ترجمة مصاحبة تلقائية للفيديو من صوت الفيديو نفسه
كيف يحوّل DijiFlow Dictate المسار الصوتي للفيديو إلى أسطر ترجمة مصاحبة مضبوطة التوقيت على حاسوبك، وأي صيغة من الصيغ ا...
لديك %itemCount% في سلتك.الإجمالي %total%
كيف يحوّل DijiFlow Dictate صوتك إلى نص على حاسوبك أنت، بنماذج كلام تعمل محليًّا وبقدرات Apple Silicon. شرح بلغة بسيطة.
يبدو الإملاء في معظم التطبيقات أشبه بالسحر، إلى أن تطرح السؤال البديهي: إلى أين يذهب صوتي فعلًا؟ ومع DijiFlow Dictate، الجواب الصريح: لا يذهب إلى أي مكان. تتكلّم، فيظهر النص عند المؤشّر، ولا تنتقل كلمة واحدة إلى خادم. لا حساب، ولا رفع لصوتك أو نصك. وليس هذا وعدًا بالخصوصية أُضيف في النهاية، بل نتيجة طبيعية لطريقة بناء التطبيق.
يقوم ذلك على ثلاثة عناصر معروفة جيدًا: نموذج الكلام الذي يتولّى الاستماع؛ بيئة التشغيل التي تشغّله بكفاءة على Mac؛ وأخيرًا Apple Silicon، أي الشريحة التي تجعل كل شيء يبدو فوريًّا. لا تحتاج إلى أي معرفة مسبقة، وإليك شرح كل عنصر بكلمات بسيطة.
في قلب DijiFlow Dictate نماذج للتعرّف على الكلام تعمل على حاسوبك أنت. ونموذج الكلام، ببساطة، أداة ضخمة جدًّا للتعرّف على الأنماط، دُرّبت على كميات هائلة من التسجيلات الصوتية المقرونة بتفريغها النصي. ومن هذه البيانات تتعلّم كيف تقابل الأصوات التي ينطقها الناس الكلمات التي يقصدونها، مع اختلاف اللهجات والضوضاء المحيطة والتوقّفات الطبيعية في الكلام الحقيقي.
حين تُملي، يتوقّع النموذج التسلسل الأرجح للكلمات انطلاقًا من صوت الميكروفون، وهو بارع في ذلك فعلًا. فمع الكلام الواضح يبلغ دقة تقارب 98%، ويُفرّغ DijiFlow Dictate 29 لغة بدعم كامل، ويتعرّف على 90+ لغة مع الاكتشاف التلقائي. ولأنه يفهم السياق بدلًا من مطابقة الكلمات واحدة تلو الأخرى، فهو يتعامل جيدًا مع الطريقة غير المرتّبة التي يتكلّم بها الناس فعلًا.
هذا ما يفاجئ كثيرين: التطبيق و«الذكاء» ملفّان منفصلان. فعلى Mac يكون DijiFlow Dictate نفسه صغيرًا، نحو 34 MB. أما الجزء الثقيل فهو نماذج الكلام، ويتراوح حجمها بين 300 MB و6 GB تقريبًا بحسب النموذج الذي تختاره. في Pro وفي التجربة المجانية، «كبير» هو الأدق، و«إكسبريس» يقاربه دقةً وهو أسرع، و«سريع» هو الأسرع ويتوفّر بـ 16 لغة منها الإنجليزية؛ أما النسخة المجانية فتستخدم «قياسي» و«مُحسَّن». وأنت تختار التوازن بين السرعة والدقة الذي يناسبك.
تنزّل النموذج مرة واحدة، وبعدها لا يحتاج التفريغ إلى الإنترنت إطلاقًا. وهذه الخطوة الوحيدة هي ما يتيح لصوتك أن يبقى على جهازك.
لا فائدة من نموذج الكلام ما لم يعمل بسرعة ودون أن يستنزف البطارية. وهذه مهمة بيئة التشغيل، أي الطبقة التي تشغّل نماذج تعلّم الآلة على الجهاز نفسه. تخيّلها مترجمًا ومنظّمًا للمرور في آن واحد: تأخذ نموذج الكلام وتحدّد كيف تشغّله بأنسب أجزاء جهازك.
