بقلم فريق تحرير whispertranscribe.ai · آخر تحديث: نوفمبر 2026 · مدة القراءة: 12 دقيقة
لتحويل MP3 إلى نص، ارفع الملف إلى أداة تفريغ بالذكاء الاصطناعي، واختر اللغة المنطوقة، وصدّر النتيجة بصيغة DOCX أو TXT أو SRT. يمكنك أيضًا استخدام ميزة Transcribe في Microsoft Word أو الكتابة بنفسك أو تشغيل نموذج Whisper المجاني من OpenAI على جهازك. أيًا كانت الطريقة، تحدد جودة MP3 سقف النتيجة الممكنة.
فيما يلي الطرق الأربع خطوة بخطوة، وكيفية قراءة معدل البت ومعدل العينة، وقائمة لجودة الصوت، ونصائح للملفات الطويلة وتعدد المتحدثين، ومراجعة على ثلاث مراحل.
إجابة سريعة: كيفية تحويل MP3 إلى نص
بالنسبة لمعظم الناس، الأداة عبر الإنترنت هي الأسرع: تستقبل MP3 كما هو وتحدد المتحدثين وتعيد ملفًا قابلًا للتحرير. استخدم Word إذا كنت تشترك في Microsoft 365، واكتب المقاطع القصيرة يدويًا، وشغّل Whisper محليًا عندما لا يمكن للصوت مغادرة جهازك.
- تحقق من الملف. شغّل 30 ثانية للتأكد من وضوح الأصوات.
- ارفع واضبط الخيارات. اختر اللغة المنطوقة وفعّل تحديد المتحدثين إذا تحدث أكثر من شخص.
- راجع وصدّر. صحح الأسماء والأرقام، ثم نزّل DOCX أو TXT للمستندات وSRT أو VTT للتسميات.
أي طريقة تختار؟
حدد اختيارك وفق ثلاثة أمور: حجم الصوت، وحاجتك إلى تسميات المتحدثين، والمكان المسموح بإرسال الصوت إليه. روجعت معلومات Microsoft في نوفمبر 2026.
| الطريقة | التكلفة | تسميات المتحدثين | أين يذهب الصوت؟ | الأنسب لـ |
|---|---|---|---|---|
| 1. أداة تفريغ عبر الإنترنت | بداية مجانية في أدوات كثيرة، وخطط مدفوعة للأحجام الأكبر | نعم في معظم الأدوات | خوادم المزود | المقابلات والبودكاست والمحاضرات والعمل المتكرر |
| 2. Transcribe في Microsoft Word | ضمن Microsoft 365، وحتى 300 دقيقة مرفوعة شهريًا | نعم، مثل Speaker 1 وSpeaker 2 | خوادم Microsoft، مع حفظ الملف في OneDrive | الملفات العرضية إذا كنت تستخدم Word أصلًا |
| 3. التفريغ اليدوي | مجاني، لكنه يستغرق ساعات | تضيفها بنفسك | يبقى على جهازك | المقاطع القصيرة والاقتباسات التي تتطلب دقة |
| 4. Whisper على الكمبيوتر | مجاني ومفتوح المصدر | غير متاح في الأداة الرسمية | يبقى على جهازك | الصوت الخاص والمستخدمون التقنيون والدفعات |
قبل البدء: افحص MP3 خلال 60 ثانية
MP3 تنسيق بفقد للبيانات. يشرح وصف التنسيق من مكتبة الكونغرس أنه يتخلص من أصوات يقل احتمال سماع البشر لها، وأن ملف MP3 بمعدل 128 kbit/s يبلغ نحو جزء من أحد عشر جزءًا من حجم صوت بجودة القرص المدمج. لا يمكن استعادة التفاصيل المفقودة، لذا اعرف خصائص الملف.
