رفعت ملف MP3 إلى Claude، وكنت تأمل في نص مفرّغ مرتب، فتلقيت رفضًا مهذبًا. في تلك اللحظة يبدأ معظم الناس بالبحث عن نموذج تفريغ صوتي من Anthropic. الخلاصة المختصرة: حسب المعلومات الحالية، لا تقدم Anthropic نموذجًا مخصصًا لتحويل الكلام إلى نص، ولا يقبل Claude ملفات الصوت الخام عبر واجهة API القياسية. الخبر الجيد أن الحل يستغرق نحو خمس دقائق، وأن Claude بارع جدًا في الجزء الذي يأتي بعد التفريغ.
يشرح هذا المقال ما يستطيع Claude فعله بالصوت وما لا يستطيعه، وما تقبله واجهة API، وأي البدائل المجانية تستحق وقتك، وسير عمل يجمع نموذج تفريغ مع Claude لإنتاج نص نظيف ومُلخّص وقابل للبحث.
💡 إجابة سريعة: يقرأ Claude النصوص والصور والمستندات. لا يفرّغ ملفات الصوت بنفسه. استخدم نموذج تحويل كلام إلى نص أولًا، ثم مرّر النص إلى Claude لتنظيفه وتلخيصه واستخراج بنود العمل منه.
هل يفرّغ Claude الصوت؟
الإجابة المختصرة
لا، ليس بالطريقة التي تعمل بها أداة تفريغ مخصصة. إذا أسقطت ملف صوت في واجهة Claude API، أو أرفقته في محادثة، فلن تحصل على نص حرفي مفرّغ. Claude مساعد للنصوص والرؤية. يتعامل مع الأوامر المكتوبة، والنصوص الملصقة، ولقطات الشاشة، والصور، ومستندات PDF. بيانات الموجة الصوتية الخام ليست ضمن هذه القائمة.
تغيّر Anthropic منتجاتها بانتظام، لذا تحقق من وثائقها الرسمية قبل أن تبني أي شيء دائم. لكن للتخطيط اليوم، افترض أن الصوت كمدخل يتطلب خطوة منفصلة.

ما الذي تفعله تطبيقات Claude فعلًا
يأتي الالتباس غالبًا من تطبيقات Claude للهاتف والحاسوب، فهي تقدم ميزات صوتية. يمكنك التحدث إلى Claude وسماع الرد، ويمكنك إملاء أمر بدلًا من كتابته. هذا حقيقي، ويبدو كأنه تفريغ، لكنه شيء مختلف:
- الإملاء يحوّل كلامك إلى أمر مكتوب، ثم يقرأ Claude النص.
- المحادثة الصوتية تتيح لك التحدث والاستماع في الوقت الفعلي.
- تفريغ الملفات (رفع بودكاست والحصول على نص) ليس الميزة نفسها.
لذلك، إذا كان هدفك تحويل مقابلة مدتها ساعتان إلى نص، فالأوامر المنطوقة لن تفيد. تحتاج إلى محرك تحويل كلام إلى نص متخصص.
هل يوجد نموذج تفريغ من Anthropic؟
ما تطلقه Anthropic
تتمحور مجموعة Anthropic حول النماذج اللغوية: عائلة Claude بعدة أحجام، مضبوطة للكتابة والبرمجة والاستدلال والمستندات الطويلة. لا يوجد في هذه المجموعة نموذج يحمل اسم التعرف على الكلام. لا يمكن أن يشير أحد إلى "Anthropic Whisper" أو "نقطة نهاية Anthropic للتفريغ"، لأنها، استنادًا إلى البحث الذي يقوم عليه هذا المقال، غير موجودة.
قد تقرأ منشورات في المنتديات أو قوائم أدوات تزعم غير ذلك. معظمها يصف تطبيقًا من طرف ثالث يدمج محرك تفريغ مع Claude خلف الكواليس. يفرّغ التطبيق بنموذج، ويلخص بنموذج آخر.
أين يقع Claude في أعمال الصوت
لا يزال Claude شريكًا قويًا لمشاريع الصوت، لكن ليس كخطوة أولى. بعد وجود النص، يتفوق Claude في:
- تصحيح علامات الترقيم وحالة الأحرف والأخطاء السمعية الواضحة.
- تقسيم الكتلة النصية إلى فقرات ودورات المتحدثين.
- كتابة ملخص أو ملاحظات برنامج أو محضر اجتماع.
- استخراج القرارات وبنود العمل والاقتباسات.
- ترجمة النص أو إعادة صياغته لجمهور مختلف.
على PicassoIA يمكنك الوصول إلى عدة نماذج من Claude لهذه المهمة بالذات، منها Claude Fable 5، وClaude Sonnet 5، وClaude Sonnet 4.6. هذه نماذج لغوية، وليست نماذج تفريغ، لذا تعامل معها كمرحلة التحرير والتلخيص في مسارك.

