Audio Transcription MCP: تفريغ الملفات الصوتية داخل Claude وCursor

أعطِ النموذج ملف MP3 مدته 90 دقيقة، فلن يجد ما يقرأه. يحل خادم audio transcription MCP هذه المشكلة. يقع بين نافذة الدردشة أو المحرر ومحرك تحويل الكلام إلى نص، فيمكنك أن تكتب "فرّغ interview-04.mp3 واستخرج أفضل ثلاثة اقتباسات" وتحصل على نص داخل Claude أو Cursor. بلا تبديل بين التبويبات، ولا نماذج رفع، ولا نسخ ولصق بين خمسة تطبيقات.

يستعرض هذا المقال الإعداد الدقيق لتطبيقات Claude Desktop و Claude Code و Cursor، والأوامر النصية التي تعمل مع النصوص المفرّغة غير المرتبة، وحلول الأخطاء التي تُوقف معظم المحاولات الأولى. كما يعرض مسارًا بلا تثبيت للتسجيلات لمرة واحدة، باستخدام نماذج تحويل الكلام إلى نص على PicassoIA، وطريقة لتحويل ما قيل في التسجيل إلى صور.

ما الذي يفعله خادم تفريغ الصوت عبر MCP

يُعد Model Context Protocol (MCP) معيارًا مفتوحًا يتيح لتطبيقات الذكاء الاصطناعي استدعاء أدوات خارجية عبر عملية خادم صغيرة. يعرض خادم التفريغ عددًا قليلًا من الأدوات، غالبًا بصيغة "فرّغ مسار هذا الملف" أو "قسّم هذا التسجيل الطويل"، ويقرر العميل متى يستدعيها. يتولى الخادم العمل الثقيل عبر محرك لتحويل الكلام إلى نص، ويعيد النص العادي إلى المحادثة.

تدفق الطلب

هذا ما يحدث عندما تطلب نصًا مفرّغًا:

1. تكتب طلبًا يتضمن مسارًا لملف محلي.
2. يرى العميل أداة التفريغ النصي في قائمة أدواته، ويطلب الإذن لتشغيلها.
3. يقرأ الخادم الملف ويرسله إلى API سحابية أو إلى نموذج Whisper المحلي.
4. يعود النص كنتيجة للأداة، ويواصل النموذج عمله: التلخيص، واستخراج الاقتباسات، وإعادة الكتابة.

💡 جدير بالتذكر: لا يسمع النموذج الصوت في هذا الإعداد أبدًا. هو يقرأ النص المفرّغ، لذلك يعود أي خطأ في الملخص إلى ما التقطه المحرك أولًا. تحقّق من الأسماء والأرقام والتواريخ مقابل المصدر قبل نشر أي شيء.

لماذا لا تكفي الدردشة وحدها

لصق النص المفرّغ يدويًا يصلح لملف واحد، لكنه ينهار عند عشرة ملفات. مع وجود الخادم يمكنك الإشارة إلى مجلد كامل، والاحتفاظ بالطوابع الزمنية، وربط الخطوات في أمر نصي واحد: فرّغ، واكتب ملاحظات الحلقة، واحفظ في notes.md. داخل Cursor يمكن لاستدعاء الأداة نفسه أن يكتب النتيجة مباشرة داخل مستودعك، بجوار الشيفرة أو المستندات التي تنتمي إليها. وداخل Claude Code يمكنه تغذية سكربت يعيد تسمية الملفات بحسب المتحدث أو الموضوع.

ثلاثة مواقف يحقق فيها الإعداد فائدة سريعة:

• الاجتماعات الأسبوعية: سجّل وفرّغ واحصل على بنود العمل دون أن يكتب أحد المحضر.
• المقابلات ومكالمات البحث: استخرج اقتباسات حرفية مع الطوابع الزمنية لأي تقرير.
• البودكاست والفيديوهات: أنتج ملاحظات الحلقات وقوائم الفصول ومسودات التسميات من المسار الصوتي.

اختر محرك التفريغ

قبل أن تلمس ملف الإعداد، قرر أين تُعالج الصوت. هذا الاختيار الواحد يحدد التكلفة والخصوصية والسرعة أكثر من أي إعداد ستغيّره لاحقًا.

API سحابية أو Whisper محلي

إذا كان التسجيل مكالمة مع عميل، أو ملاحظة طبية، أو أي شيء يخضع لاتفاقية عدم الإفشاء (NDA)، فاختر الخيار المحلي. أما للبودكاست والندوات الإلكترونية العامة، فعادةً ما يكون ربط API سحابية أسرع.

