نموذج OmniVoice يقرأ 5 دقائق من النص الروسي في 44 ثانية، لكنه يخطئ في النبرة والتشكيل الصوتي
يقرأ نموذج OmniVoice المجاني النصوص بصوت مسموع، ويمكنه أن يحل محل المذيع في روبوت صوتي أو في فيديو تعليمي. وقد سجّل مهندس في Raft مقطعًا من قصة «السيد من سان فرانسيسكو»: خرجت 5 دقائق من الصوت في 44 ثانية، أي أسرع بسبع مرات من مدة التسجيل نفسها. غير أن نهايات الجمل تنقطع في بعض المواضع، وتُبتلع بعض الكلمات، وتختلّ مواضع النبر. تكفي النتيجة للمسودات، أما الفيديو النهائي فيحتاج إلى مراجعة.
معالج بواسطة الذكاء الاصطناعي من Raft؛ بتحرير Hamidun News
تخيّل أنك بحاجة إلى تسجيل مئة جملة لروبوت صوتي أو لدورة تدريبية، ثم تتغير النصوص بعد أسبوع. مع المذيع البشري تعود الدورة من جديد: استوديو وتسجيل ومونتاج، وهي عملية باهظة وبطيئة. ظلّت نماذج تحويل النص إلى كلام (TTS، اختصار text-to-speech، أي البرامج التي تقرأ النص بصوت مسموع) تبدو روبوتية زمنًا طويلًا، لكنها صارت اليوم أكثر طبيعية بوضوح. وقد اختبر دانيل موزافاروف، مهندس علوم البيانات في Raft، نموذج OmniVoice المجاني الجديد على اللغة الروسية. وكانت النتيجة الرئيسية أن النموذج ولّد خمس دقائق من الصوت لمقطع من قصة «السيد من سان فرانسيسكو» في 44 ثانية، أي أسرع بنحو سبع مرات من مدة التسجيل نفسه. لكن التسجيل احتوى على عيوب صوتية، مثل انقطاع نهاية الجملة وابتلاع بعض الكلمات وأخطاء في مواضع النبر.
ما الذي يقدمه OmniVoice
يعلن المطوّرون دعم أكثر من 600 لغة وثلاثة أنماط عمل. الأول هو استنساخ الصوت: يُعطى النموذج تسجيلًا قصيرًا للصوت مع نصه المكتوب، ثم يقرأ أي نص بهذا الصوت. والثاني إنشاء صوت من وصف. وهنا تحفّظ مهم: العبارة الحرة مثل «صوت منخفض لمذيع محترف» لن تعمل. فحقل instruct يقبل مجموعة محدودة من المعاملات، مثل «male, low pitch, russian accent»، ولذلك يجب تركيب الوصف من وسوم جاهزة. أما النمط الثالث فهو الاختيار التلقائي للصوت: تمرّر النص وحده، ويقرر النموذج الباقي بنفسه.
واختُبرت كذلك الوسوم غير اللفظية. يمكن إدراج الوسوم [laughter] و[sigh] و[surprise-oh] و[question-ah] و[dissatisfaction-hnn] في النص، فيكتسب الكلام ضحكًا أو تنهدًا أو دهشة أو استياءً. وشغّل المؤلف حوارًا مهنيًا حول معدل تحويل القمع التسويقي والتقرير الفصلي، ثم راقب هل يعود النموذج إلى النبرة المحايدة بعد المقاطع الانفعالية. وهذا مفيد للمساعدات الصوتية وللتدريب، فالرتابة أوضح ما تكون في التسجيلات الطويلة.
التسجيل الطويل: سريع لكن بعيوب
تُعدّ النصوص الطويلة نقطة الضعف الكلاسيكية في توليد الكلام: قد تظهر العيوب الصوتية في منتصف التسجيل، وقد يتغير الجرس. وللاختبار أُخذ مقطع من قصة «السيد من سان فرانسيسكو». قُسّم النص إلى أجزاء مدة كل منها 15 ثانية (المعاملان audio_chunk_duration وaudio_chunk_threshold). والنتيجة: نحو خمس دقائق من الصوت في 44 ثانية من التوليد. ومن غير المرجح أن تصبح السرعة عنق الزجاجة في التوليد الدفعي. لكن المادة لا تذكر على أي عتاد جرى الحساب، فقد يختلف الرقم على بطاقتك الرسومية.
قيّم المؤلف الجودة بأنها جيدة لكن بعيوب ملحوظة: تنقطع نهايات الجمل، وتُبتلع بعض الكلمات، وتظهر أخطاء في مواضع النبر. ويفترض أن ضبط المعاملات الفائقة (إعدادات التوليد) قد يحسّن ذلك. لكن هذا فرضية حتى الآن، لا نتيجة مثبتة.
كيف اختبر المؤلف سيناريوهات الأعمال
الأمثلة الجميلة في المستودع لا تقول الكثير عن المهام الحقيقية، فالنصوص الفعلية مليئة بالتواريخ والمبالغ والأسماء الكاملة والاختصارات والمصطلحات الإنجليزية وأسماء المنتجات. لذلك أعدّ دانيل معيارًا خاصًا به، بواقع 10 جمل لكل نوع. فُحصت الأسماء الكاملة، والتواريخ والأوقات، والأعداد، والنسب المئوية والمبالغ المالية، والاختصارات، والمتجانسات الكتابية (كلمات تتغير نبرتها بحسب المعنى، مثل «замок»)، والكلمات الإنجليزية داخل النص الروسي. وجرى التقييم على مقياس من 0 إلى 5: الصفر يعني تسجيلًا غير مفهوم أو غائبًا، والخمسة يعني نطقًا نقيًا بلا أخطاء في النبر والتنغيم.
