تحويل الصوت إلى نص بدون إنترنت: أفضل برنامج نسخ بالذكاء الاصطناعي المحلي

يجري Whisper Notes التعرف على الكلام على الجهاز نفسه، على Mac وiPhone.

الجواب المختصر: أفضل تحويل كلام إلى نص دون اتصال حسب المنصة

إذا كنت تريد الجواب مباشرةً: على Mac وiPhone، استخدم Whisper Notes — ثلاثة محركات ذكاء اصطناعي محلية وشراء لمرة واحدة بلا اشتراك: 7.99 دولار مرة واحدة على iPhone (ويشمل هذا الشراء نفسه من App Store نسخة Mac App Store أيضاً)، وعلى Mac تحصل على 5,000 كلمة أسبوعياً مجاناً ثم تدفع 14 دولاراً مرة واحدة. على Windows، استخدم Buzz أو faster-whisper (مجانيان ومفتوحا المصدر). على Android، لا تزال الخيارات محدودة — راجع قسم المنصات أدناه. كل أداة في هذا الجدول تعمل دون اتصال بنسبة 100%:

يحوّل Whisper Notes الصوت العربي إلى نص دون اتصال باستخدام محرك Whisper؛ اختره من الإعدادات حيث تختار نموذج النسخ، لأن المحرك الافتراضي Parakeet V3 مخصص للغات الأوروبية.

بقية هذا الدليل تشرح لماذا يتفوق النسخ المحلي في زمن الاستجابة والتكلفة والخصوصية — بأرقام اختبارات حقيقية — وتستعرض كيفية تفريغ الصوت إلى نص دون اتصال، خطوة بخطوة.

مشكلة زمن الاستجابة

خط أنابيب النسخ السحابي: تتكلم، يُرفع الصوت إلى خادم، تعالجه واجهة API، ثم تعود النتائج.

النسخ المحلي: يختفي كل ذلك التأخير. الصوت لا يغادر جهازك أبداً، والمعالجة تجري على الشريحة نفسها، والنتائج تظهر فوراً. لا رفع، لا انتظار، لا مؤشر «جارٍ المعالجة» يدور.

تتضمن أجهزة iPhone الحديثة وأجهزة Mac بمعالجات Apple Silicon عتاد Neural Engine مخصصاً لتعلم الآلة على الجهاز. النسخ المحلي يستخدم عتاداً تملكه أصلاً بدلاً من انتظار رفع الملف ورد الخادم البعيد.

في 2019، كان النسخ السحابي منطقياً. لم يكن هاتفك قادراً على تشغيل شبكة عصبية بمليار معامل. هذا القيد زال. على شريحة M4 Pro يُنجَز نسخ 35 دقيقة من الصوت في نحو 18 ثانية باستخدام Parakeet V3، وفي نحو ثلاث دقائق باستخدام Whisper Turbo، من دون رفع أي شيء في الحالتين.

لا يزال النسخ السحابي منطقياً للتعاون المباشر وتدفقات العمل المركزية. أما التسجيل الخاص الذي لا يحتاجه أحد سواك، فرفعه غالباً غير ضروري.

لقد دفعت ثمن الشريحة بالفعل

محرك Neural Engine في أجهزة Mac بشرائح M وفي أجهزة iPhone الحديثة يبقى خاملاً معظم اليوم، وهو قادر على تشغيل هذه النماذج.

لقد دفعت ثمن هذه الشريحة عندما اشتريت الجهاز، والاشتراك في خدمة تنسخ صوتك على خوادم غيرك يعني أن تدفع مرة ثانية مقابل قدرة حوسبة تملكها أصلاً.

كانت تلك المقايضة منطقية حين كان التشغيل المحلي مستحيلاً فعلاً. أما اليوم فصار الدفاع عنها أصعب.

على مدى ثلاث سنوات يبلغ اشتراك بـ $10 شهرياً $360. أما Whisper Notes فيكلّف $7.99 مرة واحدة على iPhone و$14 مرة واحدة على Mac. ما يشتريه الاشتراك فعلاً هو الترجمة النصية الحية والتحرير المشترك؛ وإن لم تكن تحتاج أياً منهما، فأنت تدفع مقابل قدرة حوسبة تملكها.

لا نتقاضى اشتراكات لأننا لا نشغّل خوادم. صوتك لا يلمس بنيتنا التحتية أبداً. لا يوجد شيء نفوتر عليه شهرياً.

تسريبات البيانات مسألة معمارية

عندما تستخدم خدمة نسخ سحابية، يعيش صوتك على خوادم شخص آخر. وأي خادم يخزّن الصوت يمكن أن يتسرّب منه، بسبب هجوم أو خطأ في الإعدادات أو موظف يملك صلاحية الوصول، والتسريبات تحدث فعلاً.

