تحويل الصوت إلى ترجمة
التشغيل الأول ينزل نموذج الكلام — نحو 45 MB للمستوى السريع و81 MB للدقيق، يقدمه هذا الموقع ويحفظه المتصفح بعده. ولا شيء يرفع، والنص مقروء آليا: راجع الصياغة والتوقيتات قبل نشره.
الخيارات
مستويان من النموذج نفسه. السريع نحو 45 MB وينسخ أسرع بنحو الضعف؛ والدقيق نحو 81 MB وأقرب إلى صحة حالة الأحرف والترقيم. وكلاهما يعمل هنا، والتنزيل يحدث مرة لكل متصفح. في تسجيل طويل جرب المستوى السريع أولا للتأكد أن اللغة صحيحة.
اللغة التي تسمع في التسجيل. لا خيار تلقائي: هذه النسخة من النموذج لا تكتشف اللغة، وبلا اختيار يفترض الإنجليزية. والتسجيل الصيني المقروء إنجليزية لا يفشل — ينتج هراء طليقا، وهو أصعب اكتشافا بكثير. اختر اللغة التي تسمعها فعلا.
.srt يعمل في كل مكان، بما في ذلك المحررات وأجهزة التلفزيون الأقدم؛ و.vtt هو صيغة الويب ويحمل بنية أكبر قليلا. وكلاهما يحمل المقاطع نفسها بالتوقيتات نفسها بالضبط، فاختر ما تتوقعه الأداة التالية في سلسلتك.
تستمع هذه الصفحة إلى تسجيل وتكتب ما تسمعه ملف ترجمة: مقطع لكل جملة، وبداية كل مقطع ونهايته موضوعة حيث تقع الكلمات فعلا. ألق مقابلة أو محاضرة أو مذكرة صوتية أو الصوت من فيلم لا مسار ترجمة له إطلاقا، فتحصل على .srt أو .vtt يعمل في أي مشغل. ولا يحتاج مسار ترجمة أن يوجد مسبقا — هذه صفحة ما لا شيء لاستخراجه.
الاستماع يجري في التبويب. يعمل نموذج الكلام على WebAssembly عبر onnxruntime، وتقدم ملفات النموذج من هذا الموقع، وحركة الشبكة الوحيدة ذلك التنزيل: نحو 45 MB للنموذج السريع، ونحو 81 MB للدقيق، ويخزنها المتصفح بعدها. والتسجيل لا يرسل إلى أي مكان. وإن فحصت لوحة الشبكة أثناء تفريغ ملف فسترى طلبات نازلة لبيانات النموذج ولا بايتا واحدا صاعدا.
الذي يخرج أفضل تخمين آلة لا نصا مرجعيا. والكلمات التي يخطئ سماعها تبقى خاطئة، والتوقيتات دقيقة بنحو طول عبارة لا بإطار. دقق قبل النشر، وعامل النتيجة كما تعامل مرورا أول كتبه إنسان سريع لا يعرف الموضوع. وهي قاعدة الصدق نفسها التي تتبعها صفحات OCR، ولهذا تقول هذه الصفحة ذلك في الأعلى لا في حاشية.
يقطع التسجيل نوافذ من 30 ثانية بتداخل 5 ثوان، ويفرغ كل نافذة وحدها. هذا ما يجعل الملفات الطويلة ممكنة دون إمساك ساعة صوت في النموذج مرة واحدة، وهو أيضا سبب أن الإلغاء يسري عند النافذة التالية لا فورا. والجمل التي تمتد على حد تزال تكرارها بإسقاط كل ما يبلغه النافذة التالية ويبدأ قبل نهاية السابقة — القراءة الأسبق تفوز، لأنها سمعت العبارة كاملة.
والجمل الطويلة تقسم عند حدود الجمل، ثم بحدين: لا مقطع أطول من سبع ثوان ولا أعرض من 84 حرفا، ملفوفا على 42 حرفا للسطر على الأكثر. وهذه الحدود نفسها التي تنصها معظم جهات البث، فالناتج يمر عادة بفحص امتثال أول دون تحرير.