في Windows افتح الخصائص ← التفاصيل (Properties → Details)؛ وفي Mac اختر الحصول على معلومات (Get Info). عند تثبيت FFmpeg يطبع الأمر التالي الترميز ومعدل العينة والقنوات ومعدل البت والمدة:
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3
شغّلناه باستخدام FFmpeg 7.1 على عينة MP3 قصيرة للتحقق من الصياغة؛ ويطبع أسطرًا مثل sample_rate=44100 وbit_rate=128000. إليك طريقة قراءتها:
| القيمة | ما تدل عليه | معناها للتفريغ |
|---|---|---|
| bit_rate | مقدار البيانات في الثانية بعد الضغط | معدلات البت المنخفضة جدًا تحتفظ بتفاصيل أقل ولا يمكن استعادتها |
| sample_rate | عدد مرات قياس الصوت في الثانية | توصي Google بمعدل 16,000 Hz أو أكثر للتعرف على الكلام |
| channels | أحادي (1) أو ستيريو (2) | الستيريو مناسب؛ يمزج Whisper الصوت إلى قناة واحدة عند التحميل |
| duration | مدة التسجيل | توضح ما إذا كنت ستبلغ حد المدة أو الدقائق في الأداة |
هل يؤثر معدل بت MP3 على دقة التفريغ؟
قد يؤثر. تقول إرشادات Google Cloud لأفضل ممارسات التعرف على الكلام إن الترميزات ذات الفقد، ومنها MP3، قد تقلل الدقة، وإن الضوضاء والصدى يضران أكثر عند استخدامها معها. لا توجد عتبة منشورة لمعدل البت، فاعتبره عاملًا بين عدة عوامل. الصوت الواضح قرب الميكروفون أهم من معدل بت مرتفع وحده.
القاعدة العملية: فرّغ أفضل نسخة لديك. إذا بقي WAV أو FLAC الأصلي فاستخدمه. إعادة ترميز ملف 96 kbps إلى 320 kbps أو حفظه WAV تزيد الحجم دون استعادة التفاصيل.
ما معدل العينة المطلوب للتعرف على الكلام؟
يكفي 16 kHz عادة للتعرف على الكلام. يحمّل كود Whisper المفتوح المصدر من OpenAI كل ملف عبر FFmpeg ويحوله إلى قناة واحدة ويعيد أخذ عيناته إلى 16,000 Hz قبل وصوله إلى النموذج (whisper/audio.py على GitHub). وينصح دليل Google أيضًا بعدم إعادة أخذ العينات بنفسك. يجب إرسال تسجيل الهاتف المسجل عند 8,000 Hz كما هو دون رفع معدل عينته.
المعدلان 44.1 kHz أو 48 kHz المعتادان في MP3 أكثر من كافيين. لا تحوّل معدل العينة قبل الرفع.
قائمة جودة الصوت
قبل أي عمل مهم:
- استمع إلى البداية ومقطع من الوسط. هل اللغة صحيحة وكل الأشخاص مسموعون؟
- تحقق من مستوى الصوت. يطبع الأمر
ffmpeg -i interview.mp3 -af volumedetect -f null -متوسط المستوى وأقصاه. قد تعني قمة قريبة من 0 dB حدوث قص في الإشارة، ويصعب إصلاح القمم المشوهة. - تجنب تقليل الضوضاء الشديد. يقول دليل Google إن المعالجة المسبقة لتقليل الضوضاء تخفض دقة التعرف عادةً.
- دوّن الأسماء والاختصارات والمصطلحات لمراجعتها لاحقًا.
- احتفظ بالملف الأصلي حتى يكتمل التفريغ.
الطريقة 1: رفع MP3 إلى أداة تفريغ عبر الإنترنت
الأدوات عبر الإنترنت أسرع طريقة لتحويل MP3 طويل إلى نص قابل للتحرير: يعمل النموذج على خوادم المزود ولا تحتاج إلى تثبيت شيء. تستخدم الخطوات التالية whispertranscribe.ai. whispertranscribe.ai أداة ويب بالذكاء الاصطناعي تحول الصوت والفيديو إلى نص بأكثر من 130 لغة، مع رفع حتى 5GB ومدة 10 ساعات، وتعتمد على نموذج Whisper من OpenAI. تعمل الأدوات الأخرى بطريقة مشابهة مع اختلاف القوائم.
