واجهة همسة البرمجية (API) · تحويل الكلام إلى نص (STT)

واجهة همسة البرمجية (API) لتحويل الكلام إلى نص (STT)

ثلاث طرق للوصول إلى نماذج همسة لتحويل الكلام العربي إلى نص: المعالجة الدفعية للملفات الصوتية المسجّلة، والمعالجة الفورية للحصول على النص مباشرة، والبث المباشر عبر WebSocket لتفريغ الكلام لحظة بلحظة. ما عليك سوى اختيار العربية كلغة، وستتعرّف النماذج على اللهجة تلقائيًا.

  • معالجة دفعية وفورية وبث مباشر
  • اكتشاف اللهجة تلقائيًا
  • طوابع زمنية لكل كلمة
  • تمييز المتحدثين
  • إنشاء ملفات ترجمة SRT بإعدادات قابلة للتخصيص

الإمكانات

ما توفّره واجهة تحويل الكلام إلى نص (STT)

01

التعرّف التلقائي على اللهجات دون إعدادات إضافية

ما عليك سوى ضبط معامل language على ar، وسيتعرّف النموذج تلقائيًا على اللهجة، سواء كانت مصرية أو خليجية أو شامية أو عراقية أو غيرها. وللتعرّف على الكلام بالإنجليزية، استخدم واجهة API نفسها مع ضبط المعامل على en.

02

فهم الكلام المختلط بين العربية والإنجليزية

يتعرّف النموذج على الكلام الذي يجمع بين العربية والإنجليزية ضمن الجملة الواحدة، وهو أمر شائع في المحادثات اليومية والمهنية في المنطقة، ويفرّغه بدقة مع الحفاظ على كل لغة كما نُطقت، دون فرض لغة واحدة على المحادثة.

03

توقيت دقيق لكل كلمة

تُرفق بكل كلمة طوابع زمنية دقيقة تحدّد وقت بدايتها ونهايتها، ما يتيح إبراز الكلمات بالتزامن مع تشغيل الصوت، أو تحديد المقاطع الصوتية وقصّها مباشرةً بالاعتماد على النص.

04

تمييز المتحدثين وتحديد كلام كلٍّ منهم

يتعرّف النموذج على المتحدثين في التسجيلات الصوتية ويحدّد كلام كلٍّ منهم بشكل منفصل، لتظهر الاجتماعات والمقابلات كمحادثات واضحة ومنظّمة، بدلًا من نص متصل يصعب تتبّعه.

05

إضافة علامات الترقيم تلقائيًا

تُضاف علامات الترقيم إلى النصوص تلقائيًا، لتصلك منظّمة وجاهزة للاستخدام مباشرةً، دون الحاجة إلى خطوات إضافية لمعالجة النص بعد استلامه من واجهة API.

06

ملفات ترجمة SRT قابلة للتخصيص

أنشئ ملفات ترجمة بصيغة SRT باستخدام المعامل returnSrtFormat، مع إمكانية تخصيص عدد الأحرف في كل سطر، وعدد الأسطر في كل مقطع ترجمة، وتخصيص مقطع مستقل لكل متحدث، وضبط الفاصل الزمني لدمج المقاطع والحد الأدنى لمدة عرضها.

التكامل

كيف تبدأ باستخدام واجهة تحويل الكلام إلى نص؟

المسار كله، بالترتيب الذي ستكتبه به.

  1. 01

    أنشئ مفتاحًا سريًا

    أنشئ مفتاحًا سريًا من لوحة تحكم همسة واحفظه على خادمك، ثم أرفقه مع كل طلب عبر ترويسة Authorization بالصيغة Token <key>.

  2. 02

    اختر طريقة معالجة الصوت المناسبة

    للملفات الصوتية المسجّلة، استخدم واجهة المعالجة الدفعية عبر رابط الملف. وللمقاطع القصيرة، استخدم واجهة المعالجة الفورية مع ترميز Base64. أما الصوت المباشر، فيمكن معالجته لحظة بلحظة عبر WebSocket.

  3. 03

    حدّد النموذج المناسب

    اختر Hamsa-General-V2.0 للمحتوى الإعلامي والبودكاست والتسجيلات الصوتية، أو Hamsa-Conversational-V1.0 للاجتماعات والمكالمات والمحادثات الطبيعية.

  4. 04

    أرسل الملف الصوتي

    تستقبل واجهة المعالجة الدفعية رابط الملف عبر mediaUrl، إلى جانب النموذج واللغة، مع إمكانية إضافة عنوان اختياري وتخصيص إعدادات ملفات الترجمة SRT. أما واجهة المعالجة الفورية، فتستقبل البيانات الصوتية بترميز Base64.

