ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

GigaChat Pro وضع علامات النبر في 95,8% من الكلمات، بينما لم تظهر 32 كلمة خاطئة إلا في الدفعات الصغيرة

تضع محركات تحويل النص إلى كلام (TTS) الروسية النبر في المكان الخطأ: تُقرأ «гудни» على أنها «гУдни»، وقواميس النطق في ElevenLabs مغلقة في الباقة التي يستخدمها المؤلف. سلّم المؤلف 7789 كلمة إلى GigaChat Pro وحصل على معجم من 7462 كلمة، أي تغطية بنسبة 95,8%. لكن النموذج وضع النبر بطرق مختلفة في عمليات تشغيل مختلفة على 32 كلمة مثل «проскочила» و«куплена»، ولم تكشف ذلك إلا الدفعات الصغيرة. الخلاصة: التشغيل الجماعي ليس سوى قائمة مرشحين، ويتولى إنسان مراجعة الكلمات الخلافية.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
GigaChat Pro وضع علامات النبر في 95,8% من الكلمات، بينما لم تظهر 32 كلمة خاطئة إلا في الدفعات الصغيرة
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
حقيقة رئيسية #1نما قاموس الاستبدالات من 51 إلى 101 كلمة، ولم تُخمَّن أي كلمة جديدة يدويًا
يتحقق GigaAM v3 من التعليق الصوتيحجم الأوزان 222 ميغابايت، والترخيص MIT، والملفات حتى نحو 50 ثانية
حقيقة رئيسية #3نموذج Lite يُنتج نتائج فوضوية في مهمة النبر، والخيار العملي الوحيد هو GigaChat-2-Pro

كثيرًا ما تضع المُركّبات الصوتية الروسية (TTS) النبر في المكان الخطأ: تُقرأ كلمة «гудни» على أنها «гУдни»، وتُنطق «проскочила» و«куплена» بخطأ. واجه مؤلف هذا العرض المشكلة نفسها في ثلاثة محركات في آنٍ واحد. قواميس النطق في ElevenLabs مغلقة في باقته، فاحتفظ بقاموس استبدالات يدوي من 51 كلمة. ثم كلّف GigaChat Pro بوضع النبر في مجمل بنك الجمل: تحولت 7789 كلمة إلى معجم من 7462 كلمة، أي تغطية بنسبة 95,8%. يبدو ذلك انتصارًا، لكن الدرس الأهم في مكان آخر: تبيّن أن 32 كلمة من هذه القائمة غير موثوقة، ولم يكن ممكنًا كشف ذلك إلا بإعادة الفحص على دفعات صغيرة. وهذه قاعدة عملية جاهزة لكل من يستخدم LLM في وسم البيانات على نطاق واسع.

GigaChat كمُعِدّ لقاموس النبر

الفكرة بسيطة: تسليم بنك النصوص كاملًا إلى نموذج لغوي وبناء معجم النبر تلقائيًا بدل كتابة الكلمات يدويًا. يوفر GigaChat شريحة مجانية لمدة عام: 250 مليون توكن لـ Lite، و40 مليونًا لـ Pro، و25 مليونًا لـ Max، و50 مليونًا لـ Ultra. يتم التسجيل عبر Client ID مع النطاق GIGACHAT_API_PERS، ولا يتطلب الاتصال سوى سطر برمجي واحد يحدد النموذج GigaChat-2-Pro.

كان اختيار النموذج حاسمًا. نموذج Lite عديم الفائدة في هذه المهمة: فهو «يُخرج نتائج فوضوية» بحسب المؤلف. والخيار العملي الوحيد هو Pro.

وثمة خاصية صغيرة أخرى. يضع GigaChat علامة النبر بعد الحرف المتحرك المنبور لا قبله، خلافًا لمكتبة ruaccent، وأحيانًا يبتر نهاية الكلمة. يُعالَج ذلك بتثبيت الصيغة في الموجِّه (prompt) وتعديل المحلِّل (parser).

الدرس الرئيسي: الدفعات الكبيرة تُخطئ بثقة

لا يمكن استيراد المعجم الجاهز إلى القاموس مباشرة. فعندما أعاد المؤلف فحص الكلمات على دفعات صغيرة، ظهرت 32 حالة مضلِّلة، منها «проскочила» و«куплена»: وضع النموذج النبر في تشغيل على نحو، وفي تشغيل آخر على نحو مختلف. وفي الدفعة الكبيرة تضيع هذه التناقضات، وتبدو الإجابة واثقة بالقدر نفسه.

ومن هنا نشأت قاعدة تعمل الآن بشكل دائم في المشروع:

  • التشغيل الجماعي مصدر للمرشحين فقط؛
  • يخضع كل مرشح لفحص بدفعة صغيرة؛
  • يتخذ إنسان القرار النهائي في حالات التباين بين عمليات التشغيل.

النتيجة: نما القاموس من 51 إلى 101 كلمة، ولم يخمّن المؤلف بنفسه أيًّا من الكلمات الـ50 الجديدة. والقاعدة لا تقتصر على النبر. فإذا كلّفتم LLM بوضع وسوم أو تصنيفات أو توحيد صيغة البيانات، فقد يحدث الشيء نفسه معكم: تمرّ عدم الاستقرارية دون أن تُلاحَظ على آلاف العناصر. والاحتياط الرخيص هو إعادة تشغيل العناصر الخلافية على دفعات صغيرة ومقارنة الإجابات.

