Cohere تطلق نموذجًا مفتوح المصدر للتفريغ النصي: 2 مليار معامل ودعم 14 لغة

أطلقت Cohere نموذجًا صوتيًا مفتوح المصدر صُمم خصيصًا لتفريغ الكلام إلى نص. وعلى خلاف معظم النماذج المماثلة، يبلغ حجم هذا النموذج 2 مليار معامل فقط. وهذا الحجم مقصود، كي يمكن تشغيله على معالج رسومات (GPU) استهلاكي عادي دون اللجوء إلى مجموعات خوادم باهظة التكلفة أو واجهات API سحابية. وتقدّم الشركة النموذج الجديد أداةً للمطورين الراغبين في نشر خدمة التفريغ النصي لديهم محليًا.

Cohere شركة ذكاء اصطناعي كندية تأسست عام 2019 على يد باحثين قدموا من Google Brain. وكانت الشركة معروفة حتى الآن بوصفها مزوّدًا للنماذج اللغوية المخصصة للشركات: إذ ينافس نموذجها الرئيسي Command كلًّا من GPT-4 وClaude في قطاع المؤسسات، ويُستخدم نظام التضمينات Embed في آلاف التطبيقات الإنتاجية للبحث الدلالي. والأدوات الصوتية اتجاه جديد للشركة، وقد جاء مباشرةً بتركيز على التخصص: فبدلًا من حل متعدد الوسائط شامل، أطلقت الشركة أداة مصممة لمهمة واحدة.

يشهد سوق التعرّف التلقائي على الكلام تحولًا. فقد هيمنت عليه تاريخيًا شركات التقنية العملاقة: Google Speech-to-Text وAmazon Transcribe وMicrosoft Azure Speech. وتعمل جميعها بنموذج سحابي: يُرسل الصوت إلى خوادم المزوّد، وتجري معالجته هناك، ثم يعود النص. وهذا يخلق مشكلتين: تكاليف متصاعدة مع ارتفاع الحجم، ومخاوف تتعلق بالخصوصية تُعدّ حاسمة في عدد من القطاعات. فمزوّدو الخدمة الكبار يربحون من الحجم الكبير، أما بالنسبة للشركات الناشئة والمتوسطة فسرعان ما تصبح تكلفة التفريغ السحابي بندًا ملحوظًا في النفقات.

جاء التحول في عام 2022، حين أطلقت OpenAI نموذج Whisper، وهو نموذج تفريغ نصي مفتوح المصدر يمكن تشغيله محليًا. وقد غيّر Whisper السوق: إذ انتقل المطورون بأعداد كبيرة إلى التفريغ النصي المستضاف ذاتيًا (self-hosted)، وظهرت نسخ سريعة مثل faster-whisper المبنية على CTranslate2، ونسخ مخففة مُقطَّرة. غير أن لـ Whisper قيودًا معروفة. فالنسخ الكبيرة تتطلب معالج رسومات بذاكرة VRAM تتراوح بين 8 و10 GB، كما أن النموذج لم يتلقَّ تحديثات مهمة منذ صدور Large v3 عام 2023. وكان السوق ينتظر بديلًا جديرًا. وهنا تحديدًا تتشكل مساحة لنموذج Cohere.

إن 2 مليار معامل ليست تنازلًا، بل رهان مدروس على سهولة الوصول. وللمقارنة: يبلغ حجم Whisper Large v3، الذي يُعدّ المعيار المرجعي في الجودة، 1,5 مليار معامل، ويتطلب 8 GB من VRAM على الأقل بنصف الدقة. أما نموذج Cohere فهو أكبر قليلًا من حيث عدد المعاملات، لكنه، استنادًا إلى التوافق المعلن مع معالجات الرسومات الاستهلاكية، أفضل تحسينًا للتشغيل دون مركز بيانات. ويغطي دعم 14 لغة معظم سيناريوهات الإنتاج لدى الشركات العالمية.

كما أن كون النموذج مفتوح المصدر مسألة خصوصية أيضًا. فالشركات في القطاعات المالية والطبية والقانونية والحكومية لا تستطيع ببساطة إرسال محادثات وتسجيلات حساسة إلى خوادم مزوّدين خارجيين. وتفرض المتطلبات التنظيمية، مثل HIPAA وGDPR والقانون الروسي 152-ФЗ وما يماثلها من قوانين، الاحتفاظ بالسيطرة على معالجة البيانات. ويزيل التفريغ النصي المستضاف ذاتيًا هذا العائق بالكامل: فالصوت يُعالج محليًا ولا يخرج شيء إلى الخارج. وحتى الآن، ظل Whisper، بما فيه من قيود في بيئات الإنتاج، الخيار الناضج الوحيد لمثل هذه السيناريوهات.

وإتاحة أداة مفتوحة خطوة استراتيجية من Cohere أيضًا. فالنموذج المجاني يجذب المطورين إلى منظومة الشركة، ويؤسس لاعتماد مستقبلي على منتجاتها السحابية المؤسسية عند توسع أعمالهم، ويبني سمعة الشريك الجدير بالثقة. وهذا هو المنطق نفسه الذي تتبعه Meta* مع Llama وتتبعه Mistral مع نماذجها المفتوحة: بناء الثقة أولًا عبر الانفتاح، ثم تحقيق الدخل عبر قطاع المؤسسات.

ومن المتوقع ظهور اختبارات أداء مستقلة خلال الأسابيع المقبلة. وحتى ذلك الحين، لا يزال من غير الواضح كيف يتصرف النموذج في ظروف الضوضاء الشديدة واللهجات المعقدة والمصطلحات المتخصصة. وإذا جاءت الدقة قريبة من Whisper Large v3، فسيغيّر ذلك موازين القوى بصورة جوهرية في قطاع التفريغ النصي مفتوح المصدر. وينبغي للمطورين الذين يبنون أنظمة لتفريغ الاجتماعات، أو مراكز الاتصال، أو أدوات التوثيق الطبي، أو الملاحظات الصوتية، أن يضيفوا نموذج Cohere إلى قائمة المرشحين للاختبار.

*تُصنَّف Meta منظمة متطرفة ومحظورة في روسيا.