---
title: "تسجيل الصوت في المتصفح وتحويله إلى نص عبر API | BroadRouter"
description: "سجّل الميكروفون باستخدام MediaRecorder، وحوّل WebM أو MP4 من Safari إلى WAV بتردد 16 kHz، ثم أرسله إلى API التفريغ الصوتي عبر خادم صغير يحتفظ بالمفتاح."
url: https://broadrouter.com/ar/blog/record-browser-audio-transcription-api/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/record-browser-audio-transcription-api/) (حُدّث في 2026-11-15).

# تسجيل الصوت في المتصفح وإرساله إلى API لتحويل الصوت إلى نص

بقلم فريق BroadNet Inference · قراءة في 6 دقائق · تاريخ النشر 2026-11-15

سجّل باستخدام getUserMedia وMediaRecorder، واختر الصيغة عبر isTypeSupported، وتجاهل الأجزاء الفارغة. وإذا كانت الواجهة لا تقبل إلا WAV أو MP3، ففكّ ترميز التسجيل في المتصفح وأنشئ ملف WAV أحادي القناة بتردد 16 kHz، أو ارفعه وحوّله بـ ffmpeg على خادمك. وفي الحالتين أرسله عبر الخادم الخلفي الخاص بك، حتى لا يصل مفتاح API إلى المتصفح أبدًا.

## أبرز النقاط

-   تسجّل المتصفحات صيغًا مضغوطة: يعطي Chrome ملف WebM بترميز Opus، وتوثّق WebKit صيغة MP4 بترميز AAC في Safari. تقبل OpenAI الصيغتين؛ أما الواجهات التي لا تقبل إلا WAV أو MP3، مثل BroadNet، فتحتاج إلى خطوة تحويل.
-   لا يعمل getUserMedia إلا في سياق آمن (HTTPS أو localhost). وفي غير ذلك تكون navigator.mediaDevices غير معرّفة، فتحقّق من وجودها قبل استدعائها.
-   ملف WAV أحادي القناة بتردد 16 kHz وعمق 16 بت يشغل 32,000 بايت في الثانية. ويتسع حد BroadNet البالغ 26,214,400 بايت لنحو 13 دقيقة و39 ثانية منه؛ وقسّم ما هو أطول.
-   يحتاج decodeAudioData إلى الملف كاملًا ويعيد التشكيل إلى معدل العينات في سياقه، لذا يتولى OfflineAudioContext بتردد 16,000 Hz إعادة التشكيل نيابةً عنك.
-   لا تستدعِ API التفريغ الصوتي من الصفحة أبدًا. أرسل الصوت إلى خادمك، وتحقّق هناك من حجمه ونوعه، وأضف المفتاح في الخادم.

**في هذه الصفحة**

1.  ما الصيغة التي يسجّل بها المتصفح؟
2.  كيف تسجّل من الميكروفون؟
3.  كيف تحوّل التسجيل إلى WAV في المتصفح؟
4.  كيف تحوّل على الخادم بدلًا من ذلك؟
5.  كيف تُبقي مفتاح API بعيدًا عن المتصفح؟
6.  كيف اختبرنا ذلك؟
7.  كم يكلّف ذلك؟
8.  أين تناسب BroadNet Inference

تسجيل رسالة صوتية في تطبيق ويب يحتاج إلى نحو ثلاثين سطرًا من JavaScript. أما المشكلات فتبدأ عند إرسال الملف: سجّل المتصفح بصيغة WebM أو MP4 والواجهة تريد صيغة أخرى، وجهاز iPhone يُرجع “Thank you” لمقطع صامت، والدرس الذي نسخته يضع مفتاح API في الصفحة. يبني هذا المقال المسار كاملًا ويختبر كل جزء منه: التسجيل، والتحويل إلى WAV، والتحقق من الحجم، والتمرير عبر خادم صغير.

