دليل

كيف تتعامل مع تسجيل فيه عدة متحدثين

تسميات المتحدثين الآلية هي أكثر ميزة مبالَغ في تسويقها في مجال التفريغ. وإليك ما تفعله التقنية فعلًا، وكيف تحصل على نص متعدد المتحدثين دقيق رغم ذلك.

30 August 2026

يظهر «التمييز الآلي للمتحدثين» في قائمة ميزات معظم منتجات التفريغ. وهو تقنية حقيقية، ومفيد فعلًا أحيانًا، وليس قريبًا أبدًا من الموثوقية التي يوحي بها التسويق.

إن كنت تفرّغ اجتماعًا أو ندوة أو مقابلة جماعية، فمن المفيد أن تعرف ما تحصل عليه فعلًا.

ماذا يفعل فصل المتحدثين #

فصل المتحدثين خطوة منفصلة عن التفريغ. فهو بدل أن يتعرّف على الكلمات، يجمّع الصوت عناقيدَ بحسب خصائص الصوت — الطبقة والجرس والإيقاع — ويقرّر أن «هذا المقطع يبدو للشخص نفسه الذي في ذلك المقطع». ثم يسمّي العناقيد المتحدث 1 والمتحدث 2 وهكذا.

يترتب على هذا الوصف أمران، وهما يفسّران كل شكوى تقريبًا من هذه الميزة.

إنه لا يعرف هوية أحد. فهو ينتج «المتحدث 1» لا «د. تشين». وإسناد الأسماء خطوة بشرية دائمًا؛ والأداة التي تعرض أسماء حقيقية إما أنها تستخدم بيانات وصفية من منصّة كانت تعرف من رفع كتم الصوت، وإما أنك أنت من أخبرها.

إنه يعمل على تشابه الأصوات لا على المعنى. فشخصان بصوتين متشابهين يندمجان في تسمية واحدة. وشخص واحد يتغير صوته — بالابتعاد عن الميكروفون، أو بالتحمّس، أو بالانضمام عبر الهاتف — ينقسم إلى اثنين.

متى يفلح ومتى لا يفلح #

موثوق إلى حد معقول: شخصان، بصوتين متمايزين، لكل منهما ميكروفون أو ميكروفون مشترك قريب، يتناوبان دون تداخل كبير. وبودكاست من شخصين مسجَّل كما ينبغي قريب من أفضل حالة.

غير موثوق: أربعة أشخاص أو أكثر. غرفة اجتماعات فيها جهاز تسجيل واحد في المنتصف. أي شخص على مكبر الصوت. الأصوات المتشابهة — وهذا نمط فشل حقيقي ومحرج، ويصيب على نحو غير متناسب مجموعات من الأشخاص من الجنس نفسه ومن أعمار متقاربة، وهي معظم الاجتماعات.

ميؤوس منه أساسًا: تداخل الكلام. فحين يتحدث شخصان في وقت واحد، يحتوي الصوت كليهما، وعلى التجميع أن يختار أحدهما. وهذا بالضبط موضع نسبة النصوص إلى الشخص الخطأ — وهو بالضبط اللحظة في مشادة أو مفاوضة التي تريد أن تكون دقيقًا بشأنها أكثر من غيرها.

الفشل الذي يهمّ #

الخطأ في التفريغ يكون واضحًا في العادة. تقرأ جملة بلا معنى فتذهب لتتحقق منها.

أما الخطأ في نسبة الكلام إلى متحدث فغير مرئي. الجملة صحيحة، ومصوغة جيدًا، ومنسوبة إلى الشخص الخطأ. ولا شيء فيها يبدو خاطئًا. وإذا بنيت عليها اقتباسًا أو محضر اجتماع أو مذكرة قانونية، ينتشر الخطأ بصمت.

هذا التفاوت هو سبب امتناعي عن بناء سير عمل يعتمد على صحة التسميات الآلية.

