ينمو المحتوى الذي ينشئه المستخدم (UGC) بشكل كبير ، بالإضافة إلى المتطلبات والتكلفة للحفاظ على المحتوى والمجتمعات عبر الإنترنت آمنة ومتوافقة. تعمل المنصات الحديثة على الويب والهواتف المحمولة على تغذية الأعمال وتحفيز تفاعل المستخدمين من خلال الميزات الاجتماعية ، من الشركات الناشئة إلى المؤسسات الكبيرة. يتوقع أعضاء المجتمع عبر الإنترنت تجارب آمنة وشاملة حيث يمكنهم بحرية استخدام الصور ومقاطع الفيديو والنصوص والصوت والمساهمة فيها. إن حجم وتنوع وتعقيد المحتوى الذي ينشئه المستخدمون المتزايد باستمرار يجعل تدفقات عمل الاعتدال البشري التقليدي صعبة على نطاق واسع لحماية المستخدمين. تجبر هذه القيود العملاء على عمليات التخفيف غير الفعالة والمكلفة والتفاعلية التي تنطوي على مخاطر غير ضرورية للمستخدمين والشركات. والنتيجة هي تجربة مجتمعية رديئة وضارة وغير شاملة تنفصل المستخدمين وتؤثر سلبًا على المجتمع وأهداف العمل.
الحل هو تدفقات عمل تعديل المحتوى القابلة للتطوير والتي تعتمد على تقنيات الذكاء الاصطناعي (AI) والتعلم الآلي (ML) والتعلم العميق (DL) ومعالجة اللغة الطبيعية (NLP). تقوم هذه التركيبات بترجمة ، ونسخ ، والتعرف على ، واكتشاف ، وإخفاء ، وتنقيح ، وإحضار المواهب البشرية بشكل استراتيجي إلى سير عمل الاعتدال ، لتشغيل الإجراءات اللازمة للحفاظ على سلامة المستخدمين ومشاركتهم مع زيادة الدقة وكفاءة العملية ، وخفض التكاليف التشغيلية.
يراجع هذا المنشور كيفية بناء تدفقات عمل الإشراف على المحتوى باستخدام خدمات AWS AI. لمعرفة المزيد حول احتياجات العمل ، والتأثير ، وخفض التكاليف التي يجلبها الإشراف الآلي للمحتوى إلى وسائل التواصل الاجتماعي ، والألعاب ، والتجارة الإلكترونية ، والصناعات الإعلانية ، راجع استخدم خدمات AWS AI لأتمتة الإشراف على المحتوى والامتثال.
حل نظرة عامة
لا تحتاج إلى خبرة في ML لتنفيذ مهام سير العمل هذه ، ويمكنك تخصيص هذه الأنماط وفقًا لاحتياجات عملك المحددة! تقدم AWS هذه القدرات من خلال الخدمات المُدارة بالكامل التي تزيل التعقيد التشغيلي والرفع الثقيل غير المتمايز ، وبدون فريق علم البيانات.
في هذا المنشور ، نوضح كيفية تنسيق المساحات بكفاءة حيث يناقش العملاء المنتجات ويراجعونها باستخدام النصوص والصوت والصور والفيديو وحتى ملفات PDF. يوضح الرسم البياني التالي بنية الحل.
المتطلبات الأساسية المسبقة
بشكل افتراضي ، توضح هذه الأنماط منهجية بدون خادم ، حيث تدفع فقط مقابل ما تستخدمه. تستمر في الدفع مقابل موارد الحساب ، مثل AWS فارجيت الحاويات والتخزين ، مثل خدمة تخزين أمازون البسيطة (Amazon S3) ، حتى تحذف تلك الموارد. تتبع خدمات AWS AI التي تمت مناقشتها أيضًا نموذج تسعير الاستهلاك لكل عملية.
يمكن للبيئات غير الإنتاجية اختبار كل من هذه الأنماط داخل الطبقة المجانية ، بافتراض أهلية حسابك.
نص عادي معتدل
أولاً ، تحتاج إلى تنفيذ الإشراف على المحتوى للنص العادي. يعمل هذا الإجراء كأساس لأنواع وسائط أكثر تعقيدًا ويستلزم خطوتين رفيعتي المستوى:
- ترجم النص.
- حلل النص.
