بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارAWS Machine Learning Blog→ المصدر

Amazon Nova Sonic: معيار جديد للمساعدات الصوتية في الوقت الفعلي

تقترح Amazon Nova Sonic نهجاً مبتكراً لبناء وكلاء الذكاء الاصطناعي الصوتيين عبر البث ثنائي الاتجاه للبيانات. وخلافاً للبنى المتسلسلة التقليدية التي تجمع بين التعرّف على الكلام ونموذج لغوي وتركيب الصوت، تضمن Nova Sonic زمن استجابة أدنى وإيقاعاً في المحادثة يشبه الإيقاع البشري. يبسّط هذا الحل التطوير بدرجة كبيرة، ويتيح بناء مساعدات قادرة على إجراء حوار كامل في الوقت الفعلي. تهدف التقنية إلى جعل التفاعل مع الذكاء الاصطناعي أكثر سلاسة وبديهية، وتمنح المطوّرين مرونة في الاختيار بين النموذج الجديد والأساليب الكلاسيكية لبناء الأنظمة.

معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
Amazon Nova Sonic: معيار جديد للمساعدات الصوتية في الوقت الفعلي
المصدر: AWS Machine Learning Blog. كولاج: Hamidun News.
استمع للمقال

# Amazon Nova Sonic: كيف أعادت Amazon التفكير في المساعدات الصوتية في عصر الوقت الفعلي

قدّمت Amazon نموذج Nova Sonic، وهو نموذج صوتي يغيّر جذرياً طريقة بناء وكلاء الذكاء الاصطناعي الكلاميين. في المخطط المعتاد يتعرّف النظام على الكلمات، ثم يعالجها عبر نموذج لغوي، ثم يركّب الرد صوتياً، وكل خطوة تأتي بعد سابقتها. أما Nova Sonic فتعمل في الاتجاهين في آنٍ واحد. وهذا بثّ ثنائي الاتجاه للبيانات، يتيح استجابة شبه فورية ومحادثة لا يمكن تمييزها عن المحادثة البشرية، بما فيها من وقفات طبيعية ونبرة وإيقاع.

والمشكلة التي تعالجها Nova Sonic تؤرق المطوّرين منذ زمن طويل. فالبنى المتسلسلة التقليدية تبدأ أولاً بالتعرّف على الكلام (speech-to-text)، ثم يولّد النموذج اللغوي الرد، ثم يُسمع الناتج عبر تركيب الكلام، وهذا التسلسل يخلق تأخراً ملحوظاً. يتحدث المستخدم، ثم ينتظر المعالجة، ثم يحصل على الرد. هذا الأسلوب يعمل، لكنه يبدو متردداً وغير طبيعي. فكل انتقال بين المكوّنات يضيف أجزاءً من الثانية، وهذه الأجزاء تتراكم لتصبح ثواني. يضاف إلى ذلك أن الأخطاء في وحدة واحدة تنتقل إلى ما يليها: يسيء التعرّف على الكلام فهم العبارة، فيولّد النموذج رداً خاطئاً، ثم يقرأ تركيب الصوت هذا الرد الخاطئ.

تختلف Nova Sonic اختلافاً جذرياً. فالنموذج يصغي إلى تدفق الصوت الوارد ويولّد الرد في الوقت نفسه، دون أن ينتظر انتهاء المستخدم من جملته. وهذا ممكن لأن Amazon أعادت تصميم البنية على مستوى الشبكة العصبية. فبدلاً من ثلاثة «صناديق سوداء» منفصلة، يعمل النظام ككيان واحد يفهم سياق المحادثة والبروسوديا (طريقة نطق الكلام) والدلالة في آنٍ واحد. وتقنياً يعني ذلك أدنى حدّ من التأخير، إذ يبدأ الرد بعد وقت قصير جداً حتى لو كان المستخدم ما زال يتحدث.

وهذا تخفيف عن كاهل المطوّرين. فبدلاً من دمج ثلاثة نماذج وضبط تفاعلها وتصحيح الأخطاء بين الطبقات، يمكن العمل مع نظام موحّد واحد. توفّر Nova Sonic واجهة API بسيطة ببثّ ثنائي الاتجاه، يُرسَل إليها الصوت ويُعاد منها رد صوتي. وهكذا تتبسّط البنية البرمجية، وقد تنخفض متطلبات الحوسبة عملياً بفضل غياب التكرار، وترتفع الموثوقية.

لكن Amazon لا تفرض Nova Sonic بوصفها الطريق الوحيد. فالشركة تدرك أن النُهج المتسلسلة ما زالت منطقية في بعض السيناريوهات. فإذا كنت بحاجة إلى أقصى قدر من المرونة، مثل دمج نموذجك الخاص لمعالجة اللغة الطبيعية أو مهمة خاصة بمجالك، فقد تكون البنية الكلاسيكية أكثر عملية. وتتفوق Nova Sonic حيث تكون السرعة والطبيعية حاسمتين: المساعدات الصوتية للهواتف الذكية، والمكبّرات الذكية، وتطبيقات الطب عن بُعد التي يزعج فيها التأخير.

يعكس النموذج الجديد اتجاهاً أوسع في صناعة الذكاء الاصطناعي، هو الانتقال من الأنظمة المعيارية إلى نماذج موحّدة محسّنة. فنموذج GPT-4o من OpenAI يفعل شيئاً مشابهاً، إذ يعالج النص والصورة والكلام في شبكة واحدة. وهذا ليس أكثر أناقة تقنياً فحسب، بل يعطي نتائج أكثر اتساقاً أيضاً، فالنموذج لا يتعارض مع نفسه بين الطبقات.

وأخيراً، تمثّل Amazon Nova Sonic مرحلة أصبح فيها وكلاء الذكاء الاصطناعي الصوتيون مستعدين لتجاوز حدود التجارب. فبعد أن كانوا مساعدين مترددين وشاردين يصمتون بإحراج بعد سؤالك، يتحولون إلى محاورين. قد يبدو ذلك أمراً صغيراً، لكن الدماغ البشري شديد الحساسية لإيقاع المحادثة. فحين يجيب المساعد بسرعة وبشكل طبيعي، نثق به لا شعورياً أكثر ونتفاعل معه برغبة أكبر. وبالنسبة إلى Amazon، يعني ذلك أن Alexa قد تصبح أخيراً مساعداً مريحاً حقاً، لا مجرد وظيفة لتشغيل المصباح.

القصة
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…