BroadRouter

محضر اجتماع عربي من التسجيلات: مسار عمل عبر API

بقلم فريق BroadNet Inference · قراءة في 6 دقائق · تاريخ النشر

لكتابة محضر اجتماع عربي عبر API، حوّل التسجيل إلى نص بنموذج عربي لتحويل الكلام إلى نص، وقسّم النصوص الطويلة إلى أقسام، واطلب من LLM القرارات والمهام والأسئلة المفتوحة بصيغة JSON، ثم ادمج الأقسام. اطلب من النموذج اقتباس النص المفرّغ لكل مهمة، واكتب المحضر بالعربية الفصحى أو بالإنجليزية.

يبدو محضر الاجتماع مهمة واحدة، لكنه مهمتان: تحويل الكلام إلى نص، وتحويل النص إلى قرارات ومهام. ولكل خطوة طريقتها الخاصة في الفشل. كلمة عامية تُفرَّغ خطأً تصبح مهمة خاطئة؛ والنموذج الذي يلخّص جيدًا قد يخترع مع ذلك صاحبًا لمهمة. يبني هذا المقال مسار العمل للاجتماعات العربية، ويُظهر أين تضع نقاط التحقق.

كيف يبدو مسار العمل؟

recording (.m4a, .mp4, .webm)
  → ffmpeg: 16 kHz mono, split at silences
  → speech to text, language=ar, one request per chunk
  → join the transcript, clean obvious noise
  → split the transcript into sections
  → LLM: summary, decisions, action items, open questions (JSON) per section
  → LLM: merge the sections into one set of minutes
  → human review → send

وبقية المقال تشرحه خطوة خطوة.

الخطوة 1: كيف تفرّغ اجتماعًا عربيًا طويلًا؟

اجتماع مدته ساعة مسجّل على حاسوب محمول يكون عادةً أكبر بكثير من حد الرفع. تقبل BroadNet Inference ملفات WAV أو MP3 حتى 26,214,400 بايت لكل ملف، لذا حوّل الصوت أولًا إلى 16 kHz أحادي القناة، وقسّمه عند فترات الصمت. ويتضمن مقال تفريغ الملفات الصوتية الطويلة التي تتجاوز 25 MB السكربت كاملًا، بما في ذلك الطلبات المتوازية وضم النص بالترتيب.

ثلاثة إعدادات مهمة للاجتماعات العربية:

  • أرسل language="ar" مع كل جزء. يحذّر توثيق BroadNet من أن العربية قد تعود بخلاف ذلك مكتوبة بحروف لاتينية.
  • استخدم النموذج العربي للاجتماعات التي تغلب عليها العربية: broadnet/cohere-transcribe-arabic. أما الاجتماعات التي تغلب عليها لغة أخرى من لغاته، فيكلّف broadnet/cohere-transcribe $0.002 للدقيقة.
  • احتفظ بالنص المفرّغ الخام. تحتاج إليه للمراجعة وللاقتباسات في الخطوة 4.

خلط العربية والإنجليزية أمر عادي في اجتماعات الأعمال الخليجية. اختبر تسجيلًا فيه المزيج المعتاد لديك: فأسماء المنتجات الإنجليزية والأرقام هي المواضع التي تظهر فيها الأخطاء. ويتناول مقال التعرّف على الكلام باللهجات العربية ما يجب الانتباه إليه.

هل يمكنك الحصول على أسماء المتحدثين؟

ليس من نص مفرّغ بسيط. رد التفريغ الصوتي لدى BroadNet هو JSON بحقل text واحد: لا متحدثين ولا طوابع زمنية. (لتوقيت الترجمة النصية من إزاحات الأجزاء، راجع ترجمة نصية عربية من API تعيد نصًا فقط.) أمامك ثلاثة خيارات:

الحالة ماذا تفعل
كل شخص مسجّل على مسار أو قناة منفصلة فرّغ كل مسار وحده؛ المسار يخبرك بالمتحدث
تسجيل مكالمة بقناتين افصل القناتين بـffmpeg، كما في مسار مركز الاتصال
مسار واحد مختلط، وتحتاج إلى المتحدثين استخدم مزوّدًا يعيد تمييز المتحدثين؛ ويقارن دليل المشتري بينهم

مع مسار واحد مختلط، يستطيع LLM مع ذلك تحديد أصحاب المهام حين يذكر أحدهم اسمًا: «خالد سيرسل عرض السعر قبل الخميس». أما ما يجب ألا يفعله فهو تخمين صاحب المهمة من السياق. والأمر أدناه يمنع ذلك.