الخطوة 1: افتح صفحة تفريغ MP3 واختر اللغة
انتقل إلى صفحة تحويل MP3 إلى نص، واختر اللغة المنطوقة تحت Step 1. تتوفر أكثر من 130 لغة ومتغيرات إقليمية مثل الإنجليزية في الهند، وخيارات Noise / Low-Quality Audio/Video للتسجيلات الصعبة.
الخطوة 2: ارفع MP3
تحت Step 2 اسحب الملف وأفلته أو اختره من جهازك. يمكن أن يصل الملف إلى 5GB وتدعم الخطط تسجيلات حتى 10 ساعات. تعمل أيضًا صيغ WAV وM4A وFLAC وMP4 وMOV.
الخطوة 3: فعّل Speaker Detection إذا احتجت إليها
للمقابلات والاجتماعات والبودكاست، فعّل Enable Speaker Detection لوضع تسمية على كل مداخلة.
الخطوة 4: ابدأ التفريغ
انقر Transcribe MP3 to text. قد تصل الدقة إلى 99% مع الصوت الواضح. تقل مع الضوضاء واللكنات القوية وتداخل الأشخاص، لذلك خطط للمراجعة.
الخطوة 5: صدّر النص
نزّل DOCX أو PDF أو TXT أو CSV للمستندات والتحليل، أو SRT وVTT للتسميات الموقّتة. إذا كان هدفك الترجمة النصية من البداية، فإن محوّل MP3 إلى SRT ينشئ الملف مباشرة.
يمكنك تجربته مجانًا دون حساب قبل اختيار خطة. تبدأ الخطط المدفوعة من 9.99 دولار شهريًا عند الدفع السنوي؛ راجع الأسعار. يمكنك أولًا تقليل حجم فيديو كبير بواسطة محوّل الصوت والفيديو إلى MP3، وإرسال MP3 في Google Drive أو Dropbox مباشرة إلى التفريغ من رابط.
من المفيد معرفته: ترفع الأدوات عبر الإنترنت الصوت إلى خوادم المزود. للتسجيلات السرية، اقرأ سياسة الخصوصية أولًا أو استخدم الطريقة 3 أو 4.
الطريقة 2: استخدام ميزة Transcribe في Microsoft Word
باستخدام Microsoft 365 يستطيع Word تفريغ MP3 بنفسه. وفق دعم Microsoft، كما روجع في نوفمبر 2026، تقبل الميزة ملفات .mp3 و.wav و.m4a و.mp4 وتفصل المتحدثين.
- سجّل الدخول إلى Microsoft 365 وافتح مستندًا في Word للويب عبر Microsoft Edge الحديث أو Chrome، أو Word for Microsoft 365 على Windows.
- انتقل إلى Home → Dictate من القائمة المنسدلة → Transcribe.
- في لوحة Transcribe اختر Upload audio وحدد ملف MP3.
- أبقِ اللوحة مفتوحة أثناء العمل؛ تقول Microsoft إن المعالجة قد تستغرق تقريبًا حتى مدة الملف.
- راجع النص: شغّل أي مقطع بسرعة تصل إلى 2x وعدّل النص وأعد تسمية «Speaker 1» في كل المواضع دفعة واحدة.
- اختر Add all to document لإدراج التفريغ في الصفحة، ثم احفظه DOCX.
حدود يجب مراعاتها: يحصل مستخدمو Microsoft 365 على حتى 300 دقيقة صوت مرفوع شهريًا. يحتوي كل مستند على تفريغ واحد، وتُحفظ الملفات في مجلد Transcribed Files في OneDrive. تقول Microsoft إن نسخة Windows المكتبية مقتصرة حاليًا على حسابات المؤسسات التجارية. لا تذكر صفحة المساعدة تصدير SRT أو VTT، لذا يناسب Word المستندات أكثر من الترجمة النصية.
