بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارAWS Machine Learning Blog→ المصدر

Loka تبني وكيلًا صوتيًا على Amazon Nova 2 Sonic بزمن استجابة أقل من ثانية

نشرت Loka بنية وكيل صوتي مبني على Amazon Nova 2 Sonic، وهو نموذج كلام من AWS يتجاوز السلسلة التقليدية ASR→LLM→TTS ويرد على العملاء خلال 300–500 مللي ثانية. أما المشكلة الجوهرية فهي أن الروبوتات الآلية التي يبلغ زمن استجابتها 3–5 ثوانٍ تدفع العملاء إلى إنهاء المكالمة، ما يضر بسمعة العلامة التجارية. يعمل Nova 2 Sonic مباشرة مع التدفق الصوتي، ويلتقط نبرة الصوت، ويتفهم مقاطعات المتحدث.

معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
Loka تبني وكيلًا صوتيًا على Amazon Nova 2 Sonic بزمن استجابة أقل من ثانية
المصدر: AWS Machine Learning Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليAWS Machine Learning Blog ↗
رئيس التحرير
حقيقة رئيسية #1يبدأ الرد خلال 300–500 مللي ثانية بعد توقف المستخدم عن الكلام
حقيقة رئيسية #2يفهم النموذج المقاطعات الطبيعية في الكلام ويتعامل معها بشكل صحيح
حقيقة رئيسية #3يلتقط النظام نبرة الصوت والسياق العاطفي، ويكيّف نبرة رده وفقًا لذلك

نشرت شركة Loka تحليلًا مفصلًا للبنية التي بنت بها وكيلًا صوتيًا على Amazon Nova 2 Sonic، وهو نموذج الكلام من الجيل الجديد لدى AWS. كانت المهمة محددة: بناء روبوت لا يغلق العميل المكالمة بعد بضع ثوانٍ من الانتظار.

المشكلة التي سعت Loka إلى حلها

الصوت الآلي في روبوتات الهاتف ليس مجرد إزعاج جمالي. فهو يعني خسائر مباشرة للأعمال: يغلق العميل الخط، أو يعاود الاتصال ليتحدث إلى موظف حقيقي، أو ينتقل إلى منافس. وتتراجع سمعة العلامة التجارية وترتفع تكاليف الدعم.

تعمل أنظمة الصوت التقليدية عبر سلسلة طويلة: التعرف على الكلام (ASR)، ثم التحويل إلى نص، ثم نموذج لغوي، ثم توليد الرد، ثم تركيب الصوت (TTS). ويتراكم التأخير في كل مرحلة. ونتيجة لذلك تتراوح الفترة الفاصلة بين سؤال العميل ورد الروبوت بين 2 و5 ثوانٍ. وخلال هذا الوقت يقتنع الشخص بأن النظام لا يعمل، فيغلق الخط أو يطلب التحدث إلى موظف حقيقي.

وضعت Loka لنفسها هدف كسر هذه السلسلة وبناء وكيل يستجيب ضمن الوقفة الطبيعية في المحادثة، كما يفعل المحاور الحقيقي. وكان الحل هو Amazon Nova 2 Sonic.

ما الذي يميز Nova 2 Sonic؟

Nova 2 Sonic نموذج متعدد الوسائط من AWS لتحويل الكلام إلى كلام (speech-to-speech)، يعمل مباشرة مع الصوت دون المرور بخطوتي النسخ عبر ASR والتركيب عبر TTS. فهو يستقبل تدفقًا صوتيًا كمدخل ويولد تدفقًا صوتيًا كمخرج، دون تحويل وسيط إلى نص.

وهذا يغير ملف زمن الاستجابة جذريًا:

  • يبدأ الرد خلال 300–500 مللي ثانية بعد توقف المستخدم عن الكلام
  • يفهم النموذج المقاطعات الطبيعية في الكلام ويتعامل معها بشكل صحيح
  • يلتقط النظام نبرة الصوت والسياق العاطفي، ويكيّف نبرة رده وفقًا لذلك
  • يختفي تمامًا الإحساس بأن «النظام يعالج الطلب» من الحوار
  • لا يقطع التكامل مع منطق الأعمال عبر function calling سير المحادثة

يتوفر Nova 2 Sonic عبر Amazon Bedrock، ما يتيح للشركات العاملة على AWS ربطه دون تغيير المزوّد أو إعادة بناء البنية التحتية بالكامل.