ثلاثة خوادم تستحق الفحص

توجد مشاريع مجتمعية بالفعل، وأسماؤها تدل على وظيفتها:

• mcp-server-whisper: خادم مبني حول نماذج الكلام من OpenAI.
• whisper-mcp: تفريغ نصي محلي باستخدام نماذج Whisper عبر whisper.cpp، لذلك لا يُرفع أي صوت.
• fast-whisper MCP servers: أدوات تغليف حول Faster Whisper للتعرّف المحلي السريع على GPU أو على معالج مركزي جيد.

تتغير الأسماء وتتوقف المشاريع عن التحديث. افتح المستودع، وتحقق من تاريخ آخر إيداع، واقرأ الأدوات التي يعرضها الخادم، وانسخ أمر التثبيت من ملف README الخاص به بدلًا من نسخه من هذه الصفحة. لهذا السبب تستخدم الإعدادات أدناه عناصر نائبة.

💡 فحص أمان: يعمل خادم MCP كعملية بصلاحيات مستخدمك. ثبّت فقط الشيفرة التي قرأتها أو تثق بها، ووجّهه إلى مجلد التسجيلات بدلًا من مجلد المنزل بأكمله.

الإعداد في Claude

يقرأ Claude Desktop الخوادم من ملف JSON، ويضيفها Claude Code بأمر. وكلاهما يشغّل الخادم كعملية محلية على جهازك.

إعداد Claude Desktop

افتح ملف الإعداد الخاص بنظامك:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

أضف الخادم ضمن mcpServers:

{
  "mcpServers": {
    "transcribe": {
      "command": "npx",
      "args": ["-y", "<package-name-from-the-readme>"],
      "env": {
        "TRANSCRIBE_TOKEN": "<your-credential>"
      }
    }
  }
}

نسخ الأمر النصي

TRANSCRIBE_TOKEN عنصر نائب. استخدم اسم المتغير الذي يطلبه ملف README الخاص بخادمك. تُشغَّل خوادم Python عادةً باستخدام uvx بدلًا من npx، فبدّل command مع args ليتطابقا. ثم أغلق Claude Desktop بالكامل، لا النافذة فقط، وأعد فتحه. تظهر الأداة الجديدة في القائمة بعد بدء العملية.

Claude Code بسطر واحد

claude mcp add --transport stdio transcribe --env TRANSCRIBE_TOKEN=<your-credential> -- npx -y <package-name-from-the-readme>

نسخ الأمر النصي

هناك قاعدتان تربكان كثيرين: يجب أن تأتي كل الخيارات قبل اسم الخادم، ويفصل الشرطان المزدوجان بين الاسم والأمر الذي يشغّل الخادم. تحقّق من النتيجة عبر الأمر claude mcp list، وافحصها عبر الأمر claude mcp get transcribe، واحذفها عبر الأمر claude mcp remove transcribe.

💡 استخدم --scope project لحفظ المدخل في ملف .mcp.json يشاركه فريقك. لا تُودِع بيانات اعتماد خام فيه أبدًا. استخدم متغير بيئة مثل ${TRANSCRIBE_TOKEN} بدلًا منها، ودع كل شخص يضبط متغيره الخاص.

قبل أن تثق بالخادم مع ملف حقيقي، أجرِ اختبارًا سريعًا: سجّل عشر ثوانٍ من صوتك على الهاتف، وضع الملف في مجلد التسجيلات، واطلب من Claude تفريغه. النص الصحيح يؤكد الخادم وبيانات الاعتماد ومسار الملف دفعة واحدة.

الإعداد في Cursor

يقرأ Cursor بنية mcpServers نفسها من ملف. ضع .cursor/mcp.json داخل المشروع لحصر الخادم في ذلك المستودع، أو ~/.cursor/mcp.json في مجلد منزلك لإتاحته في كل مكان.

تحرير mcp.json

{
  "mcpServers": {
    "transcribe": {
      "command": "npx",
      "args": ["-y", "<package-name-from-the-readme>"],
      "env": {
        "TRANSCRIBE_TOKEN": "${env:TRANSCRIBE_TOKEN}"
      }
    }
  }
}

نسخ الأمر النصي

صيغة ${env:NAME} تسحب القيمة من بيئة الصدفة لديك، فيبقى الملف آمنًا للإيداع. كما يحل Cursor ${workspaceFolder} داخل القيم: command، args، env، وهذا مفيد عندما يحتاج الخادم إلى مسار مجلد تسجيلات داخل المستودع.

