تقنيات الصوت واللغة

ما الأعمال التي تتولاها تقنيات الصوت واللغة؟

تقنيات الصوت واللغة هي الاسم الجامع لأدوات الذكاء الاصطناعي التي تحوّل النص إلى صوت والصوت إلى نص، وتترجم لغة إلى أخرى، وتقرأ النص وتستخرج معناه. وقد تعني للنشاط التجاري إضافة تعليق صوتي إلى فيديو تعريفي دون دخول الاستوديو، أو تحويل تسجيلات الاجتماعات إلى نص قابل للبحث، أو تكييف الكتالوج مع عدة لغات. ونحن لا نجرّب هذه الأدوات كلًّا على حدة، بل نعدّها مرتبطة بعمل ملموس في تواصلكم.

• التعليق الصوتي بالذكاء الاصطناعي (من النص إلى الصوت): يحوّل النص المكتوب إلى صوت إنساني طبيعي.
• التعرف على الكلام (من الصوت إلى النص): يحوّل التسجيلات والاجتماعات والفيديوهات إلى نص مكتوب.
• الترجمة الآلية: تنقل النص والترجمة النصية إلى لغات أخرى.
• معالجة اللغة الطبيعية: تصنّف النص وتلخّصه وتستخرج المعلومات الواردة فيه.
• المساعد الصوتي: يجمع هذه الأجزاء ويقدم واجهة تتفاعل بالحديث.

كل واحدة من هذه الأدوات مفيدة وحدها، لكن الكفاءة الحقيقية تظهر عند استخدامها معًا. فمثلًا يُحوَّل فيديو تدريبي أولًا إلى نص، ثم يُصحَّح النص وينقل إلى لغات أخرى، وبعد ذلك يُعدّ لكل لغة تسجيل صوتي جديد وترجمة نصية بالتعليق الصوتي بالذكاء الاصطناعي. وهكذا يصبح التسجيل الواحد قابلًا للاستخدام بعدة لغات، صوتًا ونصًا معًا.

من أين نبدأ؟

أسلم طريقة للبدء في العمل بتقنيات اللغة هي اختيار عمل واحد يتكرر بانتظام، مثل فيديوهات المنتجات التي تُعد كل شهر، أو الاجتماعات التي تُعقد كل أسبوع، أو كتالوج يُحدَّث باستمرار. ندرس معكم كيف يُنجز هذا العمل اليوم وكم من الوقت يستغرق وأين يتعثر، ونجرّب المسار الجديد أولًا في هذا العمل. فإذا كانت النتيجة ذات معنى لكم، ننقل النهج نفسه إلى محتويات أخرى.

التعليق الصوتي بالذكاء الاصطناعي: من النص إلى صوت طبيعي

التعليق الصوتي بالذكاء الاصطناعي تقنية تجعل صوتًا تختارونه يقرأ النص الذي كتبتموه. وتعطي النماذج الحالية نتائج أكثر طبيعية في التشديد والتوقف والتنغيم من الأصوات الآلية القديمة. وهذا يجعل التعليق الصوتي متاحًا في الأعمال التي لا يكون فيها ترتيب استوديو وفنان تعليق صوتي لكل محتوى صغير أمرًا عمليًا.

أين يفيد؟

• فيديوهات التعريف بالمنتجات ووسائل التواصل الاجتماعي
• فيديوهات التدريب والتهيئة وأدلة الاستخدام
• رسائل الترحيب في الهاتف المركزي ورسائل الانتظار
• النسخ الصوتية للمقالات في الموقع الإلكتروني
• الإعلانات داخل المتاجر والفيديوهات المتكررة على شاشات المعارض
• نسخ الفيديو نفسه بلغات مختلفة

متى يكون الصوت البشري هو الخيار الأصح؟

يظل فنان التعليق الصوتي المحترف هو الخيار الأصح للأفلام الإعلانية ذات الكثافة العاطفية العالية، أو للصوت الذي صار جزءًا من هوية العلامة التجارية، أو للأعمال التي تتطلب أداءً تمثيليًا دقيقًا. أما التعليق الصوتي بالذكاء الاصطناعي فيمنح أفضلية في المحتوى الكثير والمتجدد بكثرة والغني بالمعلومات. ويمكن أيضًا اتباع طريق مختلط، مثل إعداد الفيلم التعريفي الرئيسي بصوت الفنان، وفيديوهات المعلومات القصيرة بصوت اصطناعي.