تستهدف الأمثلة واجهة لا تقبل إلا WAV أو MP3. وBroadNet Inference واحدة منها: تذكر وثائقها WAV (`audio/wav`) أو MP3 (`audio/mpeg`) حتى 26,214,400 بايت لكل ملف. وإذا كانت واجهتك تقبل WebM، فتخطَّ التحويل واحتفظ بالباقي. ويذكر دليل OpenAI لتحويل الكلام إلى نص صيغ flac وmp3 وmp4 وmpeg وmpga وm4a وogg وwav وwebm، حتى 25 MB.

## ما الصيغة التي يسجّل بها المتصفح؟

يسجّل `MediaRecorder` بصيغة مضغوطة يختارها المتصفح، ما لم تطلب صيغة يدعمها. اسأل عبر `MediaRecorder.isTypeSupported()` وخذ أول تطابق:

| سلسلة النوع | المتصفح المعتاد |
| --- | --- |
| `audio/webm;codecs=opus` | Chrome وEdge وFirefox |
| `audio/mp4` | Safari ([توثّق WebKit صيغة MP4 بترميز AAC](https://webkit.org/blog/11353/mediarecorder-api/))؛ وأعلن Chromium دعمها أيضًا في اختبارنا |
| `audio/ogg;codecs=opus` | Firefox |

في Chromium دون واجهة (headless) بتاريخ 2026-11-15، أعاد `isTypeSupported` القيمة true لـ WebM/Opus وMP4، والقيمة false لـ Ogg/Opus. اعتبر الجدول نقطة بداية لا وعدًا. فـ MDN تنبّه إلى أن `true` تعني أن المتصفح يستطيع تسجيل النوع من حيث المبدأ؛ وقد يفشل التسجيل مع ذلك إذا نفدت الموارد. اقرأ دائمًا `recorder.mimeType` بعد إنشاء المسجّل، ووسِم الملف المرفوع به، لا بما طلبته.

## كيف تسجّل من الميكروفون؟

قاعدتان في المتصفح تحددان شكل الشيفرة. الأولى: لا يوجد `getUserMedia` إلا في [سياق آمن](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia): HTTPS، أو `localhost`، أو رابط `file:`. وعلى HTTP العادي من مضيف آخر تكون `navigator.mediaDevices` بقيمة `undefined`، فيرمي استدعاؤها خطأ `TypeError` بدل أن يطلب الإذن. والثانية: يجب أن يمنح المستخدم الإذن، والرفض يرمي `NotAllowedError`. تعامل مع الحالتين برسالة يستطيع المستخدم التصرف بناءً عليها.

```js
// record.js: record from the microphone, return a 16 kHz mono WAV Blob.
const TYPES = ["audio/webm;codecs=opus", "audio/mp4", "audio/ogg;codecs=opus"];

export async function startRecording() {
  if (!navigator.mediaDevices?.getUserMedia) {
    throw new Error("Microphone access needs HTTPS (or localhost).");
  }
  const stream = await navigator.mediaDevices.getUserMedia({ audio: true });
  const mimeType = TYPES.find((t) => MediaRecorder.isTypeSupported(t));
  const rec = new MediaRecorder(stream, mimeType ? { mimeType } : {});
  const chunks = [];
  rec.ondataavailable = (e) => { if (e.data.size > 0) chunks.push(e.data); };
  rec.start(1000); // a chunk every second, so a crash loses at most one second
  return () => new Promise((resolve) => {
    rec.onstop = () => {
      stream.getTracks().forEach((t) => t.stop()); // turn the mic indicator off
      resolve(new Blob(chunks, { type: rec.mimeType }));
    };
    rec.stop();
  });
}
```

ثلاث تفاصيل فيها جاءت من بلاغات أخطاء حقيقية:

-   **تجاهل الأجزاء الفارغة.** في نقاش على منتدى OpenAI حول MediaRecorder على أجهزة iPhone، وجد أحد المطوّرين أن `dataavailable` ينطلق ببيانات فارغة على iOS، وحلّ المشكلةَ تصفيةُ تلك الأجزاء. وحلّ مطوّر آخر العَرَض نفسه ببدء التسجيل بفاصل timeslice، أي `start(1000)`.
-   **أوقف المسارات.** إيقاف المسجّل لا يحرّر الميكروفون. ودون `getTracks().forEach(t => t.stop())` يظل المتصفح يعرض مؤشر التسجيل.
-   **لا تحسب مدة التسجيل بعدّ الأجزاء.** تحذّر MDN من أن فواصل timeslice غير دقيقة، وقد تطول حين يوقف Safari الميكروفون مؤقتًا أو حين يقفل Chrome على Android الشاشة. استخدم مؤقتك الخاص إذا كنت تعرض المدة أو تفرض حدًا لها.

