كيف تصنع فيديوهات يوتيوب باستخدام NotebookLM: دليل شامل

إذا كنت تريد نشر فيديوهات على يوتيوب لكنك تتردد بسبب برامج تحرير الفيديو وساعات العمل اليدوي — هذا المقال لك.

سأريك كيف تنتقل من الفكرة إلى فيديو منشور على يوتيوب في حوالي 30 دقيقة باستخدام Google NotebookLM وبعض السكربتات مفتوحة المصدر.

ما علاقة NotebookLM بالفيديو؟

NotebookLM أداة ذكاء اصطناعي من Google تحلل مستنداتك وتولد محتوى منها.

1. توليد بودكاست صوتي — حمّل مقالاً أو ملاحظات، وسينشئ NotebookLM سرداً صوتياً بصوت طبيعي
2. توليد عرض شرائح — من نفس المادة، يمكنه إنشاء شرائح PDF
3. توليد فيديو جاهز — في بعض الأوضاع يمكنه إنتاج فيديوهات كاملة

كيف تبدو النتيجة

• 🎬 Анализ Плато: Как отличить надежный оптимум от переобучения — مثال video-maker: عرض PDF + صوت (NotebookLM) تم تجميعهما في فيديو جاهز مع شرائح متزامنة
• 🎬 Walk-Forward Optimization: The Only Honest Strategy Test — مثال video-metadata: NotebookLM أنتج الفيديو الجاهز، والسكربت حضّر البيانات الوصفية (العنوان، الوصف، الوسوم، الفهرس الزمني، الترجمة)

في كلتا الحالتين — بدون برامج تحرير فيديو وبدون عمل يدوي. كل شيء يُجمّع تلقائياً.

الأدوات: أيها أنت؟

حسب ما أعطاك إياه NotebookLM، ستبدأ بإحدى أداتي البناء — ثم تتولى أداة ثالثة نشر النتيجة على يوتيوب نيابة عنك:

السيناريو 1: لديك صوت + شرائح ← تحتاج لبناء فيديو

الأداة: video-maker

السيناريو 2: لديك فيديو جاهز ← تحتاج بيانات وصفية ليوتيوب

الأداة: video-metadata

السيناريو 1: بناء فيديو من الصوت والشرائح

الخطوة 1: توليد المحتوى في NotebookLM

1. افتح NotebookLM
2. أنشئ دفتراً جديداً وحمّل موادك
3. اطلب توليد بودكاست صوتي وعرض شرائح
4. حمّل الصوت (.m4a) والشرائح (.pdf)

الخطوة 2: تثبيت الأدوات

git clone https://github.com/suenot/video-maker.git
cd video-maker
python -m venv venv && source venv/bin/activate
pip install openai-whisper pillow pytesseract
brew install ffmpeg poppler tesseract

الخطوة 3: التشغيل — أمر واحد

mkdir -p input/my-video
cp ~/Downloads/audio.m4a input/my-video/audio_en.m4a
cp ~/Downloads/slides.pdf input/my-video/slides_en.pdf
bash scripts/run_pipeline.sh en

خط الإنتاج يقوم تلقائياً بـ: تحويل PDF إلى صور، استخراج النص بـ OCR، تحويل الصوت إلى نص بـ Whisper، مزامنة الشرائح، تجميع فيديو MP4، إنشاء ترجمة SRT، بحث وسوم يوتيوب، توليد البيانات الوصفية، وإنشاء صورة مصغرة.

آلية المزامنة

خوارزمية مطابقة أمامية جشعة: يقارن الطوابع الزمنية على مستوى الكلمة من Whisper مع نص OCR على كل شريحة، ويتقدم فقط عندما تحصل الشريحة التالية على درجة أعلى بوضوح.

السيناريو 2: تحضير البيانات الوصفية لفيديو جاهز

git clone https://github.com/suenot/video-metadata.git
cd video-metadata
pip install openai-whisper

python scripts/prepare_metadata.py \
    --video input/my-video.mp4 \
    --slug my-article-slug \
    --output-dir output/my-article-slug \
    --whisper-model base

السيناريو 3: النشر على يوتيوب — تلقائياً

في الأصل كان هذا الدليل ينتهي بخطوة يدوية: افتح YouTube Studio، ارفع الملف، الصق البيانات الوصفية يدوياً. لم يعد الأمر كذلك. المرحلة الأخيرة أصبحت الآن آلية أيضاً.

الأداة: video-publisher

تأخذ video-publisher الفيديو الجاهز وملف البيانات الوصفية JSON وتنشرهما على يوتيوب نيابة عنك — عبر قيادة YouTube Studio من خلال جلسة متصفح Camoufox المضاد للكشف. بدون Data API، بدون OAuth، بدون مفاتيح API. تعيد استخدام ملف تعريف متصفح تسجّل الدخول إليه مرة واحدة، فلا شيء تحتاج لإعداده في Google Cloud.