يرغب العملاء العالميون في التعاون مع المنصات الاجتماعية بلغتهم الأم. يمكن أن يؤدي تلبية هذا التوقع إلى تعقيد لأن فرق التصميم يجب أن تنشئ سير عمل أو خطوات لكل لغة. بدلا من ذلك ، يمكنك استخدام ترجمة أمازون لتحويل النص إلى أكثر من 70 لغة ومتغيرًا في أكثر من 15 منطقة. تمكنك هذه الإمكانية من كتابة قواعد التحليل للغة واحدة وتطبيق تلك القواعد عبر المجتمع العالمي عبر الإنترنت.
Amazon Translate هي خدمة ترجمة آلية عصبية توفر ترجمة لغة سريعة وعالية الجودة وبأسعار معقولة وقابلة للتخصيص. يمكنك دمجها في مهام سير العمل الخاصة بك لاكتشاف اللغة السائدة و ترجم النص. يوضح الرسم التخطيطي التالي سير العمل.
تعمل واجهات برمجة التطبيقات على النحو التالي:
- • DetectOminantLanguage تحدد API اللغة السائدة لنص الإدخال. للحصول على قائمة باللغات التي يمكن لـ Amazon Comprehend اكتشافها ، راجع لغة مهيمنة.
- • ترجمة نص تقوم API بترجمة نص الإدخال من اللغة المصدر إلى اللغة الهدف باستخدام اختياري اخفاء اللغة النابية. للحصول على قائمة اللغات ورموز اللغات المتاحة ، راجع اللغات المدعومة ورموز اللغة.
- • بدء التنفيذ و StartSyncExecution تبدأ واجهات برمجة التطبيقات ملف وظائف خطوة AWS آلة الدولة.
بعد ذلك ، يمكنك استخدام البرمجة اللغوية العصبية للكشف عن الروابط في النص ، مثل اكتشاف العبارات الرئيسية ، وتحليل المشاعر ، واكتشاف معلومات التعريف الشخصية (PII). فهم الأمازون تقوم واجهات برمجة التطبيقات (API) باستخراج تلك الأفكار القيمة وتمريرها إلى معالجات الوظائف المخصصة.
تشغيل هؤلاء المتعاملين في الداخل AWS لامدا تعمل الدوال على توسيع نطاق التعليمات البرمجية بشكل مرن دون التفكير في الخوادم أو المجموعات. بدلاً من ذلك ، يمكنك معالجة الرؤى من Amazon Comprehend باستخدام أنماط بنية الخدمات المصغرة. بغض النظر عن وقت التشغيل ، تركز التعليمات البرمجية الخاصة بك على استخدام النتائج وليس تحليل النص.
يوضح الرسم التخطيطي التالي سير العمل.
تتفاعل وظائف Lambda مع واجهات برمجة التطبيقات التالية:
- • كشف الكيانات تكتشف API أسماء الكائنات الواقعية وتجمعها مثل الأشخاص والأماكن في النص. يمكنك استخدام مفردات مخصصة لتنقيح أنواع الكيانات غير الملائمة والخاصة بالعمل.
- • كشف المشاعر تحدد API المشاعر العامة للنص على أنها إيجابية أو سلبية أو محايدة. يمكنك تدريب المصنفات المخصصة للتعرف على المواقف الخاصة بالصناعة ذات الأهمية واستخراج المعنى المفاهيمي للنص.
- • DetectPIIEntities تحدد API معلومات تحديد الهوية الشخصية في نصك ، مثل العنوان أو رقم الحساب المصرفي أو رقم الهاتف. يحتوي الإخراج على نوع كيان PII والموقع المقابل.
ملفات الصوت المعتدلة
لتعديل ملفات الصوت ، يجب نسخ الملف إلى نص ثم تحليله. تحتوي هذه العملية على متغيرين بناءً على ما إذا كنت تقوم بمعالجة ملفات فردية (متزامنة) أو تدفقات صوتية حية (غير متزامنة). تعتبر تدفقات العمل المتزامنة مثالية لمعالجة الدُفعات ، حيث يتلقى المتصل استجابة واحدة كاملة. في المقابل ، تتطلب تدفقات الصوت أخذ عينات دورية مع نتائج نسخ متعددة.
الأمازون النسخ هي خدمة التعرف التلقائي على الكلام التي تستخدم نماذج ML لتحويل الصوت إلى نص. يمكنك دمجه في مهام سير العمل المتزامنة عن طريق بدء عمل نسخ وبشكل دوري الاستعلام عن حالة الوظيفة. بعد اكتمال المهمة ، يمكنك تحليل الإخراج باستخدام سير عمل الإشراف على النص العادي من الخطوة السابقة.
