صحفي مستقل حلّل 40 ساعة من المقابلات لتحقيق طويل بـ Ollama و Open WebUI
صحفي تحقيقات مصري استخدم نسخة محلية من Ollama لمعالجة 40 ساعة من المقابلات المُسجَّلة مع شهود وضحايا، دون رفع المحتوى لأي خدمة سحابية.
مؤشر كفاءة وتوفير الوقت
المشكلة قبل الحل
تحقيق صحفي على مدى 8 أشهر تضمَّن مقابلات مطوّلة مع 27 شخصاً. المسار التقليدي (نسخ المقابلات يدوياً، قراءة كل النصوص، البحث عن أنماط) كان سيستغرق شهرين إضافيين. لكن خدمات السحاب (Otter، Whisper API الخارجية، Claude) لم تكن خياراً: المقابلات تتضمن أسماء وأماكن قد تُعرّض المصادر للخطر إذا تسرّبت.
خطوات سير العمل وتطبيق الحل
تثبيت Whisper.cpp محلياً على جهاز شخصي قوي لنسخ المقابلات. مراجعة بشرية للنسخ. تحميل النصوص في Open WebUI متصل بـ Ollama (qwen2:14b) للبحث عن أنماط: تواريخ متكررة، أسماء أماكن، تشابهات في الروايات. الصحفي طرح أسئلة عبر Open WebUI على النصوص كاملة (مرفوعة كـ documents) وراجع الإجابات يدوياً بدقة. التحقيق نُشر بعد 6 أشهر.
تفاصيل السيناريو
مقدمة عن السيناريو
صحفي تحقيقات مصري استخدم نسخة محلية من Ollama لمعالجة 40 ساعة من المقابلات المُسجَّلة مع شهود وضحايا، دون رفع المحتوى لأي خدمة سحابية.
توصيف المشكلة
تحقيق صحفي على مدى 8 أشهر تضمَّن مقابلات مطوّلة مع 27 شخصاً. المسار التقليدي (نسخ المقابلات يدوياً، قراءة كل النصوص، البحث عن أنماط) كان سيستغرق شهرين إضافيين. لكن خدمات السحاب (Otter، Whisper API الخارجية، Claude) لم تكن خياراً: المقابلات تتضمن أسماء وأماكن قد تُعرّض المصادر للخطر إذا تسرّبت.
الأدوات المستخدمة
- Ollama: أداة مستخدمة في سير العمل.
- Open WebUI: أداة مستخدمة في سير العمل.
- Whisper: أداة مستخدمة في سير العمل.
- Audacity: أداة مستخدمة في سير العمل.
مسار العمل (Workflow)
تثبيت Whisper.cpp محلياً على جهاز شخصي قوي لنسخ المقابلات. مراجعة بشرية للنسخ. تحميل النصوص في Open WebUI متصل بـ Ollama (qwen2:14b) للبحث عن أنماط: تواريخ متكررة، أسماء أماكن، تشابهات في الروايات. الصحفي طرح أسئلة عبر Open WebUI على النصوص كاملة (مرفوعة كـ documents) وراجع الإجابات يدوياً بدقة. التحقيق نُشر بعد 6 أشهر.
النتائج والفرق في الأداء
- قبل التطبيق: تقدير: 8–10 أسابيع لنسخ ومعالجة هذا الحجم يدوياً
- بعد التطبيق: 3–4 أسابيع شاملة (نسخ آلي + مراجعة + استخراج أنماط بـ AI + كتابة)
التكلفة التقديرية
$0 برمجي (كل شيء self-hosted على جهاز موجود) — استثمار وقت في الإعداد فقط
الدروس المستفادة
- 1) النسخ الآلي للعربية بـ Whisper
- cpp يتفاوت في الجودة
- للهجة المصرية والعامية، الدقة 80–88%
- اضطُررت لمراجعة جميع النسخ، لكن المراجعة أسرع بكثير من النسخ من الصفر
- 2) أسئلتي لـ Ollama على المقابلات كانت دائماً ‘اقتباس الفقرات التي تذكر [موضوع]’
- لم أعتمد على Ollama لاستنتاجات، فقط لاسترجاع
- الاستنتاجات بشرية 100%
- 3) الجهاز المحلي القوي ضرورة (16GB RAM + GPU بسعة 8GB+)
- الأقل من ذلك يجعل النموذج بطيئاً جداً ليكون عملياً
- 4) لم أرفع أي مقتطف لأي خدمة
- أمن المصادر أهم من الراحة
- 5) قبل بدء التحليل بـ AI، كتبت methodology بنفسي تشرح ما اعتمدت عليه وما لم أعتمد
- هذه شفافية مهمة للصحافة
الدروس والنتائج المستفادة
1) النسخ الآلي للعربية بـ Whisper.cpp يتفاوت في الجودة. للهجة المصرية والعامية، الدقة 80–88%. اضطُررت لمراجعة جميع النسخ، لكن المراجعة أسرع بكثير من النسخ من الصفر. 2) أسئلتي لـ Ollama على المقابلات كانت دائماً 'اقتباس الفقرات التي تذكر [موضوع]'. لم أعتمد على Ollama لاستنتاجات، فقط لاسترجاع. الاستنتاجات بشرية 100%. 3) الجهاز المحلي القوي ضرورة (16GB RAM + GPU بسعة 8GB+). الأقل من ذلك يجعل النموذج بطيئاً جداً ليكون عملياً. 4) لم أرفع أي مقتطف لأي خدمة. أمن المصادر أهم من الراحة. 5) قبل بدء التحليل بـ AI، كتبت methodology بنفسي تشرح ما اعتمدت عليه وما لم أعتمد. هذه شفافية مهمة للصحافة.
مخطط التأثير
رسم بياني مُولَّد تلقائيًا
محتوى مرتبط
16 عنصرالأدوات المستخدمة
-
Ollama
Run open LLMs (Llama, Mistral, Gemma, Qwen) locally with one command.
-
Open WebUI
Self-hosted, polished web UI for Ollama and any OpenAI-compatible LLM.
-
Whisper
نموذج تفريغ صوتي (Speech-to-Text) من OpenAI، أصدر بأوزان مفتوحة وترخيص MIT. يدعم 99 لغة بما فيها العربية بمستويات…
-
Audacity
محرر صوت مفتوح المصدر متعدد المسارات، يدعم تنظيف وقطع التسجيلات قبل النسخ بـ Whisper.