الاستدعاء من الدردشة

افتح دردشة الوكيل وتحقق من صفحة إعدادات MCP: يجب أن يظهر الخادم مفعّلًا مع أسماء أدواته. ثم اطلب بلغة بسيطة:

فرّغ recordings/call-0612.m4a باستخدام أداة التفريغ، واحفظ النص في docs/call-0612.md. أضف ملخصًا من خمسة أسطر في الأعلى.

افتراضيًا يطلب Cursor موافقتك على كل استدعاء أداة قبل تشغيلها. وافق على الأول، وتحقق من المخرجات، ثم فكّر فقط بعد ذلك في تفعيل التشغيل التلقائي لهذا الخادم.

أوامر نصية تعمل مع النصوص المفرّغة

النصوص المفرّغة طويلة وغير مرتبة، والأمر النصي هو ما يحدد هل ستحصل على كتلة نص أم على شيء قابل للاستخدام. أفضل الأوامر تسمّي الملف، وتحدد ما يجب استخراجه، وتخبر النموذج بما يفعله عندما يكون الصوت غير واضح.

ملاحظات اجتماع تعيّن المسؤولين

فرّغ standup-0612.m4a. ثم اسرد القرارات والأسئلة المفتوحة وبنود العمل. لكل بند عمل، اذكر المسؤول والتاريخ الذي حدده. إذا لم يحدد أحد تاريخًا، فاكتب "بلا تاريخ" بدلًا من التخمين.

الجملة الأخيرة مهمة. فبدونها يميل النماذج إلى ملء الفراغات بيوم جمعة معقول.

اقتباسات مقابلات مع الطوابع الزمنية

فرّغ interview-04.mp3 مع الطوابع الزمنية. اختر أقوى خمسة اقتباسات، واحتفظ بكل منها حرفيًا، واذكر الطابع الزمني بجانبه. ضع علامة على أي اقتباس كان الصوت فيه غير واضح.

النص الحرفي مع الطوابع الزمنية يمنحك طريقة للتحقق من كل اقتباس مقابل التسجيل في ثوانٍ.

بعض العادات التي توفر وقتًا في كل أمر نصي:

• سمِّ المسار بدقة، بما في ذلك الامتداد.
• اطلب اقتباسات حرفية وامنع إعادة الصياغة عندما يكون الكلام نفسه مهمًا.
• اطلب علامات عدم اليقين حتى تُعلَّم المقاطع غير الواضحة بدلًا من تمهيدها.
• أضف مسردًا لأسماء المنتجات والأشخاص والمصطلحات، لأن المحركات تخمّن الإملاء.
• اعمل بالأجزاء للتسجيلات التي تتجاوز ساعة: فرّغ، ثم لخّص كل جزء، ثم ادمج.

أصلح الأخطاء الشائعة

تعود معظم الإخفاقات إلى خمسة أسباب. يوصلك هذا الجدول إلى السبب الصحيح بسرعة.

الخادم غير موجود في القائمة

ابدأ بالفحوص البسيطة. الفاصلة الزائدة في آخر الملف تكسر الملف كله، وغالبًا لا يرث تطبيق سطح المكتب مسار PATH الذي تراه في الطرفية، لذلك يعمل npx في الصدفة ويفشل داخل التطبيق. الصق المسار المطلق للملف التنفيذي في command وأعد المحاولة.

ثم شغّل أمر الخادم يدويًا في الطرفية. إذا فشل هناك، فسيفشل في العميل أيضًا، والطرفية تطبع الخطأ الحقيقي. بالنسبة إلى Claude Desktop، تقع ملفات سجل MCP في مجلد logs: %APPDATA%\Claude\logs على Windows، وفي macOS: ~/Library/Logs/Claude.

الملفات الكبيرة والمهلات

يمكن أن يتوقف العميل عن انتظار استدعاء أداة يطول أكثر من اللازم، ولدى محركات السحابة حدود للرفع. تصغير الملف يحل المشكلتين. لا يحتاج الكلام إلى جودة استوديو، لذلك يصلح الصوت أحادي القناة بمعدل عينات منخفض:

ffmpeg -i long-call.wav -ac 1 -ar 16000 -b:a 64k long-call.mp3

نسخ الأمر النصي

إذا بقي الملف كبيرًا، فقطّعه إلى مقاطع مدة كل منها 15 دقيقة دون إعادة ترميز:

ffmpeg -i long-call.mp3 -f segment -segment_time 900 -c copy part_%03d.mp3

نسخ الأمر النصي

ثم اطلب من النموذج تفريغ part_000.mp3 ثم part_001.mp3 وهكذا بالترتيب، واجمع النتائج في أمر نصي واحد في النهاية.