البيانات الصوتية تحمل خطراً فريداً. فبخلاف كلمة المرور، لا يمكنك إعادة تعيين صوتك. أنماطك الصوتية معرِّفات حيوية دائمة. متى تسربت، فهي مُخترقة إلى الأبد. يستطيع المهاجمون استخدام البصمات الصوتية لتجاوز المصادقة أو انتحال الهوية أو توليد التزييف العميق.

الطريقة الوحيدة لإزالة هذا الخطر هي إزالة الرفع نفسه. الصوت الذي لا يغادر جهازك لا يمكن أن يكون جزءاً من اختراق على جانب الخادم، وهذه هي الحجة كاملةً.

تأمل من يسجل صوتاً حساساً:

• المحامون الذين يسجلون استشارات موكليهم
• المعالجون النفسيون الذين يوثقون جلسات مرضاهم
• الصحفيون الذين يحمون مصادرهم
• المديرون التنفيذيون الذين يلتقطون نقاشات استراتيجية
• الأطباء الذين يدونون تواريخ المرضى

بالنسبة لهؤلاء المهنيين، مكان تخزين الصوت سؤال يجب أن يكونوا قادرين على الإجابة عنه. النسخ المحلي ليس تفضيلاً. إنه متطلب.

الدقة ومقايضاتها

ما يجيده Whisper المحلي أكثر: النسخ الحرفي. إذا كنت تحتاج سجلاً دقيقاً لما قيل — كل كلمة، كل توقف، كل «أمم» — فنماذج Whisper المحلية تتفوق. يبلغ معدل خطأ الكلمات نحو 5-8% على الصوت الإنجليزي النظيف (Open ASR Leaderboard)، ويرتفع مع الضوضاء واللكنات. النص المفرَّغ أمين لما نُطق.

ما يضيفه نموذج اللغة: التلخيص والاستخلاص. يستطيع نموذج محلي مثل Gemma، الذي يشغّله Whisper Notes في نسخة Mac المحمّلة من موقعنا، أن يحوّل النص المفرَّغ إلى ملخص وقائمة بالمهام. ولا تزال النماذج السحابية الأكبر أقدر على التعامل مع النصوص الطويلة غير المرتبة، لذا فهي الأداة الأقوى لطلب مثل «أخبرني ما القرارات المتخذة» بعد اجتماع مدته ساعتان.

المقايضة حقيقية. إذا كان سير عملك «فرِّغ ← لخِّص عبر Claude/GPT»، تحصل على أفضل ما في العالمين: نص محلي دقيق، وملخص سحابي ذكي. صوتك الخام يبقى خاصاً. ولا يغادر جهازك سوى النص الذي تختار مشاركته.

الذكاء الاصطناعي المحلي لا يحل كل جزء من سير العمل. نماذج الكلام بارعة في النسخ؛ ونماذج اللغة أفضل في تلخيص النتيجة والاستدلال عليها. أبقِ الصوت محلياً، ثم اختر نموذج لغة محلياً أو سحابياً بحسب حساسية النص.

أرقام سرعة حقيقية

اختيار النموذج يغيّر النتيجة أكثر مما توحي به كلمة «محلي». يشغّل Whisper Notes المحركات الثلاثة على Mac وiPhone، وتختار المحرك من الإعدادات؛ Parakeet هو الافتراضي السريع للإنجليزية واللغات الأوروبية، وSenseVoice محسَّن للصينية واليابانية والكورية والكانتونية، بينما يوفر Whisper Large-v3 Turbo (Mac) / Whisper Small (iPhone) أوسع تغطية بأكثر من 100 لغة.

طريقة القياس: Whisper Notes على Apple M4 Pro بذاكرة 32 GB، والزمن الفعلي من بدء النسخ حتى النص النهائي. استخدم Parakeet تسجيلاً مدته 35 دقيقة؛ واستخدم SenseVoice وWhisper البودكاست الصيني نفسه (27 دقيقة). هذه اختبارات منتج، وليست مقارنات سحابية بين شركات مختلفة.

كما تذكر صفحة App Store الحالية نحو 18 ثانية لتفريغ 5 دقائق من الصوت باستخدام Parakeet على iPhone 15، مقابل نحو دقيقة مع Whisper. الأجهزة الأقدم أبطأ. وفي كل الحالات، تستمر المهمة في العمل بوضع الطيران لأنه لا توجد خطوة رفع أصلاً.

كيف تفرِّغ الصوت إلى نص دون اتصال (خطوة بخطوة)

على Mac:

1. نزّل Whisper Notes لنظام Mac (5,000 كلمة أسبوعياً مجاناً، بلا حساب).
2. اختر نموذجاً من الإعدادات: Parakeet V3 لسرعة الإنجليزية، وSenseVoice للصينية أو اليابانية أو الكورية أو الكانتونية، وWhisper Large V3 Turbo لأكثر من 100 لغة. يُنزَّل النموذج مرة واحدة، ثم يعمل دون اتصال.
3. سجّل مباشرة، أو أسقط أي ملف صوتي أو فيديو (MP3، WAV، M4A، MP4).
4. للاجتماعات عبر الإنترنت، فعِّل اكتشاف الاجتماعات. يُكتشف Zoom وTeams وGoogle Meet تلقائياً؛ ويُلتقط صوت النظام والميكروفون معاً، ويبقى النسخ على جهاز Mac لديك.
5. يتدفق النص أثناء المعالجة. صدِّره بصيغة TXT أو SRT أو VTT، أو انسخه إلى أي مكان. ويُفتح الفيديو المستورد في مساحة عمل للترجمة النصية يمكنك فيها معاينة الترجمات وتعديلها قبل تصديرها.

على iPhone: ثبّت Whisper Notes من App Store، وسجّل أو استورد من المذكرات الصوتية والملفات، وسيجري النسخ على شريحة A-series. فعِّل وضع الطيران أولاً إذا أردت دليلاً على أنه لا يُرفع أي شيء. وللأتمتة، يأخذ إجراء «Transcribe Audio» في تطبيق الاختصارات ملفاً صوتياً ويعيد النص.

كيف بنيناه

Whisper Notes هو تطبيقنا لهذه المبادئ. بضعة قرارات محددة تستحق الذكر:

أدوات شاشة القفل

أفضل الأفكار تأتي في أوقات غير مناسبة. بنينا أدوات شاشة القفل لكي تفتح لمسة واحدة من شاشة القفل التطبيق وتبدأ تسجيلًا دون اتصال — بلا بحث عن التطبيق، بلا فحص اتصال. المعالجة المحلية تعني جاهزية فورية.

نماذج متكيفة مع العتاد

أجهزة Mac تملك هامشاً حرارياً وطاقة وافرة. أما iPhone فيعيش في جيبك. كلاهما يشغّل الآن التشكيلة نفسها من النماذج — Parakeet V3 (الافتراضي) وWhisper Large-v3 Turbo (809 مليون معامل, Mac) / Whisper Small (iPhone) وSenseVoice — وكل منها مضبوط لعتاده. ضمانات الخصوصية نفسها، مع استخدام مناسب للموارد.

بياناتك، ملفاتك

النصوص المفرَّغة ملفات على جهازك. على Mac يُحفظ كل نص مفرَّغ كملف Markdown (.md) بجوار ملفه الصوتي، مع ترويسة YAML (التاريخ والمصدر والمدة)، في مجلد تختاره؛ وإذا وجّهته إلى خزنة Obsidian يصبح كل تسجيل ملاحظة فيها. لا قاعدة بيانات مملوكة ولا احتجاز لدى مورّد. إذا اختفى Whisper Notes غداً، تبقى تسجيلاتك متاحة. التصدير المجمع ليس ميزة مدفوعة — إنه الحالة الطبيعية لبيانات تملكها.

مفردات مخصصة

المصطلحات التقنية والأسماء غير الشائعة ومصطلحات المجال — المفردات الأكثر حاجة إلى نسخ دقيق هي غالباً آخر ما تريد رفعه. تتيح لك التعليمات الأولية إضافة السياق محلياً. يتكيف النموذج دون أن تتحول مصطلحاتك إلى بيانات تدريب.

على iPhone توضع الأسماء والمصطلحات في حقل الموجّه الأولي، فتوجّه النموذج دون أن تغادر الجهاز.

متى يكون السحاب أفضل

لا ندّعي أن النسخ المحلي أفضل في كل الحالات. للسحاب مزايا حقيقية:

التعاون الفوري بين الفرق. خمسة أشخاص يحررون نصاً واحداً في الوقت نفسه أثناء اجتماع يتطلب تنسيقاً عبر خادم. الأدوات المحلية أحادية المستخدم بطبيعتها.

تحديد المتحدثين على نطاق واسع. وصلت تسميات المتحدثين على الجهاز — يحدد Whisper Notes الآن «من قال ماذا» بالكامل على الجهاز على iPhone وMac. لا يزال التمييز بحجم السحابة متفوقًا في المجموعات الكبيرة جدًا والكلام شديد التداخل، أما في المقابلات الثنائية والاجتماعات الصغيرة فتسميات المتحدثين على الجهاز دقيقة بما يكفي للاستخدام (دقة 99.1% على مستوى الجملة في اختبارنا بمتحدثَين).