## كيف تحوّل التسجيل إلى WAV في المتصفح؟

تستطيع Web Audio API فك ترميز أي شيء سجّله المتصفح. وحقيقتان من MDN تختصران الأمر: الأولى أن `decodeAudioData` لا يعمل إلا على ملف كامل، لا على أجزاء، ففكّ الترميز بعد `stop()`؛ والثانية أنه يعيد تشكيل الصوت المفكوك إلى معدل العينات في سياقه. لذلك فإن `OfflineAudioContext` المُنشأ بتردد 16,000 Hz يعيد عينات بتردد 16 kHz دون أي شيفرة إضافية لإعادة التشكيل. ويقبل مُنشئه أي معدل من 3,000 إلى 768,000 Hz.

```js
export async function toWav16k(blob) {
  // decodeAudioData needs the whole file and resamples to the context's rate.
  const ctx = new OfflineAudioContext(1, 1, 16000);
  const audio = await ctx.decodeAudioData(await blob.arrayBuffer());
  return encodeWav(mixDown(audio), 16000);
}

export function mixDown(audio) {
  const out = new Float32Array(audio.length);
  for (let c = 0; c < audio.numberOfChannels; c++) {
    const ch = audio.getChannelData(c);
    for (let i = 0; i < out.length; i++) out[i] += ch[i] / audio.numberOfChannels;
  }
  return out;
}

export function encodeWav(samples, rate) {
  const buf = new ArrayBuffer(44 + samples.length * 2);
  const v = new DataView(buf);
  const str = (o, s) => [...s].forEach((ch, i) => v.setUint8(o + i, ch.charCodeAt(0)));
  str(0, "RIFF"); v.setUint32(4, 36 + samples.length * 2, true); str(8, "WAVE");
  str(12, "fmt "); v.setUint32(16, 16, true); v.setUint16(20, 1, true); // PCM
  v.setUint16(22, 1, true); v.setUint32(24, rate, true);                // mono
  v.setUint32(28, rate * 2, true); v.setUint16(32, 2, true); v.setUint16(34, 16, true);
  str(36, "data"); v.setUint32(40, samples.length * 2, true);
  for (let i = 0; i < samples.length; i++) {
    const s = Math.max(-1, Math.min(1, samples[i]));
    v.setInt16(44 + i * 2, s < 0 ? s * 0x8000 : s * 0x7fff, true);
  }
  return new Blob([buf], { type: "audio/wav" });
}
```

لماذا 16 kHz أحادي القناة؟ لأنه الإعداد الذي يستخدمه مثال ffmpeg في وثائق BroadNet نفسها (`-ar 16000 -ac 1`)، ولأنه يحتفظ بنطاق الكلام، ولأنه ثلث حجم البايتات مقارنة بـ 48 kHz. أما الاستيريو فيضاعف الحجم دون فائدة لصوت واحد. راجع [معدل العينات](https://broadrouter.com/ar/glossary/sample-rate/) لمعرفة المفاضلات.

وحساب الحجم مهم، لأن WAV غير مضغوط. فـ 16,000 عينة في الثانية بواقع بايتين لكل منها تساوي 32,000 بايت في الثانية. ومع ترويسة من 44 بايت، يتسع حد BroadNet البالغ 26,214,400 بايت لـ 819 ثانية: نحو 13 دقيقة و39 ثانية. وما هو أطول من ذلك، أوقف تسجيله عند حد معيّن، أو قسّمه على الخادم كما في [تفريغ الملفات الصوتية الطويلة](https://broadrouter.com/ar/blog/transcribe-long-audio-files-api/). وتكتب لك [أداة تقسيم الصوت](https://broadrouter.com/tools/audio-splitter-ffmpeg/) أوامر ffmpeg.

