جوجل تطلق «جيميناي 3.5 ترانسكريب»: أسرع نموذج تحويل كلام إلى نص يدعم 85 لغة

سبعون في المئة. هذا هو التحسن الذي سجله «جيميناي 3.5 ترانسكريب» في زمن الوصول إلى النص النهائي مقارنة بالجيل السابق، وفق قياس مستقل من «آرتيفيشال أناليسيس». رقم واحد يلخص قفزة نوعية في تحويل الكلام إلى نص، ويضع النموذج الجديد في موقع المنافس الجاد لأي مطور يبني تطبيقات صوتية اليوم.

ما تغير جوهرياً

أعلنت جوجل عبر مدونتها الرسمية عن «جيميناي 3.5 ترانسكريب»، وتصفه بأنه أدق نموذج تحويل كلام إلى نص أنتجته حتى الآن، ومصمم خصيصاً للتفاعلات الصوتية الذكية. النموذج لا يكتفي بالدقة، بل يضيف ثلاث قدرات كانت حتى وقت قريب تتطلب نماذج منفصلة أو هندسة معقدة: التعرف على مفردات مخصصة يحددها المطور، ودعم تلقائي لأكثر من 85 لغة مع لهجاتها الإقليمية، وإزالة كلمات الحشو وتنسيق النص ذاتياً.

للمطورين: واجهتان، لا واجهة واحدة

التوفر الفوري يتم عبر مسارين: تطبيق «جيميناي» على macOS للمستخدمين العاديين، و«جيميناي API» في «جوجل أيه آي ستوديو» و«أنتيجرافيتي» للمطورين، وكلاهما في معاينة عامة. المسار الثاني هو الأهم تقنياً: يتيح دمج التحويل الصوتي الفوري (streaming) والمسجل مسبقاً في التطبيقات دون إدارة بنية تحتية منفصلة. شركات مثل «فيفو»، و«إنتيليتك هيلث»، و«لينغوبال» أخبرت جوجل بأنها رصدت تأخيراً منخفضاً ودقة عالية ودعماً لغوياً واسعاً في اختباراتها المبكرة.

أرقام الدقة التي أعلنتها جوجل

المدونة الرسمية تشير إلى معدل خطأ كلمات (WER) يبلغ 4.0% في وضع البث المباشر و2.6% في وضع الملفات المسجلة، إضافة إلى دعم التعرف على ما يصل إلى ثلاثة متحدثين مع طوابع زمنية. هذه الأرقام، إن صحت في بيئات الإنتاج الحقيقية، تضع النموذج في منافسة مباشرة مع الحلول المتخصصة التي اعتادت الشركات الاعتماد عليها لسنوات. التحسن بنسبة 70% في زمن الوصول إلى النص النهائي، وفق قياس «آرتيفيشال أناليسيس»، يعني أن التطبيقات الصوتية التفاعلية، من مساعدين شخصيين إلى مراكز اتصال آلية، يمكنها الآن الاستجابة بسلاسة لم تكن متاحة إلا بنماذج أثقل وأغلى.

مفاتيح التكامل للمطورين في المنطقة

المعاينة العامة عبر «جيميناي API» تتيح بدء التكامل فوراً دون انتظار موافقات أو قوائم انتظار. فرق المنتجات في الرياض ودبي والقاهرة يمكنها اليوم تجربة النموذج مع مفرداتها الخاصة، أسماء منتجات، مصطلحات طبية، رموز بنكية، ورؤية مدى دقة التعرف عليها في بيئة عربية مختلطة. وثائق «جوجل أيه آي ستوديو» تعرض أمثلة كود جاهزة للبث المباشر وللملفات المسجلة، مما يقلل وقت النموذج الأولي من أسابيع إلى ساعات.

الرهان على العربية واللهجات

الزاوية التي تهم القارئ في الخليج ومصر وبلاد الشام ليست مجرد رقم «85 لغة». القيمة الحقيقية تكمن في عبارة «التعامل السلس مع اللهجات الإقليمية المتنوعة» التي وردت في الإعلان الرسمي. أسواقنا تعمل يومياً بالعربية الفصحى واللهجات الخليجية والمصرية والشامية، إضافة إلى الإنجليزية والفرنسية والأردية في بيئات عمل واحدة. نموذج واحد يفهم هذا الخليط دون تبديل إعدادات يوفّر أشهر عمل على فرق المنتجات التي تضطر اليوم لتجميع نماذج متخصصة لكل لهجة.

ما لم يُحسم بعد

الإفصاح الرسمي لم يحدّد تسعير «جيميناي 3.5 ترانسكريب» ولا متطلبات العتاد لتشغيله، ولم يسرد قائمة الـ 85 لغة لتأكيد دعم العربية صراحة، كما لم يحدد موعد تكامل «كروم». هذه فجوات حقيقية، وليست سهواً، وينبغي على أي فريق منتج أن يضعها في خطة التقييم قبل الالتزام.

الخلاصة: تحسن 70% في السرعة، ودعم لغوي واسع، وأرقام دقة تنافسية، تضعان «جيميناي 3.5 ترانسكريب» في خانة الأدوات التي تستحق تجربة جادة هذا الأسبوع، لا العام المقبل. لمن يبني منتجاً صوتياً بالعربية أو بلغات المنطقة، المعاينة العامة متاحة الآن في «جوجل أيه آي ستوديو»، خطوة واحدة تفصل بين الفكرة والنموذج العامل.