على Mac، تُجهَّز نماذج الكلام في DijiFlow Dictate لتعمل عبر إطار تعلّم الآلة الخاص بـ Apple، وهو جزء من macOS. أي أن النموذج مُحسَّن خصّيصًا لأجهزة Apple بدلًا من أن يعمل كشيفرة عامة أبطأ، فيواكب الإملاء سرعة الكلام الطبيعي دون أن يثقل على موارد النظام. ويجري كل ذلك محليًّا: فهذا الإطار ليس خدمة سحابية، بل جزء من نظام التشغيل يتيح للتطبيقات تشغيل نماذج تعلّم الآلة على الجهاز نفسه مع الحفاظ على الخصوصية.
العنصر الأخير هو العتاد. وفي أجهزة Mac الحديثة يعني ذلك Apple Silicon، أي شرائح M في الأجهزة التي تعمل بنظام macOS 14 أو أحدث. وتضمّ هذه الشرائح Neural Engine، وهو جزء مخصّص من الشريحة صُمّم خصّيصًا لتشغيل نماذج تعلّم الآلة بسرعة وباستهلاك ضئيل جدًّا للطاقة، ويمكن الاستعانة بمعالج الرسومات عبر Metal حين تفيد قوة إضافية.
لا تحتاج إلى ضبط أي شيء من هذا. فالإطار يوزّع العمل على العتاد المناسب تلقائيًّا، وأنت تتكلّم فقط، والشريحة تتولّى الباقي في الوقت الفعلي. هذه هي الميزة الخفية للتصميم على الجهاز: الشريحة نفسها التي تجعل جهاز Mac سريع الاستجابة هي ما يجعل الإملاء الذي يحفظ خصوصيتك عمليًّا.
ضع العناصر الثلاثة بالترتيب، وستجد الرحلة قصيرة، ومحلية بالكامل.
يُلتقَط صوت الميكروفون على الجهاز، ولا يُبثّ إلى أي مكان.
يحوّل النموذج الصوت إلى كلمات هناك مباشرة على Apple Silicon، في الوقت الفعلي.
تظهر كلماتك في التطبيق الذي تعمل فيه. ولا تُرسَل إلى أي مكان، فلا شيء يمكن أن يتسرّب.
الفكرة الأساسية
النموذج موجود على جهازك، فالتفريغ مجرد عملية حسابية محلية: لا خادم في المسار يخزّن صوتك أو يعترضه أو يحتفظ به في صمت.
معظم أدوات الصوت خدمات سحابية في ثوب تطبيق: تحتاج إلى اتصال وحساب في كل مرة، لأن النموذج الذي يفهمك موجود على أجهزة غيرك. أما DijiFlow Dictate فيقلب المعادلة: تثبّته مرة واحدة، فينتقل العمل إلى شريحتك.
| كيف يعمل | DijiFlow (على الجهاز) | الإملاء السحابي |
|---|---|---|
| يعمل بعد تنزيل واحد | ✓ | ✗ |
| يُفرِّغ دون إنترنت | ✓ | ✗ |
| لا يحتاج إلى حساب | ✓ | ✗ |
| يبقى الصوت على جهازك | ✓ | ✗ |
ويمتدّ النهج نفسه إلى Windows 10 و11، حيث يعمل DijiFlow Dictate على معالجات الرسومات من AMD وIntel وNVIDIA. تحتاج بطاقات NVIDIA إلى CUDA وإلى برنامج تشغيل حديث، لكن المبدأ واحد: يُفرَّغ كلامك محليًّا، ولا يُرسَل صوتك ولا نصك إلى أي مكان.
لا شيء غريب هنا. فـ DijiFlow Dictate مبني على تقنيات مفتوحة ومعروفة جيدًا: نماذج كلام للاستماع، وإطار تعلّم الآلة من Apple لبيئة التشغيل، وApple Silicon للعتاد. والقرار الحاسم هو إبقاء كل ذلك على جهازك، فتحصل على سهولة الإملاء الحديث دون أن تسلّم صوتك لأحد، في النسخة المجانية والتجربة المجانية وPro على حدّ سواء.
وإن كنت تفضّل أن تجرّبه بنفسك بدلًا من القراءة عنه، فيمكنك تجربة الإملاء على الجهاز بخصوصية تامة مجانًا لمدة 30 يومًا مع خطة Pro.