كما هو، لأن الزيادة تضيف حجمًا دون إضافة معلومات كلامية.

هل أسجل بصوت أحادي أم ستيريو للتفريغ؟

سجّل بصوت أحادي عندما يشترك الجميع في ميكروفون واحد. يدمج Whisper الستيريو في قناة أحادية أصلًا، لذا فإن نسخة ستيريو للصوت نفسه تضاعف حجم الملف فقط. احتفظ بالستيريو أو المسارات المتعددة عندما يكون كل متحدث في قناة منفصلة، كما في مسجل مكالمات أو ميكروفون لكل ضيف. تنصح Google بتفريغ القنوات المنفصلة على حدة، ويمكنك فصلها باستخدام FFmpeg.

كم يبلغ حجم ملف WAV في الدقيقة؟

يعتمد ذلك على الإعدادات: اضرب معدل العينة في عدد البايتات لكل عينة ثم في عدد القنوات لتحصل على البايتات في الثانية. ملف WAV أحادي بمعدل 16 كيلوهرتز وعمق 16 بت ينتج 16,000 × 2 × 1 = 32,000 بايت في الثانية، أي نحو 1.92 MB في الدقيقة أو 115.2 MB في الساعة. ويبلغ ملف ستيريو بجودة قرص مضغوط، بمعدل 44.1 كيلوهرتز وعمق 16 بت، نحو 10.58 MB في الدقيقة أو 635 MB في الساعة.

هل يمكنني رفع فيديو بدل استخراج الصوت؟

نعم. تقرأ أدوات التفريغ المسار الصوتي وتتجاهل الصورة، لذا يعطي MP4 أو MOV أو MKV أو WEBM التفريغ نفسه الذي ينتجه الصوت المستخرج منه. الفرق أن الفيديو أكبر حجمًا عند الرفع. استخرج الصوت عندما يقترب الملف من حد الحجم أو يكون اتصالك بطيئًا، مثلًا باستخدام -vn -c:a copy في FFmpeg للحفاظ على جودة الصوت الأصلية. في whispertranscribe.ai يمكنك رفع الفيديو كما هو وتصدير DOCX أو TXT أو SRT أو VTT.


لديك تسجيل جاهز؟ ارفعه كما هو إلى whispertranscribe.ai عبر محول الصوت إلى نص المجاني: اختر من أكثر من 130 لغة، وفعّل اكتشاف المتحدثين، ثم نزّل DOCX أو TXT أو SRT أو VTT. الحد الأقصى للملف 5GB و10 ساعات.

المراجع

هل تريد تحويل تسجيلاتك إلى نص؟

حوّل الصوت والفيديو إلى نص باستخدام whispertranscribe.ai.

بدء التفريغ ↗