ماذا تفعل هذه الأداة
يحوّل النسخ المباشر ما تقوله إلى نص أثناء كلامك. اضغط «ابدأ» وتحدث إلى الميكروفون، فتظهر كل جملة في النص المنسوخ بعد لحظة من توقفك. يشبه ذلك الإملاء أو الكتابة بالصوت، لكن التعرف على الكلام يعمل بالكامل داخل متصفحك، بلا حساب ولا خادم، ولا يغادر الصوت حاسوبك.
نموذج التعرف هو Moonshine، وهو نموذج مفتوح لتحويل الكلام إلى نص من Useful Sensors، صُمم للنسخ المباشر على الجهاز نفسه. وهو سريع مع العبارات القصيرة، ما يجعله مناسبًا لنسخ جملة تلو الأخرى. تشغّله الأداة عبر Transformers.js وONNX Runtime Web، على WebGPU إن توفر في متصفحك، وإلا على WebAssembly.
هذه الأداة للإنجليزية فقط.
طريقة الاستخدام
- اختر نموذجًا. Base أدق، وTiny أصغر وأسرع على الحواسيب البطيئة.
- اضغط نزّل النموذج وابدأ. يُنزَّل النموذج مرة واحدة (نحو 120 ميغابايت لـ Base و50 ميغابايت لـ Tiny)، ثم يطلب المتصفح إذن الميكروفون. اسمح به.
- تحدث بشكل طبيعي. يعرض مؤشر المستوى شدة الصوت الداخل ويتحول إلى الأخضر عند اكتشاف الكلام. عندما تتوقف، تُرسَل العبارة إلى النموذج ويظهر النص في سطر جديد.
- اضغط إيقاف لتحرير الميكروفون. اضغط ابدأ مجددًا للمتابعة، وتستمر الطوابع الزمنية من حيث توقفت.
- استخدم نسخ أو تنزيل .txt لحفظ النص، أو مسح للبدء من جديد. اختر الترتيب ← الأحدث أولًا لإبقاء آخر سطر في الأعلى؛ ويتبع النسخ والتنزيل الترتيب نفسه.
مثال
مع تفعيل الطوابع الزمنية، تبدو ملاحظة قصيرة مُملاة بالإنجليزية هكذا:
[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.أوقف الطوابع الزمنية لتحصل على أسطر بسيطة جاهزة للصق في بريد إلكتروني أو مستند أو تطبيق ملاحظات.
ضبط الاكتشاف
يستمع كاشف بسيط لنشاط الصوت إلى شدة صوت الميكروفون ويقرر أين تبدأ الجمل وأين تنتهي. تتحكم فيه ثلاثة إعدادات:
- عتبة الكلام تحدد مدى ارتفاع الصوت ليُعدّ كلامًا. اختر مستوى أكثر ضجيجًا إذا أبقت الضوضاء المحيطة المؤشر أخضر، أو مستوى أكثر حساسية إذا ضاع الكلام الهادئ.
- الصمت الذي ينهي السطر هو مدة الهدوء اللازمة قبل نسخ العبارة. المدة القصيرة تعطي نتائج أسرع، والطويلة تُبقي الجمل متماسكة.
- أطول سطر يقطع مقاطع الكلام الطويلة جدًا كي يستمر النسخ حتى إن لم تتوقف أبدًا.
تُطبَّق هذه الإعدادات عند الضغط على «ابدأ» في المرة القادمة. يُحفظ اختيار النموذج والطوابع الزمنية في عنوان الصفحة، فيمكنك حفظ إعدادك المفضل أو مشاركته. أما النص المنسوخ نفسه فلا يوضع في الرابط أبدًا.
النموذج والترخيص والحدود
تستخدم الأداة onnx-community/moonshine-base-ONNX أو onnx-community/moonshine-tiny-ONNX، وهما نسختا ONNX من نماذج Moonshine الإنجليزية الصادرة بترخيص MIT. أما Transformers.js فترخيصها Apache-2.0. تكون الدقة في أفضل حالاتها مع متحدث واحد يتكلم بوضوح قرب الميكروفون، وقد تُفهم الأسماء والكلمات النادرة واللكنات القوية خطأً، وعلامات الترقيم تقدير من النموذج. لملفات الصوت المسجلة، استخدم أداة تحويل الكلام إلى نص.
الأسئلة الشائعة
› هل يُرفع صوتي إلى أي مكان؟
لا. يُلتقط صوت الميكروفون ويُقسَّم إلى جمل ويُنسخ داخل علامة تبويب المتصفح. لا يُنزَّل سوى ملفات النموذج من Hugging Face عند الضغط على زر التنزيل أول مرة. يبقى النص المنسوخ على الصفحة ولا يُضاف إلى روابط المشاركة.
› ما اللغات التي يفهمها؟
الإنجليزية فقط. نماذج Moonshine المستخدمة هنا مدرَّبة على الكلام الإنجليزي. لدى Moonshine نماذج للغات أخرى أيضًا، لكنها صادرة بترخيص غير تجاري، لذلك لا تستخدمها هذه الأداة. الكلام بلغة أخرى يخرج إنجليزية مشوشة.
› ما حجم التنزيل وهل يلزم في كل مرة؟
حجم نموذج Base نحو 120 ميغابايت ونموذج Tiny نحو 50 ميغابايت. يحفظ المتصفح الملفات بعد التنزيل الأول، فتُحمَّل الزيارات التالية خلال ثوانٍ دون تنزيل جديد.
› ما المتصفحات التي تعمل معه؟
إصدار حديث من Chrome أو Edge أو Firefox أو Safari مع السماح بالميكروفون. مع WebGPU يعمل النموذج على بطاقة الرسومات، ومن دونه يستخدم WebAssembly على المعالج، وهو أبطأ لكنه يواكب الكلام العادي على معظم الحواسيب المحمولة.
› لماذا لا يظهر السطر إلا بعد أن أتوقف عن الكلام؟
يعمل Moonshine على عبارات كاملة، لذا تنتظر الأداة توقفًا قصيرًا قبل نسخ ما قلته. يمكنك تقصير مدة الصمت من الخيارات، أو تقليل أطول سطر حتى تُقطَع الأحاديث الطويلة أكثر.