يوضح الرسم التخطيطي التالي سير العمل.
تعمل واجهات برمجة التطبيقات على النحو التالي:
- • بدء الترجمة تبدأ API مهمة غير متزامنة لنسخ الكلام إلى نص.
- • GetTranscriptionJob تقوم API بإرجاع معلومات حول وظيفة النسخ. لمعرفة حالة الوظيفة ، تحقق من
TranscriptionJobStatus
مجال. إذا كانت خاصية الحالة هيCOMPLETED
، يمكنك العثور على النتائج في الموقع المحدد فيTranscriptFileUri
مجال. إذا قمت بتمكين تنقيح المحتوى ، فسيظهر النص المنقح بتنسيقRedactedTranscriptFileUri
.
تحتاج التدفقات الصوتية الحية إلى نمط مختلف يدعم نموذج التسليم في الوقت الفعلي. يمكن أن يشتمل البث على وسائط مسجلة مسبقًا ، مثل الأفلام والموسيقى والبودكاست ، والوسائط في الوقت الفعلي ، مثل نشرات الأخبار الحية. يمكنك نسخ مقاطع الصوت على الفور باستخدام Amazon Transcribe البث عبر بروتوكولات HTTP / 2 و WebSockets. بعد إرسال جزء إلى الخدمة ، تتلقى واحدًا أو أكثر كائنات نتيجة النسخ وصف مقاطع النسخ الجزئي والكامل. يمكن للمقاطع التي تتطلب الإشراف إعادة استخدام سير عمل النص العادي من القسم السابق. يوضح الرسم البياني التالي هذه العملية.
• بدء البث المباشر تبدأ واجهة برمجة التطبيقات (API) دفق HTTP / 2 ثنائي الاتجاه حيث يتدفق الصوت إلى Amazon Transcribe ، مما يؤدي إلى دفق نتائج النسخ إلى تطبيقك.
الصور والصور المعتدلة
يتطلب تعديل الصور اكتشاف المحتوى غير المناسب أو غير المرغوب فيه أو المسيء الذي يحتوي على عُري وإيحاءات وعنف وفئات أخرى من محتوى الصور والصور.
الأمازون إعادة الاعتراف تمكنك من تبسيط أو أتمتة تدفقات عمل تعديل الصور والفيديو دون الحاجة إلى خبرة ML. تُرجع Amazon Rekognition تصنيفًا هرميًا للتسميات المتعلقة بالاعتدال. تسهل هذه المعلومات تحديد قواعد العمل الدقيقة وفقًا للمعايير والممارسات الخاصة بك وسلامة المستخدم وإرشادات الامتثال. خبرة ML ليست مطلوبة لاستخدام هذه القدرات. يمكن لخدمة Amazon Rekognition اكتشاف النص وقراءته في صورة ما وإرجاع المربعات المحيطة لكل كلمة يتم العثور عليها. يدعم Amazon Rekognition اكتشاف النص المكتوب باللغات الإنجليزية والعربية والروسية والألمانية والفرنسية والإيطالية والبرتغالية والإسبانية!
يمكنك استخدام تنبؤات الآلة لأتمتة مهام الإشراف المحددة بالكامل. تمكن هذه الإمكانية الوسطاء البشريين من التركيز على أعمال ذات ترتيب أعلى. بالإضافة إلى ذلك ، يمكن لخدمة Amazon Rekognition مراجعة ملايين الصور أو آلاف مقاطع الفيديو بسرعة باستخدام ML والإشارة إلى المجموعة الفرعية من الأصول التي تتطلب مزيدًا من الإجراءات. تساعد التصفية المسبقة على توفير تغطية اعتدال شاملة وفعالة من حيث التكلفة مع تقليل كمية المحتوى التي تقوم الفرق البشرية بتنسيقها.
يوضح الرسم التخطيطي التالي سير العمل.
تعمل واجهات برمجة التطبيقات على النحو التالي:
- • كشف الاعتدال تكتشف واجهة برمجة التطبيقات (API) المحتوى غير الآمن في صور محددة بتنسيق JPEG أو PNG. استخدم DetectModerationLabels لتعديل الصور حسب متطلباتك. على سبيل المثال ، قد ترغب في تصفية الصور التي تحتوي على عُري وليس الصور التي تحتوي على محتوى إيحائي.