كيف تعمل

git clone https://github.com/suenot/video-publisher.git
cd video-publisher

# Use Python 3.11–3.13 (not 3.14 — Camoufox needs Playwright ≤ 1.51)
python3.11 -m venv venv && venv/bin/pip install -r requirements.txt
venv/bin/python -m camoufox fetch          # one-time: download the browser

# One-time: sign into the TARGET YouTube account (persists locally)
venv/bin/python login.py

ثم انشر حزمة video-maker بأمر واحد:

venv/bin/python publish.py \
    --video     ../video-maker/output/SLUG/SLUG.mp4 \
    --metadata  ../video-maker/output/SLUG/SLUG_metadata.json \
    --thumbnail ../video-maker/output/SLUG/SLUG_thumbnail.png \
    --channel-handle @your-channel \
    --visibility private

الأداة:

1. تفتح YouTube Studio في جلسة Camoufox مسجّلة الدخول — بدون مطالبات تسجيل دخول، بدون مفاتيح API
2. تختار القناة المستهدفة (عبر --channel-handle أو --channel-id)، فتعمل مع قنوات العلامات التجارية
3. تتحقق مسبقاً من طول الفيديو مقابل حد 15 دقيقة للقنوات غير الموثقة — وتتوقف قبل إهدار عملية رفع إذا كان سيُرفض بسبب “Processing abandoned”
4. ترفع الفيديو، وتضبط العنوان / الوصف / الوسوم من ملف البيانات الوصفية JSON، وترفق الصورة المصغرة
5. تتعامل بسلاسة مع بوابة “Verify it’s you” (اجتزها مرة واحدة بـ --keep-open)
6. تتحقق من أن الرفع نُشر فعلاً، وتعيد رمز خروج واضحاً

افتراضياً تنشر كمسودة خاصة (--visibility private) حتى تراجعها قبل الإعلان — مرّر --visibility unlisted أو public عندما تكون جاهزاً. الأمان بحكم التصميم: لا شيء يُنشر علناً بالخطأ.

حافظ على خصوصية جلستك. تسجّل الأداة الدخول إلى حسابك الحقيقي عبر ملف تعريف متصفح دائم. هذا الملف — الكوكيز، البصمة، لقطات debug/ — يجب ألا يُرفع أو يُشارك أبداً. المستودع يأتي بملف .gitignore لهذا الغرض بالضبط؛ احترمه. أتمتة يوتيوب قد تحدّ من معدل الحساب أو تعلّقه، لذا استخدم حسابك الخاص، جلسة واحدة في كل مرة، على مسؤوليتك.

مصنع المحتوى الكامل

اربط الأدوات الثلاث ويتحول مقال المدونة إلى فيديو يوتيوب منشور بدون أي تحرير يدوي وبدون أي رفع يدوي:

article + NotebookLM audio/slides
      │
      ▼
  video-maker      → builds the MP4 (synced slides + subtitles + thumbnail)
      │
      ▼
  video-metadata   → title, description, tags, chapter timestamps, SRT
      │
      ▼
  video-publisher  → uploads and publishes to YouTube (browser, no API keys)
      │
      ▼
   YouTube 🎬

سير العمل الكامل: من الفكرة إلى يوتيوب في 30 دقيقة

المجموع: حوالي 25 دقيقة، معظمها مجرد انتظار للسكربتات — والإجراءات اليدوية الوحيدة هي بضع نقرات في NotebookLM. الرفع إلى YouTube Studio ولصق البيانات الوصفية وإرفاق الترجمة والصورة المصغرة كلها آلية الآن. كان هذا يتطلب سابقاً أكثر من ساعتين من العمل اليدوي.

ما وراء الشرائح: أدوات فيديو مفتوحة المصدر أخرى

video-use: تحرير الفيديو عبر Claude Code

video-use — مهارة مفتوحة المصدر تتيح تحرير الفيديو مباشرة عبر Claude Code. ضع المقاطع الخام في مجلد واطلب من الوكيل تحريرها. يقوم تلقائياً بـ: قص كلمات الحشو، تصحيح الألوان، تلاشي صوتي 30 مللي ثانية، حرق الترجمة، توليد تراكبات متحركة، والتحقق الذاتي.

النموذج اللغوي لا «يشاهد» الفيديو بل يقرأه — من خلال نسخ ElevenLabs Scribe (طوابع زمنية على مستوى الكلمة + فصل المتحدثين). بدلاً من 30,000 إطار × 1,500 رمز = 45 مليون رمز ضوضاء — فقط 12 كيلوبايت نص وبعض صور PNG.

OpenShorts: منصة كاملة للفيديوهات القصيرة

OpenShorts — منصة مستضافة ذاتياً (Docker) تجمع ثلاث أدوات: Clip Generator (قص الفيديوهات الطويلة إلى شورتات فيروسية 9:16)، AI Shorts (فيديوهات تسويقية بممثلين AI، من $0.65)، YouTube Studio (صور مصغرة وعناوين ووصف بالذكاء الاصطناعي). مجانية بالكامل، مفتوحة المصدر، بدون علامات مائية.

القيود

• جودة المزامنة تعتمد على نص الشرائح
• متحدث واحد فقط
• مُحسّن لـ macOS افتراضياً (على Linux استخدم libx264)
• جودة NotebookLM تعتمد على المادة المدخلة

جميع الأدوات

• 🔧 video-maker — يبني فيديو من صوت + PDF
• 🔧 video-metadata — يولد بيانات يوتيوب الوصفية
• 🔧 video-publisher — ينشر على يوتيوب عبر جلسة متصفح (بدون مفاتيح API)
• 🎬 video-use — تحرير الفيديو عبر Claude Code
• 🎬 OpenShorts — منصة كاملة للشورتات والفيديو بالذكاء الاصطناعي

ملاحظة مهمة: video-maker و video-metadata و video-publisher ليست منتجات جاهزة للاستخدام مباشرة، بل قوالب بداية. يعملان مباشرة للسيناريو الأساسي، لكنهما مصممان لتخصيصهما بأي وكيل ذكاء اصطناعي (Claude Code، Codex، Cursor وغيرها). انسخهما وكيّفهما حسب علامتك التجارية وأسلوب محتواك.

استخدم NotebookLM لإنشاء المحتوى، والسكربتات للتجميع التلقائي. إنه أسرع طريق من الفكرة إلى يوتيوب.