«آنت غروب» تفتح مصدر نماذج Ming-3.0 الصوتية للكلام وفهم الصوت

كتب – نبيل الخوارزمى

أعلن فريق «آنت لينغ» التابع لمجموعة «آنت غروب» الصينية فتح مصدر سلسلة نماذج Ming-3.0 الصوتية، التي تضم خمسة نماذج موزعة على ثلاث عائلات، هي تحويل النص إلى كلام، وفهم الصوت والحوار، والتعرف على الكلام، لتصبح متاحة للمطورين عبر منصات النماذج المفتوحة.

وتتميز نماذج تحويل النص إلى كلام في السلسلة، وهما نسخة بحجم 0.5 مليار معامل ونسخة صغيرة جدًا، بخاصية «تصميم الصوت»، التي تتيح للمستخدم وصف الصوت المطلوب بالكلمات أو تحديده انطلاقًا من مقطع صوتي مرجعي. كما توفر «وضع المخرج» الذي يسمح بإضافة توجيهات أدائية مثل تغير المشاعر، والتشديد على كلمات بعينها، والتحكم في سرعة الإلقاء. والمعامل هو قيمة رقمية يتعلمها النموذج أثناء التدريب، ويعبر عددها تقريبيًا عن حجم النموذج.

أما نموذجا فهم الصوت Ming-3.0-audio-flash وMing-3.0-audio-tiny فيستطيعان نسخ التسجيلات الطويلة وتلخيصها وتحليلها مباشرة، وإخراج النتائج بصورة منظمة، مع الاحتفاظ بإشارات مثل المشاعر وهوية المتحدث والأصوات المحيطة. ويختلف هذا الأسلوب عن الطريقة التقليدية التي تحول الكلام إلى نص أولًا ثم تحلل النص، وهي طريقة تفقد كثيرًا من التفاصيل غير اللفظية.

ويعتمد نموذج التعرف على الكلام Ming-3.0-asr-tiny على بيانات تدريب تشمل الصينية الماندرينية والإنجليزية واللهجات المحلية ومصطلحات متخصصة، ويستفيد من قوائم الكلمات المهمة وسياق الحوار لرفع الدقة. وتقول الشركة إنها تستخدم هذه النماذج بالفعل في تطبيق «آفو» للخدمات الصحية، وفي البحث داخل تطبيق «أليباي»، وفي أدوات التحقق الآمن من الهوية، إضافة إلى استنساخ أصوات الأطباء في بعض الخدمات.

وأتاحت «آنت غروب» أوزان النماذج على منصتي «هاغينغ فيس» و«مودل سكوب»، كما وفرت تجربة مباشرة وواجهة برمجية لعدد منها عبر منصة «لينغ ستوديو». ويأتي هذا الإصدار ضمن سباق الشركات الصينية لتقديم نماذج صوتية مفتوحة تنافس الحلول التجارية المغلقة في المساعدات الذكية والخدمات الصوتية.

ــــــــــــــــــــ

هذا المحتوي تم باستخدام أدوات الذكاء الإصطناعي