Reson8 تطلق نموذجًا مفتوحًا لتمييز الكلام أصغر بـ60 مرة من نموذج NVIDIA: 7,86% أخطاء في الكلمات مقابل 7,78%
يتطلب تفريغ المكالمات نصيًا عادةً واجهة API سحابية مدفوعة، أو نموذجًا ثقيلًا يعمل على بطاقة رسومات باهظة الثمن. أتاحت شركة Reson8 الناشئة ومقرها أمستردام نموذج Rumble-2-Flash بحجم 0,5 مليار معامل ويدعم أكثر من 40 لغة، وذلك بترخيص Apache 2.0. في اختبار AppTek الذي يضم 302 ساعة من مكالمات مراكز الاتصال، يخطئ النموذج في 7,86% من الكلمات، بينما يخطئ نموذج Nemotron 3.5 Transcribe من NVIDIA، البالغ حجمه 30 مليار معامل، في 7,78%. هذه الأرقام أعلنها المطوّر نفسه، لذا من الأفضل تشغيل النموذج على 5–10 ساعات من تسجيلاتكم الخاصة قبل اعتماده.
معالج بواسطة الذكاء الاصطناعي من X: @curratedbrief؛ بتحرير Hamidun News
تخيّلوا أن عليكم تحويل آلاف الساعات من مكالمات خدمة الدعم إلى نص. عادةً أمامكم طريقان: الدفع لخدمة سحابية عن كل دقيقة تسجيل، أو تشغيل نموذج ثقيل على بطاقة رسومات باهظة الثمن. تقترح شركة Reson8 الناشئة في أمستردام طريقًا ثالثًا، هو نموذج مفتوح وصغير لتمييز الكلام باسم Rumble-2-Flash. يضم النموذج 0,5 مليار معامل، ويخطئ في 7,86% من الكلمات في اختبار يعتمد على تسجيلات مراكز الاتصال. وللمقارنة، يخطئ نموذج NVIDIA Nemotron 3.5 Transcribe، الذي يضم 30 مليار معامل، في 7,78% من الكلمات. الفارق 0,08 نقطة مئوية، بينما يبلغ فارق الحجم 60 مرة.
ما الذي أُطلق بالضبط
Rumble-2-Flash نموذج speech-to-text، أي لتحويل الكلام إلى نص. يدعم أكثر من 40 لغة ويُوزَّع بترخيص Apache 2.0. وهذه التفصيلة مهمة للممارسين: فالترخيص يتيح استخدام النموذج في المنتجات التجارية، وإعادة تدريبه، وتضمينه في خدمات مغلقة. ولا يُشترط فتح الشيفرة المصدرية الخاصة بكم، ولا حاجة إلى اتفاقات منفصلة مع المطوّر.
قاست Reson8 الجودة على معيار AppTek. وهو يضم 302 ساعة من تسجيلات المحادثات في مراكز الاتصال، بما فيها من ضوضاء وانقطاع للمتحدثين وكلام عفوي حي، وليس قراءة استوديو نقية. يُسمّى المقياس WER (word error rate)، وهو نسبة الكلمات التي لم يُتعرَّف عليها بشكل صحيح. فإذا كان WER يساوي 7,86%، فإن النموذج يخطئ في المتوسط في نحو ثماني كلمات من كل 100 كلمة منطوقة.
لماذا تلفت المقارنة مع NVIDIA الانتباه
يسجّل Nemotron 3.5 Transcribe من NVIDIA في الاختبار نفسه نسبة WER قدرها 7,78%. عمليًا، يكاد الفارق لا يُلاحظ: ففي 10 000 كلمة يبلغ نحو 8 كلمات. ومع ذلك فإن Rumble-2-Flash أصغر من حيث عدد المعاملات بـ60 مرة.
والتشبيه المبسّط هنا: سيارة مدينة صغيرة تصل إلى الوجهة نفسها في الوقت تقريبًا الذي تستغرقه شاحنة بمحرك ضخم، لكنها تستهلك وقودًا أقل بكثير. فالنموذج الأصغر يحتاج عادةً إلى ذاكرة أقل، ويعمل أسرع، ويتسع لعتاد أرخص. وحين تُعالَج آلاف الساعات من المكالمات يوميًا، قد يغيّر ذلك فاتورة البنية التحتية بشكل ملحوظ. غير أن الإعلان الأصلي لا يتضمن بيانات عن السرعة واستهلاك الذاكرة والتكلفة، لذا سيتعين عليكم احتساب التوفير بأنفسكم.
ما الذي ينبغي التحقق منه قبل الاعتماد
نشر المطوّر النتيجة بنفسه، ولا تظهر حتى الآن قياسات مستقلة. كما أنه معيار واحد لنوع واحد من الكلام. فإذا كان منتجكم يتعامل مع بودكاست أو محاضرات أو مكالمات فيديو بميكروفون ضعيف أو مفردات متخصصة مثل الطب والقانون، فقد تختلف الأرقام.
