SoundTag AI - يستمع إلى ملفاتك الصوتية ويعيد تسميتها

ما الذي يفعله

تحلّ هذه المهارة مشكلة أسماء الملفات الصوتية الفوضوية والمولّدة تلقائيًا، كـ audio_track_v2_final_99.wav. إذ تحلّل المحتوى الفعلي للملفات الصوتية وتعيد تسميتها بعناوين وصفية مقروءة، مثل: ElevenLabs_2024-07-21T15_43_56_George_pre_s50_sb75_se0_b_m2.mp3 → Elevenlabs_George_Voice_Speech.mp3 أو Bright_Trumpet_Fanfare.wav أو Large_Crowd_Cheering.mp3.

الأدوات المدعومة

• نماذج ML المحلية (AST): تستخدم MIT Audio Spectrogram Transformer لتصنيف الأصوات في 527 فئة (كلام، موسيقى، انفجار، إلخ) بالكامل دون اتصال بالإنترنت.
• Google Gemini API: يستفيد من الذكاء الاصطناعي متعدد الوسائط المتقدم لتوليد أوصاف دقيقة لمؤثرات الصوت السينمائية والمزاجيات والأنسجة الصوتية المعقدة.
• المعالجة المجمّعة: يدعم صيغ .wav و.mp3 و.ogg و.flac و.aac و.m4a وغيرها.

لماذا تستخدم هذه المهارة

على خلاف الأساليب البسيطة، تعتمد هذه المهارة سير عمل متطورًا من خطوتين. تبدأ بمحاولة تصنيف محلي عالي السرعة للحدّ من تكاليف API وصون الخصوصية. وللأصوات الغامضة، توفّر "جولة تحسين" منظّمة باستخدام Gemini. كما تدمج بذكاء تسميات ML مع تلميحات مخفية من اسم الملف الأصلي لضمان عدم فقدان السياق. وتتعامل تلقائيًا مع قيود البيئة، بما فيها إصدارات التبعيات المحددة (Torch/Transformers) لتناسب حدود الموارد في البيئات المعزولة.

المخرجات

النتيجة هي مجلد منظّم وواضح، حيث يتبع كل ملف صوتي اصطلاح تسمية موحّدًا بصيغة Title_Case_With_Underscores، مما يجعل مكتبات العيّنات والتسجيلات الميدانية قابلة للبحث فورًا.