كيف يُعدّ نص التعليق الصوتي؟

النص المكتوب للعين ليس دائمًا نصًا جيدًا للأذن. فالتوضيحات بين الأقواس والجمل الفرعية الطويلة والقوائم ذات النقاط يصعب تتبعها حين تُقرأ بصوت مسموع. وتقسيم النص قبل التعليق الصوتي بالذكاء الاصطناعي إلى جمل قصيرة، وإعطاء معلومة واحدة في كل جملة، وتجربة قراءة النص بصوت عالٍ مرة واحدة، يحسّن النتيجة بوضوح.

وإذا كان التعليق الصوتي يُعد لفيديو، فيجب أن يُكتب النص بحسب مدة الصورة وانتقالات المشاهد. وجدول سيناريو بسيط يبيّن أي جملة تقابل أي مشهد يمنع أن ينتظر الصوت الصورة أو الصورة الصوت. وإذا أردتم إنتاج الجانب المرئي أيضًا بالذكاء الاصطناعي، فيمكننا التخطيط له مع خدمتنا المحتوى المرئي والفيديو بالذكاء الاصطناعي.

سهولة التحديث

في الفيديو المعدّ بالتعليق الصوتي بالذكاء الاصطناعي، إذا تغيّر سعر أو تاريخ أو اسم منتج، يكفي أن تُعاد قراءة الجملة المعنية فقط. ولأن الصوت والإعدادات هما نفسهما، لا تُميَّز الجملة الجديدة عن القديمة. وهذا يوفر في محتويات التدريب والمعلومات التي تُحدَّث باستمرار طريقة أعملي بكثير من إعادة التسجيل من البداية عند كل تغيير.

ما ننتبه إليه في النطق التركي

أكثر التفاصيل تأثيرًا في نتيجة التعليق الصوتي بالذكاء الاصطناعي في النصوص التركية هي التالية:

• الأرقام والتواريخ: يجب بيان كيفية قراءة عبارات مثل “1/2″ و”15.000 TL” و”3-5 gün” بوضوح.
• الاختصارات: يُقرَّر مسبقًا هل ستُقرأ اختصارات مثل “KDV” و”vb.” و”Dr.” حرفًا حرفًا أم بصيغتها الكاملة.
• أسماء العلامات والمنتجات الأجنبية: تُجرَّب واحدًا واحدًا كيفية نطق اسم منتج إنجليزي داخل جملة تركية.
• الحروف ذات القبعة: في كلمات مثل “kâr” و”kar” و”hâlâ” و”hala”، تؤثر الكتابة الصحيحة في النطق أيضًا تأثيرًا مباشرًا.
• علامات الترقيم: يحدد موضع الفاصلة والنقطة أين يتوقف الصوت، ويجب أن يُكتب نص التعليق الصوتي ليُسمع لا ليُقرأ.

يتم جزء من هذه الإعدادات بلغة وسم تسمى SSML (Speech Synthesis Markup Language). وبواسطة SSML يمكن تحديد التوقفات والتشديدات وقراءة العبارة بوصفها تاريخًا أو رقمًا أو سلسلة حروف. ويمكنكم الاطلاع على أمثلة لهذه الإمكانات في صفحات وثائق خدمات مثل Google Cloud Text-to-Speech.

اختيار الصوت واستنساخ الصوت

نستمع معكم إلى الأصوات الجاهزة التي تقدمها الخدمات، ونختار منها ما يناسب نبرة علامتكم التجارية، وتختلف الدرجة بين الدافئ والرسمي والشاب والناضج بحسب هدف المحتوى. وبعض الخدمات تستطيع إنتاج صوت اصطناعي يشبه صوت شخص معين انطلاقًا من تسجيلات قصيرة. وصوت الإنسان بيان شخصي، ولهذا لا يجوز استنساخ الصوت إلا بموافقة صريحة من صاحبه وبعد تحديد مكتوب لمكان استخدام الصوت ومدته.

إن استخدام الصوت المختار بصورة متسقة في جميع الفيديوهات والرسائل والنسخ اللغوية يساعد على أن يرتبط الصوت بعلامتكم مع الوقت. وتجميع سرعة كل صوت وإعدادات نبرته في دليل صوتي قصير يبقي النتيجة متسقة حتى لو أعدّ أشخاص مختلفون المحتويات.