- • DetectText يكتشف API النص في صورة الإدخال ويحوله إلى نص يمكن قراءته آليًا.
مستندات نصية منسقة معتدلة
بعد ذلك ، يمكنك استخدام ملفات أمازون تيكستراك لاستخراج النص والبيانات المكتوبة بخط اليد من المستندات الممسوحة ضوئيًا. تبدأ هذه العملية باستدعاء بدء تحليل المستند إجراء لتحليل ملفات Microsoft Word و Adobe PDF. يمكنك مراقبة تقدم العمل باستخدام الحصول على تحليل الوثيقة عمل.
تحدد نتيجة التحليل كل صفحة مكشوفة ، وفقرة ، وجدول ، وزوج من القيم الرئيسية في المستند. على سبيل المثال ، افترض أنه يجب على مقدم الرعاية الصحية إخفاء أسماء المرضى في حقل وصف المطالبة فقط. في هذه الحالة ، يمكن لتقرير التحليل أن يعمل خطوط أنابيب معالجة المستندات الذكية يقوم بتعديل وتنقيح حقل البيانات المحدد. يوضح الرسم البياني التالي خط الأنابيب.
تعمل واجهات برمجة التطبيقات على النحو التالي:
- • بدء تحليل المستند تبدأ API التحليل غير المتزامن لمستند الإدخال للعلاقات بين العناصر المكتشفة مثل أزواج القيمة الرئيسية والجداول وعناصر التحديد
- • الحصول على تحليل الوثيقة تحصل API على نتائج عملية Amazon Textract غير المتزامنة التي تحلل النص في المستند
مقاطع فيديو معتدلة
النهج القياسي لتعديل محتوى الفيديو هو من خلال إجراء أخذ عينات الإطار. لا تحتاج العديد من حالات الاستخدام إلى التحقق من كل إطار ، ويكفي تحديد إطار كل 15-30 ثانية. يمكن لإطارات الفيديو التي تم أخذ عينات منها إعادة استخدام آلة الحالة لتعديل الصور من القسم السابق. وبالمثل ، يمكن أن تدعم العملية الحالية لتعديل الصوت محتوى الملف المسموع. يوضح الرسم التخطيطي التالي سير العمل هذا.
• استدعاء تقوم API بتشغيل وظيفة Lambda وتنتظر الاستجابة بشكل متزامن.
لنفترض أن ملف الوسائط عبارة عن فيلم كامل متعدد المشاهد. في هذه الحالة ، يمكنك استخدام ملف واجهة برمجة تطبيقات Amazon Rekognition Segment، واجهة برمجة تطبيقات مركبة لاكتشاف الإشارات الفنية أو الكشف عن اللقطة. بعد ذلك ، يمكنك استخدام إزاحات الوقت هذه لإجراء معالجة متوازية لكل مقطع مع نمط تعديل الفيديو السابق ، كما هو موضح في الرسم التخطيطي التالي.
تعمل واجهات برمجة التطبيقات على النحو التالي:
- • بدء التجزيء والكشف يبدأ API الاكتشاف غير المتزامن لاكتشاف المقطع في مقطع فيديو مخزن
- • GetSegmentationDetection تحصل API على نتائج اكتشاف المقطع لتحليل Amazon Rekognition Video الذي بدأ بواسطة StartSegmentDetection API
لا يتطلب استخراج الإطارات الفردية من الفيلم جلب الكائن من Amazon S3 عدة مرات. يتضمن الحل الساذج قراءة الفيديو في الذاكرة وترقيم الصفحات حتى النهاية. هذا النمط مثالي للمقاطع القصيرة وحيث التقييمات ليست حساسة للوقت.
تتضمن الإستراتيجية الأخرى نقل الملف مرة واحدة إلى نظام ملفات أمازون المرن (Amazon EFS) ، نظام ملفات مشترك مُدار بالكامل وقابل للتطوير لخدمات AWS الأخرى ، مثل Lambda. مع Amazon EFS لـ Lambda، يمكنك توزيع البيانات بكفاءة عبر استدعاءات الوظيفة. يتعامل كل استدعاء بكفاءة مع جزء صغير ، مما يفتح إمكانية المعالجة المتوازية على نطاق واسع وأوقات معالجة أسرع.