التحويل في المتصفح يستهلك معالج المستخدم وذاكرته، والمقطع المفكوك كله يبقى في الذاكرة كأعداد عشرية بدقة 32 بت. وهذا مقبول للرسائل الصوتية التي تستغرق بضع دقائق. أما التسجيلات الطويلة، فارفع الملف المضغوط وحوّله على الخادم.

## كيف تحوّل على الخادم بدلًا من ذلك؟

أرسل التسجيل المضغوط كما هو، ودع ffmpeg يقوم بالعمل. فهذا يعني شيفرة أقل في الصفحة، وملفًا أصغر عند الرفع، والنتيجة نفسها:

```bash
ffmpeg -i in.webm -ar 16000 -ac 1 out.wav
```

اكتب الملف المرفوع في ملف مؤقت بدل تمريره إلى ffmpeg عبر أنبوب (pipe). فملفات MP4 قد تحتفظ بفهرسها في نهايتها، ولا يستطيع ffmpeg دائمًا قراءتها من أنبوب. ويستخدم [دليل الرسائل الصوتية في WhatsApp](https://broadrouter.com/ar/guides/transcribe-whatsapp-voice-notes/) الأمر نفسه لملفات `.ogg`.

## كيف تُبقي مفتاح API بعيدًا عن المتصفح؟

ضع نقطة نهاية صغيرة بين الصفحة والواجهة. تستقبل التسجيل، وتحوّله عند الحاجة، وتتحقق من الحجم، وتضيف المفتاح من متغير بيئة، ثم تمرّره. يتضمن Node 18 وما بعده `fetch` و`FormData` و`Blob` مدمجة، فلا حاجة إلى أي حزم:

```js
// server.mjs: POST /transcribe with the recording as the body. The key stays here.
import http from "node:http";
import { execFile } from "node:child_process";
import { mkdtemp, writeFile, readFile, rm } from "node:fs/promises";
import { tmpdir } from "node:os";
import { join } from "node:path";
import { promisify } from "node:util";

const API = process.env.BROADNET_BASE_URL ?? "https://inference.broadnet.ai/v1";
const KEY = process.env.BROADNET_API_KEY;
const FFMPEG = process.env.FFMPEG ?? "ffmpeg";
const MAX = 26_214_400; // BroadNet's per-file cap in bytes
const run = promisify(execFile);

async function readBody(req, limit) {
  const parts = []; let n = 0;
  for await (const c of req) { n += c.length; if (n > limit) throw Object.assign(new Error("too large"), { code: 413 }); parts.push(c); }
  return Buffer.concat(parts);
}

async function toWav(bytes) {
  // Temp files, not pipes: an MP4 from Safari can keep its index at the end.
  const dir = await mkdtemp(join(tmpdir(), "rec-"));
  try {
    await writeFile(join(dir, "in"), bytes);
    await run(FFMPEG, ["-v", "error", "-i", join(dir, "in"), "-ar", "16000", "-ac", "1", join(dir, "out.wav")]);
    return await readFile(join(dir, "out.wav"));
  } finally { await rm(dir, { recursive: true, force: true }); }
}

http.createServer(async (req, res) => {
  const reply = (code, obj) => { res.writeHead(code, { "content-type": "application/json" }); res.end(JSON.stringify(obj)); };
  if (req.method !== "POST" || req.url !== "/transcribe") return reply(404, { error: "not found" });
  try {
    const type = (req.headers["content-type"] ?? "").split(";")[0];
    let body = await readBody(req, 4 * MAX);
    if (type !== "audio/wav" && type !== "audio/mpeg") {
      try { body = await toWav(body); }
      catch { return reply(400, { error: "Could not read the recording." }); }
    }
    if (body.length > MAX) return reply(413, { error: "Recording too long; split it first." });
    const form = new FormData();
    form.append("model", "broadnet/cohere-transcribe-arabic");
    form.append("language", "ar");
    form.append("file", new Blob([body], { type: type === "audio/mpeg" ? "audio/mpeg" : "audio/wav" }),
      type === "audio/mpeg" ? "audio.mp3" : "audio.wav");
    const r = await fetch(`${API}/audio/transcriptions`, {
      method: "POST", headers: { Authorization: `Bearer ${KEY}` }, body: form,
    });
    const data = await r.json();
    return r.ok ? reply(200, { text: data.text }) : reply(r.status, { error: data });
  } catch (e) {
    return reply(e.code === 413 ? 413 : 500, { error: String(e.message ?? e) });
  }
}).listen(process.env.PORT ?? 8787);
```

