تحويل الصوت الى نص بـ ChatGPT: هل يفرّغ الصوت؟ وماذا عن Gemini؟

نعم، يمكن تحويل الصوت إلى نص بـ ChatGPT، لكن في الخطط المدفوعة فقط ومن الملفات الصوتية فقط: يقول مركز المساعدة في OpenAI إن رفع الملفات الصوتية غير متاح في الخطة المجانية، وإن ملفات الفيديو وروابط يوتيوب غير مدعومة كمصادر صوتية. ويستطيع Gemini من Google تفريغ الصوت المرفوع أيضًا، بحد إجمالي 10 دقائق في الحسابات المجانية وحتى 3 ساعات في خطط Google AI المدفوعة. أما للتسجيلات الطويلة والمقابلات وكل ما تحتاجه بطوابع زمنية وأسماء متحدثين، فتظل أداة التفريغ المخصصة الخطوة الأولى الأكثر موثوقية، ويُستخدم المساعد الذكي بعدها للملخصات.

يشرح هذا الدليل ما يستطيع كل مساعد فعله حقًا حين تطلب منه تحويل الصوت الى نص بالذكاء الاصطناعي، وما يفعله بالفيديو وروابط يوتيوب حتى أكتوبر 2026، وأين تقع الحدود، وسير عمل يجمع نقاط قوة الطرفين. منتجات الذكاء الاصطناعي تتغير بسرعة، فصفحات مراكز المساعدة المرتبطة أدناه هي المكان المناسب للتحقق من التفاصيل الحالية.

هل يستطيع ChatGPT تحويل الصوت إلى نص؟

يتعامل ChatGPT مع الكلام بثلاث طرق مختلفة، وكثيرًا ما يُخلط بينها.

1. رفع ملف صوتي

يقول مقال OpenAI عن رفع الملفات والصوت إلى ChatGPT إنك تستطيع إرفاق تسجيل صوتي بمحادثة وطلب تفريغه أو تلخيصه أو الإجابة عن أسئلة حوله. أهم الحقائق من تلك الصفحة، كما تحققنا منها في أكتوبر 2026:

• الخطط: رفع الصوت متاح في اشتراكات ChatGPT المدفوعة ومساحات العمل، بما فيها Enterprise. وهو غير متاح في الخطة المجانية.
• الصيغ: WAV وMP3 وOGG وFLAC وAAC وM4A وPCM، وملفات WebM أو MP4 الصوتية فقط. ويجب أن يحتوي الملف على مسار صوتي صالح.
• الحجم: يصل حجم الملف الصوتي إلى 512 ميغابايت.
• المدة: لا يوجد حد ثابت للمدة، لكن OpenAI تقول إن التسجيلات الأطول قد تُعالج على أجزاء، وإن المعالجة "بأفضل جهد"، وإن التسجيلات الطويلة جدًا قد تنتهي مهلتها.
• الجودة: تذكر OpenAI أن النصوص قد تحتوي على أخطاء، وأن تمييز المتحدثين قد يكون غير موثوق، وأن الأداء يتفاوت بين اللغات.

2. ميزة ChatGPT Record

تسجّل ميزة ChatGPT Record اجتماعًا أو جلسة عصف ذهني أو ملاحظة صوتية مباشرة، وتفرّغها، وتُنشئ ملاحظات على شكل canvas. وبحسب صفحة المساعدة من OpenAI، فهي متاحة في Plus وPro وBusiness وEnterprise وEdu، وفي تطبيق سطح المكتب لنظام macOS فقط. الجلسة محدودة بأربع ساعات، ويُحذف الصوت بعد التفريغ، وتعمل Record أفضل ما تعمل بالإنجليزية. ويمكنها تمييز عدة متحدثين ("Speaker 1") وتتيح لك إعادة تسميتهم. Record مخصصة لالتقاط ما يحدث الآن؛ ولا تفرّغ ملفًا موجودًا لديك.

3. الإملاء

أيقونة الميكروفون في مربع الرسالة هي الإملاء الصوتي: يُحوَّل كلامك إلى رسالة يمكنك تعديلها قبل الإرسال. إنها مفيدة للتحدث بدل الكتابة، لكنها ليست وسيلة لتفريغ تسجيل موجود، ولا يمكنك تشغيل ملف أمامها بأي طريقة موثوقة.

هل يستطيع ChatGPT تحويل الفيديو إلى نص؟

ليس مباشرة. لا يذكر دليل الرفع من OpenAI أي صيغ فيديو، ويقول إن ملفات WebM وMP4 التي تُعرَّف كفيديو لا تُقبل كملفات صوتية. فإذا أردت تحويل الفيديو الى نص بالذكاء الاصطناعي من ملف MP4 أو MOV، فأمامك خياران:

1. استخرج الصوت أولًا بمحوّل أو برنامج تحرير فيديو، واحفظه بصيغة MP3 أو M4A، ثم ارفعه إلى ChatGPT (في خطة مدفوعة).
2. استخدم أداة تفريغ تقبل الفيديو، مثل أداة تحويل الفيديو إلى نص من Audiotexta، التي تأخذ ملف الفيديو كما هو وتُرجع نصًا بطوابع زمنية.

