← أحدث الأبحاث
💻 computer science

Omnilingual ASR: Open-Source Multilingual Speech Recognition for 1600+ Languages

تقدم هذه الورقة البحثية Omnilingual ASR، وهي عائلة من نماذج التعرف التلقائي على الكلام مفتوحة المصدر وقابلة للتوسع، تستفيد من بنية ذاتية الإشراف بـ 7 مليارات معلمة ومجموعة بيانات تدريبية ضخمة ومتنوعة لدعم أكثر من 1,660 لغة، بما في ذلك أكثر من 500 لغة لم تكن مخدومة سابقاً، مع تمكين المجتمعات من تكييف النظام بسهولة مع لغات جديدة باستخدام حد أدنى من البيانات.

المؤلفون الأصليون: Marta Costa-jussa, Omnilingual Team, Gil Keren, Artyom kozhevnikov, Yen Meng, Christophe Ropers, Matthew Setzler, Skyler Wang, Ife Adebara, Michael Auli, Can Balioglu, Kevin Chan, Chierh Cheng, Joe Ch
نُشر 2026-07-30
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Marta Costa-jussa, Omnilingual Team, Gil Keren, Artyom kozhevnikov, Yen Meng, Christophe Ropers, Matthew Setzler, Skyler Wang, Ife Adebara, Michael Auli, Can Balioglu, Kevin Chan, Chierh Cheng, Joe Chuang, Caley Droof, Mark Duppenthaler, Paul-Ambroise Duquenne, Alexander Erben, Cynthia Gao, Gabriel Mejia Gonzalez, Kehan Lyu, Sagar Miglan, Vineel Pratap, Kaushik Ram Sadagopan, Safiyyah Saleem, Arina Turkatenko, Albert Ventayol-Boada, Zheng Xin Yong, Yu-An Chung, Jean Maillard, Rashel Moritz, Alexandre Mourachko, Mary Williamson, Shireen Yates

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أن لديك مترجماً سحرياً يمكنه فوراً فهم وكتابة ما يقوله أي شخص، بغض النظر عن اللغة التي يتحدث بها. لفترة طويلة، كان هذا السحر يعمل فقط مع اللغات الأكثر شيوعاً، مثل الإنجليزية أو الإسبانية أو الماندرين. إذا تحدثت بلغة أصغر أو أقل شيوعاً، فسيظل المترجم يحدق بفراغ أو يخمن بشكل عشوائي. هذا هو عالم التعرف التلقائي على الكلام (ASR): التقنية التي تحول الكلمات المنطوقة إلى نص. فكر في الأمر كأنه كاتب فائق السرعة يستمع إلى محادثة ويكتبها. التحدي الكبير كان دائماً هو وجود أكثر من 7,000 لغة في العالم، لكن معظم هؤلاء الكتاب لا يعرفون سوى جزء ضئيل منها. تعلم لغة جديدة يتطلب عادةً مكتبة ضخمة من المحادثات المسجلة وفريقاً من الخبراء لتعليم الكمبيوتر، وهو أمر مكلف وبطيء. ولكن ماذا لو استطعنا بناء كاتب يتعلم "الأنماط" لكيفية عمل جميع اللغات، بحيث يمكنه التقاط لغة جديدة بشكل فوري تقريباً، بمجرد سماع بضع جمل؟ هذا هو السؤال الكبير الذي تعالجه هذه الورقة البحثية: كيف نجعل تقنية الكلام عادلة ومتاحة للجميع، وليس فقط للقليل ممن يتحدثون اللغات "الكبيرة"؟

إليك Omnilingual ASR، وهو مشروع مفتوح المصدر جديد من Meta يشبه كاتباً خارق القدرات ومتعدد اللغات، صُمم ليتحدث أكثر من 1,600 لغة. لم يحاول الفريق تعليم الكمبيوتر المزيد من الكلمات فحسب؛ بل بنوا "دماغاً" ضخماً ومتنوعاً تعلم من مجموعة هائلة من البيانات الصوتية، بما في ذلك تسجيلات من مجتمعات لم تُسمع من قبل بواسطة الذكاء الاصطناوي. لقد أنشأوا نظاماً يأتي بأحجام مختلفة: نسخة ضخمة فائقة الدقة (7 مليارات معلمة/parameter) للحواسيب القوية، ونسخة صغيرة وخفيفة الوزن (300 مليون معلمة) يمكنها العمل على هاتف بسيط. الجزء الأكثر إثارة هو كيفية تعاملهم مع اللغات التي لم يرها الكمبيوتر من قبل. فبدلاً من الحاجة إلى مكتبة كاملة من البيانات لتعلم لغة جديدة، يمكن لهذا النظام أن يتعلم من 10 أمثلة قصيرة فقط لشخص يتحدث ويكتب. الأمر يشبه إظهار صورة لفاكهة جديدة ووصفة لطبق مصنوع منها لطاهٍ ماهر؛ فجأة، يمكنه طهي ذلك الطبق دون الحاجة لتذوق الفاكهة ألف مرة أولاً.

وجد الباحثون أن هذا النظام الجديد يغير قواعد اللعبة، خاصة بالنسبة للغات التي تتوفر عنها بيانات قلي جداً. فعندما اختبروه، حقق النموذج "معدل خطأ في الحروف" (وهو مقياس لعدد الحروف التي أخطأ فيها) يقل عن 10% لأكثر من 1,200 لغة. وفي الواقع، بالنسبة لأكثر من 500 لغة، هذه هي المرة الأولى التي يتمكن فيها أي نظام كلام من نسخها. تُظهر الورقة أن نموذجهم الجديد يتفوق على الأبطال السابقين، مثل Whisper وUSM، خاصة في تلك اللغات النادرة ذات "الذيل الطويل". وبينما كانت الأنظمة القديمة ترتبك وتفشل في هذه اللغات، حافظ Omnilingual ASR على هدوئه. كما اكتشفوا أنه إذا كنت تريد جعل النظام أفضل للغة معينة صغيرة جداً، يمكنك ضبط النسخ الأصغر بدقة (fine-tune) باستخدام قدرة حوسبة ضئيلة وقليل جداً من البيانات في ساعات قلي-لة، والحصول على نتائج تضاهي النماذج الضخمة.

ومع ذلك، فإن الورقة حريصة على ملاحظة أن هذا ليس عصا سحرية تحل كل شيء بشكل مثالي. فالنظام لا يزال يتعلم، وبينما يمكنه التعامل مع اللغات غير المرئية باستخدام بضعة أمثلة فقط (قدرة "التعلم الصفري" أو zero-shot)، إلا أنه لا يؤدي بشكل جيد تماماً مثل نظام تم تدريبه خصيصاً على تلك اللغة باستخدام كميات هائلة من البيانات. يقترح المؤلفون أنه بالنسبة للاستخدامات الأكثر أهمية، مثل النسخ الطبي أو القانوني، يجب على البشر مراجعة العمل. كما يؤكدون أن هذه التكنولوجيا تهدف لأن تكون أداة للمجتمعات للحفاظ على لغاتها وبناء أرشيفاتها الخاصة، وليس لاستبدال المتحدثين البشريين أو فرض حل واحد يناسب الجميع. ومن خلال إطلاق جميع أكوادهم وبياناتهم مجاناً، يأملون في دعوة الباحثين والمجتمعات في كل مكان للانضمام إلى الحفل، مما يجعل من السهل بناء مستقبل يكون فيه لكل لغة صوت في العالم الرقمي.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →