حوّل كلام أي فيديو أو تسجيل صوتي إلى ترجمة مؤقتة بالثانية، في نحو مئة لغة منطوقة، مع معالجة كاملة على جهازك. لا يُرفع أي ملف، ولا حاجة إلى حساب، ولا علامة مائية.
اسحب ملفك إلى «أفلت ملف فيديو أو صوت هنا» أو اضغط لاختياره: يقبل MP4 وMOV وWebM وMKV، وكذلك MP3 وM4A وWAV وOGG.
في «اللغة المنطوقة» اترك «اكتشاف تلقائي» أو اختر لغة المقطع بنفسك، وفي «لغة الترجمة» اختر «اللغة المنطوقة نفسها» أو «الإنجليزية (ترجمة)»، ثم حدّد «الدقة»: «سريعة» أو «متوازنة» أو «الأعلى».
اضغط «إنشاء الترجمة». في المرة الأولى يُنزَّل النموذج، ثم يظهر «جارٍ التفريغ…» مع النسبة والوقت المتبقي، وتتوالى الأسطر أمامك تباعًا. يمكنك الضغط على «إلغاء» في أي لحظة.
راجع الأسطر في قسم «الترجمة» وصحّح «البداية» و«النهاية» و«النص» عند الحاجة، وشاهد النتيجة في «معاينة»، ثم اختر «تنزيل SRT» أو «تنزيل VTT» أو «تنزيل TXT».
تعتمد الأداة على Whisper، وهو نموذج مفتوح من OpenAI للتعرف على الكلام دُرّب على مئات آلاف الساعات من الصوت بلغات كثيرة. يستمع النموذج إلى المقطع على شكل نوافذ قصيرة، ويكتب ما يسمعه مع توقيت كل جملة، ثم يرتّب filetidy هذا النص في أسطر ترجمة جاهزة للعرض.
يجري كل ذلك داخل المتصفح عبر مكتبة transformers.js. فإذا كان متصفحك يدعم WebGPU استُعملت بطاقة الرسومات وكانت المعالجة سريعة، وإلا عمل النموذج على المعالج عبر WebAssembly. أولًا يُستخرج الصوت من الفيديو ويُحوَّل إلى 16 kHz بقناة واحدة، وهي الصيغة التي يفهمها Whisper.
لا يغادر الملف جهازك في أي مرحلة. ما يُنزَّل من الإنترنت هو النموذج ومحرّك تشغيله، مرة واحدة فقط، ثم يحفظهما المتصفح لاستعمالهما في المرات القادمة دون انتظار.
يدعم Whisper نحو مئة لغة، لكن الجودة ليست متساوية: اللغات الواسعة الانتشار تأتي نتائجها أنظف، بينما تكثر الأخطاء في اللغات الأقل حضورًا وفي اللهجات. كما أن الموسيقى العالية وتداخل الأصوات والأسماء الخاصة والأرقام مصادر شائعة للخطأ، فالمراجعة قبل النشر ضرورية.
ويندوز
الترجمة تظهر على الشاشة فقط ولا يمكن حفظها كملف SRT، واللغات المتاحة محدودة وتختلف حسب إصدار ويندوز. قد تختلف أسماء القوائم العربية قليلًا عن المذكورة هنا.
أندرويد
تختلف الأسماء من شركة إلى أخرى، ودعم العربية يتوقف على طراز الهاتف وإصدار أندرويد. النص لا يُحفظ في ملف.
ماك
الميزة موجهة للإنجليزية أساسًا وغير متاحة في كل المناطق، ولا تنتج ملف ترجمة يمكن إرفاقه بالفيديو.
«سريعة» تستخدم Whisper tiny (نحو 44 MB) وتناسب الهواتف والتجارب السريعة، لكنها تخطئ أكثر في الكلمات النادرة. «متوازنة» تستخدم Whisper base (نحو 80 MB) وهي الخيار الافتراضي على الحاسوب. أما «الأعلى» فتستخدم Whisper small (نحو 400 MB) ولا تظهر إلا إذا كان المتصفح يدعم WebGPU.