أتمتة سير العمل. تتصل الخدمات السحابية بأنظمة CRM وتستخلص بنود العمل وترسل الملخصات إلى Slack. الأدوات المحلية تنتج ملفات نصية — وما تفعله بها يدوي.

العتاد الأقدم. أجهزة iPhone قبل A14 وأجهزة Mac بمعالجات Intel — بعض الأجهزة لا تستطيع تشغيل الاستدلال المحلي عملياً. يبقى السحاب الخيار الوحيد.

إذا كانت حاجتك الأساسية هي تعاون الفريق أثناء الاجتماعات المباشرة، فالأدوات السحابية أفضل غالباً. أما إذا كنت تفرِّغ تسجيلاتك الخاصة أساساً وتهمك الخصوصية، فالمعالجة المحلية أنسب.

المسار

كل جيل شرائح يجلب أداء Neural Engine أعلى. وكل تحديث للنماذج يجلب كفاءة أفضل. الفجوة بين المحلي والسحابي تضيق، بينما تبقى مزايا الخصوصية وزمن الاستجابة ثابتة.

كان النسخ السحابي منطقياً عندما كانت الهواتف عاجزة عن تشغيل النماذج. ومنذ نحو 2022 أصبحت الهواتف قادرة على تشغيل النماذج.

النسخ المحلي يعمل اليوم على أجهزة Apple. لم يبقَ للاشتراك سوى سببين: الترجمة النصية الحية والتحرير المشترك، وإن لم يكن أيٌّ منهما على قائمتك، فلا سبب ثالث.

التفاصيل التقنية

تحويل الكلام إلى نص دون اتصال على Windows وAndroid

Whisper Notes مبني لمعالجات Apple Silicon، لذا يعمل على Mac وiPhone فقط. على المنصات الأخرى، الخيارات الحالية هي:

Windows: يعمل Whisper Notes على Mac وiPhone فقط، لذا فإن أفضل الخيارات المجانية هي Buzz (واجهة رسومية بسيطة لـ Whisper) وfaster-whisper (سطر أوامر، أسرع عدة مرات من التنفيذ المرجعي على العتاد نفسه). كلاهما يعمل دون اتصال بالكامل بعد تنزيل النموذج. توقّع احتكاكاً في الإعداد أكثر من تطبيق أصلي — بيئات Python وملفات نماذج وتعريفات GPU إن أردت السرعة.

Android: لدى whisper.cpp منافذ لنظام Android وبعض التطبيقات المغلِّفة، لكن الجودة والصيانة متفاوتتان. لا يوجد بعدُ تطبيق نسخ دون اتصال مصقول وشائع على Android — راجع حالة Whisper Notes لنظام Android لمعرفة الوضع الحالي.

كثيرون يبحثون عن «Whisper Notes Windows» لأنهم يريدون النموذج نفسه: عمل دون اتصال وشراء لمرة واحدة، على حاسوب شخصي. نحن لا نطوّر نسخة كهذه، ونفضّل قول ذلك بوضوح على أن نترك السؤال معلّقاً (الشرح الكامل في صفحة Whisper Notes لنظام Windows). والسبب في أن التفريغ المحلي يعمل اليوم بمئة ضعف الزمن الحقيقي هو Neural Engine من آبل.

الترجمة الصوتية دون اتصال: ما يستطيعه الذكاء الاصطناعي المحلي وما لا يستطيعه

سؤال ذو صلة يتكرر كثيراً: هل يستطيع الذكاء الاصطناعي المحلي ترجمة الكلام لا نسخه فحسب؟ جزئياً. نموذج Whisper Large V3 الأصلي دُرِّب على مهمتين — النسخ والترجمة من أي لغة إلى الإنجليزية. عند تشغيله محلياً، يستطيع أخذ صوت فرنسي أو ياباني أو عربي وإخراج نص إنجليزي، دون اتصال بالكامل. تحفظان: إنه يترجم إلى الإنجليزية فقط (وليس بالاتجاه الآخر)، وهذا ينطبق على نموذج Large V3 الكامل — فالمتغير الأسرع Large-v3 Turbo أسقط مهمة الترجمة ليتخصص في النسخ.

الترجمة الصوتية دون اتصال لا تزال في بدايتها. لا يوجد تطبيق استهلاكي واسع الانتشار يضاهي الترجمة الفورية من كلام إلى كلام بأسلوب السحابة مع البقاء دون اتصال بالكامل. سير العمل العملي اليوم من خطوتين: فرِّغ محلياً، ثم ترجم النص الناتج بأداة تثق بها. الصوت الخام لا يضطر أبداً إلى مغادرة جهازك.

الأسئلة الشائعة

تحميل لنظام iOS جرّب مجاناً على Mac