واجهة Claude API وملفات الصوت
ما تقبله Messages API
يواجه المطورون الحائط نفسه. تقبل Claude Messages API النصوص والصور ومستندات PDF ككتل محتوى. لا توجد كتلة صوت تستطيع فيها إرفاق ملف MP3 أو WAV أو M4A وطلب نص مفرّغ. إذا أرسلت ملف صوت بترميز base64 في حقل مخصص لشيء آخر، فستحصل على خطأ تحقق، لا على نص مفرّغ.
توفر بعض المزودين الآخرين إدخال الصوت مباشرة في نماذج الدردشة الخاصة بهم، ولهذا يفترض الناس أن كل نموذج كبير يستطيع الاستماع. هذا افتراض غير آمن بالنسبة إلى Claude.
المسار المكوّن من خطوتين
سير العمل الموثوق بسيط، وتقريبًا كل فريق إنتاج يستخدم نسخة منه:
- فرّغ الصوت بنموذج تحويل كلام إلى نص، واحصل على نص عادي، ويفضل مع الطوابع الزمنية.
- أرسل النص إلى Claude مع تعليمات واضحة: نظّفه، أو لخّصه، أو استخرج المهام، أو افعل الثلاثة معًا.
- احفظ النص الخام ومخرجات Claude معًا، حتى تتمكن دائمًا من التحقق من أي ادعاء بالكلمات الأصلية.

سير عمل بسيط عبر API
بخطوات تقريبية مكتوبة بلغة بسيطة، تبدو مهمة الخلفية كالتالي:
| الخطوة | المدخل | المخرج | من ينفذها |
|---|
| 1. الرفع | ملف MP3 أو WAV أو M4A | مسار الملف المخزّن | خادمك |
| 2. التفريغ | ملف الصوت | نص خام مع الطوابع الزمنية | نموذج تحويل كلام إلى نص |
| 3. التقسيم | النص الخام | مقاطع ضمن حد السياق | الكود الخاص بك |
| 4. التنظيف والتلخيص | كل مقطع نصي | نص مصقول وملاحظات | Claude |
| 5. الدمج | نتائج المقاطع | النص النهائي والملخص | الكود الخاص بك |
التسجيلات الطويلة هي السبب الرئيسي للتقسيم. يمكن أن تتسع جلسة مدتها ثلاث ساعات لنموذج حديث ذي سياق طويل، لكن الدقة تكون عادة أفضل عندما تعالج مقاطع من 10 إلى 20 دقيقة، ثم تطلب من Claude ملخصًا نهائيًا مدمجًا.
💡 نصيحة: اطلب من Claude الحفاظ على الصياغة الأصلية عند تنظيف النص. أضف سطرًا مثل "لا تعيد الصياغة، وصحّح علامات الترقيم والأخطاء الواضحة فقط". بدون ذلك، قد يعيد نموذج مفرط في المساعدة كتابة ما قاله الناس دون أن تلاحظ.
بدائل مجانية جرّبها أولًا
لا تحتاج إلى دفع اشتراك تفريغ للحصول على نص جيد. إليك الخيارات التي أنصح باختبارها قبل إنفاق أي مبلغ.
Whisper مفتوح المصدر
Whisper نموذج للتعرف على الكلام مفتوح المصدر أطلقته OpenAI. يمكنك تشغيله على حاسوبك، وهذا يعني لا رسوم لكل دقيقة ولا رفع للصوت الحساس إلى طرف ثالث. أبرز ما يجب تحمّله:
- يتطلب الإعداد بعض الدراية التقنية (Python أو غلاف سطح مكتب جاهز).
- الأحجام الأكبر من Whisper تحتاج إلى وحدة GPU جيدة لتعمل بسرعة معقولة.
- تتولى أنت وضع تسميات المتحدثين بنفسك أو عبر إضافة.
للمقابلات الخاصة، أو الإملاء الطبي، أو التسجيلات القانونية، يصعب التفوق على المعالجة المحلية.