تنظيف
بعد تجربة الطرق الواردة في هذا المنشور ، يجب عليك حذف أي محتوى في حاويات S3 لتجنب التكاليف المستقبلية. إذا قمت بتنفيذ هذه الأنماط باستخدام موارد الحوسبة المتوفرة مثل الأمازون الحوسبة المرنة السحابية (Amazon EC2) أو خدمة الأمازون المرنة للحاويات (Amazon ECS) ، يجب عليك إيقاف هذه الحالات لتجنب المزيد من الرسوم.
وفي الختام
سيستمر نمو المحتوى الذي ينشئه المستخدمون وقيمته للألعاب ووسائل التواصل الاجتماعي والتجارة الإلكترونية ومؤسسات الخدمات المالية والصحية. ومع ذلك ، تحتاج الشركات الناشئة والمؤسسات الكبيرة إلى إنشاء عمليات ضبط فعالة لحماية المستخدمين والمعلومات والأعمال ، مع خفض التكاليف التشغيلية. يوضح هذا الحل كيف يمكن لتقنيات الذكاء الاصطناعي والتعلم الآلي ومعالجة اللغات الطبيعية مساعدتك بكفاءة في تنسيق المحتوى على نطاق واسع. يمكنك تخصيص خدمات AWS AI لتلبية احتياجات الإشراف الخاصة بك! هذه القدرات المدارة بالكامل تزيل التعقيدات التشغيلية. تدمج هذه المرونة استراتيجيًا الرؤى السياقية والمواهب البشرية في عمليات الإشراف الخاصة بك.
للحصول على معلومات وموارد إضافية وللبدء مجانًا اليوم ، تفضل بزيارة الصفحة الرئيسية لإدارة محتوى AWS.
حول المؤلف
نيت باشماير هو مهندس حلول كبير في AWS يستكشف مدينة نيويورك بدويًا ، تكاملًا سحابيًا واحدًا في كل مرة. متخصص في ترحيل التطبيقات وتحديثها. إلى جانب ذلك ، نيت طالب بدوام كامل ولديه طفلان.
رام باتانجي مهندس حلول في Amazon Web Services في منطقة خليج سان فرانسيسكو. لقد ساعد العملاء في مجالات الزراعة والتأمين والخدمات المصرفية وتجارة التجزئة والرعاية الصحية وعلوم الحياة والضيافة وقطاعات التكنولوجيا الفائقة في إدارة أعمالهم بنجاح على سحابة AWS. وهو متخصص في قواعد البيانات والتحليلات والتعلم الآلي.
روب باينز هو مهندس حلول في AWS يركز على AI / ML. إنه متحمس لمساعدة العملاء على الابتكار وتحقيق أهداف أعمالهم باستخدام الذكاء الاصطناعي والتعلم الآلي. في أوقات فراغه ، يستمتع Roop بالقراءة والمشي لمسافات طويلة.
- "
- 100
- 70
- من نحن
- الملخص
- حسابي
- في
- اكشن
- الإجراءات
- إضافة
- إضافي
- العنوان
- دعاية
- زراعة
- AI
- خدمات الذكاء الاصطناعي
- أمازون
- أمازون ويب سيرفيسز
- كمية
- تحليل
- تحليلات
- API
- واجهات برمجة التطبيقات
- تطبيق
- التطبيقات
- نهج
- هندسة معمارية
- المنطقة
- مصطنع
- الذكاء الاصطناعي
- الذكاء الاصطناعي (منظمة العفو الدولية)
- الذكاء الاصطناعي وآلة التعلم
- ممتلكات
- سمعي
- أتمتة
- الآلي
- أوتوماتيك
- متاح
- AWS
- مصرف
- حساب البنك
- البنوك والمصارف
- خليج
- نساعدك في بناء
- الأعمال
- الأعمال
- المتصل
- قدرات
- حمل
- الحالات
- تحدي
- اسعارنا محددة من قبل وزارة العمل
- مقاطع
- سحابة
- الكود
- تعاون
- تأتي
- المجتمعات
- مجتمع
- التعقيدات
- الالتزام
- متوافقة
- شامل
- إحصاء
- التواصل
- تستهلك
- استهلاك
- وعاء
- حاويات
- يحتوي
- محتوى
- استمر
- المساهمة
- المقابلة
