تفريغ التسجيلات بلغات أخرى: ما الذي تجيده النماذج وأين تتعثر

كل من يدرس أو يبحث أو يعمل دولياً ينتهي به الأمر بتسجيلات بأكثر من لغة: مقابلة بالتركية، وتسجيل عائلي بالعربية، ومحاضرة ضيف بالإنجليزية، واجتماع تختلط فيه البولندية بالألمانية. يتعامل التعرّف الحديث على الكلام مع هذا بشكل جيد بدرجة مفاجئة — إذا عرفت نقاط ضعفه.

كم عدد اللغات التي تتعرّف عليها النماذج؟

دُرِّب Whisper من OpenAI على 99 لغة؛ ويستخدم Sprechverlauf نموذج Whisper Large v3 Turbo السريع في التجربة المجانية. ويدعم Microsoft MAI-Transcribe-2، وهو النموذج المستخدم في الخطط المدفوعة، 60 لغة وفقاً لبطاقة النموذج، ويفصل المتحدثين أيضاً. وتذكر Microsoft متوسط معدل خطأ في الكلمات قدره 5.2 في المئة على معيار FLEURS. وهذا متوسط: اللغات الكبيرة ذات بيانات التدريب الوفيرة تحقق نتائج أفضل، والأقل انتشاراً نتائجها أسوأ.

الفخ الأول: اللغات المتقاربة

الكرواتية والصربية والبوسنية؛ والهندية والأردية؛ والملايوية والإندونيسية: تتشابه هذه اللغات إلى حد أن الكشف التلقائي عن اللغة قد يخطئ في المقاطع القصيرة. فقد تخرج مقابلة صربية بالإملاء الكرواتي، أو تخرج الأردية بالخط الديفاناغري بدلاً من الخط العربي. والحل بسيط: حدّد اللغة صراحةً قبل البدء.

الفخ الثاني: اللهجات والعامية

العربية هي المثال الأوضح: فالمصرية والشامية والمغربية تختلف كثيراً، بينما تُكتب معظم النصوص بالعربية الفصحى الحديثة. وتميل النماذج إلى تسوية اللهجة المنطوقة نحو الفصحى، أو إلى سوء سماع الكلمات الإقليمية. وينطبق الأمر نفسه، وإن بدرجة أقل، على الألمانية السويسرية والبرتغالية البرازيلية والكانتونية.

الفخ الثالث: اللغات النغمية والكتابات بلا مسافات

في الصينية والفيتنامية والتايلاندية، يغيّر النغم معنى المقطع الصوتي. ويطمس الصدى والموسيقى والضغط الشديد هذا بالذات — لذلك يكون للتسجيل النظيف أهمية مضاعفة هنا. كما لا تفصل الصينية واليابانية والتايلاندية الكلمات بمسافات؛ فيجب على النموذج أن يحدد حدود الكلمات بنفسه. تحقّق من الأسماء والمصطلحات التقنية بعناية.

الفخ الرابع: التبديل بين اللغات أثناء الحديث

في كثير من العائلات والفرق، يبدّل الناس اللغة في منتصف الجملة. وإذا فرضت لغة واحدة، فعلى النموذج أن يكتب كل شيء بها. أما التسجيلات المختلطة فالخيار الأفضل فيها هو «تلقائي»؛ وتقول Microsoft إن MAI-Transcribe-2 مصمم لهذا النوع من التبديل بين اللغات (code-switching).

باختصار

• لغة واحدة: حدّدها قبل البدء، خاصة للمقاطع القصيرة واللغات المتقاربة.
• عدة لغات في حديث واحد: اتركه على «تلقائي».
• لهجة: توقّع انحرافات، وتحقّق من الاقتباسات عند الطابع الزمني.
• لغات نغمية: سجّل بنظافة، دون موسيقى خلفية.