فرّغ في المتصفح على PicassoIA

بالنسبة إلى تسجيل لمرة واحدة، يكون الخادم إعدادًا أكثر مما تستحقه المهمة. يشغّل PicassoIA نماذج تحويل الكلام إلى نص داخل المتصفح دون أي تثبيت: GPT 4o Transcribe و GPT 4o Mini Transcribe و Gemini 3 Pro. موصل PicassoIA المخصص لتطبيق Claude مصمم لتوليد الصور والفيديو، لذلك يتم التفريغ في صفحات النماذج، ثم تلصق النص الجاهز في Claude أو Cursor بعد ذلك.

الرفع وضبط اللغة

1. افتح صفحة GPT 4o Transcribe على PicassoIA.
2. ارفع ملف الصوت. يقبل النموذج الصيغ التالية: MP3، MP4، MPEG، MPGA، M4A، OGG، WAV، WebM.
3. املأ حقل Language برمز ISO-639-1 مثل en أو es أو fr. تذكر صفحة النموذج أن تحديده يحسّن الدقة وزمن الاستجابة معًا.
4. أضف Prompt اختياريًا: نص قصير يحدد الأسلوب أو يكمل مقطعًا سابقًا. يجب أن يطابق لغة الصوت. ينفع سطر يسرد أسماء المتحدثين ومصطلحات المنتجات.
5. اترك Temperature على قيمته الافتراضية 0 للحصول على أكثر النتائج قابلية للتوقع.
6. شغّل النموذج، ثم انسخ النص المفرّغ.

💡 جرّب مقطعًا مدته 30 ثانية أولًا. إذا خرجت الأسماء خاطئة، فأصلح سطر الأمر النصي قبل تشغيل التسجيل كاملًا.

بدّل النماذج للتسجيلات الطويلة

Gemini 3 Pro يقبل أمرًا نصيًا إلى جانب الصوت، لذلك يمكنك أن تطلب نصًا مفرّغًا وقائمة بالقرارات وملخصًا من ثلاثة أسطر في مرور واحد. وبعد أن يصبح لديك النص، يمكن لنموذج لغوي على PicassoIA مثل Claude Sonnet 5 أن يعيد صياغته في ملاحظات حلقة أو بريد إلكتروني أو سجل تغييرات.

من النص المفرّغ إلى صورة على PicassoIA

النص المفرّغ مصدر للمرئيات أيضًا. مكالمة عصف ذهني أو مقابلة عميل أو حلقة بودكاست مليئة بمشاهد ملموسة وصفها الناس بصوت عالٍ، وهذه المشاهد تصلح أوامر صور أفضل من أي شيء تخترعه أمام صفحة فارغة.

اكتب أمر الصورة من الاقتباسات

اطلب من Claude أو Cursor أن يحوّل النص المفرّغ إلى خمسة أوصاف لمشاهد، كل منها بموضوع وبيئة وإضاءة وعدسة. مثال:

منضدة مخبز صغيرة عند الافتتاح، وخباز ينزلق بصينية أرغفة نحو الكاميرا، وضوء نافذة دافئ من الجهة اليسرى، وعدسة 50mm، وعمق ميدان ضحل، وغبار الطحين في الهواء.

الصق كل وصف في نموذج صور على PicassoIA: Flux 2 Pro أو P-Image أو Nano Banana Pro. شغّل الأمر نفسه على اثنين منها وقارن، لأن كل نموذج يقرأ الضوء والملمس باختلاف بسيط. احتفظ بمشهد واحد لكل أمر، وحدد اتجاه الضوء والعدسة، وصف الأسطح مثل الصوف وحبيبات الخشب والبخار. هذه التفاصيل تفصل النتيجة الشبيهة بالصورة الفوتوغرافية عن نتيجة عامة.

تحتوي تسجيلتك القادمة بالفعل على صورك الخمس القادمة. اختر مقطعًا قصيرًا، وفرّغه بالإعداد أعلاه أو على PicassoIA، واستخرج المشهد الأكثر حيوية، وأنشئ صورك الخاصة على Picasso IA اليوم. غيّر العدسة، وحرّك الضوء، وانظر إلى المدى الذي يمكن أن تبلغه جملة منطوقة واحدة.