دليل تحليل تسجيلات مواقع البناء والديكورات الداخلية باستخدام Gemini API

ما الذي ستتعلمه في هذا الدليل؟

يمكن تحويل التسجيلات الصوتية المأخوذة خلال زيارات مواقع البناء أو معاينات المساحات الداخلية أو اجتماعات المشاريع إلى ملاحظات قابلة للبحث لاحقًا. ويمكن استخدام Gemini API لوصف المحتوى الصوتي وتلخيصه والإجابة عن أسئلة حوله. كما تتناول الوثائق سيناريوهات مثل تحويل الكلام إلى نص والترجمة ورصد المشاعر وإضافة طوابع زمنية إلى مقاطع صوتية محددة.

يتناول هذا الدليل خطوات إرسال ملف صوتي إلى API وكتابة تعليمات ملائمة لسير العمل المعماري. أُعدّت الأمثلة لتنظيم ملاحظة مسجلة في الموقع، أو تقييم للمواد، أو تسجيل اجتماع مشروع. ومن الأفضل التعامل مع المخرجات على أنها مسودة تُراجع بالعودة إلى التسجيل، لا محضر موقع أو قرار فني نهائي.

المتطلبات

يتطلب سير العمل الوصول إلى Gemini API ومفتاح API وملفًا صوتيًا. تستخدم أمثلة Google مكتبة العميل google-genai في Python؛ وتُستورد عبر from google import genai، ثم يُنشأ العميل باستخدام genai.Client(). وبما أن المصدر لا يحدد إصدارًا بعينه لمكتبة العميل، فلا نذكر رقم إصدار هنا.

توضح الوثائق إمكانية رفع الملف الصوتي واستخدامه في طلب generate_content، أو إضافة البيانات الصوتية مباشرة إلى الطلب. إذا تجاوز الحجم الإجمالي للطلب—بما في ذلك الملف وموجّه النص وتعليمات النظام—20 MB، فينبغي استخدام Files API. أما أمثلة النصوص الواردة في هذا الدليل فهي تعليمات تُرسل إلى API؛ وتُنفّذ عملية رفع الملف واستلام الإجابة عبر استدعاء API في التطبيق.

ضعوا في الحسبان منذ البداية قيدًا مهمًا: لا يدعم Gemini API تفريغ الصوت في الوقت الفعلي. لذلك، فالخطوات التالية مخصصة لمعالجة ملف صوتي موجود، لا لتفريغ اجتماع مباشر أثناء انعقاده.

تحليل الصوت خطوة بخطوة

1. حدّد التسجيل والهدف

ابدأ بتحديد السؤال الذي تريد الإجابة عنه. مثلًا، قد يكون الهدف تعداد الأصوات المسموعة في مساحة ما، أو استخلاص القرارات المتخذة في اجتماع، أو العثور على جزء محدد من حديث في التسجيل. وطلب الاقتصار على المعلومات المسموعة في التسجيل يجعل مراجعة المخرجات أسهل.

ارفع ملف التسجيل إلى API عبر Files API، أو أرفقه بالطلب عند ملاءمة ذلك. يستخدم مثال Google اسم النموذج gemini-3.8-flash. بعد ذلك، أرسل الملف الصوتي وتعليماتك المصاغة بما يناسب هدفك، مثل المثال التالي، في استدعاء generate_content.

حلّل هذا التسجيل الصوتي بوصفه ملاحظة ميدانية معمارية. استنادًا فقط إلى المعلومات المسموعة في التسجيل، لخّص في نقاط موجزة المساحة والأصوات المسموعة والمشكلات التي ذكرها المتحدثون. لا تخمّن المعلومات غير المسموعة أو غير الواضحة، واذكر صراحةً أنها غير مؤكدة.

صيغت هذه التعليمات لطلب قائمة أولية بالملاحظات، بدلًا من تقديم التسجيل مباشرةً على أنه تقرير فني. وينبغي الاستماع مجددًا إلى النقاط المصنفة على أنها غير مؤكدة والتحقق منها.

2. اطلب تفريغًا نصيًا أو ملخصًا موجزًا

يمكن طلب تفريغ أو ملخص لاستخلاص القرارات والمهام اللاحقة من تسجيل اجتماع. يستطيع Gemini API تلخيص المحتوى الصوتي والإجابة عن أسئلة بشأنه. حدّد التعليمات بحسب نوع المعلومات التي سيحتاج إليها الفريق في المرحلة التالية.

لخّص تسجيل اجتماع المشروع هذا. اعرض القرارات المتخذة، والمهام اللاحقة التي ذكرها المتحدثون صراحةً، والأسئلة التي لم تُحسم إجاباتها، كلًّا تحت عنوان منفصل. لا تضف أشخاصًا أو تواريخ أو قياسات أو قرارات غير موجودة في التسجيل.

يمكن الاستفادة من هذا النوع من المخرجات بوصفه مسودة أولية لملاحظات الاجتماع. لكن قارنوا مصطلحات المشروع وأسماء المسؤولين الواردة في التسجيل بالصوت الأصلي؛ فقد يؤدي سوء سماع عبارة إلى تغيير معنى القرار.

