الذكاء الاصطناعي متعدد الوسائط في ClawAI: صوت وفيديو ورؤية

ملاحظات صوتية ومرئية من خانة الكتابة

في خانة الكتابة زر تسجيل للملاحظات الصوتية والمرئية. يطلب الإذن أولاً، ويعرض موجة صوتية حية أثناء التسجيل، ولا يتجاوز التسجيل الواحد خمس دقائق. يُفرَّغ التسجيل نصياً — تُجرَّب Gemini أولاً ويكون OpenAI Whisper هو البديل — ويُبلَّغ النموذج المجيب بأن الرسالة وصلت كملاحظة صوتية، فيرد على ما قلته لا على ملف.

والصوت الموجود لديك مسبقاً يُعامَل بالطريقة نفسها: الملفات المرفوعة بصيغ WebM وOGG وMP3 وMP4 وM4A وWAV وFLAC وAAC تُفرَّغ نصياً قبل أن تصل إلى النموذج.

فيديو يستطيع النموذج متابعته فعلاً

يُفرَّغ الفيديو المرفوع نصياً مع طوابع زمنية، وتؤخذ عيّنة من ستة إطارات كحد أقصى لكل فيديو وتُعرض على النموذج إلى جانب النص، فيستطيع الإجابة عن أسئلة حول ما يجري على الشاشة وليس فقط عمّا يُقال. ويُبلَّغ عن الفيديو الصامت بأنه خالٍ من الكلام بدلاً من إنتاج تفريغ فارغ، ويمكنك إيقاف معالجة فيديو طويل في أي لحظة.

لكل خطة حد لطول الفيديو يضبطه المشغّل؛ وبغض النظر عن الخطة، لا يمكن أن يتجاوز الفيديو الواحد ثلاثين دقيقة أو دقة 4K. الحاويات المدعومة هي MP4 وMOV وWebM وAVI وMPEG.

مساعد رؤية، وتوجيه حسب نوع المرفق

ليس كل نموذج قادراً على الرؤية. حين يكون النموذج المجيب نصياً فقط، يمكن لنموذج ثانٍ أن يصف له ما يصل إلى أربع صور، بما في ذلك أي نص تحتويه، ويُبلَّغ النموذج المجيب بأنه يعمل انطلاقاً من وصف. وفي محادثات Local-Only والمحادثات التي تعطي الأولوية للخصوصية، لا تُستخدم إلا مساعدات محلية تُقدَّم عبر Ollama أو llama.cpp.

وفي وضع Auto، يرتّب الموجّه أيضاً النماذج المرشحة حسب قدرتها على التعامل مع نوع المرفق في الرسالة، فتميل الصورة أو ملف PDF أو الفيديو إلى الوصول إلى نموذج يقبله أصلاً بدلاً من الاعتماد على المساعد.

أسئلة يطرحها المستخدمون

ما أقصى طول للملاحظة الصوتية أو المرئية؟

يمكن أن يستمر التسجيل الواحد من خانة الكتابة حتى خمس دقائق. أما الفيديوهات المرفوعة فيحدّها طول الفيديو المسموح في خطتك، ولا تتجاوز أبداً ثلاثين دقيقة أو دقة 4K في أي خطة.

ماذا يحدث إذا أرسلت صورة إلى نموذج لا يرى الصور؟

إذا كان مساعد الرؤية مفعّلاً في خطتك، يصف نموذج قادر على الرؤية الصورة وينسخ نصها، ويعمل النموذج المجيب انطلاقاً من ذلك الوصف، مدركاً أنه وصف وليس الصورة نفسها.

هل تختار ClawAI نموذجاً مختلفاً بسبب مرفقي؟

في وضع Auto، نعم: يرتّب الموجّه المرشحين حسب قدرتهم على التعامل مع نوع المرفق. وإذا ثبّتَّ نموذجاً بنفسك، يُحترم اختيارك ويسدّ مساعد الرؤية الفجوة حيث يكون مفعّلاً.