ويمنحك الطريق الثاني أيضًا ملفات ترجمة نصية (SRT وVTT)، وهي ليست من مخرجات ChatGPT المعتادة.

هل يستطيع ChatGPT تفريغ فيديو يوتيوب؟

عمومًا لا، وهذا أكثر سؤال يطرحه الناس. حين تلصق رابط يوتيوب، لا يستطيع ChatGPT تشغيل الفيديو ولا تنزيل صوته. ومع تفعيل البحث على الويب قد يستطيع قراءة نص الصفحة، مثل العنوان أو الوصف، ثم يلخّص ما يظن أن الفيديو يتناوله. قد يبدو هذا الملخص واثقًا وهو مبني على القليل جدًا، فتعامل معه بحذر. وحتى وقت كتابة المقال، لا يوجد في مركز المساعدة لدى OpenAI مقال يصف دعم روابط يوتيوب.

ما ينجح بشكل موثوق هو الحصول على النص أولًا ثم إعطاؤه لـ ChatGPT:

• انسخه من لوحة النص في يوتيوب نفسه إن كان للفيديو ترجمة نصية (راجع كيف ترى نص الفيديو في يوتيوب).
• أو الصق الرابط في أداة تفرّغ الصوت، وهذا يعمل أيضًا مع الفيديوهات التي لا ترجمة لها. ويقارن دليلنا عن تحويل فيديو يوتيوب إلى نص بين الخيارات.

هل يستطيع Google ‏(Gemini) تحويل الصوت إلى نص؟

نعم. تغطي صفحة المساعدة من Google عن رفع الملفات وتحليلها في تطبيقات Gemini الصوت والفيديو والمستندات. وحتى أكتوبر 2026 تقول:

• يجب أن تكون مسجّل الدخول. ويمكن إضافة ما يصل إلى 10 ملفات في الطلب الواحد.
• الصوت: مدة صوت إجمالية حتى 10 دقائق، أو حتى 3 ساعات مع Google AI Pro أو Google AI Ultra.
• الفيديو: يصل حجم كل فيديو إلى 2 غيغابايت، بمدة إجمالية حتى 5 دقائق، أو ساعة واحدة في الخطط المدفوعة.
• يصل حجم الملفات الأخرى إلى 100 ميغابايت لكل ملف.

إذن يقبل Gemini، على عكس ChatGPT، ملفات الفيديو، ويقبل الصوت أيضًا في الحساب المجاني ضمن حد الدقائق العشر الإجمالي. لا تَعِد وثائق Google بصيغة نص حرفي أو طوابع زمنية أو أسماء متحدثين، فاطلبها صراحة في طلبك وراجع النتيجة.

ولدى Gemini أيضًا ميزة مع يوتيوب: يصف مقال Google عن محتوى يوتيوب في تطبيقات Gemini طلب العثور على فيديو وتلخيصه من Gemini، باستخدام المعلومات العامة من يوتيوب. هذا مفيد للملخص، لكنه ليس كالنص الكامل القابل للتحقق.

ولمستخدمي Google Workspace، يستطيع Gemini في Google Drive تلخيص الفيديوهات المخزنة في Drive والإجابة عن أسئلة حولها ضمن خطط Workspace وGoogle AI المؤهلة، بحسب إعلانات Workspace من Google. أما Google Docs نفسه فيقدّم الكتابة بالصوت للإملاء المباشر، لا تفريغ الملفات المرفوعة. وتختلف الخطط والتوفر حسب الإصدار واللغة، فاسأل المسؤول لديك.

ChatGPT مقابل Gemini مقابل أداة تفريغ مخصصة

جرى التحقق من الحدود في صفحات المساعدة لدى المزودين، أكتوبر 2026.

المساعدان أفضل بوضوح في المحادثة: طرح أسئلة المتابعة، وإعادة كتابة الخلاصة كبريد إلكتروني، وشرح مقطع ما. أما الأدوات المخصصة، أي مواقع التفريغ الصوتي بالذكاء الاصطناعي، فأفضل في النص المفرّغ نفسه.

حدود عملية يجب معرفتها قبل الرفع

المدة والحجم

التسجيلات الطويلة هي أكثر ما يتعثر فيه مساعدو المحادثة العامون. قد يقسّم ChatGPT الصوت الطويل إلى أجزاء وقد تنتهي مهلته؛ ويحدّ Gemini المدة الإجمالية لكل طلب. محاضرة مدتها ساعة تناسب الخطط المدفوعة في كليهما، لكن ورشة عمل ليوم كامل لا تناسب.