  5. 05

    احصل على النص الناتج

    في المعالجة الدفعية، يمكنك استلام النتائج تلقائيًا عبر webhookUrl، مع خيار إضافة المصادقة، أو الاستعلام عن حالة المهمة ونتيجتها مباشرة. أما المعالجة الفورية، فتُعيد النص مباشرةً ضمن استجابة واجهة API.

المرجع

مرجع سريع لواجهة تحويل الكلام إلى نص (STT)

يرتبط كل صف بصفحته الخاصة في التوثيق الرسمي لواجهة API، حيث تجد التفاصيل التقنية الكاملة، وهياكل الطلبات والاستجابات، وأمثلة شيفرة جاهزة للتشغيل.

البندالتفاصيل
المعالجة الدفعيةأرسل رابط الملف الصوتي المستضاف، واستلم النص الناتج عبر Webhook أو من خلال الاستعلام عن نتيجة المهمة.
التفريغ الفوريأرسل البيانات الصوتية بترميز Base64، واحصل على النص مباشرةً ضمن استجابة واجهة API.
البث المباشراتصال مستمر عبر WebSocket يتيح تحويل الكلام إلى نص (STT) وتحويل النص إلى كلام (TTS) من خلال الاتصال نفسه.
النماذجHamsa-General-V2.0 للمحتوى الإعلامي والتسجيلات الصوتية، وHamsa-Conversational-V1.0 للمكالمات والاجتماعات والمحادثات الطبيعية.
اللغاتالعربية بمختلف لهجاتها، مع التعرّف التلقائي على اللهجة، بالإضافة إلى الإنجليزية.
ملفات الترجمةإنشاء ملفات بصيغة SRT مع إمكانية تخصيص عدد الأحرف في كل سطر، وعدد الأسطر في كل مقطع ترجمة، والفاصل الزمني لدمج المقاطع، والحد الأدنى لمدة عرضها.
تسليم النتائجاستلام نتائج المعالجة الدفعية عبر Webhook مع خيار تفعيل المصادقة، أو الحصول على نتائج المعالجة الفورية مباشرةً ضمن استجابة واجهة API.
المصادقةمفتاح سري في ترويسة Authorization مع كل طلب، بالصيغة Token <key>.

حالات الاستخدام

كيف تستفيد الفرق من واجهة تحويل الكلام إلى نص (STT)

01

ملفات الترجمة والنصوص المصاحبة للفيديو

احصل على ملفات ترجمة بصيغة SRT مباشرةً عبر واجهة المعالجة الدفعية، مع إمكانية تخصيص تنسيقها وفق احتياجاتك، لتكون جاهزة للاستخدام على منصات الفيديو ومشغّلات الوسائط دون الحاجة إلى خطوات تحويل إضافية.

02

أرشيفات صوتية ومرئية قابلة للبحث

حوّل محتوى أرشيفك الصوتي والمرئي إلى نصوص عبر روابط الملفات، واحتفظ بالنصوص مع طوابع زمنية دقيقة، لتمكين المستخدمين من البحث داخل التسجيلات والوصول إلى المقاطع المطلوبة بسهولة، تمامًا كما يبحثون في المستندات.

03

تفريغ الاجتماعات والمكالمات وتوثيقها

حوّل تسجيلات الاجتماعات والمكالمات إلى نصوص منظّمة باستخدام النموذج المخصّص للمحادثات، مع تمييز المتحدثين وتحديد ما قاله كلٌّ منهم، وإضافة طوابع زمنية دقيقة تتيح الرجوع مباشرةً إلى المقاطع الصوتية المرتبطة بكل جزء من المحادثة.

04

تطبيقات صوتية تفاعلية في الوقت الفعلي

يتيح البث المباشر عبر WebSocket تحويل الكلام إلى نص لحظة بلحظة، لدعم مراقبة المكالمات المباشرة، وعرض النصوص المصاحبة للصوت فورًا، وتطوير واجهات صوتية تفاعلية تستجيب أثناء المحادثة.

الأسئلة الشائعة

الأسئلة الشائعة حول واجهة تحويل الكلام إلى نص (STT)

ما واجهة API المناسبة لحالة الاستخدام الخاصة بي؟

+

استخدم واجهة المعالجة الدفعية للملفات الصوتية المسجّلة والمتاحة عبر رابط URL؛ إذ تعالج الملفات بشكل غير متزامن، وتتيح استلام النتائج عبر Webhook أو الاستعلام عنها لاحقًا. أما إذا كانت لديك بيانات صوتية وتريد الحصول على النص مباشرةً ضمن الاستجابة، فاستخدم واجهة المعالجة الفورية. ولتحويل الصوت المتدفق إلى نص لحظة بلحظة، استخدم البث المباشر عبر WebSocket.

