تفريغ الاجتماعات نصيًا دون اتصال مع تمييز المتحدثين، على حاسوبك أنت

يستطيع Foxl Notes تفريغ اجتماع نصيًا على حاسوبك أنت، ووسم كل مداخلة بالمتحدث 1 والمتحدث 2 وهكذا. اختر المحرك على الجهاز من «الإعدادات > التسجيل»، ثم سجّل الاجتماع أو استورد ملفه الصوتي. لا يُرفع التسجيل إلى أي مكان لتفريغه، ولا تُفرض أي رسوم، ولا تحتاج إلى حساب Foxl. ويعمل ذلك على أجهزة Mac بمعالج Apple silicon وعلى حواسيب Windows وLinux بمعمارية x64، بعد تنزيل لمرة واحدة بحجم 1.3 غيغابايت تقريبًا.

ماذا يفعل فصل المتحدثين

يقسّم فصل المتحدثين (speaker diarization) التسجيل بحسب الأصوات، فيذكر كل سطر في النص المكتوب من كان يتحدث. وهو لا يتعرّف على هوية أحد، بل يحدد المقاطع الصوتية التي تعود إلى الصوت نفسه ويعطي ذلك الصوت رقمًا. وفي مكالمة بين شخصين، هذا ما يتيح لك العثور على السطر الذي وافق فيه أحدكما على أمر ما.

تؤدي خدمات التفريغ السحابية هذه المهمة على خوادمها بعد أن ترفع إليها التسجيل. أما Notes فيؤديها على الحاسوب الذي يوجد عليه التسجيل، في المحرك نفسه الذي يكتب الكلمات. والنماذج مفتوحة: يحدد segmentation-3.0 من pyannote (برخصة MIT) مواضع تغيّر المتحدث، ويقارن CAM++ من 3D-Speaker الأصوات في كل مقطع. ويعمل كلاهما عبر sherpa-onnx، فلا حاجة إلى تثبيت PyTorch ولا إلى الحصول على رمز Hugging Face.

طريقة الإعداد

1. ثبّت Foxl على جهاز Mac بمعالج Apple silicon أو على حاسوب Windows أو Linux بمعمارية x64.
2. افتح «الإعدادات > التسجيل». إن كان «موفر النسخ» على «تلقائي»، فسينتقل إلى المحرك على الجهاز بمجرد تثبيت المحرك، ما لم تكن على الحاسوب بيانات اعتماد AWS. ويمكنك أيضًا اختيار «على الجهاز» بنفسك.
3. إن لم يكن المحرك مثبتًا بعد، فاختر «تثبيت المحرك». إنه تنزيل لمرة واحدة بحجم 1.3 غيغابايت تقريبًا، وتعرض الشاشة الأولى في Notes الزر نفسه.

عندما يصبح جاهزًا، تذكر الإعدادات اسم النموذج وتوضح أن الصوت يبقى على الحاسوب. على Mac، النموذج إصدار بدقة 8 بت من Qwen3-ASR يعمل على وحدة معالجة الرسومات (GPU)؛ وعلى Windows وLinux يعمل النموذج نفسه في llama.cpp.

تفريغ اجتماع نصيًا

في Notes، اضغط «بدء التسجيل» عند بداية الاجتماع. أما التسجيل الموجود لديك من قبل فاستخدم معه «استيراد تسجيل أو نص مكتوب»: يقبل Notes ملفات wav وmp3 وm4a وmp4 وغيرها من ملفات الصوت والفيديو، ويبدأ التفريغ بمجرد إضافة الملف. ويعرض تبويب «النص المكتوب» كل مداخلة مع متحدثها ووقت بدايتها.

التسميات أرقام. انقر على إحداها لتعطي ذلك المتحدث اسمًا.

ما مدى دقة التسميات؟

على مجموعة التقييم الخاصة بنا المؤلفة من 10 محادثات اصطناعية، نسب المحرك في المتوسط 99.09% من الصوت إلى المتحدث الصحيح. وفي كل محادثة صوتان أو ثلاثة أصوات اصطناعية، اختيرت بحيث لا يتشابه بعضها مع بعض أكثر مما يتشابه الناس الحقيقيون، فالإجابة الصحيحة معروفة بدقة. ولذلك فهذا الرقم نتيجة اختبار، لا توقّع لما سيحدث في غرفة اجتماعاتك. وعبر 14 ملفًا من ملفات التقييم، أربعة منها محادثات حقيقية مسجّلة، حدّد العدد الصحيح للمتحدثين في كل مرة. وجاءت نتيجة صوتين إنجليزيين من الجنس نفسه، يتحدثان دون أي توقف بين المداخلات، صحيحة بنسبة 93.3%. أما الاجتماع في لقطة الشاشة أعلاه، وهو أيضًا بين صوتين اصطناعيين، فجاءت مداخلاته الست كلها صحيحة.

عندما يتقارب صوتان كثيرًا، يفضّل المحرك معاملتهما كشخص واحد على تقسيم شخص واحد إلى اثنين. ففي ملاحظات الاجتماع، يضرّ السطر المنسوب إلى الشخص الخطأ أكثر مما يضرّ سطر لا يُعرف صاحبه بوضوح. وقد واجهنا هذا أثناء إعداد هذا الدليل: اجتماع بين صوت اصطناعي والصوت نفسه بعد خفض طبقته عاد على أنه متحدث واحد.

الحدود

• لا يعرف الأسماء. أنت من يعيد تسمية المتحدثين في النص المكتوب.
• لا يوجد محرك على الجهاز لأجهزة Mac بمعالج Intel ولا لـ Linux على arm64.
• لا يكتب ملخصات. لذلك تحتاج إلى نموذج، إما نموذج تربطه بنفسك وإما نموذج الملخصات على الجهاز من Foxl، وهو تنزيل منفصل.

إلى أين يذهب الصوت

في التفريغ النصي، يبقى على الحاسوب. فعند اختيار المحرك على الجهاز، تذكر الإعدادات أن التفريغ يجري على هذا الحاسوب وأنه لا تُفرض أي رسوم، ويعمل فصل المتحدثين في العملية المحلية نفسها. ولأن شيئًا لا يُرفع، يعمل ذلك أيضًا دون اتصال بالإنترنت. أما ما تفعله بعد ذلك، كأن تطلب ملخصًا من نموذج سحابي، فيمرّ عبر المزوّد الذي تختاره لذلك.