ثم ترسل الصفحة إما ملف WAV أو التسجيل الخام:

```js
const stop = await startRecording();
// ...later, when the user taps Stop:
const raw = await stop();
const wav = await toWav16k(raw);          // or send `raw` and let the server convert
const r = await fetch("/transcribe", { method: "POST", headers: { "content-type": wav.type }, body: wav });
const { text } = await r.json();
```

نقاط تستحق الاحتفاظ بها عند تكييف الشيفرة:

-   **أرسل `language` دائمًا.** تقول وثائق BroadNet إن العربية قد تعود بخلاف ذلك مكتوبة بحروف لاتينية. استخدم `ar` مع النموذج العربي، أو انتقل إلى `broadnet/cohere-transcribe` مع الرمز الصحيح لإحدى لغاته الأربع عشرة.
-   **أعِد رسائل خطأ عامة.** كانت النسخة الأولى من الوكيل الذي اختبرناه تعيد خطأ ffmpeg كما هو، وكان يتضمن مسار ملف على الخادم. أما الشيفرة أعلاه فتعيد “Could not read the recording.” (الترجمة: تعذّرت قراءة التسجيل.) بدلًا منه.
-   **أضف المصادقة وحدًّا لمعدل الطلبات** قبل النشر. وإلا فإن أي شخص يعثر على `/transcribe` سينفق رصيدك. ويغطي مقال [أمان مفاتيح LLM API](https://broadrouter.com/ar/blog/llm-api-key-security/) بقية الأمر، ويمكن تقييد مفاتيح BroadNet بـ [قوائم السماح لعناوين IP](https://broadrouter.com/ar/guides/api-keys-ip-allow-lists/).
-   **ارفض المقاطع شبه الصامتة.** البلاغات في المنتدى عن نصوص مختلَقة مثل “Thank you” أو “Bye” تتعلق بتسجيلات صامتة أو تالفة. تحقّق من المدة (بايتات WAV ÷ 32,000)، ومن مستوى الإشارة إن أمكن، قبل أن تدفع مقابلها.

## كيف اختبرنا ذلك؟

لم نستخدم أي مفتاح BroadNet. في 2026-11-15 شغّلنا الشيفرة أعلاه على محاكاة محلية لـ `/v1/audio/transcriptions`:

1.  **المُرمِّز في Node.** أنتج `encodeWav` على ثانية واحدة من نغمة 440 Hz فيها عينتان مقصوصتان ملفًا من 32,044 بايت. وقرأته وحدة `wave` في Python على أنه قناة واحدة، و16,000 Hz، وعينات من بايتين، و16,000 إطار، وقرأه ffmpeg على أنه `pcm_s16le, 16000 Hz, mono`. وخرجت العينتان المقصوصتان بالقيمتين 32767 و−32768.
2.  **مسار المتصفح في Chromium.** شغّل Playwright متصفح Chromium دون واجهة مع ميكروفون وهمي. سجّل `startRecording` ثلاث ثوانٍ بصيغة `audio/webm;codecs=opus` (40,563 بايت)، وحوّلها `toWav16k` إلى ملف WAV من 96,044 بايت: 3.0 ثوانٍ، و16 kHz، وقناة واحدة.
3.  **الوكيل.** أعاد كلٌّ من ملف WAV وملف WebM الخام الحالة 200. ورأت المحاكاة في كل مرة مصادقة `Bearer`، ومعرّف النموذج العربي، و`language=ar`، وملف `audio/wav` أحادي القناة بتردد 16 kHz؛ وحوّل ffmpeg ملف WebM على الخادم. وحصل ملف WAV من 26,214,401 بايت على 413 دون أي استدعاء للواجهة الأصلية. وحصل جسم طلب ليس صوتًا على 400.
4.  **أصل غير آمن.** عند تحميل الصفحة من عنوان الجهاز على الشبكة المحلية عبر HTTP العادي، أفادت بأن `isSecureContext` قيمتها false، ورمى `startRecording` رسالتنا عن HTTPS بدلًا من `TypeError`.