- فعاله من حيث التكلفه
- التكاليف
- خلق
- على
- العملاء
- للتخصيص
- البيانات
- علم البيانات
- قواعد البيانات
- يسلم
- التوصيل
- شرح
- اعتمادا
- تصميم
- الكشف عن
- كشف
- مختلف
- بحث
- وثائق
- لا
- قيادة
- التجارة الإلكترونية
- التجارة الإلكترونية
- كفاءة
- فعال
- بكفاءة
- تمكين
- اشتباك
- عربي
- كيان
- مثال
- القائمة
- توقع
- الخبره في مجال الغطس
- خبرة
- تجربة
- خبرة
- أضعافا مضاعفة
- FAST
- أسرع
- المميزات
- مالي
- مرونة
- تدفق
- تركز
- ويركز
- اتباع
- متابعيك
- وجدت
- دورة تأسيسية
- FRAME
- فرانسيسكو
- مجانًا
- الفرنسية
- وقود
- وظيفة
- إضافي
- مستقبل
- الألعاب
- العالمية
- مجموعات
- النمو
- المبادئ التوجيهية
- صحة الإنسان
- الرعاية الصحية
- مساعدة
- مساعدة
- يساعد
- عالي الجودة
- كيفية
- كيفية
- HTTPS
- الانسان
- صورة
- التأثير
- تنفيذ
- نفذت
- تتضمن
- في ازدياد
- فرد
- الصناعات
- معلومات
- إدخال
- رؤى
- التأمين
- دمج
- التكامل
- رؤيتنا
- مصلحة
- IT
- وظيفة
- القفل
- اطفال
- ملصقات
- لغة
- اللغات
- كبير
- تعلم
- تعلم
- علوم الحياة
- تجميل
- قائمة
- موقع
- آلة
- آلة التعلم
- يصنع
- تمكن
- قناع
- معنى
- الوسائط
- الاجتماع
- الأعضاء
- مكبر الصوت : يدعم، مع دعم ميكروفون مدمج لمنع الضوضاء
- مایکروسافت
- ربما
- ملايين
- ML
- الجوال
- نموذج
- عارضات ازياء
- مراقبة
- الأكثر من ذلك
- فيلم
- أفلام
- يتحرك
- متعدد
- موسيقى
- أسماء
- طبيعي
- سلبي
- نيويورك
- أخبار
- عدد
- online
- طريقة التوسع
- عملية
- المنظمات
- أخرى
- الكلي
- عاطفي
- نمط
- مجتمع
- عبارات
- منصات التداول
- بودكاست
- فقير
- البرتغاليّة
- إيجابي
- محتمل
- قوة
- تنبؤات
- سابق
- التسعير
- عملية المعالجة
- العمليات
- معالجة
- المنتجات
- الملكية
- حماية
- البروتوكولات
- تزود
- بسرعة
- نادي القراءة
- في الوقت الحقيقي
- تسلم
- الاعتراف
- تقليص
- العلاقات
- تقرير
- تطلب
- مطلوب
- المتطلبات الأساسية
- الموارد
- استجابة
- النتائج
- بيع بالتجزئة
- عائد أعلى
- عائدات
- مراجعة
- التقييمات
- المخاطرة
- القواعد
- يجري
- خزنة
- السلامة
- سان
- سان فرانسيسكو
- تحجيم
- حجم
- مشاهد
- علوم
- علوم
- ثواني
- قطعة
- شرائح
- عاطفة
- Serverless
- الخدمة
- خدمات
- شاركت
- قصير
- أظهرت
- وبالمثل
- الاشارات
- صغير
- العدالة
- وسائل التواصل الاجتماعي
- حل
- الحلول
- متطور
- المساحات
- تتخصص
- معيار
- المعايير
- بداية
- بدأت
- يبدأ
- البدء
- الولايه او المحافظه
- الحالة
- تخزين
- الإستراتيجيات
- مجرى
- متدفق
- طالب
- بنجاح
- الدعم
- الدعم
- نظام
- الموهوبين
- الهدف
- المهام
- فريق
- تقني
- التكنولوجيا
- تجربه بالعربي
- المصدر
- تفكير
- الآلاف
- عبر
- الوقت
- اليوم
- سويا
- تقليدي
- النص الكامل
- خدمات ترجمة
- أنواع
- كشف
- تستخدم
- المستخدمين
- قيمنا
- تشكيلة
- القطاعات
- فيديو
- مقاطع فيديو
- حجم
- الويب
- خدمات ويب
- ابحث عن
- سواء
- في حين
- في غضون
- بدون
- للعمل