ما الكتابة بالصوت: الطريق من صوتك إلى النص على الشاشة
الإملاء الصوتي والتفريغ النصي والأوامر الصوتية ثلاثة أشياء مختلفة. ما الذي يفعله الإملاء فعلًا، وما المراحل بين الميكروفون والمؤشر، وأين يمكن أن تعمل كل مرحلة.
باختصار
الكتابة بالصوت تحوّل ما تقوله إلى نص قابل للتعديل مباشرةً في الحقل الذي يوجد فيه المؤشر. في الطريق يُسجَّل الصوت ويُحوَّل إلى أرقام، ثم يقدّر نموذج للتعرف على الكلام الكلمات الأرجح، ثم يضيف التنظيف الاختياري علامات الترقيم ويحذف كلمات الحشو. يمكن أن تعمل كل مرحلة على جهازك أو في خدمة بعيدة، وكل منها يؤثر بطريقته في الدقة والسرعة والخصوصية.
قلتَ
ذكرني أتصل بالبنك يوم الاثنين امم وأسأل عن حد البطاقة
كتب SayVelio
ذكّرني أن أتصل بالبنك يوم الاثنين وأسأل عن حد البطاقة.
ثلاثة أشياء نسميها «من الصوت إلى النص»
العبارة نفسها تُطلق على ثلاث مهام مختلفة، ومن المفيد التمييز بينها:
- الإملاء (الكتابة بالصوت) يضع في تطبيق ما نصًا يمكنك تعديله: بريدًا إلكترونيًا أو رسالة دردشة أو مستندًا. تتكلم بدل أن تكتب، ويبقى الناتج تحت سيطرتك.
- التفريغ النصي ينتج نسخة مكتوبة من كلام حدث بالفعل: اجتماع أو مقابلة أو محاضرة. لا يوجد مؤشر ينتظره.
- الأوامر الصوتية تستخدم الكلام المتعرَّف عليه لتنفيذ شيء: فتح تطبيق، إرسال رسالة، ضبط مؤقّت. الكلمات هنا أمر وليست نصًا.
الثلاثة تعتمد على التعرف على الكلام، لكن وجود أحدها لا يعني وجود الآخرين. SayVelio أداة إملاء: يكتب ما تقوله. لا ينفذ أوامر صوتية وليس روبوت دردشة، لذلك تصل عبارة «اكتب لسارة أنني موافق» بهذه الكلمات نفسها. يشرح دليل الإملاء الجيد كيف تصوغ جملك لتحصل على النص الذي تريده.
الطريق من الميكروفون إلى المؤشر
يمر كل إملاء تقريبًا بالسلسلة نفسها. بعض الأنظمة تدمج خطوات، أو تعرض الكلمات أثناء كلامك، أو تتخطى الخطوات الاختيارية، لكن الترتيب واحد:
- الالتقاط. يحوّل الميكروفون ضغط الهواء إلى إشارة كهربائية، ويحوّلها الجهاز إلى أرقام. انظر كيف يسجّل الميكروفون الصوت.
- التحضير. يمكن موازنة مستوى الصوت، وإزالة الصدى أو الضجيج، وتقسيمه إلى مقاطع. انظر خفض الضجيج واكتشاف الكلام.
- التعرف. يقدّر نموذج ما الكلمات التي قيلت. انظر كيف يعمل التعرف على الكلام.
- التنظيف (اختياري). تُضاف علامات الترقيم والأرقام والفقرات، وتُحذف كلمات الحشو. انظر من النص الخام إلى نص مقروء.
- المراجعة والإدراج. يصل النص إلى المؤشر حيث يمكنك قراءته وتصحيحه. انظر ما الذي يجعل واجهة الإملاء جيدة.

الناتج تقدير، لا تسجيل لنيّتك
التعرف على الكلام عملية إحصائية. يختار النظام تسلسل الكلمات الأنسب للصوت ولما تعلّمه من ملايين الأمثلة، لذلك قد يُقرأ النص بشكل ممتاز ومع ذلك لا يطابق ما قلته، خصوصًا في الأسماء والأرقام والمصطلحات النادرة. لهذا تتيح أدوات الإملاء الجيدة أن تعلّمها كلماتك (عبر قاموس) وتجعل النص سهل المراجعة والتصحيح.
أين تعمل كل مرحلة
يمكن أن تحدث كل خطوة على جهازك، أو في خدمة بعيدة، أو جزئيًا في كليهما:
- في خدمة بعيدة ينتقل التسجيل عبر اتصال مشفّر إلى مزوّد للتعرف على الكلام، ويعود النص. بهذا تحصل على أكبر النماذج وأدقها.
- على الجهاز يتولى التعرفَ نموذجٌ منزَّل على حاسوبك أو هاتفك: لا يغادر شيء الجهاز ويعمل دون إنترنت. النماذج المحلية عادةً أصغر وأبطأ على الأجهزة القديمة.
في SayVelio ينتقل التسجيل مباشرةً من جهازك إلى مزوّد التعرف على الكلام، وإذا كان التنظيف مفعّلًا ينتقل النص إلى مزوّد النموذج اللغوي؛ ولا تستقبل خوادمنا تسجيلاتك ولا نصك أبدًا. ويمكنك أيضًا تنزيل نموذج اختياري دون اتصال على Mac وWindows وiPhone وAndroid والإملاء من دون أي اتصال (الإملاء دون اتصال لا يمر بالتنظيف). التفاصيل في الخصوصية في الكتابة بالصوت.
ما الذي يغيّر جودة الناتج
تعتمد الدقة والسرعة والخصوصية على حلقات مختلفة من السلسلة:
- الدقة تعتمد أساسًا على الميكروفون والغرفة ونموذج التعرف، إضافةً إلى تلميحات مثل القاموس.
- التنسيق يعتمد على التنظيف: كيف تُكتب الأرقام والقوائم وعلامات الترقيم.
- السرعة تعتمد على طول التسجيل والشبكة ووجود التنظيف من عدمه. تتيح لك أوضاع الإملاء أن تقايض شيئًا من الصقل بالسرعة.
- الخصوصية تعتمد على من يستقبل الصوت والنص، وما يحتفظ به كل منهم.
أسئلة شائعة
هل يمكن أن تعمل الكتابة بالصوت دون اتصال تمامًا؟
نعم، إذا كان نموذج التعرف يعمل على الجهاز. كثير من التطبيقات تعتمد على خدمة عبر الشبكة، لذا فإن القدرة على التسجيل دون إنترنت لا تعني القدرة على تحويله إلى نص دون إنترنت. يوفّر SayVelio نموذجًا اختياريًا دون اتصال على المنصات الأربع.
هل الكتابة بالصوت مثل المساعد الصوتي؟
لا. المساعد الصوتي يفسّر كلامك على أنه طلب ثم يتصرف. أما الإملاء فيكتب كلماتك لتعدّلها وترسلها أنت.