تحويل الكلام إلى نص: التفريغ النصي والترجمة النصية

يحوّل التعرف على الكلام التسجيلات الصوتية إلى نص مقروء وقابل للبحث. وهو من أسرع المجالات في تقنيات الصوت واللغة إسهامًا في العمل اليومي، لأن لدى الأنشطة التجارية أصلًا تسجيلات كثيرة: اجتماعات ولقاءات مع العملاء ومقابلات وندوات عبر الإنترنت وفيديوهات.

أمثلة على الاستخدام

• محاضر الاجتماعات: استخراج نص مقسم بحسب المتحدثين وملخصات للقرارات والمهام من التسجيل
• الترجمة النصية للفيديو: إعداد ترجمة نصية لفيديوهات وسائل التواصل الاجتماعي التي تُشاهد والصوت مغلق وللمشاهدين ضعاف السمع
• لقاءات العملاء: إظهار المواضيع والأسئلة والشكاوى التي تتكرر في اللقاءات المسجلة
• إنتاج المحتوى: تحويل تسجيل مقابلة أو ندوة عبر الإنترنت إلى مقال مدونة أو نشرة بريدية أو نص لوسائل التواصل الاجتماعي
• الأرشيف: جعل التسجيلات الصوتية والمرئية القديمة قابلة للبحث عبر النص

التمييز بين المتحدثين ومعلومة الوقت

في التسجيلات التي يتحدث فيها أكثر من شخص، تكون معرفة صاحب النص أنفع بكثير من تفريغ مسطح. وكثير من خدمات التعرف على الكلام يستطيع التمييز بين المتحدثين ووسم وقت كل جملة في التسجيل. وبذلك يسهل في محضر الاجتماع أن يُعرف من قال قرارًا معينًا وفي أي دقيقة من التسجيل.

ما الذي يؤثر في الدقة؟

تتوقف جودة التفريغ النصي إلى حد كبير على جودة التسجيل. فالميكروفون القريب من المتحدث والبيئة الهادئة وعدم مقاطعة المتحدثين بعضهم بعضًا ترفع الدقة بوضوح. أما المصطلحات الخاصة بالقطاع وأسماء الأشخاص والمنتجات فهي أكثر الكلمات التي تقع فيها الأخطاء، ويلزم لها إعداد قائمة مصطلحات وأن يراجع إنسان النصوص المهمة قبل النشر.

وفي الترجمة النصية أيضًا تهم مدة القراءة وطول السطر. فتفريغ الكلام كما هو لا يعطي دائمًا ترجمة نصية جيدة، إذ تُقسَّم الجمل الطويلة إلى أجزاء تُقرأ على الشاشة، وتُبسَّط التكرارات وحشو الكلام. ويمكننا أن نخطط لفيديوهاتكم، مع خدمتنا فيديوهات وسائل التواصل الاجتماعي، الترجمة النصية وخطوة التعليق الصوتي بالذكاء الاصطناعي في المسار نفسه.

الترجمة والمحتوى متعدد اللغات

تنتج الترجمة الآلية اليوم لمعظم النصوص مسودة أولى سريعة وقابلة للاستخدام. أما التحدي الحقيقي فهو أن تلائم الترجمة علامتكم وقطاعكم: أن يُترجم المصطلح التقني نفسه بالمقابل نفسه في كل مكان، وأن يناسب أسلوب المخاطبة الثقافة المستهدفة، وأن تبقى أسماء المنتجات دون ترجمة. ولهذا نعد عند الترجمة بتقنيات اللغة قاموس مصطلحات وملاحظة أسلوب أولًا.

خطوات التوطين

1. قاموس المصطلحات: تُدرج أسماء المنتجات والمصطلحات التقنية والعبارات التي لن تُترجم.
2. ملاحظة الأسلوب: يُكتب لكل لغة أسلوب المخاطبة ودرجة الرسمية والعبارات التي تُتجنب.
3. الترجمة الآلية: يُترجم النص مع القاموس وملاحظة الأسلوب.
4. المراجعة البشرية: ننصح بأن يقرأ النصوص المزمع نشرها شخص يعرف اللغة كأنها لغته الأم.
5. الصوت والترجمة النصية: عند الحاجة يُسجَّل النص المترجم بصوت في كل لغة ويُضاف ترجمة نصية.

وفي موقع إلكتروني متعدد اللغات أو كتالوج للتصدير أو فيديو تعريفي موجه إلى الزوار الأجانب، يعطي هذا المسار نتيجة أكثر اتساقًا من طلب ترجمة النص من البداية في كل مرة. أما في المحتويات التي لا تحتمل الخطأ، مثل النصوص القانونية والعقود والمعلومات المتعلقة بالصحة، فننصحكم بأن تعدّوا الترجمة الآلية مسودة فقط، وأن يعتمد النص النهائي مترجم محترف.

