تفاصيل الخبر
تشرح مدونة تقنية لشركة إنفيديا نُشرت في 30 سبتمبر كيفية تكييف نموذج Nemotron 3.5 للتعرف الآلي على الكلام مع اللهجتين النجدية والحجازية المستخدمتين في السعودية. واستخدم الفريق 133.7 ساعة من الكلام باللهجتين المستهدفتين من مجموعة البيانات الصوتية السعودية للغة العربية (SADA). وذكرت المدونة أن التنقية أبقت على 103,559 مقطعاً من أصل 125,490، أي 82.5%. وهذه تجربة التدريب والتقييم الخاصة بالشركة، وليست تقييماً مستقلاً لدقة النموذج على مستوى المملكة.
وقالت إنفيديا إن معدل خطأ الكلمات (WER) في مجموعة الاختبار المستهدفة للهجتين انخفض من 55.05% إلى 29.96%. كما تراجع المعدل في مجموعة اختبار SADA الكاملة من 58.84% إلى 35.61%. ويقيس WER الاستبدال والحذف والإضافة نسبة إلى عدد الكلمات؛ ولا يعني ذلك أن النموذج أصبح «أدق بنسبة 25%». وفي التجربة نفسها تغير معدل الخطأ في اختبار FLEURS الإنجليزي من 11.04% إلى 10.42%، وفي اختبار العربية من 12.67% إلى 11.41%. وهذه قيم لمجموعات اختبار منفصلة لا ينبغي دمجها.
تمزج وصفة التدريب الكلام باللهجتين المستهدفتين مع أمثلة إنجليزية وعربية من FLEURS بأوزان محددة، كما تجمع المقاطع الصوتية المتقاربة في المدة لتنظيم الحسابات. وحققت أفضل نتيجة منشورة على SADA بعد 12,000 خطوة تدريب ونحو 4.5 ساعات باستخدام وحدتي معالجة رسوميتين. وهذه ظروف التجربة التي وصفتها إنفيديا؛ ولا تضمن الكلفة أو النتيجة نفسيهما مع بيانات أو إصدار نموذج أو بنية حاسوبية مختلفة.
وتؤكد المدونة أن النتائج تختلف حسب مجموعة التقييم وأن التحسن في اختبار محدد لا يمكن تعميمه تلقائياً على لهجات أخرى أو ظروف استخدام فعلية. وقد يؤثر أسلوب تنقية البيانات والضوضاء والميكروفون وسرعة الكلام ومعايير التفريغ النصي في WER. كما أوردت إنفيديا أن بعض خيارات فك الترميز غير الفوري خفضت الخطأ مع زيادة التأخير؛ وقد يضيف السياق الأوسع نحو 800 ملي ثانية. لذلك تختلف المفاضلات بين الترجمة النصية المباشرة وتفريغ أرشيف المكالمات ومحاضر الاجتماعات.
يمكن أن يشكل التعرف على الكلام بعد تكييفه للهجات السعودية مكوناً تقنياً لخدمة العملاء أو أرشفة الإعلام أو الواجهات الصوتية. لكن المصدر لا يقول إن شركات سعودية نشرت هذا النموذج أو أبرمت به عقداً تجارياً. وتوضح القياسات تغير المخرجات في مجموعات الاختبار المحددة وفق الوصفة المنشورة. أما الاستخدام الفعلي فيتطلب اختبارات محلية للمستخدمين وتحليل الأخطاء وضوابط الخصوصية والموافقة ومراجعة الإتاحة وتقدير كلفة التشغيل وإشرافاً بشرياً مناسباً.
يعرض الجدول نسب WER المئوية مع إبقاء كل مجموعة اختبار مستقلة. والقيم قبل التكييف وبعده هي قياسات المقال التقني. وهي نتائج تجريبية لا تدعي تمثيل جميع اللهجات أو المتحدثين في المملكة. والاستنتاج المدعوم هو أن التكييف ببيانات اللهجات المستهدفة حسّن الأداء المقاس في هذه التجربة؛ أما الأداء في الاستخدام الواقعي فيحتاج إلى تحقق منفصل.