هل أحتاج إلى تحديد اللهجة العربية مسبقًا؟

+

لا، يكفي ضبط معامل language على ar، وسيتعرّف النموذج تلقائيًا على اللهجة المستخدمة، سواء كانت مصرية أو خليجية أو شامية أو عراقية أو غيرها، ويفرّغ الكلام وفقًا لها، دون الحاجة إلى إعدادات منفصلة لكل لهجة.

كيف أستلم نتائج المعالجة الدفعية؟

+

مرّر المعامل webhookUrl عند إنشاء المهمة، وستُرسل النتائج تلقائيًا إلى الرابط المحدّد فور اكتمال المعالجة. ويمكنك استخدام webhookAuth لتأمين إشعارات Webhook بالمصادقة. كما يمكنك الاستعلام عن حالة المهمة ونتائجها باستخدام معرّف المهمة.

هل تدعم الواجهة الكلام المختلط بين العربية والإنجليزية في التسجيل نفسه؟

+

نعم، صُمّمت النماذج للتعرّف على الكلام الذي يجمع بين العربية والإنجليزية، حتى عند الانتقال بين اللغتين ضمن الجملة الواحدة، وتفريغه كما نُطق، مع الحفاظ على كل لغة دون الحاجة إلى فصل التسجيل أو تحديد لغة واحدة للمحادثة.

هل يمكن الحصول على ملفات الترجمة مباشرةً من الواجهة؟

+

نعم، يمكنك إنشاء ملفات ترجمة بصيغة SRT مباشرةً عبر واجهة المعالجة الدفعية، من خلال ضبط المعامل returnSrtFormat على true. كما يمكنك تخصيص تنسيق الترجمة باستخدام srtOptions، بما يشمل الحد الأقصى لعدد الأحرف في كل سطر، وعدد الأسطر في كل مقطع ترجمة، وتخصيص مقطع مستقل لكل متحدث، وتحديد الفاصل الزمني لدمج المقاطع، والحد الأدنى لمدة عرض الترجمة على الشاشة.

تابع القراءة

واجهة همسة البرمجية (API) · تحويل النص إلى كلام (TTS)

واجهة برمجة التطبيقات لتحويل النص إلى كلام عربي (TTS)

حوّل النصوص إلى كلام طبيعي عبر 14 لهجة عربية، بالإضافة إلى الإنجليزية، مع دعم التوليد الفوري والمعالجة غير المتزامنة والبث الصوتي المباشر، ومخرجات متوافقة مع أنظمة الاتصالات الهاتفية، وإمكانية استخدام أصوات مستنسخة ومخصّصة.

اقرأ ←

منصة همسة الإعلامية · واجهة برمجة التطبيقات (API)

واجهة برمجة التطبيقات (API) لمنصة همسة الإعلامية

أتمت مهام تحويل الكلام إلى نص، وتحويل النص إلى كلام، وتوليد المحتوى الذكي عبر واجهة REST API، مع دعم المعالجة غير المتزامنة، وتسليم النتائج تلقائيًا عبر Webhook، وإدارة متكاملة للمهام وحالاتها ونتائجها.

اقرأ ←

وكلاء همسة الصوتيون · واجهة برمجة التطبيقات (API)

واجهة برمجة التطبيقات (API) للوكلاء الصوتيين الأذكياء عبر الهاتف

أنشئ الوكلاء الصوتيين وأدِر إعداداتهم، واربط أرقام الهواتف، وأجرِ المكالمات الصادرة، وأطلق حملات الاتصال، واستعرض سجلات المحادثات ونصوصها الكاملة عبر واجهة REST API. واستفد من إشعارات Webhook لمتابعة أحداث المكالمات لحظة بلحظة، وأتمتة سير العمل، والتكامل بسلاسة مع أنظمتك المؤسسية.

اقرأ ←

منظومة الشركاء

شراكات موثوقة
ضمن منظومة التقنية

تتعاون همسة مع كبرى شركات التقنية، وشركات تكامل الأنظمة، ومزوّدي الحلول، لتقديم حلول الذكاء الاصطناعي الصوتي للمؤسسات على نطاق واسع في مختلف أنحاء المنطقة.