البنية في بيئة الإنتاج

اعتمدت Loka نقلًا صوتيًا متدفقًا في الزمن الحقيقي بأقل قدر ممكن من التخزين المؤقت. لا ينتظر النظام اكتمال عبارة المستخدم، بل يبدأ المعالجة فورًا، ما يتيح لـ Nova 2 Sonic أن يتفاعل في لحظة الوقفة الطبيعية بدلًا من الانتظار بعد صمت طويل.

«الصوت الآلي هو السبب الرئيسي الذي يدفع العملاء إلى إغلاق الخط. وهذه ليست مشكلة تقنية، بل مشكلة ثقة»، يقول فريق Loka.

وللوصول إلى بيانات الأعمال في الزمن الحقيقي، مثل حالة الطلب وسجل العميل ومخزون السلع، يستخدم الوكيل real-time function calling. ويبدو الأمر للعميل ردًا فوريًا، لا وقفة ملحوظة من نوع «بانتظار النتيجة».

وفي بيئة الإنتاج يُظهر النظام مقاومة للمقاطعات وتغيير الموضوع والوقفات غير المعتادة، وهي السيناريوهات التي تخفق فيها أنظمة ASR التقليدية في أغلب الأحيان.

ماذا يعني ذلك؟

تزيل نماذج speech-to-speech العائق الرئيسي أمام الانتشار الواسع للروبوتات الصوتية، وهو التأخير الملحوظ الذي يحطم وهم المحادثة الحية. فإذا لم يعد زمن الاستجابة محسوسًا، وبدا الصوت طبيعيًا، تتلاشى الحدود بين الوكيل والموظف. وبالنسبة للأعمال، هذا طريق مباشر إلى أتمتة مركز الاتصال دون الإضرار بمؤشر NPS.

وعلى غرار Nova 2 Sonic، ستظهر في السوق نماذج مماثلة من مزوّدين آخرين، فالمنافسة في قطاع voice AI لم تبدأ إلا للتو.

القصة

أسئلة وأجوبة حول الخبر

ما الذي يميز Nova 2 Sonic؟

Nova 2 Sonic نموذج متعدد الوسائط من AWS لتحويل الكلام إلى كلام (speech-to-speech)، يعمل مباشرة مع الصوت دون المرور بخطوتي النسخ عبر ASR والتركيب عبر TTS. فهو يستقبل تدفقًا صوتيًا كمدخل ويولد تدفقًا صوتيًا كمخرج، دون تحويل وسيط إلى نص.

ماذا يعني ذلك؟

تزيل نماذج speech-to-speech العائق الرئيسي أمام الانتشار الواسع للروبوتات الصوتية، وهو التأخير الملحوظ الذي يحطم وهم المحادثة الحية. فإذا لم يعد زمن الاستجابة محسوسًا، وبدا الصوت طبيعيًا، تتلاشى الحدود بين الوكيل والموظف. وبالنسبة للأعمال، هذا طريق مباشر إلى أتمتة مركز الاتصال دون الإضرار بمؤشر NPS. وعلى غرار Nova 2 Sonic، ستظهر في السوق نماذج مماثلة من مزوّدين آخرين، فالمنافسة في قطاع voice AI لم تبدأ إلا للتو.

ما أبرز التفاصيل حول المشكلة التي سعت Loka إلى حلها؟

الصوت الآلي في روبوتات الهاتف ليس مجرد إزعاج جمالي. فهو يعني خسائر مباشرة للأعمال: يغلق العميل الخط، أو يعاود الاتصال ليتحدث إلى موظف حقيقي، أو ينتقل إلى منافس. وتتراجع سمعة العلامة التجارية وترتفع تكاليف الدعم. تعمل أنظمة الصوت التقليدية عبر سلسلة طويلة: التعرف على الكلام (ASR)، ثم التحويل إلى نص، ثم نموذج لغوي، ثم توليد الرد، ثم تركيب الصوت (TTS). ويتراكم التأخير في كل مرحلة. ونتيجة لذلك تتراوح الفترة الفاصلة بين سؤال العميل ورد الروبوت بين 2 و5 ثوانٍ.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…