كيف يحوّل Clippen تسجيلًا طويلًا واحدًا إلى مقاطع عمودية

ماذا يحدث لفيديوك بعد أن ترسله؟

تسلّم Clippen تسجيلًا طويلًا واحدًا: الصق رابطًا أو ارفع الملف. ومن تلك اللحظة يجري العمل على خوادمنا لا في متصفحك. يمكنك إغلاق التبويب، وتجد المقاطع بانتظارك حين تعود.

تعمل المهمة كطابور من ست مراحل، بترتيب ثابت، لأن كل مرحلة تحتاج إلى ناتج التي قبلها. يجب أن يوجد النص المفرَّغ قبل أن يستطيع نموذج الحكم على أي ستين ثانية تستحق الاحتفاظ بها. ويجب أن توجد حدود المشاهد قبل أن يوضع القطع في مكان غير منتصف لقطة. ويجب أن توجد اللحظات المختارة قبل أن يكون هناك ما يُعاد تأطيره.

لا يُنشر شيء في أي مكان ضمن المعالجة. المقاطع لك لتنزّلها، ولا يحدث النشر على TikTok أو Instagram Reels أو YouTube Shorts إلا حين تربط حسابًا وتضغط على نشر. صُمّم Clippen لقصّ الفيديو الذي تملكه أو لك الحق في استخدامه — بودكاستك أنت، وبثك أنت، وحديثك أنت. تحتفظ بكل حق كان لك في المصدر وفي المقاطع؛ ولا يأخذ Clippen أي ترخيص يتجاوز معالجة الملف الذي ترسله. أما قصّ ما رفعه شخص آخر فأمره بينك وبين المنصة التي تنشر عليها: فسياسة YouTube بشأن المحتوى غير الأصيل الصادرة في يوليو 2025 تذكر المقاطع المعاد تدويرها صراحةً.

المراحل الست، بالترتيب

التفريغ النصي بطوابع زمنية على مستوى الكلمة

يُفرَّغ صوت المصدر نصيًا مع طابع زمني لكل كلمة على حدة، لا لكل جملة فقط. التوقيت على مستوى الكلمة هو ما يسمح للمقطع بأن يبدأ عند حدّ كلمة بدلًا من منتصف مقطع صوتي، وهو ما يجعل الترجمة النصية بأسلوب الكاريوكي تقع على الإطار الصحيح. تُكتشف اللغة المنطوقة تلقائيًا.

اكتشاف حدود المشاهد

يُمسح الفيديو بحثًا عن القطعات والانتقالات البصرية الحادة. تمنع هذه الحدود المقطع من أن يبدأ في منتصف لقطة، وهو السبب الأشيع الذي يجعل المقطع المولَّد آليًا يبدو آليًا.

اختيار اللحظات

يُرسل النص ذو الطوابع الزمنية وحدود المشاهد معًا إلى النموذج، فيعيد أقوى المقاطع التي تقوم بذاتها، مدة كل منها من 15 إلى 60 ثانية، ويحكم عليها بمدى قوة بدايتها، وهل تحقق المقطع ما وعد به، وهل ما زال مفهومًا لمن لم يسمع بقية الحلقة. يستهدف نحو عشرة مقاطع من أي تسجيل طويل بما يكفي لاحتوائها، ولا يعيد أقل إلا حين يكون المصدر أقصر من ذلك.

إعادة التأطير العمودي

يُعاد تكوين كل مقطع من 16:9 إلى 9:16. أحد الأنماط يتبع متحدثًا واحدًا بكشف الوجه، ويخفّف حركته مثبّت يُبقي الكاميرا ساكنة داخل منطقة آمنة بدلًا من مطاردة كل حركة للرأس. ويُبقي نمط GENERAL العرض الكامل فوق خلفية ضبابية للقطات الجماعية والمناظر الطبيعية. ويرصّ نمط SPLIT متحدثَين في نصفي الإطار حين يكونان فعلًا في اللقطة نفسها. ويتعامل SCREENCAST وINSET مع الشرائح والشاشات المشاركة وتخطيطات البث التي يقع معناها خارج وسط الإطار.

الترجمة النصية والافتتاحيات والإيقاع

تُرسم الترجمة النصية كلمة بكلمة من النص المفرَّغ وتُدمج في الصورة، مع تمييز الكلمة المنطوقة لحظة نطقها. ويغطي عنوان افتتاحي كتبه الذكاء الاصطناعي الثواني الأولى، حيث يقرر مشاهد المحتوى القصير هل يبقى. وتدفع عمليات التكبير المفاجئ الاختيارية الصورة إلى الداخل عند إيقاعات المقطع حتى لا تبدو الكاميرا الثابتة مقطعًا ثابتًا.

التصدير والنشر

تخرج المقاطع بدقة 1080×1920 بنسب 9:16 و1:1 و16:9. نزّلها، أو انشرها على TikTok وInstagram Reels وYouTube Shorts من لوحة التحكم. ويمكن للدبلجة الصوتية ترجمة مقطع إلى 31 لغة مع الحفاظ على صوت المتحدث، ويُعاد تفريغ الصوت المدبلج نصيًا لتطابق الترجمة النصية اللغة الجديدة.

كم يستغرق؟

نراسلك بالبريد الإلكتروني فور أن تصبح جاهزة. تعمل المهمة على خوادمنا لا على جهازك، وعلى مصادر حقيقية من كل طول — حلقة بودكاست، وحديث في مؤتمر مدته 20 دقيقة، وبث مدته أربع ساعات — لا على ملف تجريبي قصير.

