---
title: "ما هو تمييز المتحدثين (diarization)؟ من تكلّم ومتى | BroadRouter"
description: "تمييز المتحدثين يقسّم التسجيل الصوتي حسب المتحدث، فيُظهر النص المفرّغ من تكلّم ومتى. كيف يعمل، وكيف تُقاس دقته، وكيف تضيفه بنفسك."
url: https://broadrouter.com/ar/glossary/diarization/
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/diarization/) (حُدّث في 2026-11-16).

# تمييز المتحدثين (Speaker diarization)

آخر تحديث 2026-11-16

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.

يُسمّى أيضًا: تمييز المتحدثين، فصل المتحدثين، تحديد المتحدثين، تقسيم المتحدثين، من تكلم ومتى، speaker diarization، diarization، speaker diarisation، speaker labels، who spoke when، speaker separation، speaker segmentation

يحوّل تمييز المتحدثين كتلة واحدة من النص المفرّغ إلى محادثة: الموظف، ثم العميل، ثم الموظف مجددًا.

## كيف يعمل

يمر مسار تمييز المتحدثين عادةً بثلاث مراحل:

1.  **العثور على الكلام.** يحدد [كشف النشاط الصوتي](https://broadrouter.com/ar/glossary/vad/) مواضع كلام أي شخص.
2.  **تضمين نوافذ قصيرة.** يحوّل نموذج تضمين المتحدثين كل شريحة إلى متجه يلتقط خصائص الصوت.
3.  **التجميع.** تحصل الشرائح ذات المتجهات المتشابهة على الوسم نفسه، ويُعالَج الكلام المتداخل حيث يدعمه النموذج.

يستقبل مسار pyannote المفتوح `speaker-diarization-3.1` على Hugging Face صوتًا أحادي القناة بتردد 16 kHz (يدمج الاستيريو في قناة واحدة ويعيد أخذ العينات للترددات الأخرى)، ويكتب النتائج بصيغة RTTM، وهي صيغة نصية بسيطة بسطر لكل دور متحدث. يعطي سطر RTTM الملف والقناة ووقت البدء والمدة ووسم المتحدث:

```text
SPEAKER call42 1 0.00 4.21 <NA> <NA> SPEAKER_00 <NA> <NA>
SPEAKER call42 1 4.35 2.80 <NA> <NA> SPEAKER_01 <NA> <NA>
```

وتذكر بطاقة النموذج معدل خطأ تمييز المتحدثين (DER) لكل معيار قياس، من 7.8% على REPERE إلى 50.0% على AVA-AVD، و11.3% على VoxConverse. ويُظهر هذا التفاوت مدى اعتماد النتائج على الصوت: الاجتماعات والتلفزيون والمكالمات الهاتفية تتصرف بشكل مختلف.

وبعض الواجهات المستضافة تفعل ذلك نيابةً عنك. يوثّق دليل OpenAI لتحويل الكلام إلى نص نموذجًا لتمييز المتحدثين هو `gpt-4o-transcribe-diarize`، باستجابة `diarized_json` تحمل مقاطعها الحقول `speaker` و`start` و`end`، مع مقاطع مرجعية اختيارية مدتها من 2 إلى 10 ثوانٍ لما يصل إلى أربعة متحدثين معروفين. وتدرج OpenAI هذا النموذج ضمن النماذج الموقوفة تدريجيًا، ويُغلق في 26 فبراير 2027، ولا يوثّق دليلها (رُوجع في 2026-11-15) وسوم المتحدثين في أي نموذج آخر.

## لماذا يهم

-   **مراكز الاتصال والمقابلات.** مراجعة الجودة والامتثال والملخصات كلها تحتاج إلى معرفة من قال ماذا.
-   **العمل اللاحق بنماذج اللغة.** أمر التلخيص الذي يحوي أدوارًا مثل “Agent:” و”Customer:” يعطي إجابات أفضل من كتلة نص واحدة.
-   **التكلفة.** تمييز المتحدثين حوسبة إضافية، تُسعَّر منفصلةً أو ضمن الحزمة بحسب المزوّد. ويوضح [مؤشر أسعار واجهات تحويل الكلام إلى نص](https://broadrouter.com/data/speech-to-text-api-prices/) أي المزوّدين يتقاضون رسومًا إضافية عليه.