الخطوة 2: لماذا تقسّم النص المفرّغ قبل التلخيص؟

لسببين. الأول هو السياق: ساعة من الكلام قد تكون أطول مما يحتمله نموذج صغير. فنموذج BroadNet Gemma 4 VL 26B سياقه 32,768 رمزًا (توكن)، وقد يتجاوزه اجتماع عربي طويل. احسب رموز نصّك بـعدّاد الرموز العربية؛ فالعربية تحتاج عادةً إلى رموز أكثر لكل كلمة من الإنجليزية، كما يُظهر مقال عدد الرموز لكل كلمة في العربية مقابل الإنجليزية.

والثاني هو الدقة. وجدت أبحاث على المدخلات الطويلة أن أداء النماذج “significantly degrades when models must access relevant information in the middle of long contexts” (الترجمة: يتراجع بشكل ملحوظ حين يتعيّن على النماذج الوصول إلى معلومات مهمة في منتصف السياقات الطويلة) (Liu وآخرون). والقرار المتخذ في الدقيقة 35 من 70 هو تحديدًا هذه الحالة. تلخيص أقسام من 10 إلى 15 دقيقة لكل منها، ثم دمجها، يُبقي كل جزء قرب بداية الأمر.

قسّم عند نقاط الصمت نفسها التي استخدمتها للصوت، كي لا يبدأ قسم في منتصف جملة.

الخطوة 3: أي نموذج يكتب المحضر؟

النموذج السياق ملاحظات للمحاضر الإدخال / الإخراج لكل مليون رمز
Qwen3.8 27B 262,144 اختبرته BroadNet بالعربية: كتابة سلسة، وفهم للهجتين الخليجية والمصرية؛ والمخرجات المنظَّمة مدرجة $0.175 / $2.17
GLM 5.3 1,048,576 المخرجات المنظَّمة مدرجة؛ نص فقط $0.78 / $3.46
DeepSeek V4.1 Flash 1,048,576 متاح أيضًا بخطة ثابتة بسعر $60 شهريًا لكل جلسة، بطلب واحد في كل مرة $0.175 / $0.52

ابدأ بـQwen3.8 27B، لأنه النموذج الذي اختبرته BroadNet بالعربية. واختبره مقابل نموذج آخر على ثلاثة اجتماعات حقيقية، واجعل متحدثًا أصليًا يقيّمهما. ويتضمن مقال اختيار LLM للعربية ورقة تقييم.

النماذج الثلاثة كلها تستدل منطقيًا قبل أن تجيب، والاستدلال يُحتسب ضمن max_tokens. والمحاضر طويلة، فاسمح ببضعة آلاف من الرموز، وإلا فقد تعود الإجابة الظاهرة فارغة. لماذا يحدث ذلك.

الخطوة 4: أي أمر يعطي محاضر موثوقة؟

اطلب JSON، وألزِم النموذج باقتباس النص المفرّغ لكل بند. فالاقتباس هو ما يتيح للمراجع التحقق من المهمة في ثوانٍ بدل إعادة قراءة النص كاملًا.

import json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = """You write meeting minutes from an Arabic meeting transcript section.
Return JSON only, with these keys:
  "summary": 2-4 sentences in Modern Standard Arabic,
  "decisions": [{"text": ..., "quote": ...}],
  "actions": [{"task": ..., "owner": ..., "due": ..., "quote": ...}],
  "open_questions": [{"text": ..., "quote": ...}]
Rules:
- "quote" is the exact words from the transcript that support the item.
- "owner" is a name only if the transcript says who will do it. Otherwise null.
- "due" only if a date or day is said. Keep it as said, e.g. "الخميس". Otherwise null.
- Keep names, numbers and amounts exactly as in the transcript. Never guess."""