التعليق الصوتي متعدد اللغات

لا يكون النص المترجم بطول النص الأصلي نفسه، ففي بعض اللغات تطول الجملة نفسها أو تقصر بوضوح. وفي الفيديوهات التي تسير بصوت راوٍ يُحل هذا الفرق بتبسيط الجمل أو بضبط مدد المشاهد. أما نقل صوت شخص يتحدث أمام الكاميرا إلى لغة أخرى فعمل أصعب، وفي هذا النوع من المحتوى تكون الترجمة النصية في الغالب خيارًا أكثر أمانًا.

التكييف الثقافي

قد يُستغرب في السوق المستهدفة حتى النص المترجم ترجمة صحيحة. فالمقاييس والعملات وصيغ التواريخ وأسماء الأماكن والأشخاص المستخدمة في الأمثلة والنكات تحتاج إلى معالجة جديدة في كل لغة. والأمر ينطبق على التعليق الصوتي أيضًا: فنبرة صوت تُعد ودودة في سوق قد تُفهم في سوق أخرى رسمية أكثر من اللازم أو متساهلة أكثر من اللازم.

فهم النص والمساعدات الصوتية

تفهم معالجة اللغة الطبيعية ما يقوله النص وتحوّله إلى عمل. ويدخل في هذا المجال فرز رسائل البريد الإلكتروني الواردة بحسب موضوعها، وتجميع الرضا والشكاوى في تعليقات العملاء، وتلخيص التقارير الطويلة، واستخراج التواريخ والمبالغ وأسماء الشركات من وثيقة. وهنا تعمل تقنيات اللغة بالنص المكتوب الذي يتراكم في نشاطكم التجاري، وليس بالصوت.

أمثلة على معالجة اللغة الطبيعية

• تحليل التعليقات: تجميع تعليقات Google والأسواق الإلكترونية بحسب الموضوع والمشاعر لمعرفة أي موضوع نال الثناء وأيها نال الشكاوى
• تصنيف الرسائل: فرز رسائل الدعم إلى عناوين مثل الاسترجاع والمشكلات التقنية والفواتير، وتوجيهها إلى الشخص المناسب
• التلخيص: تحويل التقارير الطويلة ووثائق المناقصات ونصوص اللقاءات إلى ملاحظات قصيرة
• استخراج المعلومات: سحب حقول محددة من نموذج الطلب أو عرض السعر أو نص العقد وكتابتها في جدول

ونتائج معالجة اللغة الطبيعية ليست خالية من الأخطاء أيضًا، فقد يُعد تعليق ساخر إيجابيًا، وقد تُسند رسالة بريد إلكتروني تتناول موضوعين إلى عنوان واحد. لذلك ننصح بالبدء في أعمال التصنيف والاستخراج عادةً بوضع الاقتراح، أي عرض النتيجة على موظف ليعتمدها. وعندما تبلغ نسبة الخطأ مستوى مقبولًا يمكن جعل العملية أكثر آلية.

المساعد الصوتي خارج الهاتف

عند ذكر المساعد الصوتي يخطر الهاتف في الغالب، ولمساعد يستقبل خط هاتفكم يمكنكم الاطلاع على صفحة مساعد الهاتف بالذكاء الاصطناعي لدينا. لكن التقنية نفسها يمكن استخدامها في بيئات أخرى: في شاشة معلومات في متجر أو في ردهة فندق، أو في تطبيق جوال، أو في واجهة على الموقع الإلكتروني يمكن طرح الأسئلة فيها بالحديث. ويتكوّن مثل هذا المساعد الصوتي بعمل طبقات التعرف على الكلام والنموذج اللغوي والتعليق الصوتي بالذكاء الاصطناعي معًا.

ويختلف التصميم في البيئات التي يُستخدم فيها الصوت والشاشة معًا. فيقول المساعد ملخصًا قصيرًا للرد بالصوت ويعرض التفاصيل على الشاشة، وفي ردهة صاخبة ينبغي أن يستطيع المستخدم أن يختار الكتابة أو اللمس بدل الحديث. ولهذا نصمم بناء المساعد الصوتي مع مراعاة البيئة التي سيُستخدم فيها وحالة المستخدم في تلك اللحظة.