لم نختبر Safari أو Firefox، ولا تفريغًا صوتيًا حقيقيًا. جرّب على جهاز iPhone حقيقي قبل الإطلاق.

## كم يكلّف ذلك؟

تحتسب BroadNet التفريغ الصوتي لكل دقيقة صوت: $0.0042 لنموذج Transcribe Arabic، و$0.002 للنموذج متعدد اللغات. وساعة من الرسائل الصوتية العربية تكلّف $0.25. ويعمل كلاهما على الرصيد المبدئي البالغ $5، الذي يغطي نحو 1,190 دقيقة من العربية. ولأحجامك الخاصة، استخدم [حاسبة تكلفة تحويل الكلام إلى نص](https://broadrouter.com/tools/speech-to-text-cost-calculator/). ويقارن [دليل شراء API تحويل الكلام العربي إلى نص](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/) بين المزوّدين.

## أين تناسب BroadNet Inference

BroadRouter هو موقع BroadNet الخاص. تفرّغ BroadNet Inference الملفات المرفوعة: WAV أو MP3، بطلب واحد لكل ملف، مع استجابة JSON تحمل النص. ولا توثّق التفريغ المباشر أو المتدفق، ولا الطوابع الزمنية، ولا تمييز المتحدثين. فإذا كان تطبيقك يحتاج إلى ظهور الكلمات أثناء حديث المستخدم، فاستخدم مزوّدًا يقدّم API كلام متدفقة. أما الرسائل الصوتية والملاحظات والنماذج، حيث يسجّل المستخدم ثم يرسل، فمسار الرفع أعلاه هو كل ما تحتاجه. والإعداد موجود في [دليل API تحويل الكلام العربي إلى نص](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/)، ويسرد [المرجع التقني للواجهة](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-record-browser-audio-transcription-api&utm_content=body) الحقول. ويقول بيان الخصوصية فيها إن الصوت والنصوص المفرّغة لا يُحتفظ بها.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[ملف WAV](https://broadrouter.com/ar/glossary/wav/)

WAV (Waveform Audio File Format، أو WAVE) حاوية صوتية مبنية على صيغة RIFF من Microsoft وIBM. تحمل عادةً عينات PCM خطية غير مضغوطة، فيكون حجمها متوقَّعًا: معدل العينات مضروبًا في عدد بايتات العينة مضروبًا في عدد القنوات، لكل ثانية.

[تحويل الصوت إلى نص (Speech-to-text)](https://broadrouter.com/ar/glossary/speech-to-text/)

تحويل الكلام إلى نص، ويسمّى أيضًا التعرّف التلقائي على الكلام (ASR)، هو تقنية تحوّل الصوت المنطوق إلى نص مكتوب. تستقبل واجهة تحويل الصوت إلى نص ملفًا صوتيًا أو بثًا وتُرجع نصًا مفرّغًا، يُسعَّر عادةً لكل دقيقة صوت. وتُقاس الدقة بمعدل الخطأ في الكلمات، وتتفاوت بحسب اللكنة واللهجة وجودة التسجيل.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[معدل أخذ العينات (Sample rate)](https://broadrouter.com/ar/glossary/sample-rate/)

معدل أخذ العينات هو عدد عينات الصوت الملتقطة في الثانية، ويُقاس بالهرتز (Hz). تتوقع نماذج التعرّف على الكلام عادةً صوتًا أحادي القناة بمعدل 16,000 Hz (16 kHz). ويحدد معدل العينات، مع عمق البت وعدد القنوات، حجم الملف الصوتي غير المضغوط في الدقيقة.

