تحويل الصوت إلى نص بالعربي: عبدالله بن سنكر يختبر اللهجات قبل ما يختار

جرّبت أداة تفريغ على تسجيل اجتماع، وطلع لك نص نصه صحيح ونصه كلام ما قاله أحد. «إن شاء الله نخلصه الأحد» صارت «انشا الله نخلص الحد». فتقول: التفريغ العربي ما يصلح. الحقيقة إن أغلب الناس تحكم على الأداة من عرضها التجريبي، مو من صوتهم هم. عبدالله بن سنكر ما يختار أداة تفريغ لأي مشروع قبل ما يمرّر عليها تسجيلات حقيقية من نفس البيئة اللي بتشتغل فيها، وهنا يشرح الطريقة خطوة خطوة.

ليش العربي أصعب من الإنجليزي في التفريغ؟

مو لأن الأدوات تتجاهل العربي. النماذج المفتوحة المعروفة مثل Whisper تدعم العربية، والخدمات السحابية الكبيرة كذلك. الصعوبة في طبيعة الكلام العربي نفسه:

• الفصحى غير اللهجة: أغلب بيانات التدريب المكتوبة أقرب للفصحى، والناس في الاجتماعات والمكالمات يتكلمون نجدي وحجازي وخليجي ومصري وشامي.
• الخلط بالإنجليزي: «نسوي ميتنق مع الكلاينت ونرسل له البروبوزل». الأداة تحتار تكتبها بأي حروف.
• الكلمة العربية الواحدة مركّبة: «وبمكتبهم» كلمة وحدة فيها حرف عطف وحرف جر واسم وضمير، وغلطة في حرف واحد تُحسب خطأ في الكلمة كلها.
• الأرقام والأسماء: «ألفين وخمسمية» تنكتب أرقاماً أو حروفاً؟ واسم العميل أو المنتج غالباً ما مر على النموذج أبداً.
• التشكيل والهمزات والتاء المربوطة: «مدرسه» و«مدرسة» نفس الكلمة للقارئ، لكنها خطأ عند المقارنة الآلية.

وش يعني «دقيق» أصلاً؟

المقياس المشهور اسمه نسبة خطأ الكلمات (WER): تقارن نص الأداة بنص صحيح كتبه إنسان، وتحسب كم كلمة انحذفت، وكم كلمة انبدلت، وكم كلمة انضافت من عدم، ثم تقسم المجموع على عدد كلمات النص الصحيح. كل ما قلّت النسبة كان أفضل.

لكن انتبه لفخين. الأول: الرقم المعلن في صفحة الأداة محسوب على بيانات غير بياناتك، غالباً كلام واضح بصوت نظيف. الثاني: في العربي لازم توحّد الكتابة قبل المقارنة، يعني تشيل التشكيل وتوحّد أشكال الألف والتاء المربوطة، وإلا بتحسب أخطاء ما هي أخطاء فعلاً. والأهم من الرقم نفسه: وين تقع الأخطاء؟ أداة تغلط في حروف الجر أفضل لك بكثير من أداة تغلط في الأرقام والأسماء، حتى لو النسبة متقاربة.

خطة اختبار تسويها في يومين

• اجمع عشرين مقطعاً قصيراً من صوتك الحقيقي: مكالمات، اجتماعات، رسائل صوتية من العملاء. نوّع في اللهجات والأصوات ومستوى الضجيج.
• فرّغها يدوياً بدقة مرة وحدة. هذا هو «النص المرجعي»، ومرهق شوي لكنه أساس كل شي بعده.
• مرّر نفس المقاطع على أداتين أو ثلاث مرشحة، بنفس الإعدادات، وحدد اللغة صراحة بدل ما تخلّي الأداة تخمّنها.
• قارن الأخطاء بنفسك مقطعاً مقطعاً، وعلّم الأخطاء اللي تغيّر المعنى: رقم، اسم، نفي، تاريخ.
• جرّب ميزة الكلمات المخصصة إن وجدت: بعض الأدوات تقبل قائمة مصطلحات أو أسماء تعطيها أولوية، وهذا يفرق كثير في أسماء المنتجات.