ماذا تفعل بدلًا من ذلك #

إن كانت المنصّة تعرف من كان يتحدث، فاستخدم ذلك #

هذه هي الحالة الوحيدة التي فيها جواب أفضل فعلًا. فـZoom وTeams وGoogle Meet تعرف من رفع كتم الصوت، فتستطيع نصوصها الخاصة تسمية المتحدثين من البيانات الوصفية بدل التخمين من الصوت. وإن كانت النسبة الدقيقة هي الأولوية وسُجّل الاجتماع سحابيًا على خطة تتضمن التفريغ، فذلك أوثق مصدر متاح. ويغطي دليل تسجيلات الاجتماعات لدينا هذه المفاضلات.

سجّل بحيث تصغر المشكلة #

• ميكروفون لكل شخص إذا كان التسجيل مهمًا. فالمسارات المنفصلة تجعل النسبة تافهة السهولة وتلغي فصل المتحدثين تمامًا.
• طاولة مستديرة يُطلب فيها من الناس ألّا يتحدثوا بعضهم فوق بعض تنتج نصًا أفضل بكثير من طاولة يفعلون فيها ذلك. وقول هذا في بداية اجتماع مسجَّل أمر معتاد ويساعد الجميع.
• اجعل الناس يعرّفون بأنفسهم أول مرة يتحدثون فيها — «معكم بريا» — فيمنحك ذلك مِرساة في النص.

سمِّها بنفسك، عند نقطة الاستخدام #

في معظم الأعمال لا تحتاج إلى تسمية النص كله. بل تحتاج إلى تسمية المقاطع الستة التي ستقتبسها أو تتصرف بناءً عليها، تسمية صحيحة.

الطريقة العملية: اعمل في عرض مقاطع مع طوابع زمنية، واعثر على المقاطع المهمة، وشغّل الصوت لتلك الأسطر، واكتب الاسم أثناء تأكيدك منه. فأنت تستمع إلى تلك اللحظات على أي حال للتحقق من الكلمات. وتسميتها لا تكلّف شيئًا إضافيًا، وهي الطريقة الوحيدة الدقيقة فعلًا.

استخدم البنية بدل التسميات #

في كثير من أعمال الاجتماعات، يكون نص فيه طوابع زمنية وبلا تسميات متحدثين قابلًا للاستخدام تمامًا — فأنت تبحث عن القرارات والإجراءات لا تبني نصًا مسرحيًا. لا تُمضِ فترة بعد ظهر في إصلاح تسميات لم تحتج إليها قط.

أين نقف #

لا يقوم Offline Transcription بالتمييز الآلي للمتحدثين. والسبب بصراحة: عائلة Whisper لا تقوم بفصل المتحدثين، وإضافته تعني نموذجًا ثانيًا بخصائص الموثوقية الموصوفة أعلاه، وشحن تسميات خاطئة بطريقة غير مرئية أسوأ لنوع العمل الذي يقوم به مستخدمونا من عدم شحن تسميات إطلاقًا.

أما ما يوفّره فهو سير العمل الذي يجعل التسمية اليدوية سريعة: كل مقطع يحمل طوابعه الزمنية، ويمكنك تشغيل الصوت خلف أي سطر لتتأكد ممن قاله قبل أن تكتب اسمًا بجانبه.

وإن كانت التسميات الآلية شرطًا لا غنى عنه لديك، فهذا سبب مشروع لاستخدام أداة أخرى، وأفضّل أن أقول ذلك على أن أدّعي غيره.

الخلاصة #

فصل المتحدثين يجمّع الأصوات؛ وهو لا يعرف الأشخاص. وهو مقبول لمتحدثَين متمايزين وغير موثوق مع المجموعات والأصوات المتشابهة وتداخل الكلام — وأخطاؤه غير مرئية بطريقة لا تكون بها أخطاء التفريغ. سجّل مسارات منفصلة إن كان الأمر مهمًا، واستخدم البيانات الوصفية من المنصّة إن توفرت، وإلا فسمِّ المقاطع القليلة التي تستخدمها فعلًا، بالسمع، عند نقطة الاستخدام.