الإملاء المدمج
يتضمن هاتفك ونظام تشغيلك بالفعل ميزة التعرف على الكلام. تعمل جيدًا مع المحتوى القصير والمتحدث الواحد: مذكرات صوتية، أو محاضرة تلقيها في هاتفك، أو ملاحظات سريعة. تضعف مع الملفات الطويلة، والأصوات المتداخلة، والمفردات التقنية، ولا تستطيع غالبًا استيراد تسجيل موجود.
الخطط المجانية والتجارب
تقدم كثير من خدمات التفريغ على الويب عددًا محدودًا من الدقائق المجانية شهريًا. وهي مناسبة لاختبار سريع أو لمقابلة واحدة قصيرة. اقرأ شروط الخصوصية قبل رفع أي شيء حساس، وتحقق مما إذا كانت الملفات المصدّرة تحمل علامة مائية أو حدًا أقصى.
| الخيار | التكلفة | الاستخدام الأنسب | القيد الرئيسي |
|---|
| Whisper المحلي | برنامج مجاني، على جهازك | التسجيلات الخاصة والطويلة | الإعداد واحتياجات GPU |
| إملاء نظام التشغيل | مجاني | المذكرات الصوتية القصيرة | لا يستورد الملفات، ومتحدث واحد |
| الخطط المجانية على الويب | دقائق مجانية | الاختبارات لمرة واحدة | الحدود وشروط الخصوصية |
| النماذج المستضافة على PicassoIA | راجع صفحة كل نموذج | تفريغ ملفات سريع | يحتاج إلى اتصال بالإنترنت |
كيف تحصل على نتائج مشابهة على PicassoIA
نموذج التفريغ من Anthropic ليس شيئًا يمكنك تشغيله على PicassoIA، لأن Anthropic لم تُطلق واحدًا. لخطوة تحويل كلام إلى نص تعمل اليوم، استخدم GPT-4o Transcribe. البدائل في الفئة نفسها هي GPT-4o Mini Transcribe، وهو خيار أخف للمسودات السريعة، وGemini 3 Pro، الذي يمكنه أيضًا تفريغ الصوت ويتعامل مع التسجيلات الأطول والأكثر فوضى. بعدها يمكنك إرسال النتيجة إلى نموذج Claude للتحرير.

خطوة بخطوة
- افتح صفحة النموذج. ابدأ بنموذج GPT-4o Transcribe وسجّل الدخول.
- ارفع الصوت. الصيغ الشائعة مثل MP3 وWAV وM4A هي الأكثر أمانًا.
- حدّد اللغة إذا كانت صفحة النموذج تتضمن حقل لغة. هذا يقلل الأخطاء مع النطق ذي اللهجة.
- شغّل التفريغ وانتظر ظهور النص.
- انسخ النص وافتح Claude Fable 5 أو Claude Sonnet 5.
- الصق واطلب. اطلب فقرات نظيفة، أو ملخصًا، أو قائمة ببنود العمل.
- قارن النسخة المصقولة بالنص الخام قبل النشر.
نصائح للمعاملات
- تلميح اللغة: حدّده كلما كان التسجيل كله بلغة واحدة.
- أمر السياق: إذا كان النموذج يتضمن حقل أمر اختياري، فاذكر فيه الأسماء والعلامات التجارية والمصطلحات المتخصصة التي ستظهر. هذا أرخص تحسين متاح للدقة.
- طول الملف: قسّم التسجيلات التي تزيد على ساعة إلى أجزاء. تسهل ملاحظة الأخطاء وإعادة المحاولة.
- مسودة مقابل نسخة نهائية: استخدم GPT-4o Mini Transcribe الأخف للمرور الأولي، ثم أعد تفريغ الملفات المهمة على النموذج الأقوى.