الطريقة 3: تفريغ MP3 يدويًا
الكتابة بنفسك مجانية وتبقي الصوت على جهازك، لكنها بطيئة. استخدمها للمقاطع القصيرة أو الاقتباسات التي تتطلب مطابقة دقيقة أو المقاطع التي أخطأ فيها النظام.
- افتح MP3 في مشغّل يستطيع إبطاء السرعة والرجوع باختصار، وضع مستندًا فارغًا بجانبه.
- اضبط السرعة على نحو 0.75x واعمل في مقاطع قصيرة: شغّل عبارة وأوقفها واكتبها وأعدها عند الحاجة.
- حدد المتحدث عند كل مداخلة، مثل
المُحاوِر:وماريا:. تشير إرشادات W3C عن التفريغات إلى أن نص البودكاست قد يكون فقرات بسيطة تحدد المتحدثين. - علّم ما لم تسمعه مع الطابع الزمني، مثل
[غير مسموع 00:14:32]، لتعود إليه. - راجع أخيرًا بالسرعة العادية وأنت تقرأ لاكتشاف الكلمات المتشابهة صوتيًا التي كُتبت خطأ.
أو دع أداة تنشئ المسودة واستخدم هذه الطريقة في المواضع المهمة فقط.
الطريقة 4: تشغيل Whisper على الكمبيوتر
Whisper نموذج OpenAI المفتوح المصدر للتعرف على الكلام، وقد دُرّب على 680,000 ساعة صوت متعددة اللغات وفق ورقة OpenAI البحثية. تشغيله محليًا مجاني ولا يرفع شيئًا. في المقابل يحتاج الإعداد إلى Python وFFmpeg وصبر على الأجهزة الأبطأ.
ثبّته كما يشرح المستودع الرسمي:
pip install -U openai-whisper
يجب أيضًا تثبيت FFmpeg وإضافته إلى PATH. ثم نفذ التفريغ:
whisper interview.mp3 --model turbo --language English --output_format srt
استخدم --output_format txt للنص البسيط، أو احذف الخيار لإنتاج TXT وVTT وSRT وTSV وJSON معًا. عند استخدام CPU أضف --fp16 False لتجنب تحذير. شغّلنا هذه الأوامر باستخدام openai-whisper 20250625 ونموذج tiny على مقطع قصير من الملكية العامة للتحقق من الصياغة.
| النموذج | المعلمات | VRAM التقريبية وفق OpenAI | السرعة مقارنة بـ large وفق OpenAI |
|---|---|---|---|
| tiny | 39 مليونًا | نحو 1 GB | نحو 10x |
| small | 244 مليونًا | نحو 2 GB | نحو 4x |
| medium | 769 مليونًا | نحو 5 GB | نحو 2x |
| turbo، الافتراضي | 809 ملايين | نحو 6 GB | نحو 8x |
| large | 1550 مليونًا | نحو 10 GB | 1x |
تصف OpenAI نموذج turbo بأنه نسخة large-v3 محسّنة مع فقد طفيف في الدقة، لكنه غير مدرّب على الترجمة.
ما الذي تتخلى عنه؟ لا تتضمن الأداة الرسمية خيار تسمية المتحدثين أو محررًا أو تصدير DOCX وPDF، وتشير OpenAI إلى تفاوت الأداء كثيرًا بين اللغات. تسد مشروعات المجتمع بعض الفجوات، ولكل منها إعداده.
التعامل مع MP3 الطويل وتعدد المتحدثين واللغات الأخرى
التسجيلات الطويلة
تحقق من الحد قبل الرفع. تدعم خطط whispertranscribe.ai ملفات حتى 10 ساعات و5GB؛ ومخصص Word الشهري خمس ساعات إجمالًا. إذا كانت الأداة ذات حد أقصر، يستطيع FFmpeg تقسيم MP3 إلى أجزاء كل منها ساعة دون إعادة ترميز:
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
قد يقع القطع في منتصف جملة، فراجع المواضع عند دمج النص. للمحاضرات والندوات، راجع تفريغ المحاضرات.