3. اطلب طوابع زمنية ونتائج منظّمة

عند الحاجة إلى العثور على مقاطع محددة في التسجيل، يمكن طلب طابع زمني لكل مقطع. يستخدم مثال Google التطبيقي تقسيم التفريغ الصوتي إلى مقاطع، مع مخرجات منظّمة تتضمن حقولًا مثل الطابع الزمني والمحتوى واللغة والمشاعر. وفي المثال، يُضبط تنسيق الاستجابة على JSON وتُعرّف الحقول باستخدام مخطط.

قسّم التسجيل الصوتي إلى مقاطع ذات معنى. لكل مقطع، أدرج الطابع الزمني بصيغة MM:SS، وتفريغ المحتوى المسموع، ولغة المقطع. أضف أيضًا ملخصًا موجزًا للمقطع. إذا لم تكن متأكدًا من الطابع الزمني، فاذكر ذلك صراحةً؛ ولا تستكمل الكلمات غير المسموعة.

إذا كانت هناك حاجة إلى نتيجة منظّمة على مستوى التطبيق، فيمكن تحديد تنسيق الاستجابة وحقولها باستخدام مخطط، كما في المثال الوارد في وثائق API. يتضمن المخطط المثال الحقل summary للملخص العام، والمصفوفة segments لسجلات المقاطع؛ ويحتوي كائن المقطع على حقول مثل الطابع الزمني والمحتوى. قد يسهّل هذا النهج مراجعة النتيجة أو معالجتها داخل التطبيق، لكن المخطط لا يضمن دقة التفريغ الصوتي بحد ذاته.

4. اطرح أسئلة حول المحتوى الصوتي

يمكنك طرح سؤال يركّز على موضوع محدد في التسجيل بدلًا من طلب تلخيص الملف كله مجددًا. مثلًا، قد ترغب في استخراج ما قاله المتحدثون عن الإضاءة أو الصوتيات أو الأسطح خلال معاينة مساحة داخلية. لا تفترض أن هذه الموضوعات وردت في التسجيل؛ واطلب في التعليمات نقل المقاطع المسموعة فقط.

أدرج بشكل منفصل ما قيل عن الإضاءة والصوتيات ومواد الأسطح في تسجيل معاينة المساحة الداخلية هذا. إذا لم يرد أحد الموضوعات في التسجيل، فاذكر ذلك. أدرج الطابع الزمني للمقطع ذي الصلة مع كل بند، ولا تضف توصيات فنية غير موجودة في التسجيل.

يدعم Gemini API سيناريوهات تحليل مقاطع صوتية محددة وإضافة طوابع زمنية إليها. وعند مراجعة النتيجة، استمع إلى كل بند ضمن نطاقه الزمني ذي الصلة؛ فالطابع الزمني وحده لا يثبت أن التسجيل فُسّر على نحو صحيح.

أخطاء شائعة

• كتابة طلب مبهم: لا توضح تعليمات عامة مثل «حلّل التسجيل» المعلومات المطلوبة. حدّد الهدف، مثل التفريغ أو الملخص أو المهام اللاحقة أو موضوع بعينه.

• التعامل مع التخمينات على أنها حقائق: إذا لم تكن القياسات الفنية أو أسماء المواد أو القرارات واضحة في التسجيل، فاطلب من النموذج عدم استكمالها، ثم تحقّق من المخرجات بالاستماع.

• إغفال حجم الطلب: إذا تجاوز إجمالي الطلب 20 MB، فينبغي استخدام Files API. احسب المحتويات الأخرى في الطلب إلى جانب الملف الصوتي.

• توقّع التفريغ المباشر: تشير وثائق Gemini API للصوت إلى عدم دعم التفريغ في الوقت الفعلي. استخدم سير العمل هذا للملفات الموجودة.

• اعتبار المخرجات المنظّمة سجلًا موثّقًا: يحدد مخطط JSON شكل الإجابة. تحقّق بشكل مستقل من دقة الكلمات المسموعة والقواعد اللغوية والطوابع الزمنية.

الخطوات التالية

ابدأ بتجربة تسجيل قصير معروف المحتوى. واختبر بشكل منفصل طلبات الملخص والتفريغ والمقاطع ذات الطوابع الزمنية للتسجيل نفسه، لتحديد المخرجات الأكثر فائدة للفريق. وإذا كانت النتائج ستُضاف إلى ملاحظات المشروع، فأدرج خطوة مقارنتها بالتسجيل الصوتي ضمن سير العمل.

يمكن للفرق التي تطوّر تطبيقًا الاطلاع على مثال Python في الوثائق، حيث يُرفع الصوت عبر Files API ثم يُستدعى generate_content. كما يعرض مثال REST الذي يستخدم مفتاح API المتغير GEMINI_API_KEY. عند اختيار طريقة إرسال البيانات الصوتية، راعِ الحجم الإجمالي للطلب؛ وإذا كنت تحتاج إلى تفريغ فوري، فتذكّر أن دليل Gemini API للصوت لا يدعم هذا الاستخدام.

المصدر والترخيص

يستند هذا الدليل إلى وثائق Google الخاصة بفهم الصوت في Gemini API، وإلى معلومات Gemini Omni Flash في صفحة إنشاء الفيديو. وقد وُطّف المحتوى من مصادر مرخّصة بموجب CC BY 4.0، وأُعيدت صياغته ليناسب سير العمل في العمارة والتصميم الداخلي وarchviz.