وثمة تحفظ آخر: عبارة «أكثر من 40 لغة» لا تعني جودة متساوية في جميعها. ففي مثل هذه النماذج تتأثر عادةً أكثر اللغات التي تقل بيانات تدريبها، ولا يضمن الأداء الجيد في الإنجليزية شيئًا للغة نادرة أو لهجة محلية. وأخيرًا، لا يأخذ WER في الحسبان علامات الترقيم ولا تمييز المتحدثين ولا الطوابع الزمنية، وهي في تفريغ الاجتماعات كثيرًا ما تكون أهم من كلمة واحدة خاطئة.
ماذا تفعلون عمليًا
إذا كنتم تبنون واجهة صوتية أو تحليلات للمكالمات أو مسار تفريغ لأنظمة RAG، فمن المفيد إدراج Rumble-2-Flash في قائمة الاختبارات السريعة. الخطة بسيطة: خذوا 5–10 ساعات من تسجيلاتكم الفعلية مع تفريغ مرجعي، وشغّلوها عبر هذا النموذج وعبر النموذج الذي تستخدمونه حاليًا، ثم احسبوا WER على بياناتكم. وقيسوا في الوقت نفسه زمن الاستجابة واستهلاك الذاكرة على العتاد المستهدف.
فإذا جاءت الجودة قابلة للمقارنة، فسيكون المكسب في التحكم. يمكن تشغيل النموذج لديكم، ولا تغادر بيانات العملاء إلى سحابة طرف آخر، ولا يخلق الترخيص تعقيدات قانونية. وبالنسبة إلى الشركات الناشئة والفرق ذات الميزانية المحدودة لوحدات GPU، فهذه حجة قوية. أما إذا كانت تسجيلاتكم تختلف كثيرًا عن مكالمات مراكز الاتصال، فتبقى نسبة 7,86% المعلنة مؤشرًا استرشاديًا لا ضمانًا.
- 30 أبريل 2026Reson8 تجمع 5 ملايين يورو لتطوير ذكاء اصطناعي صوتي أوروبي يتعرف على الكلام بدقة
- 12 نوفمبر 2026ElevenLabs Scribe v3 Live يعلّم الوكلاء الصوتيين عدم المقاطعة: أخطاء أقل بنسبة 25%
- 29 أكتوبر 2026NVIDIA تطلق Nemotron 3.5 Transcribe: 40 لغة و100 ساعة من الصوت في 3 دقائق
- 12 نوفمبر 2026ElevenLabs Scribe v3: أخطاء أقل بنسبة 27% في تفريغ الكلام وتمييز المتحدثين مباشرةً
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما الذي أُطلق بالضبط؟
Rumble-2-Flash نموذج speech-to-text، أي لتحويل الكلام إلى نص. يدعم أكثر من 40 لغة ويُوزَّع بترخيص Apache 2.0. وهذه التفصيلة مهمة للممارسين: فالترخيص يتيح استخدام النموذج في المنتجات التجارية، وإعادة تدريبه، وتضمينه في خدمات مغلقة. ولا يُشترط فتح الشيفرة المصدرية الخاصة بكم، ولا حاجة إلى اتفاقات منفصلة مع المطوّر. قاست Reson8 الجودة على معيار AppTek. وهو يضم 302 ساعة من تسجيلات المحادثات في مراكز الاتصال، بما فيها من ضوضاء وانقطاع للمتحدثين وكلام عفوي حي، وليس قراءة استوديو نقية.
ما أبرز التفاصيل حول لماذا تلفت المقارنة مع NVIDIA الانتباه؟
يسجّل Nemotron 3.5 Transcribe من NVIDIA في الاختبار نفسه نسبة WER قدرها 7,78%. عمليًا، يكاد الفارق لا يُلاحظ: ففي 10 000 كلمة يبلغ نحو 8 كلمات. ومع ذلك فإن Rumble-2-Flash أصغر من حيث عدد المعاملات بـ60 مرة. والتشبيه المبسّط هنا: سيارة مدينة صغيرة تصل إلى الوجهة نفسها في الوقت تقريبًا الذي تستغرقه شاحنة بمحرك ضخم، لكنها تستهلك وقودًا أقل بكثير. فالنموذج الأصغر يحتاج عادةً إلى ذاكرة أقل، ويعمل أسرع، ويتسع لعتاد أرخص. وحين تُعالَج آلاف الساعات من المكالمات يوميًا، قد يغيّر ذلك فاتورة البنية التحتية بشكل ملحوظ.
ما أبرز التفاصيل حول ما الذي ينبغي التحقق منه قبل الاعتماد؟
نشر المطوّر النتيجة بنفسه، ولا تظهر حتى الآن قياسات مستقلة. كما أنه معيار واحد لنوع واحد من الكلام. فإذا كان منتجكم يتعامل مع بودكاست أو محاضرات أو مكالمات فيديو بميكروفون ضعيف أو مفردات متخصصة مثل الطب والقانون، فقد تختلف الأرقام. وثمة تحفظ آخر: عبارة «أكثر من 40 لغة» لا تعني جودة متساوية في جميعها. ففي مثل هذه النماذج تتأثر عادةً أكثر اللغات التي تقل بيانات تدريبها، ولا يضمن الأداء الجيد في الإنجليزية شيئًا للغة نادرة أو لهجة محلية.
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.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.