عدة متحدثين
فعّل تحديد المتحدثين ثم أعد تسمية التسميات العامة قبل المشاركة. تكثر الأخطاء عند المقاطعة أو تشابه الأصوات، فافحص بعض المداخلات لكل متحدث. في الجلسة التالية، خصص لكل شخص ميكروفونًا.
لغات ولهجات أخرى
اختر اللغة بدل الكشف التلقائي، خاصة إذا بدأ الملف بموسيقى. يقدم whispertranscribe.ai خيار Multilingual Mix للتسجيلات التي تتنقل بين الإنجليزية والإسبانية والفرنسية والألمانية والهندية والروسية والبرتغالية واليابانية والإيطالية والهولندية. إذا احتجت إلى نص إنجليزي من MP3 بغير الإنجليزية، فاستخدم ترجمة الصوت إلى الإنجليزية بدل تفريغه وترجمته منفصلين.
مراجعة تفريغ MP3: سير عمل من 3 مراحل
تخطئ مسودات الذكاء الاصطناعي في مواضع متوقعة، لذا نادرًا ما تحتاج إلى إعادة سماع الملف كاملًا.
المرحلة 1: ابحث بدل الاستماع. استخدم البحث والاستبدال مع قائمة الأسماء والمصطلحات لتصحيح الأخطاء المتكررة دفعة واحدة.
المرحلة 2: استمع إلى المواضع الحساسة. انتقل إلى هذه المواضع وطابقها مع الصوت:
| الموضع | الخطأ المعتاد | طريقة الفحص |
|---|---|---|
| الأرقام والتواريخ | الخلط بين «خمسة عشر» و«خمسين» أو فقد الفواصل العشرية | أعد سماع كل رقم ستقتبسه |
| الأسماء والعلامات التجارية | كتابتها حسب النطق | قارنها بقائمة المصطلحات |
| الكلام المتداخل | دمج جملتين أو حذف واحدة | استمع بالسرعة العادية ثم أبطأ |
| تغير المتحدث | نسب السطر إلى الشخص الخطأ | افحص أول سطر بعد كل تغيير |
| الأصوات الخافتة أو البعيدة | كلمات مفقودة | ارفع الصوت لذلك المقطع |
| الدقائق الأولى والأخيرة | أحاديث جانبية أو موسيقى أو تخمين لغة خطأ | احذف أو صحح حسب الحاجة |
المرحلة 3: اقرأه كمستند. اقرأ مرة دون صوت وأعد سماع كل ما لا يبدو منطقيًا. علّم ما لا تسمعه بـ [غير واضح] بدل التخمين.
أي تنسيق تصدير تحتاج؟
اختر بحسب الخطوة التالية: تحتاج المستندات إلى DOCX أو TXT، ويحتاج النص المعروض على الفيديو إلى SRT أو VTT.
| التنسيق | استخدمه لـ |
|---|---|
| DOCX | التحرير والتقارير والمقالات وملاحظات الحلقات |
| نسخة ثابتة للمشاركة أو الأرشفة | |
| TXT | اللصق في تطبيقات أخرى أو ملخصات الذكاء الاصطناعي |
| CSV | جداول البيانات والتحليل البحثي |
| SRT | الترجمة النصية لـ YouTube ومحررات الفيديو والمشغّلات |
| VTT | التسميات لمشغّلات فيديو HTML5 على الويب |
للملاحظات الصوتية على هاتفك، تشرح صفحة تفريغ المذكرات الصوتية خيارات التصدير نفسها.
الأسئلة الشائعة
هل يمكنني تحويل MP3 إلى نص مجانًا؟
نعم. الكتابة بنفسك مجانية دائمًا، وتشغيل Whisper المفتوح المصدر من OpenAI على الكمبيوتر لا يكلف سوى وقت الإعداد والجهاز. وتتيح أدوات كثيرة بداية مجانية عبر الإنترنت. يقدم whispertranscribe.ai خيارًا مجانيًا بلا حساب، وهو مفيد لاختبار نتيجة تسجيلك. غالبًا تقيد الخيارات المجانية المدة أو الميزات، لذا قارن الخطط المدفوعة للعمل المنتظم؛ تبدأ خطط whispertranscribe.ai من 9.99 دولار شهريًا عند الدفع السنوي.