الأسئلة الشائعة
ماذا يحدث حين يكون تسجيل التفريغ بلغة غير الإنجليزية؟
عليك أن تخبر الصفحة باللغة المنطوقة، لأن هذا البناء من النموذج لا يكتشفها. لا يوجد خيار تلقائي، وهذا عمدي: بلا لغة مختارة يفترض النموذج الإنجليزية. والتسجيل الصيني المقروء إنجليزية لا يفشل — يعيد كلمات إنجليزية تبدو واثقة وتشبه الأصل قليلا، وهو أصعب في الملاحظة بكثير من رسالة خطأ. اختر اللغة التي تسمعها فعلا، وإن كنت غير متأكد ففرغ ثلاثين ثانية بالنموذج السريع أولا وتحقق.
ما دقة توقيتات تفريغ الصوت مقارنة بترجمة مصنوعة يدويا؟
جيدة بما يكفي للتشغيل، لا بما يكفي للبث دون تحرير. بداية كل مقطع ونهايته تأتيان من حدود مقاطع النموذج نفسه، وهي تهبط على حواف العبارات لا على الإطار الذي يبدأ فيه حرف بعينه. وحيث يتداخل مقطعان يدفع اللاحق إلى الأمام ويعد التعديل في قائمة الخسائر، فلا يتداخل شيء ولا يعود شيء في الزمن إلى الخلف. وإن احتاج عميل تزامنا دقيقا بالإطار — دار ترجمة تسلم لجهة بث — فالجواب الصادق أن هذا الناتج مسودة توقت بيد لا تسليمة.
لماذا يعرض النموذج السريع أصلا ما دام الدقيق موجودا في تفريغ الصوت؟
لأن الفرق في ملف طويل هو الفرق بين الانتظار والاستسلام. مقيسا على دقيقة كلام واضح، يأخذ السريع نحو 3.7 ثوان والدقيق نحو 7.5 — ضعف الانتظار تقريبا لكل دقيقة صوت. والسريع أيضا يبدأ الأحرف الكبيرة بجرأة أكبر ويخترع ترقيما أحيانا؛ والدقيق أقرب إلى ما يكتبه إنسان. والنمط الشائع تشغيل السريع على مقابلة ساعة لفحص اللغة وجودة الصوت، ثم إعادة التشغيل بالدقيق حين تعرف أن الملف سليم.
ماذا يعني «لم يتعرف على كلام» حين أسمع كلاما في تفريغ الصوت؟
يعني أن النموذج لم يسمع شيئا يستطيع كتابته، وله ثلاثة أسباب معتادة: إعداد اللغة لا يوافق المنطوق، أو الكلام مدفون تحت موسيقى أو ضجيج، أو مسار الصوت خافت جدا. والملف نفسه سليم — تميز الصفحة هذه الحالة من ملف تعذر فك صوته إطلاقا، لأن الاثنين يحتاجان إصلاحين مختلفين. غير اللغة المنطوقة، أو تحقق أن مسار الصوت الذي ألقيته هو المقصود (مسار تعليق الفيلم تدفق آخر غير حواره).
هل أستطيع إيقاف تفريغ سيستغرق وقتا طويلا؟
نعم، والصفحة صريحة في متى يتوقف. تنزيل النموذج يمكن إلغاؤه في أي لحظة. وأثناء التعرف لا يمكن مقاطعة النموذج في منتصف نافذة — فالإلغاء يسري عند بداية نافذة الثلاثين ثانية التالية، وهي على النموذج السريع على بعد ثانيتين. ولا يقدم شيء جزئي للتنزيل. ويبقى النموذج مخزنا، فإعادة المحاولة لا تنزله من جديد.
هل يحتفظ ملف .srt الناتج بتسميات المتحدثين أو الترقيم؟
يحتفظ بما أنتجه النموذج من ترقيم، وهو معقول عادة لكنه غير موثوق، ولا يخترع تسميات متحدثين: هذا النموذج لا يفصل الأصوات، فشخصان يتكلمان يصيران تدفق نص واحدا. وإضافة تسميات المتحدثين عمل يدوي هنا. وإن احتجتها ففرغ أولا ثم حرر — يفتح الملف في أي محرر ترجمة، والمقاطع مقسمة أصلا عند حدود الجمل، وهو ما يجعل المرور أسرع بكثير من البدء من خط زمني فارغ.