مع WebGPU يكون التنزيل أكبر قليلًا (نحو 106 و170 و410 MB على الترتيب) لكن المعالجة أسرع بعدة مرات: حاسوب حديث يُنهي دقائق من الفيديو في أقل من دقيقة بكثير. على المعالج وحده تقترب «متوازنة» من زمن تشغيل المقطع أو تسبقه قليلًا، والهواتف أبطأ من ذلك.
إن كان المقطع واضح الصوت بلغة شائعة فـ«متوازنة» تكفي غالبًا. وإن كانت فيه لكنة قوية أو مصطلحات تقنية أو أسماء كثيرة، فجرّب «الأعلى» ووفّر على نفسك وقت التصحيح لاحقًا.
نعم. النسخة المجانية تعمل على جهازك دون حساب ودون علامة مائية، وحدّها 10 دقائق من الصوت لكل ملف. إذا كان الملف أطول تُنشأ الترجمة لأول 10 دقائق فقط، ويمكنك قص الملف إلى أجزاء ومعالجة كل جزء على حدة.
لا. يُقرأ الملف ويُستخرج صوته ويُفرَّغ داخل متصفحك. ولا يأتي من الإنترنت إلا نموذج Whisper ومحرّك تشغيله، ويُخزَّنان في المتصفح بعد التنزيل الأول.
يستطيع Whisper الترجمة إلى الإنجليزية فقط. اختر «الإنجليزية (ترجمة)» في «لغة الترجمة» لتحصل على ترجمة إنجليزية لمقطع عربي أو فرنسي مثلًا. أما الترجمة إلى العربية أو الفرنسية من لغة أخرى فغير متاحة.
لأن المتصفح ينزّل النموذج أولًا، وحجمه بين 44 MB ونحو 590 MB حسب الدقة ودعم WebGPU. يظهر شريط التنزيل مع الحجم المتبقي، وبعدها يبدأ التفريغ مباشرة في كل استعمال لاحق.
في الغالب نعم، لكنه يعتمد على الثواني الأولى من الكلام. إذا بدأ المقطع بموسيقى أو بكلمات بلغة أخرى فقد يخطئ، لذلك تحديد «اللغة المنطوقة» يدويًا أسرع وأدق، خاصة في المقاطع القصيرة.
من عيوب Whisper المعروفة أنه قد يختلق جملًا عندما لا يسمع كلامًا. يتخطى filetidy المقاطع الصامتة للحد من ذلك، لكن إن ظهر سطر غريب فاحذفه من المحرر قبل التنزيل.
نسخة قادمة قريبًا، وستُفتح قائمة انتظارها في صفحة الأسعار. ستفرّغ الصوت على الخادم بنموذج Whisper large-v3 turbo، وهي أسرع بكثير وأدق مع اللهجات واللكنات وتقبل ملفات بطول ساعات. يُرسل إليها الصوت المضغوط فقط دون الفيديو، ولا يُحفظ. لم يُعلن سعرها بعد.
آخر تحديث: 28 أكتوبر 2026
تحديد اللغة أسرع وأدق من الاكتشاف التلقائي، خاصة في المقاطع القصيرة.
التعرف على الكلام يخطئ أحيانًا، خاصة في الأسماء والأرقام ومع الموسيقى أو عند تحدث عدة أشخاص معًا. اللهجات مثل الدارجة المغربية تُفهم بدقة أقل من العربية الفصحى. راجع الترجمة قبل نشرها.
تحتاج إلى فيديوهات طويلة أو أعلى دقة؟
سيستخدم AI subtitles Pro نموذج Whisper large-v3 على خوادمنا: نحو ساعة من الفيديو في بضع دقائق، ودقة أفضل مع اللهجات واللكنات، وملفات حتى 3 ساعات. يُرسل الصوت المضغوط فقط، وليس الفيديو أبدًا.
اكتشف Pro وانضم إلى قائمة الانتظار