أي نموذج تحويل كلام إلى نص يناسبك؟
اختيارات سريعة حسب حالة الاستخدام
مطابقة النموذج مع الصوت
الصوت النظيف في الاستوديو لمتحدث واحد سهل على أي من هذه النماذج. تظهر الفروق في المكالمات الهاتفية، والغرف المزدحمة، واللهجات القوية، لذا اختبر نموذجين على المقطع نفسه مدته 60 ثانية قبل أن تختار.

أخطاء تُفسد النصوص المفرّغة
إدخال صوت ضعيف
لا يستطيع أي نموذج استعادة كلمات لم تُلتقط أصلًا. مكبر صوت في منتصف طاولة كبيرة، أو ميكروفون حاسوب محمول في مقهى، أو موسيقى تحت الصوت، كلها تكلف الدقة. سجّل أقرب إلى المتحدث، وأوقف المراوح، واستخدم ميكروفونًا خارجيًا بسيطًا عندما تستطيع. ميكروفون ياقة بعشرة دولارات يفعل أكثر من أي إعداد برمجي.
تجاهل تسميات المتحدثين
النص المفرّغ بدون أسماء المتحدثين صعب الاستخدام. إذا لم تكن أداتك تضع تسميات للمتحدثين، فاطلب من Claude استنتاج الأدوار من السياق، ثم تحقق من النتيجة يدويًا. يمكن أن تكون الأسماء المستنتجة خاطئة، ونسبة الكلام إلى شخص خطأ في مقابلة منشورة مشكلة حقيقية.

الثقة العمياء بالملخص
قد تُخفي نماذج اللغة عدم اليقين وتُغطّي عليه. إذا كان رقم أو تاريخ أو اقتباس مهمًا، فابحث عنه في النص الخام. عادة جيدة أن تطلب من Claude إضافة طوابع زمنية مع كل اقتباس، حتى تنتقل إلى المصدر خلال ثوانٍ.
💡 ملاحظة الخصوصية: قد تحتوي التسجيلات على أسماء وتفاصيل صحية وأسرار تجارية. قبل الرفع، تحقق من الجهة التي ستخزن الملف، ولأي مدة، وهل يجوز استخدامه في التدريب. إذا كانت الإجابة غير واضحة، فعالج الصوت محليًا.

جرّب سير العمل اليوم
لن يأخذ Claude ملف صوت ويعيد لك نصًا مفرّغًا، لكن هذه الفجوة سهلة الإغلاق. اختر نموذج تحويل كلام إلى نص، ومرّر تسجيلك عبره، ودع Claude يشكّل النص الخام إلى شيء يرغب الناس في قراءته.
ابدأ بمقطع قصير: مذكرة صوتية، أو مقابلة مدتها خمس دقائق، أو جزء من اجتماع. شغّله عبر GPT-4o Transcribe، والصق النتيجة في Claude Sonnet 5، وقارن المخرجات بما كنت ستكتبه يدويًا. ثم جرّب نموذج تفريغ ثانيًا على المقطع نفسه، لترى أيهما يسمع متحدثيك بشكل أفضل.
يستضيف PicassoIA أيضًا نماذج توليد الصور من النص، وتوليد الفيديو من النص، وتحويل النص إلى كلام، والموسيقى، لذا يمكن للحساب نفسه الذي يفرّغ مقابلتك أن يساعدك في بناء الصورة المصغرة، ومقدمة الصوت، ومقطع الترويج. تصفح كل شيء على picassoia.com/en/all-models وابدأ التجربة على صوتك الخاص اليوم.