[مفتاح API (API key)](https://broadrouter.com/ar/glossary/api-key/)

مفتاح API هو سلسلة نصية سرية تعرّف العميل الذي يستدعي الواجهة وتخوّله. تتوقعه واجهات LLM API عادةً في الترويسة Authorization: Bearer، وكل من يملك المفتاح يستطيع إرسال طلبات تُحتسب تكلفتها على الحساب المالك له.

[Ogg Opus (صيغة الرسائل الصوتية في واتساب)](https://broadrouter.com/ar/glossary/ogg-opus/)

Ogg Opus هو صوت مرمَّز بترميز Opus (RFC 6716) ومحفوظ داخل حاوية Ogg (RFC 7845). صُمّم للكلام وللصوت التفاعلي بمعدلات بت منخفضة، وهو الصيغة التي يستخدمها واتساب للرسائل الصوتية، عادةً في ملفات .ogg أو .opus.

[التشكيل (الحركات العربية، Arabic diacritics)](https://broadrouter.com/ar/glossary/arabic-diacritics/)

التشكيل هو علامات صغيرة تُكتب فوق الحروف العربية أو تحتها لبيان الحركات القصيرة والحروف المضعّفة وغياب الحركة. وهو اختياري: تخلو منه معظم النصوص العربية، ومنها الأخبار، فيستنتج القرّاء والبرمجيات الحركات من السياق.

[تمييز المتحدثين (Speaker diarization)](https://broadrouter.com/ar/glossary/diarization/)

تمييز المتحدثين (speaker diarization) هو مهمة تقسيم التسجيل الصوتي إلى مقاطع حسب المتحدث، للإجابة عن سؤال "من تكلّم ومتى". ويَسِم كل مقطع كلام بمعرّف متحدث مجهول مثل SPEAKER\_00، ويُدمج عادةً مع النص المفرّغ ليُظهر من قال كل سطر.

## أسئلة شائعة

### هل يمكنني إرسال ملف WebM من MediaRecorder مباشرة إلى API لتحويل الصوت إلى نص؟

فقط إذا كانت الواجهة تقبل WebM. تذكر نقطة نهاية التفريغ في OpenAI صيغتَي webm وmp4 ضمن صيغها. أما BroadNet فلا تقبل إلا WAV وMP3، فحوّل الملف أولًا: في المتصفح عبر Web Audio API، أو على خادمك بالأمر ffmpeg -i in.webm -ar 16000 -ac 1 out.wav.

### لماذا يقول getUserMedia إن navigator.mediaDevices غير معرّفة؟

لأن الصفحة ليست في سياق آمن. تقول MDN إن getUserMedia لا يعمل إلا عبر HTTPS، أو على localhost، أو من روابط file. وعلى HTTP العادي من مضيف آخر لا تكون navigator.mediaDevices موجودة. قدّم الصفحة عبر HTTPS؛ ويكفي localhost أثناء التطوير.

### كم مدة التسجيل التي تتسع لها 25 MB بصيغة WAV؟

ملف WAV أحادي القناة بتردد 16 kHz وعمق 16 بت يشغل 32,000 بايت في الثانية، إضافة إلى ترويسة من 44 بايت. ويتسع حد BroadNet البالغ 26,214,400 بايت لنحو 819 ثانية، أي 13 دقيقة و39 ثانية. وتتسع صيغة MP3 أو معدل عينات أقل لمدة أطول؛ أما الصوت الأطول فقسّمه إلى أجزاء.

### لماذا أحصل على "Thank you" أو "Bye" من تسجيل فارغ على iPhone؟

يذكر مطوّرون في منتدى OpenAI عبارات قصيرة مختلَقة من تسجيلات صامتة أو تالفة، وتتبّعوا حالات iOS إلى أجزاء dataavailable فارغة؛ وحلّ المشكلة لديهم تصفيةُ الأجزاء ذات الحجم 0 وبدءُ المسجّل بفاصل timeslice. تحقّق من المدة قبل الرفع.

