---
title: "كيفية إضافة الصوت أو التعليق الصوتي إلى فيديو عبر الإنترنت"
description: "لمن يصل إليه تسجيل منفصل عن الصورة: استيراد صوت WAV، ومطابقته باليد على الخط الزمني، وضبط مستواه، ثم تصدير MP4 وسماعه، مع حدود الترميزات في المتصفح."
canonical: "https://freeaigeneration.com/ar/%D8%A3%D8%AF%D9%84%D8%A9/%D9%83%D9%8A%D9%81%D9%8A%D8%A9-%D8%A5%D8%B6%D8%A7%D9%81%D8%A9-%D8%A7%D9%84%D8%B5%D9%88%D8%AA-%D8%A3%D9%88-%D8%A7%D9%84%D8%AA%D8%B9%D9%84%D9%8A%D9%82-%D8%A7%D9%84%D8%B5%D9%88%D8%AA%D9%8A-%D8%A5%D9%84%D9%89-%D9%81%D9%8A%D8%AF%D9%8A%D9%88-%D8%B9%D8%A8%D8%B1-%D8%A7%D9%84%D8%A5%D9%86%D8%AA%D8%B1%D9%86%D8%AA/"
robots: "noindex"
lang: "ar"
---

# كيفية إضافة الصوت أو التعليق الصوتي إلى فيديو عبر الإنترنت

الصورة جاهزة، والصوت لم يصل إليها بعد. هذا هو الوضع المعتاد: فيديو صُوّر بكاميرا أو بتسجيل شاشة، وتسجيل صوتي أُنجز في وقت آخر على هاتف أو مسجّل خارجي، وبقي الملفان منفصلين. المهمة هي إدخال التسجيل إلى الخط الزمني في اللحظة الصحيحة، وضبط مستواه، والخروج بملف يُسمع منه الكلام بوضوح.

سير العمل أربع خطوات متتابعة: استيراد الملف الصوتي من لوحة الوسائط نفسها التي تُستورد منها الصورة، ثم تحريكه على مسار الصوت حتى يوافق الصورة، ثم ضبط مستواه، ثم تصدير الملف وسماعه.

## استيراد الملف الصوتي

في هذه النسخة جرى التحقق من استيراد صوت WAV بترميز PCM إلى الخط الزمني، إلى جانب صور PNG وفيديو WebM بترميز VP9. والمسار الصوتي الذي يمكن التعويل عليه في هذا الإصدار هو WAV غير مضغوط.

حجم WAV هو حاصل ضرب معدل العينات في عمق البت في عدد القنوات. تسجيل أحادي بتردد 48 كيلوهرتز وعمق 16 بت يستهلك 96,000 بايت في الثانية، أي نحو 5.76 ميجابايت في الدقيقة، ويتضاعف الرقم مع الاستريو. تعليق صوتي مدته عشر دقائق بالمعدل نفسه يقترب من 58 ميجابايت. الملف كبير، لكن التسجيل يبقى كما خرج من المسجّل من دون تشويه ضغط.

أما الملفات المضغوطة ففتحها يعتمد على الترميزات التي يعرضها متصفحك. ملفات MP4 أو MOV بترميز H.264 أو HEVC أو VP9 أو AV1 لم يُختبر استيرادها في هذه النسخة، فلا تبنِ جلسة كاملة على ملف لم تجربه. استورد الملف وشغّله وتأكد من ظهور موجته على الخط الزمني، وإن لم يُفتح فحوّله إلى WAV بترميز PCM قبل أن تبدأ.

## وضع التعليق على الخط الزمني

الخط الزمني متعدد المسارات، ويظهر الصوت عليه على هيئة موجة صوتية مع علامات. المطابقة يدوية: تضع القطعة الصوتية على مسار الصوت، وتنقلها حتى تنطبق الجملة على حركة الشفة أو على اللحظة التي يجب أن تبدأ فيها، ثم تقلّم أولها وآخرها.

حين يسمح المحرّر بتحريك القطعة الصوتية وحدها، افعل ذلك بدل تحريك الصورة معها. الأولى تغيّر موضع التعليق، والثانية تغيّر ما بُني على الصورة. وفي التسجيل نفسه، الجملة الكاملة في مقطع واحد أسهل في المطابقة من جملة قُطعت إلى ثلاثة أجزاء.

الموجة هي المرجع في التوقيت، لا الصوت الذي تسمعه أثناء السحب. القمم الواضحة تدل على بداية الكلام، والعلامات على الخط الزمني تصلح لتكون نقاط ارتكاز ترجع إليها. والتسجيلات الطويلة تُقسَّم عادة إلى جمل، لكل جملة موضعها، بدل أن يُدفع ملف واحد طويل إلى الأمام والخلف.

وقبل الحكم على التزامن، انقر داخل الصفحة. التشغيل يتبع ساعة الصوت في المتصفح بعد أول نقرة أو ضغط مفتاح، وقبل ذلك يمشي على ساعة الحائط، فيبدو الصوت منزاحًا لأن التشغيل لم يبدأ على المسار نفسه.

