WhisperX
توقيت كل كلمة في الصوت
الأداة 8 من 10وش هي؟
أداة تسمع الصوت وتكتبه، وتعطيك متى بدأت كل كلمة لجزء من الثانية. هذا اللي يخلي الكابشن ينطق مع الصوت بالضبط. كانت عندنا مشكلة إن الصورة تسبق الصوت… وهذا هو الحل.
متى تستخدمها؟
- كابشن كلمة كلمة مع التعليق الصوتي
- أرقام وشيبس تطلع بالضبط وقت ما تنقال
- ملف ترجمة SRT لليوتيوب
كيف تشغّلها
- افتح Claude Code في مجلد جديد، أو محادثة جديدة في شات Claude العادي.
- الصق واحد من البرومبتات اللي تحت.
- Claude يثبّت الأداة بنفسه، يكتب الكود، ويرندر لك MP4.
أمر التثبيت اللي يشغّله Claude (للي يحب يعرف):
pip install whisperx
البرومبتات الثلاث
غيّر اللي بين الأقواس [ ] بفكرتك، وبعدها الصقه في Claude Code أو شات Claude العادي.
1وقت كل كلمة من صوتك
عندي ملف صوت [اسم ملف الصوت] بـ[اللغة، مثلاً العربي] والنص الأصلي في [اسم ملف النص]. شغّل عليه WhisperX بنموذج متعدد اللغات (large-v3 أو small، مو small.en) واللغة [رمز اللغة، مثلاً ar]، وطلّع وقت بداية ونهاية كل كلمة في ملف words.json. بعدين قارن الكلمات بالنص الأصلي بالترتيب وصحّح أي كلمة انسمعت غلط، واحذف أي كلمة طالعة في الصمت آخر الملف.
2كابشن يتلوّن مع الكلام
باستخدام words.json وملف [اسم ملف الصوت]: سوّ فيديو [المقاس، 1920×1080 أو 1080×1920] فيه [موجة الصوت / الخلفية اللي تبيها]، والكابشن [عدد] كلمات في المرة، وكل كلمة تتلوّن بلون [اللون] بالضبط وقت ما تبدأ في الصوت، مو قبلها ولا بعدها. خط Cairo، والصوت كامل بدون قص. طلّع MP4.
3ملف ترجمة SRT ليوتيوب
من نفس words.json سوّ لي ملف ترجمة subtitles.srt ليوتيوب: كل سطر من [أقل عدد] لـ [أكثر عدد] كلمات، ما يقطع الجملة في نص المعنى، وما يطلع سطر قبل أول كلمة فيه. وبعدها راجع الملف وتأكد إن ما فيه سطر أطول من [عدد الحروف، مثلاً 42] حرف.
⚠️ خذ بالك
- فخ: النموذج الإنجليزي الصغير small.en ما يكتب العربي. لما جربناه طلّع كلامنا بحروف إنجليزية بلا معنى. اختر نموذج متعدد اللغات وحدد اللغة ar.
- أول تشغيل ينزّل النموذج من الإنترنت (Hugging Face)، فلازم يكون النت مفتوح لـ Claude.
السعر والرخصة
مجانية ومفتوحة المصدر برخصة BSD-2-Clause.
روابط رسمية
شفتها في الحلقة
تبي تشوف الأداة وهي تشتغل؟ الحلقة فيها 3 أمثلة حقيقية لكل أداة.