## في BroadNet Inference

لا تذكر وثائق BroadNet تمييز المتحدثين. تُرجع نقطة نهاية التفريغ الصوتي `{"text": "..."}` فقط، دون وسوم متحدثين أو [طوابع زمنية](https://broadrouter.com/ar/glossary/timestamps-asr/). والنمط العملي هو تشغيل أداة تمييز مفتوحة مثل pyannote محليًا، وقص الصوت عند كل دور متحدث باستخدام ffmpeg، وإرسال كل مقطع إلى [BroadNet Transcribe Arabic](https://broadrouter.com/ar/models/cohere-transcribe-arabic/) أو [BroadNet Transcribe](https://broadrouter.com/ar/models/cohere-transcribe/) مع ضبط `language`. وإذا كان الطرفان على قناتَي استيريو منفصلتين، فافصل القناتين بدلًا من ذلك؛ ولا يحتاج هذا إلى أي نموذج. راجع [تفريغ تسجيلات مراكز الاتصال](https://broadrouter.com/ar/blog/transcribe-call-center-recordings/) لسير العمل الكامل.

## أسئلة شائعة

### هل يخبرني تمييز المتحدثين باسم المتحدث؟

لا. يُرجع وسومًا مجهولة مثل SPEAKER\_00 وSPEAKER\_01. وبعض الواجهات، مثل gpt-4o-transcribe-diarize من OpenAI (موقوف تدريجيًا، ويُغلق في 26 فبراير 2027)، تستطيع مطابقة ما يصل إلى أربعة متحدثين مع مقاطع مرجعية قصيرة تقدّمها أنت.

### هل تدعم واجهة التفريغ الصوتي في BroadNet تمييز المتحدثين؟

لا تذكر وثائق BroadNet تمييز المتحدثين. تُرجع نقطة النهاية النص المفرّغ بالشكل {"text": ...}، لذا شغّل نموذج تمييز متحدثين منفصلًا إن احتجت إلى أدوار المتحدثين.

### كيف تُقاس دقة تمييز المتحدثين؟

بمعدل خطأ تمييز المتحدثين (DER)، الذي يجمع زمن الإنذارات الكاذبة والكلام الفائت والخلط بين المتحدثين، ثم يقسمه على إجمالي زمن الكلام المرجعي. والأقل أفضل.

## انظر أيضًا

-   [تحويل الصوت إلى نص (Speech-to-text)](https://broadrouter.com/ar/glossary/speech-to-text/) (مصطلح)
-   [كشف النشاط الصوتي (VAD)](https://broadrouter.com/ar/glossary/vad/) (مصطلح)
-   [الطوابع الزمنية في التفريغ الصوتي (Timestamps)](https://broadrouter.com/ar/glossary/timestamps-asr/) (مصطلح)
-   [معدل الخطأ في الكلمات (WER)](https://broadrouter.com/ar/glossary/word-error-rate/) (مصطلح)
-   [معدل أخذ العينات (Sample rate)](https://broadrouter.com/ar/glossary/sample-rate/) (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)
-   [API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/) (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-diarization&utm_content=page-cta) ·

**المصادر**

-   [pyannote، بطاقة نموذج speaker-diarization-3.1 على Hugging Face](https://huggingface.co/pyannote/speaker-diarization-3.1)
-   [مرجع pyannote.metrics، معدل خطأ تمييز المتحدثين](https://pyannote.github.io/pyannote-metrics/reference.html)
-   [OpenAI، دليل تحويل الكلام إلى نص (diarized\_json والمتحدثون المعروفون؛ رُوجع في 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [OpenAI، قائمة الإيقاف التدريجي، نماذج تحويل الكلام إلى نص (رُوجع في 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [مرجع BroadNet Inference API، التفريغ الصوتي (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-diarization&utm_content=sources)