غياب الطوابع الزمنية والمتحدثين

النص الذي تريد الاقتباس منه أو صنع ترجمة نصية منه أو تحليله يحتاج إلى طوابع زمنية يمكن النقر عليها وأسماء متحدثين يمكن الوثوق بها. ومساعدو المحادثة لم يُبنوا حول ذلك. وإن طلبت الطوابع الزمنية رغم ذلك، فراجع بعضها مقابل التسجيل قبل الاعتماد عليها.

الفجوات والنص المختلَق

كل نظام لتحويل الكلام إلى نص قد يخطئ في سماع الكلمات. ومن المخاطر الخاصة بنماذج الذكاء الاصطناعي لتحويل الصوت الى نص ظهور نص يبدو معقولًا لكنه لم يُقل أبدًا، خاصة في فترات الصمت أو الموسيقى أو الكلام المتداخل، وحين "يرتّب" نموذج المحادثة نصًا طويلًا فقد يختصره أو يعيد صياغته بدل كتابته كلمة بكلمة. وفي العربية قد "يحوّل" النموذج اللهجة إلى فصحى دون أن تطلب ذلك. اطلب نصًا حرفيًا، وافحص المقاطع المهمة. والصوت النقي يساعد كل نظام: متحدث واحد لكل ميكروفون، وضجيج خلفية قليل، ولا موسيقى تحت الكلام.

الخصوصية وإعدادات التدريب

ما يحدث لتسجيلك يعتمد على المنتج وإعداداتك:

• ChatGPT: في خطط المستهلكين قد تستخدم OpenAI المحتوى لتحسين نماذجها إن كان خيار "Improve the model for everyone" مفعّلًا؛ ويمكنك تعطيله من Data Controls، ويوجد مفتاح منفصل لتسجيلات الصوت. وتقول OpenAI إنها لا تدرّب افتراضيًا على عروض الأعمال مثل ChatGPT Enterprise.
• Gemini: مع تفعيل Keep Activity، يقول مركز الخصوصية من Google إن بعض المحادثات قد يراجعها بشر لتحسين خدماته؛ ويمكنك تعطيل Keep Activity، لكن عدة ميزات في Gemini، منها التكامل مع يوتيوب ورفع الملفات من Drive، تتطلبه.

في المقابلات أو محادثات المرضى أو مكالمات العملاء، راجع هذه الإعدادات أولًا، واحصل على موافقة كل من سُجّل صوته، واقرأ دليلنا عن GDPR والتفريغ إن كنت تعمل في الاتحاد الأوروبي، وراجع متطلبات نظام حماية البيانات الشخصية في السعودية (PDPL) أو قانون حماية البيانات الشخصية في الإمارات إن كانت بياناتك تخضع لهما.

سير العمل الذي ينجح: فرّغ أولًا، ثم اسأل المساعد

مساعدو المحادثة ممتازون في العمل على النصوص، وأقل موثوقية كأدوات تفريغ صوتي AI للتسجيلات الكاملة. وتقسيم المهمة يستثمر نقاط قوة الطرفين:

1. فرّغ بأداة لتحويل الكلام إلى نص. استخدم Audiotexta في تطبيق الويب (ارفع ملفًا، أو الصق رابطًا، أو سجّل من الميكروفون)، أو شغّل Whisper محليًا إن كنت تفضل إبقاء كل شيء على جهازك. وتشرح مقارنتنا بين Whisper وواجهات التعرف على الكلام السحابية المفاضلات.
2. راجع النص. صحّح الأسماء والمصطلحات، وأعد تسمية المتحدثين، وراجع كل مقطع ستقتبسه مقابل الصوت.
3. صدّره كنص. صيغة TXT (مجانًا، ومن دون حساب للملفات حتى 30 دقيقة) أو Markdown ‏(Pro) هي الأسهل للصق في المحادثة.
4. الصقه في ChatGPT أو Gemini واطلب ما تحتاجه: "لخّص هذه المقابلة في خمس نقاط"، "اذكر كل قرار ومن المسؤول عنه"، "اكتب مسودة بريد متابعة". ولأن المساعد يعمل الآن من نص كامل، يمكنك التحقق من كل ادعاء في إجابته مقابل طابع زمني.

ويستطيع Audiotexta أيضًا تنفيذ خطوة التلخيص نفسها في خطة Pro (ملخص، وفصول، ونقاط رئيسية، وقرارات، ومهامّ مطلوبة)، ودون استخدام محتواك لتدريب النماذج. استخدم المزيج الذي يناسبك؛ المهم أن تبدأ من نص كامل قابل للتحقق.