كم يستغرق تفريغ ملف MP3؟
باستخدام أداة ذكاء اصطناعي يستغرق عادةً أقل بكثير من مدة الصوت، لكنه يعتمد على الملف والخدمة. تقول Microsoft إن Transcribe في Word قد يستغرق نحو مدة الملف. يعتمد تشغيل Whisper محليًا على جهازك والنموذج؛ النماذج الأصغر أسرع لكنها ترتكب أخطاء أكثر. تستغرق الكتابة اليدوية أضعاف مدة الصوت، ولذلك يفرغ معظم الناس المقاطع القصيرة فقط يدويًا.
هل يؤدي تحويل MP3 إلى WAV إلى تحسين الدقة؟
لا. حفظ MP3 بصيغة WAV أو إعادة ترميزه بمعدل بت أعلى يزيد حجم الملف، لكنه لا يستعيد التفاصيل التي حُذفت عند إنشاء MP3. فهو تنسيق بفقد للبيانات. إذا بقي التسجيل الأصلي WAV أو FLAC، ففرّغه بدلًا منه. وإلا فارفع MP3 كما هو. تعيد محركات مثل Whisper أخذ عينات الصوت داخليًا إلى 16 kHz أحادي، لذا لا تفيد إعادة أخذ العينات بنفسك.
كيف أفرّغ MP3 يضم عدة متحدثين؟
استخدم أداة تتضمن تحديد المتحدثين وفعّلها قبل البدء. يعطي النص كل مداخلة تسمية مرقمة مثل Speaker 1، ويمكنك استبدالها بالأسماء لاحقًا. يحدد كل من Transcribe في Word وwhispertranscribe.ai المتحدثين؛ أما أداة Whisper الرسمية بسطر الأوامر فلا تفعل ذلك. راجع التسميات عند المقاطعات، لأنها أكثر مواضع الخلط.
هل يمكنني تحويل MP3 إلى مستند Word؟
نعم. أسرع طريقة هي تفريغ MP3 بأداة عبر الإنترنت وتصديره DOCX، وهو يفتح مباشرة في Word أو Google Docs. إذا كنت مشتركًا في Microsoft 365، فيمكنك رفع MP3 في Word عبر Home ثم Dictate ثم Transcribe ثم Upload audio، واختيار Add all to document. يشمل اشتراك Microsoft 365 حتى 300 دقيقة صوت مرفوع شهريًا.
هل يمكنني تحويل MP3 إلى ترجمة نصية بدل تفريغ عادي؟
نعم. صدّر النص SRT أو VTT بدل DOCX أو TXT. يحتفظ التنسيقان بتوقيت كل سطر لعرضه في اللحظة المناسبة في المشغّل أو المحرر. في whispertranscribe.ai يمكنك تصدير SRT أو VTT بعد التفريغ، أو استخدام محوّل MP3 إلى SRT. ويمكن لأداة Whisper بسطر الأوامر أيضًا إنتاج SRT وVTT بخيار تنسيق الإخراج.
هل أنت مستعد للتجربة؟ ارفع ملفًا إلى whispertranscribe.ai في محوّل MP3 إلى نص، أو استخدم محوّل الصوت إلى نص المجاني للصيغ الأخرى. يعمل كلاهما بأكثر من 130 لغة، مع تسميات للمتحدثين وتصدير DOCX وPDF وTXT وCSV وSRT وVTT.
المراجع
- مكتبة الكونغرس: MP3، ترميز صوت MPEG Layer III
- Google Cloud: أفضل ممارسات تقديم البيانات إلى واجهة Speech-to-Text
- دعم Microsoft: تفريغ تسجيلاتك
- OpenAI: Whisper على GitHub، ملف README و
whisper/audio.py - Radford وآخرون، OpenAI: التعرف القوي على الكلام عبر الإشراف الضعيف واسع النطاق
- مبادرة إتاحة الويب التابعة لـ W3C: النصوص المفرغة
