---
title: "ما هي الطوابع الزمنية للكلمات والمقاطع في التفريغ الصوتي؟"
description: "الطوابع الزمنية في ASR تخبرك متى نُطقت كل كلمة أو مقطع. الفرق بين طوابع الكلمات والمقاطع، وكيف تُرجعها الواجهات، وما العمل حين تُرجع الواجهة نصًا فقط."
url: https://broadrouter.com/ar/glossary/timestamps-asr/
lang: ar
updated: 2026-11-16
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/glossary/timestamps-asr/) (حُدّث في 2026-11-16).

# الطوابع الزمنية في التفريغ الصوتي (Timestamps)

آخر تحديث 2026-11-16

الطوابع الزمنية في تحويل الصوت إلى نص هي أوقات بداية ونهاية، بالثواني، تُرفق بأجزاء من النص المفرّغ. تغطي طوابع المقاطع عبارة أو جملة؛ وتغطي طوابع الكلمات كل كلمة. وهي لازمة للترجمة المصاحبة للفيديو، وللبحث داخل التسجيلات، ولمطابقة النص مع المتحدثين.

يُسمّى أيضًا: طوابع زمنية، توقيت الكلمات، طوابع الكلمات، طوابع المقاطع، التوقيت في التفريغ الصوتي، word timestamps، word-level timestamps، segment timestamps، timestamp\_granularities، ASR timestamps

النص المفرّغ يخبرك بما قيل؛ والطوابع الزمنية تخبرك أين تجده في التسجيل.

## كيف يعمل

تقدّم معظم أنظمة ASR مستويين:

-   **مستوى المقطع.** نطاق زمني واحد لكل عبارة، مثلًا `{"text": " Hi there!", "timestamp": (0.5, 1.5)}`.
-   **مستوى الكلمة.** نطاق زمني واحد لكل كلمة، مثلًا `hi` من 0.5 إلى 0.9 ثانية و`there` من 1.0 إلى 1.5 ثانية.

يتيح خط معالجة ASR في Hugging Face المستويين عبر `return_timestamps`: القيمة `True` تعطي مقاطع في Whisper، و`"word"` تعطي كلمات، وتدعم نماذج CTC مثل Wav2Vec2 أيضًا `"char"`. وتعود النتائج في صورة `chunks`، لكل منها `text` وصف `(start, end)`. ويشير التوثيق إلى أن أوقات الكلمات في Whisper تُقدَّر بالمحاذاة الزمنية الديناميكية (dynamic time warping) على أوزان الانتباه المتقاطع، فهي تقريب لا قياس.

وتتبع الواجهات المستضافة النمط نفسه. يوثّق دليل OpenAI لتحويل الكلام إلى نص المعامل `timestamp_granularities[]` بقيمة `word` أو `segment`، مقرونًا بـ `response_format: "verbose_json"`، ويوثّقه فقط لنموذج `whisper-1` المتقادم، الذي تستطيع التكاملات القائمة استخدامه حتى يُوقف تشغيله في 26 فبراير 2027.

```bash
curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F model=whisper-1 -F file=@call.mp3 \
  -F response_format=verbose_json \
  -F "timestamp_granularities[]=word"
```

## لماذا يهم

-   **الترجمة المصاحبة للفيديو.** تحتاج ملفات SRT وVTT إلى بداية ونهاية لكل سطر تسمية.
-   **البحث والمراجعة.** يستطيع مراجع الجودة القفز إلى الثانية التي تبدأ فيها الشكوى بدل الاستماع إلى المكالمة كاملة؛ راجع [تفريغ تسجيلات مراكز الاتصال](https://broadrouter.com/ar/blog/transcribe-call-center-recordings/).
-   **أدوار المتحدثين.** دمج النص المفرّغ مع مخرجات [تمييز المتحدثين](https://broadrouter.com/ar/glossary/diarization/) يتم بمطابقة الأوقات.
-   **حجم البيانات.** مخرجات مستوى الكلمة أطول بكثير من النص العادي، وهذا مهم إذا مرّرتها بعد ذلك إلى نموذج لغة في صورة [رموز](https://broadrouter.com/ar/glossary/token/).