### هل يجب أن يستدعي المتصفح API التفريغ الصوتي مباشرة؟

لا. كل ما في شيفرة الواجهة الأمامية، بما في ذلك مفتاح API، يستطيع المستخدم قراءته. أرسل الصوت إلى نقطة نهاية خاصة بك تتحقق من الحجم والنوع، وتضيف المفتاح من متغير بيئة، ثم تمرّر الطلب.

## تابع القراءة

-   [تحويل صوت طويل يتجاوز 25 MB إلى نص: التقسيم والإرسال والدمج](https://broadrouter.com/ar/blog/transcribe-long-audio-files-api/)
-   [بديل Whisper API: متى تنتقل، وكيف تختبر البديل](https://broadrouter.com/ar/blog/whisper-api-alternative/)
-   [API تحويل الصوت إلى نص بعدة لغات: 14 لغة عبر نقطة واحدة](https://broadrouter.com/ar/blog/multilingual-speech-to-text-api/)
-   [أمان مفاتيح LLM API: التخزين والتدوير وقوائم عناوين IP المسموحة](https://broadrouter.com/ar/blog/llm-api-key-security/)
-   [API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/)
-   [الرسائل الصوتية إلى نص للشركات: من WhatsApp وTelegram إلى تذاكر](https://broadrouter.com/ar/blog/voice-notes-to-text-for-business/)
-   [عتاد GPU لدى BroadNet وطريقة تقديم النماذج، كما تصفها BroadNet](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/)
-   [دليل: تحويل رسائل WhatsApp الصوتية إلى نص عبر API](https://broadrouter.com/ar/guides/transcribe-whatsapp-voice-notes/)
-   [دليل: API لتحويل الصوت العربي إلى نص خطوة بخطوة](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/)
-   [دليل: استخدام OpenAI Node.js SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-node-sdk/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-record-browser-audio-transcription-api&utm_content=page-cta) ·

**المصادر**

-   [المرجع التقني لواجهة BroadNet Inference: WAV (audio/wav) أو MP3 (audio/mpeg) حتى 26,214,400 بايت، وإرسال language دائمًا، واستجابة JSON تحتوي على text (تاريخ الاطلاع 2026-11-15) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-record-browser-audio-transcription-api&utm_content=sources)
-   [MDN، MediaDevices.getUserMedia(): في السياقات الآمنة فقط، وبإذن المستخدم، والخطأ NotAllowedError (تاريخ الاطلاع 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia)
-   [MDN، MediaRecorder.isTypeSupported(): القيمة true لا تضمن نجاح التسجيل (تاريخ الاطلاع 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/isTypeSupported_static)
-   [MDN، حدث dataavailable في MediaRecorder: الفاصل timeslice، وstop()، والفواصل غير الدقيقة (تاريخ الاطلاع 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/dataavailable_event)
-   [MDN، BaseAudioContext.decodeAudioData(): يعيد التشكيل إلى معدل السياق، ويعمل على الملفات الكاملة فقط (تاريخ الاطلاع 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/BaseAudioContext/decodeAudioData)
-   [MDN، المُنشئ OfflineAudioContext(): قيمة sampleRate من 3,000 إلى 768,000 Hz (تاريخ الاطلاع 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/API/OfflineAudioContext/OfflineAudioContext)
-   [مدونة WebKit، واجهة MediaRecorder: يسجّل Safari بصيغة MP4 بفيديو H.264 وصوت AAC، ويمكن اكتشاف الصيغ وقت التشغيل (تاريخ الاطلاع 2026-11-15)](https://webkit.org/blog/11353/mediarecorder-api/)
-   [دليل OpenAI لتحويل الكلام إلى نص: flac وmp3 وmp4 وmpeg وmpga وm4a وogg وwav وwebm، وملفات حتى 25 MB (تاريخ الاطلاع 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [منتدى مطوّري OpenAI، "MediaRecorder API w/ Whisper not working on mobile browsers"، من يوليو إلى ديسمبر 2024 (تاريخ الاطلاع 2026-11-15)](https://community.openai.com/t/mediarecorder-api-w-whisper-not-working-on-mobile-browsers/866019)