## ضبط مستوى الصوت

الهدف الأول وضوح الكلام: أن يقع التعليق فوق بقية المزيج، لا أن يتساوى معه. ومستويات الصوت تُعدّل على الخط الزمني نفسه الذي تُعدّل عليه الصورة، فتصحّح المستوى وأنت ترى اللحظة التي يقع فيها الكلام. إن لم تُفهم الجملة من المرة الأولى على سماعة رخيصة، فمن المرجّح أن المشاهد لن يفهمها على هاتفه.

استمع إلى المقطع مرة من دون النظر إلى الصورة، ومرة على أصغر سماعة تملكها. واضبط بداية القطعة ونهايتها بالقصّ، فمستوى الصوت لا يصلح قطعة تبدأ في منتصف كلمة.

## حين لا يوجد تسجيل

لمن لا يملك تعليقًا مسجّلًا، في هذه النسخة إضافتان اختياريتان: تحويل الكلام إلى نص، وأصوات السرد. الاثنتان تنزّلان نماذج من Hugging Face، ولا يبدأ التنزيل إلا بعد مربع تأكيد يذكر المصدر والحجم والرخصة. نموذج أصوات السرد، Kokoro-82M مع CMUdict، رخصته Apache-2.0 كما تُعرض في المربع.

هذا وصف لما يفعله التنزيل، وليس ضمانًا لجودة القراءة. عامل الناتج كمسودة: استمع إلى الجملة التي تحمل المعلومة الأهم، وتأكد من نطق الأسماء والمصطلحات قبل أن تبني الفيديو عليها. والمحرّر نفسه لا يجري أي طلب إلى جهة خارجية عند بدء التشغيل، والإضافتان هما الاستثناء الموثق.

## سماع الملف بعد التصدير

التصدير المتحقق منه يخرج ملف MP4 بفيديو H.264، والصوت يُحمل في الحاوية نفسها مع الصورة، وهو التجاور المعتاد في ملفات MP4: فيديو H.264 وصوت AAC. والتصدير يجري على مراحل، بنحو 30 ميلي ثانية لكل إطار واجهة، فيستغرق الخط الزمني الطويل وقتًا ويظهر التقدم في أعلى الواجهة.

الملف المصدَّر هو ما يُسمع، لا المعاينة على الخط الزمني. افتح الملف واستمع إلى أول ثانيتين وآخر ثانيتين، ثم إلى الجملة التي كانت أصعب في الضبط. وإن ظهر الصوت ناقصًا أو منزاحًا، فأصلحه في المشروع وصدّر مرة أخرى.

والوسائط المستوردة تبقى مقروءة ما دام التبويب مفتوحًا، إلا إذا احتفظ المتصفح بنسخته. يكتب المحرّر سجل استعادة كل بضع ثوانٍ وينسخ الوسائط إلى تخزين المتصفح، ومسح بيانات الموقع يحذف الاثنين. صدّر ما تحتاجه قبل إغلاق الصفحة.

## حدود قبل جلسة طويلة

دعم الترميزات يعتمد على المتصفح. ما يدعمه المتصفح يفكّه فاكّ ترميزه، وما لا يدعمه يمرّ عبر فكّ الترميز المدمج في المحرّر. فحص البدء في متصفح الاختبار أبلغ عن دعم AVC وHEVC وVP9 وAV1، لكن استيراد ملفات بهذه الترميزات لم يُجرَّب، فلا يُقرأ الفحص كضمان.

والنسخة داخل المتصفح أحادية الخيط، والأوامر التي تحتاج خيوط عمل على سطح المكتب ترجع خطأً هنا، ومنها معاينات العرض والنسخ الوسيطة. في جلسة تعليق صوتي طويلة، هذا يعني أن المعاينة الثقيلة ليست متاحة، وأن المشاريع الضخمة أبطأ من التطبيق المكتبي.

والمعاينة على الخط الزمني لا تغني عن سماع الملف المصدَّر، لأن ما يخرج من التصدير هو ما سيصل إلى المشاهد. العمل كله يجري في [محرر الفيديو](/ar/أدوات/محرر-الفيديو/)، وقواعد المسارات والمدد مشروحة في [الخط الزمني متعدد المسارات](/ar/أدلة/تحرير-الفيديو-عبر-الانترنت-خط-زمني-متعدد-المسارات/). وقبل النشر راجع ترتيب الإطار ومعدل البت في [تصدير الفيديو إلى YouTube وInstagram وTikTok](/ar/أدلة/كيفية-تصدير-الفيديو-إلى-youtube-وinstagram-وtiktok/)، وإن احترت في الحاوية فالمقارنة في [MP4 أم MOV أم WebM](/ar/أدلة/mp4-أم-mov-أم-webm-أي-تنسيق-فيديو-تختار؟/).