def minutes_for(section):
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": section}])
    return json.loads(r.choices[0].message.content)

ثم تحقّق بالشيفرة. حلّل JSON، وافحص المفاتيح، وتأكّد من أن كل quote موجود فعلًا في القسم. البند الذي لا يوجد اقتباسه في النص المفرّغ من اختراع النموذج: احذفه أو علّمه. وإذا لم يُحلَّل JSON، فأعد المحاولة مرة واحدة مع رسالة الخطأ. يُظهر مقال وضع JSON مقابل json_schema حلقة تحقق؛ ويدرج توثيق BroadNet المخرجات المنظَّمة لـGLM 5.3 وQwen3.8 27B دون أن يسمّي معامل الطلب، فاختبرها قبل أن تعتمد عليها.

ولمحضر بالإنجليزية، غيّر سطر الملخص إلى الإنجليزية وأضِف: “Keep each quote in the original Arabic.” (أبقِ كل اقتباس بالعربية الأصلية.) ويتناول مقال هندسة الأوامر بالعربية المستوى اللغوي والأرقام والنصوص المختلطة بتفصيل أكبر.

الخطوة 5: كيف تدمج الأقسام في محضر واحد؟

أرسل نتائج كل الأقسام في طلب نهائي واحد، واطلب من النموذج أن:

  1. يكتب ملخصًا واحدًا للاجتماع كله.
  2. يدمج القرارات والمهام المكررة. فكثيرًا ما تُذكر المهمة نفسها مرتين.
  3. يحتفظ باقتباس كل بند.
  4. يعلّم المهمة بأنها تغيّرت إذا غيّر قسم لاحق صاحبها أو موعدها.

مدخلات الدمج صغيرة: JSON من كل قسم، لا النص المفرّغ. والدمج على أي من النماذج الثلاثة أعلاه يبقى بعيدًا جدًا عن حد سياقه.

كم يكلّف اجتماع واحد؟

الخطوة ما تدفع مقابله السعر
التفريغ الصوتي دقائق الصوت $0.0042 للدقيقة، و$0.25 للساعة
ملخصات الأقسام رموز النص المفرّغ إدخالًا، وJSON إخراجًا Qwen3.8 27B: $0.175 للإدخال، و$2.17 للإخراج لكل مليون
الدمج JSON صغير إدخالًا وإخراجًا الأسعار نفسها

التفريغ الصوتي هو الجزء الثابت عادةً. أما جزء LLM فيعتمد على طول النص المفرّغ وعلى مقدار استدلال النموذج. اقرأ prompt_tokens وcompletion_tokens من أول بضعة اجتماعات حقيقية، ثم اضرب في حاسبة تكلفة LLM API. وتتولى حاسبة تكلفة تحويل الكلام إلى نص جانب الصوت. ويغطي الرصيد الأولي البالغ $5 نماذج التفريغ الصوتي، أي نحو 1,190 دقيقة من الصوت العربي؛ أما Qwen3.8 27B فيحتاج إلى شحن رصيد.

ما الأخطاء التي يجب تجنّبها؟

  • تلخيص الاجتماع كله في أمر واحد. البنود الواقعة في المنتصف تضيع.
  • ترك النموذج يملأ الفجوات. الأصحاب والمواعيد التي لم تُذكر قط هي أكثر الأخطاء شيوعًا في المحاضر المكتوبة بالذكاء الاصطناعي. اجعل null القيمة الافتراضية.
  • الترجمة مبكرًا. فرّغ واستخرج بالعربية، ثم ترجم المحضر. ترجمة النص المفرّغ أولًا تضيّع الاقتباسات الدقيقة.
  • تخطي المراجعة. المحضر سجل رسمي. ويجب أن يقرأه شخص حضر الاجتماع قبل إرساله.
  • الاحتفاظ بالتسجيلات إلى الأبد. احذف الصوت بعد اعتماد المحضر، ما لم تكن ملزمًا بالاحتفاظ به.

