ترجمات AI تلقائية لأي فيديو عبر الإنترنت

OpenAI Whisper مُجمَّع إلى WebAssembly عبر Transformers.js. تتوفر أربعة أحجام: Tiny (~40 ميجابايت، الأسرع)، Base (~75 ميجابايت، متوازن)، Small (~240 ميجابايت، دقيق)، وLarge v3 Turbo (~600 ميجابايت، جودة بث، مخفي خلف مفتاح النماذج المتقدمة). تُنزَّل النماذج من Hugging Face مرة واحدة وتُخزَّن في ذاكرة التخزين المؤقت للمتصفح. يُستخدم تسريع WebGPU تلقائيًا عند توفره.

نعم. يقوم Silero VAD بتقسيم الصوت مسبقًا إلى مناطق كلام فعلية قبل تشغيل Whisper، مما يحسن الدقة في الملفات الطويلة ويتخطى المقدمات والنهايات والفترات الفاصلة الصامتة. تظهر الترجمات في المحرر مباشرة أثناء فك تشفير Whisper — لا داعي للانتظار حتى انتهاء النسخ بالكامل قبل مراجعة البداية. تعمل الفيديوهات الكبيرة (أكثر من 30 دقيقة) بشكل أفضل على سطح مكتب بذاكرة وصول عشوائي 8 جيجابايت على الأقل.

يمكنك التصدير إلى SRT أو VTT أو ASS — VTT هو التنسيق القياسي للتسميات التوضيحية المغلقة لـ WCAG / ADA / EAA على مشغلات الويب (HTML5 ، YouTube، Vimeo). تتضمن الترجمات التوقيت وعلامات المتحدث (عند تشغيل كشف المتحدث) وعلامات الترقيم النظيفة. يضع MP4 المحروق الترجمات في المناطق الآمنة ويدعم الحد + الظل لقراءة عالية التباين.

يقبل Whisper تلميحًا أوليًا — نصًا يشترط عليه قبل التوليد. نمرر مصطلحات المسرد كهذا التلميح، لذا تُكتب أسماء العلامات ("Anthropic")، أسماء المنتجات ("Claude"، "GPT-4")، الأسماء العلم، والمصطلحات التقنية بشكل صحيح. هذا أكبر مكسب دقة لبودكاست التكنولوجيا، محادثات المؤتمرات، والمحتوى المركز على العلامات التجارية. مصطلح واحد لكل سطر، بدون تنسيق خاص.

يستنتج Whisper حدود الكلمات عبر فك تشفير cross-attention. الدقة حوالي ±200 ميلي ثانية — مناسبة لإبراز نمط الكاريوكي ومعظم حالات استخدام الترجمة. إذا كان فك التشفير بطيئًا جدًا على جهازك، شغّل الوضع السريع وستوزَّع الكلمات خطيًا داخل كل مقطع. تضع علامة الثقة على الكلمات التي لم يكن Whisper متأكدًا منها للتحقق منها بسرعة.

نعم. تتعامل نماذج Opus-MT مع أهم 10 أزواج لغوية (en، ru، es، fr، de، pt، it، ja، ko، zh). إذا كان زوج مباشر مفقودًا، تنتقل الأداة إلى NLLB-200 distilled. احتفظ بالأصل كسطر ترجمة ثانٍ للمخرجات ثنائية اللغة — مفيد لمحتوى تعلم اللغة والجمهور العالمي.

نعم. تنزّل الأداة Twemoji PNG لكل كلمة رئيسية متطابقة وتدمجها في الفيديو عبر فلاتر FFmpeg overlay، موضوعة فوق سطر الترجمة ومتوقتة مع الكلمة المنطوقة. تحتفظ صادرات SRT وVTT بأحرف الإيموجي أيضًا.

SRT (عام)، VTT (تسميات توضيحية مغلقة لـ ويب/HTML5)، وASS (رسوم متحركة كاملة بكل أنماط القالب محفوظة — يفتح في Aegisub، DaVinci Resolve، mpv أو أي مشغل متوافق مع libass). يستخدم MP4 المحروق H.264، AAC، ويتم نسخ تيار الصوت الأصلي بدون إعادة ترميز.

بمجرد تخزين نموذج Whisper بعد التشغيل الأول، تعمل الأداة بالكامل في متصفحك عبر WebAssembly — النسخ والتنسيق والحرق والتصدير كلها تعمل محليًا. تُخزَّن نماذج الترجمة أيضًا عند الاستخدام الأول. تُحمَّل الصفحة نفسها من خوادمنا، لكن المعالجة الفعلية للفيديو لا تتطلب اتصالاً بالإنترنت.

نعم، في Chrome وSafari الحديثين. على الأجهزة بذاكرة وصول عشوائي أقل من 4 جيجابايت، يتم إخفاء نماذج Small وLarge v3 Turbo ونعتمد افتراضيًا على Tiny لتجنب الأعطال. يُوصى بكمبيوتر محمول للفيديوهات الطويلة.