## في BroadNet Inference

لا يوثّق توثيق BroadNet أي طوابع زمنية. تُرجع `/v1/audio/transcriptions` النص المفرّغ بالشكل `{"text": "..."}`، ولا يُدرج أي خيار `timestamp_granularities`. وتُدرج بيانات `/v1/models` الوصفية لدى BroadNet (تاريخ المراجعة 2026-11-15) الصيغة `verbose_json` ضمن صيغ الاستجابة، لكن لا شيء يقول إنها تحمل أوقات المقاطع أو الكلمات، فاختبرها قبل الاعتماد عليها. وللتوقيت التقريبي، قطّع الصوت بنفسك، مثلًا عند فترات الصمت التي يجدها [كشف النشاط الصوتي](https://broadrouter.com/ar/glossary/vad/) أو إلى مقاطع ثابتة الطول، وسجّل إزاحة بداية كل مقطع. فيرث نص كل مقطع تلك الإزاحة. يعطي هذا توقيتًا على مستوى الجملة يكفي للتنقل داخل مكالمة، لا لترجمة دقيقة على مستوى الإطار. أرسل `language` مع كل مقطع إلى [BroadNet Transcribe Arabic](https://broadrouter.com/ar/models/cohere-transcribe-arabic/) أو [BroadNet Transcribe](https://broadrouter.com/ar/models/cohere-transcribe/). وإذا كان التوقيت على مستوى الكلمة شرطًا لا غنى عنه، فشغّل أداة محاذاة أو نموذجًا يوثّقه.

## أسئلة شائعة

### ما الفرق بين الطوابع الزمنية للكلمات وللمقاطع؟

يعطي الطابع الزمني للمقطع وقت بداية ونهاية واحدًا لعبارة من كلمة أو أكثر. أما الطابع الزمني للكلمة فيعطي نطاقًا زمنيًا لكل كلمة، وهو ما تحتاج إليه محررات الترجمة وأدوات البحث.

### هل تُرجع واجهة التفريغ الصوتي في BroadNet طوابع زمنية؟

لا توجد طوابع زمنية موثّقة. فالاستجابة {"text": ...} فقط، لذا قسّم الصوت إلى مقاطع وتتبّع إزاحة كل مقطع إذا احتجت إلى توقيت تقريبي.

### كيف أصنع ترجمة للفيديو دون طوابع زمنية للكلمات؟

قسّم الصوت إلى مقاطع قصيرة عند فترات الصمت، وفرّغ كل مقطع، واستخدم إزاحة بداية كل مقطع ونهايته وقتًا للتسمية. يمنحك ذلك توقيتًا على مستوى العبارة، يكفي لكثير من ملفات الترجمة لكنه ليس دقيقًا على مستوى الإطار.

## انظر أيضًا

-   [تحويل الصوت إلى نص (Speech-to-text)](https://broadrouter.com/ar/glossary/speech-to-text/) (مصطلح)
-   [تمييز المتحدثين (Speaker diarization)](https://broadrouter.com/ar/glossary/diarization/) (مصطلح)
-   [كشف النشاط الصوتي (VAD)](https://broadrouter.com/ar/glossary/vad/) (مصطلح)
-   [معدل أخذ العينات (Sample rate)](https://broadrouter.com/ar/glossary/sample-rate/) (مصطلح)
-   [ملفات الترجمة SRT (SRT subtitles)](https://broadrouter.com/ar/glossary/srt-subtitles/) (مصطلح)
-   [API لتحويل الصوت العربي إلى نص خطوة بخطوة](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/) (دليل)
-   [كيف تفرّغ تسجيلات مراكز الاتصال نصيًا: خط معالجة جاهز للعربية](https://broadrouter.com/ar/blog/transcribe-call-center-recordings/) (مقال)
-   [بديل Whisper API: متى تنتقل، وكيف تختبر البديل](https://broadrouter.com/ar/blog/whisper-api-alternative/) (مقال)
-   [ترجمة نصية عربية (SRT) من API لتحويل الصوت إلى نص: ما تحتاجه](https://broadrouter.com/ar/blog/arabic-subtitles-srt-api/) (مقال)

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-glossary-timestamps-asr&utm_content=page-cta) ·

**المصادر**

-   [OpenAI، دليل تحويل الكلام إلى نص (timestamp\_granularities) (تاريخ المراجعة 2026-11-16)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Hugging Face Transformers، خطوط المعالجة (return\_timestamps في ASR) (تاريخ المراجعة 2026-11-16)](https://huggingface.co/docs/transformers/main_classes/pipelines)
-   [المرجع التقني لـ BroadNet Inference API، استجابة التفريغ الصوتي (تاريخ المراجعة 2026-11-16) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-timestamps-asr&utm_content=sources)