متى يكون مسار API الخيار الخاطئ؟

إذا كنت تحتاج إلى ترجمة نصية حية أثناء الاجتماع، أو تسميات المتحدثين من مسار واحد مختلط، أو تطبيق جاهز يستطيع فريقك استخدامه اليوم، فمنتج مخصّص للاجتماعات هو الطريق الأسرع. وكثير منها يبيع ملاحظات اجتماعات بالعربية؛ قارن بينها على تسجيلاتك أنت، لأن ادعاءات الدقة في صفحاتها ادعاءاتها هي. ويكون مسار API منطقيًا حين تريد المحاضر داخل نظامك، بصيغتك، وبقواعد الاحتفاظ الخاصة بك.

أين تقع BroadNet Inference من هذا؟

تضع BroadNet النصفين على مفتاح واحد متوافق مع OpenAI: BroadNet Transcribe Arabic بسعر $0.0042 للدقيقة، وQwen3.8 27B المختبَر بالعربية لكتابة المحضر. ويقول بيان الخصوصية لديها إنها لا تحتفظ بأي أوامر أو صوت أو إجابات أو نصوص مفرّغة بعد الطلب، وهذا مهم للاجتماعات الداخلية. لكنها لا تعيد تسميات المتحدثين ولا الطوابع الزمنية، وليس لديها تفريغ صوتي حي، فاستخدم مزوّدًا آخر إن احتجت إلى ذلك. ابدأ بـدليل تحويل الكلام العربي إلى نص، ثم أضِف خطوة التلخيص أعلاه.

أسئلة شائعة

كيف أحصل على محضر اجتماع من تسجيل عربي؟

حوّل الصوت إلى نص عبر API عربية لتحويل الكلام إلى نص، مع إرسال language=ar. ثم أرسل النص المفرّغ إلى LLM بأمر يطلب ملخصًا قصيرًا، والقرارات، والمهام مع أصحابها ومواعيدها، والأسئلة المفتوحة بصيغة JSON. وراجع النتيجة قبل أن ترسلها.

هل يمكن أن يكون المحضر بالإنجليزية والاجتماع بالعربية؟

نعم. فرّغ الصوت بالعربية، ثم اطلب من LLM كتابة المحضر بالإنجليزية مع إبقاء الأسماء والأرقام والاقتباسات كما قيلت تمامًا. واحتفظ بالاقتباسات العربية ليتمكن مراجع ثنائي اللغة من التحقق من الترجمة.

كيف أتعامل مع اللهجة في محضر الاجتماع؟

دع النص المفرّغ يحتفظ باللهجة، لأنها ما قيل فعلًا. واطلب من LLM كتابة المحضر بالعربية الفصحى، وإبقاء كلمات اللهجة بين علامتَي اقتباس حين يكون المعنى مهمًا، كالالتزام أو الرفض.

هل تستطيع API أن تحدد من قال ماذا؟

فقط إذا أعادت تسميات المتحدثين. التفريغ الصوتي لدى BroadNet يعيد نصًا بسيطًا. فإذا سُجّل كل مشارك على مسار أو قناة منفصلة، ففرّغ كل مسار وحده لتعرف المتحدث؛ وإلا فاستخدم مزوّدًا يدعم تمييز المتحدثين.

أي نموذج يلخّص اجتماعًا طويلًا؟

اختر نموذجًا بسياق يكفي لأطول نص مفرّغ لديك، ويتقن العربية. على BroadNet، Qwen3.8 27B هو النموذج المختبَر بالعربية بسياق 262,144 رمزًا؛ ويقبل GLM 5.3 وDeepSeek V4.1 Flash حتى 1,048,576 رمزًا. اختبر نموذجين على ثلاثة اجتماعات حقيقية.

هل إرسال الاجتماعات الداخلية إلى API آمن؟

راجع شروط الاحتفاظ لدى المزوّد أولًا. تذكر BroadNet أنها لا تحتفظ بأي أوامر أو صوت أو إجابات أو نصوص مفرّغة بعد الطلب. ومع ذلك احذف كل ما لا يحتاجه المحضر، مثل أرقام الهواتف الشخصية التي قيلت بصوت عالٍ.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity