تحويل الكلام باللهجة السعودية إلى نص تحسّن، لكن النصوص ما زالت تحتاج مراجعة

في 30 سبتمبر 2026 نشرت NVIDIA مقالة تقنية عن الضبط الدقيق لنموذج التعرف على الكلام Nemotron 3.5 ASR على اللهجات السعودية. وكانت بيانات التدريب SADA، مجموعة البيانات الصوتية السعودية للغة العربية التي أطلقتها الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) مع هيئة الإذاعة والتلفزيون. وتناولت وسائل الإعلام السعودية الخبر في 3 أكتوبر.

النتيجة تحسّن حقيقي، وهي تُظهر في الوقت نفسه كم ما زال تحويل الكلام باللهجة إلى نص بعيدًا عن نص نظيف. وهذا الجزء الثاني يهم كل من يخطط في الخليج لتحويل تسجيلات المكالمات أو الاجتماعات إلى نص قابل للبحث.

الأرقام من مقالة NVIDIA نفسها

• بعد تنظيف خفيف، احتفظ الفريق بـ103,559 مقطعًا من أصل 125,490، أي 133.7 ساعة من الكلام النجدي والحجازي.
• انخفض معدل خطأ الكلمات (WER) على جزء الاختبار النجدي والحجازي من 55.05% إلى 29.96%، وعلى مجموعة اختبار SADA الكاملة من 58.84% إلى 35.61%.
• لم تتراجع الإنجليزية: انتقل WER على مجموعة FLEURS الإنجليزية من 11.04% إلى 10.42%، وعلى FLEURS العربية من 12.67% إلى 11.41%.
• استغرق التدريب نحو 4.5 ساعات على وحدتي GPU عبر 12,000 خطوة.

انظر إلى الفجوة في هذه القائمة. النموذج الأساسي نفسه سجّل 12.67% على FLEURS العربية، وهي كلام مقروء بالفصحى، و55.05% على النجدية والحجازية. الصعوبة في اللهجة لا في "العربية". وحين يقول مورّد إن منتجه يدعم العربية، اسأله: أي عربية اختُبر عليها؟

ماذا يعني معدل خطأ 30% عمليًا

يعدّ WER الكلمات الخاطئة أو الناقصة أو الزائدة. عند نحو 30% تحمل الجملة ذات الكلمات العشر غالبًا ثلاثًا منها تقريبًا. يستطيع القارئ عادةً متابعة الموضوع، لكن المشكلة في الكلمات التي تعتمد عليها مكالمة دعم أو اجتماع: الأسماء وأرقام الطلبات والمبالغ والتواريخ، وهي بالضبط الكلمات التي لا يمكن تخمينها من السياق.

وقاست NVIDIA أيضًا مفاضلة: نافذة انتباه أوسع خفّضت WER بمقدار 1.31 نقطة دون إعادة تدريب، مقابل نحو 800 مللي ثانية من التأخير الإضافي. وتقول المقالة إن ذلك يناسب النسخ الدفعي لأرشيف المكالمات والإعلام وتسجيلات الاجتماعات، وقد لا يناسب الترجمة النصية المباشرة.

خمس قواعد لاستخدام نصوص الكلام باللهجة

1. اختبر على تسجيلاتك أنت. اطلب من شخص تفريغ عيّنة من مكالماتك الحقيقية وقارن. نصيحة NVIDIA نفسها هي تقييم كل قدرة على مجموعة مستقلة، لا الوثوق برقم العنوان.
2. فضّل النسخ الدفعي على المباشر حين تهم الدقة. إن لم يقرأ أحد النص في اللحظة نفسها، فاختر الإعداد الأبطأ والأدق.
3. احتفظ بالرابط إلى الصوت. يجب أن يحمل كل مقطع من النص توقيته، كي يستمع من يشك في كلمة إلى تلك الثانية.
4. عامل النصوص كمسودات قابلة للبحث لا كسجلات. يؤكد شخص الأسماء والأرقام والقرارات قبل دخولها في تذكرة أو محضر أو ملف عقد.
5. اجعل إجابات البحث تستشهد بالمصدر. إن أجاب مساعد من هذه النصوص، فيجب أن تشير الإجابة إلى الملف والمقطع بدقة، وأن تقول ذلك حين لا يدعمها شيء. نشرح السبب في استشهد أو امتنع.

أين يأتي دور FanMind

FanMind هو مساعد المستندات من فان‌بينو. يجيب عن أسئلة الموظفين من ملفات المؤسسة نفسها ويستشهد بالمستند والصفحة بدقة لكل إجابة. لا يحوّل FanMind الصوت إلى نص، ولا ندّعي هنا دعم اللهجات. مكانه في الخطوة التالية للتفريغ: حين تصبح ملخصات المكالمات أو محاضر الاجتماعات ملفات Word أو PDF، يمكن وضعها بجانب اللوائح والإجراءات، وكل إجابة مأخوذة منها ترتبط بملف وصفحة يستطيع شخص التحقق منهما. وهو النهج نفسه الذي نتبعه مع أرشيفات المستندات التقنية. اطّلع على FanMind.

الأسئلة الشائعة