تحويل الصوت العربي لنص بإستخدام deepgram و nova & whisper models

في هذا الفيديو، نستعرض تجربة عملية لكيفية تحويل مقطع صوتي باللغة العربية إلى نص مكتوب (Speech-to-Text) بدقة عالية. نقوم بإجراء مقارنة مباشرة بين نموذجين رائدين عبر منصة Deepgram: نموذج Nova ونموذج Whisper، لمعرفة أيهما يقدم أفضل تفريغ صوتي للنصوص العربية من حيث الدقة الإملائية، علامات الترقيم، والسرعة. قبل الشروع في أتمتة أي مسار عمل (Workflow Automation)، من الضروري اختبار الأدوات يدويًا لاختيار النموذج الأنسب لبيئة الإنتاج وتطوير التطبيقات. 📌 في هذا المقطع ستتعلم: كيفية استخراج ملف صوتي وتجهيزه للتفريغ. استخدام منصة Deepgram وتجربة رصيد الـ 200$ المتاح للتجربة. تشغيل وتحليل مخرجات نموذج Nova مقارنة بنموذج Whisper. الفروقات الحقيقية في التعامل مع المفردات اللغوية وعلامات الترقيم وتكرار الكلمات. معايير اختيار النموذج المناسب لمشاريع الأتمتة (Automation) والمقالات. ⏱️ الفصول الزمنية (Timestamps): 00:00 - مقدمة الفيديو وفكرة المقارنة 00:40 - تجهيز وتحميل المقطع الصوتي (MP3) 01:15 - جولة في منصة Deepgram وضبط الإعدادات (Speech to Text) 02:40 - تجربة نموذج Nova وتحليل النتيجة الأولى 03:30 - تجربة نموذج Whisper ومقارنة المخرجات 05:00 - تحليل الفروقات: الدقة، التكرار، والسرعة 06:40 - الخلاصة وأفضل نموذج لمشاريع الأتمتة 💬 شاركنا رأيك في التعليقات: ما هو النموذج الذي تعتمد عليه في مشاريع التفريغ الصوتي العربي؟ #ذكاء_اصطناعي #SpeechToText #Deepgram #Whisper #تحويل_الصوت_الى_نص #Automation #MachineLearning #تطوير_البرمجيات