ومعرفة ذلك مهمة لأنها تغيّر طريقة تخطيطك. قصّ حلقة مدتها ساعة يدويًا — إيجاد اللحظات، وقصّها، وإعادة تأطير كل منها عموديًا، وكتابة الترجمة النصية وضبط توقيتها — يأخذ معظم يوم عمل، وهو السبب في أن أرشيف معظم الناس يبقى دون نشر. المعالجة دون إشراف قرار من نوع مختلف. تبدأ المهمة في نهاية جلسة التسجيل وتجد المقاطع بانتظارك حين تعود.

يذهب معظم ذلك الوقت تقريبًا إلى التفريغ النصي وترميز الفيديو. أما استدعاء النموذج الذي يختار اللحظات فجزء صغير منه، ولهذا يستغرق المصدر الأطول وقتًا أكثر بما يتناسب تقريبًا مع طوله، لا بقفزات مفاجئة.

لماذا لا تبدأ المقاطع في منتصف جملة؟

لأن إشارتين منفصلتين تُستخدمان لتحديد موضع القطع، وكل منهما تلتقط ما تفوّته الأخرى.

يحمل النص المفرَّغ طابعًا زمنيًا على كل كلمة على حدة، لا على كل جملة. وهذا ما يجعل من الممكن أن يبدأ المقطع تمامًا عند أول حرف ساكن في أول كلمة لا بعد جزء من الثانية منه، وهو العلامة المسموعة على أن آلة هي التي قطعت المقطع. والتوقيت على مستوى الكلمة هو أيضًا ما يتيح للترجمة النصية تمييز كل كلمة لحظة نطقها فعلًا.

ويوفّر اكتشاف المشاهد النصف الآخر. النص وحده قد يجد جملة بارعة ولا يعرف أن الكاميرا تقطع في منتصفها. وحدود المشاهد وحدها قد تجد قطعات بصرية نظيفة ليس بينها ما يستحق أن يُقال. النموذج الذي يختار اللحظات يتلقى الاثنين معًا، فيستطيع اختيار مقطع قابل للاقتباس وسليم بصريًا في آن واحد.

ويُحكم على الاختيار أيضًا بمدى قيام المقطع بذاته. مقطع مدته ستون ثانية يبدأ بعبارة «ولهذا بالضبط أخالفك الرأي» لا فائدة منه لمشاهد لم يسمع الدقائق العشر السابقة، مهما كان الكلام جيدًا. القيام بالذات معيار اختيار لا فكرة لاحقة.

كيف يقرر الاقتصاص العمودي ما يُبقيه؟

إطار 16:9 يُعاد تكوينه إلى 9:16 يخسر نحو ثلاثة أرباع عرضه، فلا بد أن يقرر شيء ما لأي غرض كان ذلك العرض. يختار Clippen تخطيطًا لكل مشهد بدلًا من تطبيق اقتصاص واحد على الفيديو كله.

• TRACK يتبع متحدثًا واحدًا بكشف الوجه. الكاميرا مخفَّفة الحركة: تبقى ساكنة داخل منطقة آمنة ولا تتحرك إلا حين يغادرها الموضوع، لأن اقتصاصًا يطارد كل حركة للرأس يتأرجح بشكل ظاهر ويبدو هاويًا حتى لو كان التأطير صحيحًا من الناحية التقنية.
• GENERAL يُبقي العرض الكامل فوق خلفية ضبابية، للقطات الجماعية والمناظر الطبيعية حيث يهدر الاقتصاص إلى أي نقطة واحدة الموضوع.
• SPLIT يرصّ متحدثَين في نصفي الإطار، لكن فقط حين يكون الوجهان في اللقطة نفسها فعلًا لجزء ممتد من المشهد. هذا الاختبار هو ما يفرّق بين لقطة مزدوجة حقيقية ومونتاج لقطة/لقطة معاكسة، حيث سيُظهر الرصّ الشخص نفسه مرتين.
• SCREENCAST وWIDE يتعاملان مع الشرائح والشاشات المشاركة. المحتوى الذي يمتد على معظم الإطار لا ينجو من الاقتصاص، فيُرصّ فوق المقدّم أو يُبقى بعرضه الكامل بدلًا من أن يُقتطع.
• INSET يتعامل مع تخطيط البث: شاشة بعرض كامل مع صندوق كاميرا صغير في زاوية. تُوضع الشاشة في الأعلى وتُكبَّر الكاميرا تحتها.
• القطع على المتحدث والتكبير المفاجئ يأتيان فوق التخطيط: قطع حاد إلى من يتحدث، ودفع لطيف إلى الداخل عند الإيقاعات، حتى لا تنتج الكاميرا الثابتة مقطعًا يبدو ثابتًا.

كم يكلّف التشغيل؟

Clippen أداة مدفوعة تحتسب الفاتورة بطول ما تقدّمه لها: الرصيد الواحد يساوي دقيقة واحدة من الفيديو المصدر، وهذه الرسوم الواحدة تغطي التشغيل كله — كل مقطع ينتجه الفيديو، وإعادة التأطير العمودي، والترجمة النصية، والافتتاحية. بودكاست مدته 60 دقيقة يكلّف 60 رصيدًا سواء عاد بستة مقاطع أو باثني عشر. تبدأ الخطط من ‏19.99 US$ في الشهر مقابل 150 رصيدًا (‏11.66 US$ في الشهر عند الدفع سنويًا) وتصل إلى ‏59.99 US$ في الشهر مقابل 800 رصيد. لا توجد فئة مجانية.

وحدة الاحتساب مهمة حين تقارن الأدوات. الاحتساب بالدقيقة من المصدر يعني أن تكلفة الحلقة معروفة قبل أن تضغط على البدء: مقابلة مدتها 45 دقيقة هي 45 رصيدًا، مهما عاد منها. أما الاحتساب بالمقطع النهائي فيعني أن التكلفة تتحرك مع ناتج لا يمكنك التنبؤ به.