وخذ بالك من جودة الصوت نفسه قبل ما تلوم الأداة. تسجيل مكالمة هاتفية عادية أفقر بكثير من تسجيل مايك قريب، والمكيف العالي والكلام المتداخل يضرون أي نموذج. أحياناً مايك بسيط على الطاولة يحسّن النتيجة أكثر من تغيير الأداة كلها.

مين قال وش؟ ومتى؟

في الاجتماعات والمكالمات، النص لحاله ما يكفي. تحتاج فصل المتحدثين، يعني الأداة تعلّم كل جملة بـ«متحدث ١» و«متحدث ٢». هالميزة تشتغل كويس لما يكون الكلام بالتناوب، وتضعف لما يتكلم اثنين مع بعض أو تتشابه الأصوات. وفي المكالمات تقدر تسهّلها على نفسك: لو النظام يسجّل كل طرف في قناة صوت منفصلة، تفرّغ كل قناة لحالها وتنحل المشكلة من أساسها.

والطوابع الزمنية مهمة لو بتطلع ترجمة للفيديو أو تبي ترجع لمقطع معيّن في تسجيل طويل. اطلبها على مستوى الجملة على الأقل، وراجع إن الترجمة ما تتأخر عن الكلام، لأن تأخر ثانية وحدة يبين للمشاهد على طول.

وين يفيدك التفريغ فعلاً؟

• محاضر الاجتماعات: التفريغ ثم التلخيص بنموذج لغوي، بشرط إن أحد الحاضرين يراجع القرارات والمهام قبل ما تنرسل.
• الرسائل الصوتية من العملاء على واتساب: تتحول لنص يقدر البوت أو الموظف يقرأه ويصنّفه بسرعة.
• ترجمة مقاطع تيك توك وسناب: أغلب الناس يتفرجون بدون صوت، والنص المكتوب يرفع الفهم والمشاهدة.
• مراجعة جودة المكالمات: تبحث في مئات المكالمات عن كلمة «إلغاء» أو «تأخير» بدل ما تسمعها كلها.
• الأوامر الصوتية القصيرة: عالم مختلف عن التفريغ الطويل. الجملة قصيرة والمفردات محدودة، فالدقة المطلوبة تتركز على فهم الفعل والهدف.

النقطة الأخيرة عاشها عبدالله عبدالرحيم بن سنكر الكندي وهو يبني سكرتيراً شخصياً مربوطاً بأليكسا ضمن وكلائه على n8n. الأمر الصوتي القصير يختلف عن تفريغ محاضرة: الخطأ فيه ما يعني فقرة غلط، يعني موعد ينحفظ في يوم ثاني. عشان كذا الأوامر اللي فيها وقت أو تاريخ تحتاج تأكيداً قبل التنفيذ.

الصوت بيانات شخصية

تسجيل المكالمة فيه صوت العميل واسمه وأحياناً رقمه وعنوانه. قبل ما ترسله لخدمة سحابية، اعرف: وين تنعالج البيانات؟ هل تنحفظ عندهم؟ هل تُستخدم لتدريب نماذجهم؟ وبلّغ العميل إن المكالمة مسجلة. ولو البيانات حساسة جداً، فيه خيار تشغيل نموذج مفتوح على جهاز أو خادم عندك، بتكلفة تشغيل وصيانة أعلى لكن الصوت ما يطلع من عندك.

الخلاصة: لا تشتري أداة تفريغ من عرضها التجريبي. اختبرها على عشرين مقطعاً من صوتك أنت، وراقب الأرقام والأسماء قبل أي شي. وهذا الاختبار هو أول شي نسويه في منصة أزهل الرقمية قبل ما نبني أي سير عمل يعتمد على الصوت.