GigaAM كمراقب لجودة التعليق الصوتي

المهمة الثانية هي فحص التعليق الصوتي الجاهز: التعرف على ملف wav المُولَّد ومقارنة الكلمات بالنص المرجعي. ولهذا ناسب GigaAM v3 عبر sherpa-onnx: تشغل الأوزان 222 ميغابايت، والترخيص MIT. وعلى المسارات النظيفة غير المعالَجة يكون سريعًا ودقيقًا. وكمكافأة، مرّر المؤلف عبره تسجيلًا مدته ست دقائق من مسجّل صوتي، وحصل خلال ثوانٍ على تفريغ نصي شبه خالٍ من الأخطاء.

والقيود صريحة بدورها:

  • يرتبك GigaAM في التعليق الصوتي ذي المؤثر الإذاعي (التشويش والضاغط في «Канал 15»)، وهنا يبقى whisper؛
  • لا يقبل الملفات الطويلة كاملة: الحد العملي نحو 50 ثانية، ولذلك تُقطَّع المسارات إلى نوافذ مدتها 30 ثانية؛
  • يظل نموذج Lite من GigaChat عديم الفائدة في مهمة النبر.

دُمجت الأداتان في بروتوكول العمل: يقترح السكربت stress_suggest.py مع الراية --giga علامات النبر، بينما يفحص qa_recent.py وqa_recast.py مع المعامل --engine gigaam إعادة التوليد الصوتي الأخيرة.

ما الذي يمكن اعتماده

لمن ينتج تعليقًا صوتيًا بالروسية أو وكلاء صوتيين، يمكن إعادة إنتاج هذا المخطط في أمسية واحدة. تجمع الشريحة المجانية من GigaChat Pro المرشحين، وتستبعد الدفعات الصغيرة الإجابات غير المستقرة، ولا ينظر الإنسان إلا في الحالات الخلافية. ويصلح GigaAM كمراقبة تلقائية منخفضة التكلفة على الصوت النظيف، أما للمسارات ذات المؤثرات فمن الأفضل إبقاء whisper. ويصوغ المؤلف الخلاصة دون تفخيم: الشبكة العصبية أداة كمفك البراغي، لكنها أغلى ثمنًا. وهناك تفصيل دالّ: لم ينجح النموذج ولو مرة واحدة في وضع النبر على كلمة «гудни» بثقة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول GigaChat كمُعِدّ لقاموس النبر؟

الفكرة بسيطة: تسليم بنك النصوص كاملًا إلى نموذج لغوي وبناء معجم النبر تلقائيًا بدل كتابة الكلمات يدويًا. يوفر GigaChat شريحة مجانية لمدة عام: 250 مليون توكن لـ Lite، و40 مليونًا لـ Pro، و25 مليونًا لـ Max، و50 مليونًا لـ Ultra. يتم التسجيل عبر Client ID مع النطاق GIGACHAT_API_PERS، ولا يتطلب الاتصال سوى سطر برمجي واحد يحدد النموذج GigaChat-2-Pro. كان اختيار النموذج حاسمًا. نموذج Lite عديم الفائدة في هذه المهمة: فهو «يُخرج نتائج فوضوية» بحسب المؤلف. والخيار العملي الوحيد هو Pro. وثمة خاصية صغيرة أخرى.

ما أبرز التفاصيل حول الدرس الرئيسي: الدفعات الكبيرة تُخطئ بثقة؟

لا يمكن استيراد المعجم الجاهز إلى القاموس مباشرة. فعندما أعاد المؤلف فحص الكلمات على دفعات صغيرة، ظهرت 32 حالة مضلِّلة، منها «проскочила» و«куплена»: وضع النموذج النبر في تشغيل على نحو، وفي تشغيل آخر على نحو مختلف. وفي الدفعة الكبيرة تضيع هذه التناقضات، وتبدو الإجابة واثقة بالقدر نفسه. ومن هنا نشأت قاعدة تعمل الآن بشكل دائم في المشروع: التشغيل الجماعي مصدر للمرشحين فقط؛ يخضع كل مرشح لفحص بدفعة صغيرة؛ يتخذ إنسان القرار النهائي في حالات التباين بين عمليات التشغيل.

ما أبرز التفاصيل حول GigaAM كمراقب لجودة التعليق الصوتي؟

المهمة الثانية هي فحص التعليق الصوتي الجاهز: التعرف على ملف wav المُولَّد ومقارنة الكلمات بالنص المرجعي. ولهذا ناسب GigaAM v3 عبر sherpa-onnx: تشغل الأوزان 222 ميغابايت، والترخيص MIT. وعلى المسارات النظيفة غير المعالَجة يكون سريعًا ودقيقًا. وكمكافأة، مرّر المؤلف عبره تسجيلًا مدته ست دقائق من مسجّل صوتي، وحصل خلال ثوانٍ على تفريغ نصي شبه خالٍ من الأخطاء.

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…