الإدخال الصوتي في الصين يتعلم الكتابة نيابةً عنك: من الإملاء إلى نص جاهز

الأداة التي «كانت تناسب الجميع أصلًا» تحولت خلال عام إلى واحدة من أكثر ساحات الذكاء الاصطناعي الصيني ازدحامًا. بين نوفمبر 2025 ومايو 2026 دخلت السوق ثلاث لوحات مفاتيح جديدة على الأقل مدعومة بالذكاء الاصطناعي من شركات كبرى، فيما أضافت WeChat إلى أداة الإدخال لديها ميزة «隔空傳送» («النقل عبر الهواء»). وأصبحت جبهة المنافسة الرئيسية اليوم هي الإدخال الصوتي، والرهان فيه على تغيير المهمة: فالنظام لا يستمع إلى الكلمات، بل إلى نية المستخدم، ثم يسلّمه نصًا جاهزًا على الفور.

التسلسل الزمني: أربع محاولات في سبعة أشهر

تبدأ القصة في خريف 2025. وهذا ما هو معروف عن تسلسل الأحداث:

• Doubao Input: أُطلق في نوفمبر 2025. Doubao هو مساعد الذكاء الاصطناعي من ByteDance، وقد صارت لوحة المفاتيح نقطة دخول جديدة له على الهاتف.
• أداة الإدخال المكتبية بالذكاء الاصطناعي من Zhipu: ديسمبر 2025. تُعرف Zhipu بأنها مطوّرة نماذج كبيرة خاصة بها، ولم تتجه إلى الهاتف المحمول بل إلى سطح المكتب.
• الإدخال الصوتي من Qianwen: مايو 2026. Qianwen علامة الذكاء الاصطناعي الموجّهة للمستهلكين في منظومة Alibaba، والتركيز هذه المرة على الصوت تحديدًا.
• أداة الإدخال في WeChat مع ميزة «隔空傳送»: أداة لنقل ما جرت كتابته بسرعة بين الأجهزة. وهي تعتمد على الجمهور الضخم لتطبيق المراسلة.

تتوالى عمليات الإطلاق بوتيرة شبه متصلة، مرة كل شهر أو شهرين. وهذه وتيرة سريعة جدًا لسوق كان يتغير فيما مضى على مدى سنوات.

لماذا أصبحت لوحة المفاتيح موقعًا استراتيجيًا

تقع لوحة المفاتيح في بداية كل سيناريو استخدام تقريبًا: رسالة، أو بريد إلكتروني، أو استعلام بحث، أو ملاحظة، أو موجّه (prompt) لروبوت محادثة. ومن يتحكم بهذه الطبقة يرى نية المستخدم قبل أي تطبيق آخر، ويستطيع دمج النموذج في لحظة إنشاء النص نفسها. وبالنسبة إلى شركة تملك LLM خاصًا بها، هذا أقصر طريق من النموذج إلى العادة اليومية: فلا حاجة إلى أن تطلب من المستخدم فتح محادثة منفصلة.

ويعزز الصوت هذا الأثر. فالإملاء العادي صار أمرًا معتادًا منذ زمن، لكنه يحتاج إلى تصحيح: إذ يتحدث الناس مع فترات صمت وتكرار وزلّات لسان، وينتقلون بين الأفكار فجأة. أما الجيل الجديد من أدوات الإدخال بالذكاء الاصطناعي فيتولى هذه المهمة. يقول المستخدم الفكرة الأساسية، مثل «اكتب لزميلي أن الاجتماع تأجل إلى الخميس واعتذر منه»، فيحصل على رسالة مرتبة بالنبرة المناسبة. وهكذا يتحول التفريغ إلى توليد، ما يعني أن الجودة لم تعد تعتمد على التعرف على الكلام وحده، بل أيضًا على نموذج لغوي يفهم السياق والأسلوب.

ماذا يغيّر هذا في السوق

لهذا النهج نقاط ضعف أيضًا. فالتوليد بدل التفريغ يعني أن النظام قد يعيد صياغة ما قيل على غير ما أراده صاحب الكلام. ويبرز سؤال الثقة: إلى أي درجة ينقل النص النهائي الفكرة بدقة، وأين يقع الحد الفاصل بين المساعدة والاستبدال. أما المشكلة الثانية فتتعلق بالبيانات. فأداة الإدخال ترى كل ما يكتبه الإنسان وينطق به، ولذلك تصبح مسائل المعالجة على الجهاز وفي السحابة بأهمية دقة التعرف على الكلام نفسها بالنسبة إلى لوحات المفاتيح.

ومع ذلك، لا تدور المنافسة على محور واحد. فـ Doubao وQianwen مرتبطان بمنظومتي مساعديهما بالذكاء الاصطناعي، واختارت Zhipu سطح المكتب، وتستخدم WeChat الربط بين الأجهزة وجمهورها المدمج فيها. والأرجح أن يفوز من ينجح في تحقيق أفضل مزيج بين جودة النموذج وسرعة الاستجابة وسهولة الاستخدام في التطبيقات اليومية.

ما الذي يجب الانتباه إليه عند الاختيار

إذا كنتم تجربون أدوات الإدخال هذه، فتحققوا من ثلاثة أمور. الأول: كيف يتعامل النظام مع كلام تختلط فيه اللغات والمصطلحات المهنية. الثاني: هل يمكن رؤية التفريغ الأصلي بسرعة إلى جانب النص الجاهز، لاكتشاف أي تحريف. الثالث: أين تجري معالجة الصوت، وما الذي يُحفظ. أما بالنسبة إلى الفرق والشركات التي تبني منتجات على LLM، فالاستنتاج أبسط: المجال الذي يلتقي فيه النموذج بالمستخدم لحظة إنشاء النص تبيّن أنه لا يقل قيمة عن نافذة المحادثة، والمنافسة فيه لا تزال في بدايتها.