SoulX-FlashTalk: منصة Soul App الصينية تجعل التوائم الرقمية تتحدث دون تأخير

هل تتذكرون الأيام التي كانت فيها الصور الرمزية الرقمية أشبه بأفلام الثمانينيات سيئة الدبلجة؟ كانت الشفاه تتحرك على هواها، وتتأخر تعابير الوجه عن الصوت ثانية كاملة. قررت منصة Soul App الصينية أن الوقت قد حان لإنهاء ذلك، فطرحت SoulX-FlashTalk مفتوح المصدر. إنه نموذج لتوليد البشر الرقميين في الوقت الفعلي، ويَعِد بمحو الحدّ الفاصل بين مكالمة الفيديو مع صديق والتحدث إلى شبكة عصبية. وفي عالم صارت فيه كلمة «الميتافيرس» أقرب إلى الشتيمة، تواصل Soul App نهج «الميتافيرس الاجتماعي»، وتفعل ذلك بمهارة تقنية لافتة.

ظلّت جذور المشكلة دائمًا في التعقيد الحوسبي. فلكي تنطق صورة أو نموذج ثلاثي الأبعاد بشكل واقعي مع تدفق الصوت الوارد، كان الأمر يتطلب إما مزارع ضخمة من وحدات GPU أو القبول بتأخير كبير. ويغيّر SoulX-FlashTalk قواعد اللعبة. فقد اعتمد المطورون بنية متتالية تقسّم العملية إلى مراحل سريعة: تحليل الصوت، والتنبؤ بالنقاط الرئيسية في الوجه، ثم الرسم النهائي للإطار. والنتيجة صورة سلسة يبدو فيها تزامن الشفاه طبيعيًا حتى مع الكلام السريع أو المنفعل. وهذه ليست مجرد «رأس متكلم»، بل أداة لصنع محاور حي لا يثير الشعور بـ«الوادي الغريب».

لماذا يحدث هذا الآن تحديدًا؟ سوق الصور الرمزية بالذكاء الاصطناعي في الصين محتدمة، لكن معظم الحلول تبقى منتجات مغلقة مملوكة لشركات كبرى مثل Tencent أو Baidu. وبإطلاق SoulX-FlashTalk مفتوح المصدر، تتخذ Soul App خطوة كلاسيكية: إن لم تستطع التغلب على العمالقة بالميزانيات، فتغلّب عليهم بالمجتمع. ويمكن الآن لأي شركة ناشئة أن تأخذ هذه القاعدة وتبني مذيعها الافتراضي أو مساعدها دون إنفاق سنوات على البحث والتطوير. إنه تحدٍّ مباشر للوضع القائم، حيث كان البشر الرقميون عالي الجودة لعبة للشركات الثرية.

تكمن أناقة النموذج التقنية في خفّته. وتؤكد Soul App أن SoulX-FlashTalk محسّن للعمل في ظروف التفاعل الشبكي الحقيقي. وهذا أمر بالغ الأهمية لتطبيقها الخاص، حيث يتواصل ملايين المستخدمين عبر شخصيات افتراضية. فإذا تباطأت الصورة الرمزية، تتلاشى سحر التواصل. لذلك لم يكن التركيز على الواقعية الفوتوغرافية بمستوى أفلام هوليود الضخمة، بل على سرعة الاستجابة والدقة العاطفية. ويستطيع النموذج التقاط نبرات الصوت وعكسها في تعابير الوجه، ما يجعل الحوار أكثر إنسانية بكثير.

وتمثل هذه الخطوة إشارة مهمة للصناعة. فنحن نرى تركيز التطوير ينتقل من نماذج LLM العملاقة إلى نماذج متخصصة في التفاعل. فما فائدة GPT-5 الذكي إن كان يتحدث إليك عبر حقل نصي أو رسوم متحركة متقطعة؟ مستقبل الواجهات هو الصوت والوجه. وبينما ينشغل الغرب بمقاطع فيديو فائقة الواقعية عند الطلب تستغرق دقائق في التصيير، يستحوذ الشرق على مجال «هنا والآن». وتقدّم Soul App عمليًا معيارًا لما ينبغي أن تبدو وتبدو عليه الواجهات الاجتماعية في المستقبل.

الخلاصة: يحوّل SoulX-FlashTalk صناعة البشر الرقميين من مهمة هندسية معقدة إلى ميزة متاحة. فهل تستطيع هذه الأداة إنقاذ مفهوم الميتافيرس من النسيان؟