لا تتضمن الجزء المتاح من المادة تقييمات نهائية لهذه الأقسام، ولذلك من المبكر الحكم على هذه الأرقام. يضاف إلى ذلك أن شخصًا واحدًا أجرى التقييم بالسمع، وأن العينة صغيرة. هذا مؤشر جيد، لكنه ليس مقارنة صارمة بين النماذج.
ما العمل عمليًا
إذا كنت تفكر في الاستغناء عن المذيع، فمن المنطقي تقسيم المهام. فللنماذج الأولية للروبوت الصوتي، والمواد التدريبية الداخلية، ومسودات التسجيل السريعة، يبدو OmniVoice خيارًا عمليًا: السرعة عالية، واستنساخ الصوت والوسوم الانفعالية متوفران جاهزين، والترخيص المفتوح يمنحك السيطرة على البنية التحتية. أما للإعلانات النهائية وسيناريوهات IVR الموجهة إلى العملاء (القوائم الصوتية الآلية على الخط الهاتفي) فلا تزال المراجعة لازمة: سيسمع العميل أخطاء النبر وانقطاع الجمل فورًا.
والنصيحة الرئيسية من هذا الاختبار: لا تصدّق العروض التجريبية، بل ابنِ مجموعتك الخاصة من 50 إلى 100 جملة حقيقية من شركتك تتضمن أسماء العملاء والمبالغ والتواريخ والاختصارات وأسماء المنتجات. مرّرها عبر النموذج، واستمع إليها، وقيّمها على مقياس بسيط من 0 إلى 5. وبذلك تعرف في أمسية واحدة هل الجودة كافية، وكم من التصحيح اليدوي ينبغي أن تدرجه في العملية.
- 12 أكتوبر 2026إلقاء بدون حشو: Whisper على الحاسوب وClaude للتنقية
- 17 مايو 2026اللغة الروسية في ChatGPT أغلى بمرتين: السبب هو التجزئة إلى رموز
- 15 يونيو 2026البرمجة بالإيحاء (Vibe Coding): Gemini ينشئ تطبيقًا في 4 دقائق دون كتابة أي شيفرة
- 2 مايو 2026نموذج deepvk للنصوص في مواجهة OpenAI: اختبار أداء على الأحكام القضائية
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما الذي يقدمه OmniVoice؟
يعلن المطوّرون دعم أكثر من 600 لغة وثلاثة أنماط عمل. الأول هو استنساخ الصوت: يُعطى النموذج تسجيلًا قصيرًا للصوت مع نصه المكتوب، ثم يقرأ أي نص بهذا الصوت. والثاني إنشاء صوت من وصف. وهنا تحفّظ مهم: العبارة الحرة مثل «صوت منخفض لمذيع محترف» لن تعمل. فحقل instruct يقبل مجموعة محدودة من المعاملات، مثل «male, low pitch, russian accent»، ولذلك يجب تركيب الوصف من وسوم جاهزة. أما النمط الثالث فهو الاختيار التلقائي للصوت: تمرّر النص وحده، ويقرر النموذج الباقي بنفسه. واختُبرت كذلك الوسوم غير اللفظية.
ما أبرز التفاصيل حول التسجيل الطويل: سريع لكن بعيوب؟
تُعدّ النصوص الطويلة نقطة الضعف الكلاسيكية في توليد الكلام: قد تظهر العيوب الصوتية في منتصف التسجيل، وقد يتغير الجرس. وللاختبار أُخذ مقطع من قصة «السيد من سان فرانسيسكو». قُسّم النص إلى أجزاء مدة كل منها 15 ثانية (المعاملان audio_chunk_duration وaudio_chunk_threshold). والنتيجة: نحو خمس دقائق من الصوت في 44 ثانية من التوليد. ومن غير المرجح أن تصبح السرعة عنق الزجاجة في التوليد الدفعي. لكن المادة لا تذكر على أي عتاد جرى الحساب، فقد يختلف الرقم على بطاقتك الرسومية.
ما أبرز التفاصيل حول كيف اختبر المؤلف سيناريوهات الأعمال؟
الأمثلة الجميلة في المستودع لا تقول الكثير عن المهام الحقيقية، فالنصوص الفعلية مليئة بالتواريخ والمبالغ والأسماء الكاملة والاختصارات والمصطلحات الإنجليزية وأسماء المنتجات. لذلك أعدّ دانيل معيارًا خاصًا به، بواقع 10 جمل لكل نوع. فُحصت الأسماء الكاملة، والتواريخ والأوقات، والأعداد، والنسب المئوية والمبالغ المالية، والاختصارات، والمتجانسات الكتابية (كلمات تتغير نبرتها بحسب المعنى، مثل «замок»)، والكلمات الإنجليزية داخل النص الروسي.
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.