العمليات الداخلية التي تعمل بالصوت

لا يُستخدم المساعد الصوتي للتحدث مع العميل فقط. فبالتقنية نفسها يمكن لفريق تقني يعمل في الميدان أن يروي تقرير زيارته على هاتفه فيتحول هذا السرد إلى نموذج منظم، أو لعامل في المستودع يداه مشغولتان أن يسأل عن المخزون بصوته. والغاية في هذه العمليات الداخلية تسجيل المعلومات دون فقدانها في اللحظات التي لا تكون فيها لوحة المفاتيح عملية.

الجودة والحقوق والبيانات الشخصية في تقنيات اللغة

تعطي تقنيات الصوت واللغة نتائج سريعة، لكن ينبغي ألا تتحول هذه السرعة إلى نشر دون رقابة. فالسعر الخاطئ الذي يُقرأ بصوت اصطناعي، أو ميزة المنتج المترجمة ترجمة خاطئة، أو الاسم الذي نُقل كتابيًا نقلًا خاطئًا، ينشر باسم علامتكم. ولهذا نحدد منذ البداية لكل نوع من المحتوى في أي مرحلة سيراجعه إنسان.

• الترخيص: تختلف شروط الاستخدام التجاري للأصوات الاصطناعية الجاهزة من خدمة إلى أخرى، ويجب فحص ترخيص الصوت مسبقًا إذا كان سيُستخدم للإعلان أو البث.
• التسجيلات الصوتية: تحتوي تسجيلات الاجتماعات واللقاءات على بيانات شخصية، ويجب توضيح الخدمة التي ستُرسل إليها ومدة حفظها.
• الشفافية: في إعلان يُقدَّم بصوت اصطناعي أو في محادثة مع مساعد صوتي، فإن معرفة المستمع بأن المتحدث ذكاء اصطناعي تحفظ الثقة.
• الاستخدام المضلل: محاكاة صوت شخص حقيقي لإنطاقه بكلام لم يقله موضوع ينبغي التعامل معه بحذر حتى مع وجود إذن.

تدخل معالجة البيانات الشخصية في نطاق القانون التركي رقم 6698 لحماية البيانات الشخصية. وننصحكم بالاطلاع على أدلة هيئة حماية البيانات الشخصية (التركية) وأخذ رأي مستشاركم القانوني في حفظ التسجيلات ونقلها إلى خدمات خارج تركيا.

الأسئلة الشائعة

هل يبدو التعليق الصوتي بالذكاء الاصطناعي طبيعيًا في اللغة التركية؟

قد تعطي خدمات التعليق الصوتي بالذكاء الاصطناعي الحالية نتيجة سلسة وطبيعية التنغيم في اللغة التركية. ويلزم ضبط النطق للأرقام والاختصارات وأسماء المنتجات الأجنبية، ومراجعة النتيجة بالاستماع إليها قبل النشر.

هل نستطيع اختيار الصوت الذي سيُستخدم في التعليق الصوتي؟

نعم. نستطيع أن نستمع معكم إلى الأصوات التي تقدمها الخدمات ونختار ما يناسب نبرة علامتكم التجارية. أما استنساخ صوت شخص معين فيجب ألا يتم إلا بإذن صريح من ذلك الشخص.

هل تحويل تسجيلات الاجتماعات إلى نص بالذكاء الاصطناعي آمن؟

لأن التسجيلات قد تحتوي على بيانات شخصية ومعلومات تجارية، ينبغي فحص شروط البيانات في الخدمة المستخدمة مسبقًا. وننصح باستخدامها بعد أن يتضح أين تُعالج التسجيلات ومدة حفظها ومن يستطيع الوصول إليها.

هل تحل الترجمة الآلية محل المترجم المحترف؟

تنتج الترجمة الآلية لمعظم المحتويات مسودة سريعة وقابلة للاستخدام، لكن يجب أن يراجع النص المزمع نشره شخص يعرف اللغة جيدًا. وفي النصوص القانونية والطبية والعقود يلزم اعتماد مترجم محترف.

هل يُستخدم المساعد الصوتي على الهاتف فقط؟

لا. يمكن أن يعمل المساعد الصوتي في تطبيق جوال أو في موقع إلكتروني أو في شاشة معلومات في متجر أو ردهة فندق. أما المساعد الذي يستقبل خط الهاتف فهو أحد مجالات الاستخدام الشائعة لهذه التقنية.

ما اللغات التي تدعمها تقنيات اللغة؟

تختلف بحسب الخدمة المستخدمة، لكن خدمات تقنيات اللغة الشائعة تدعم لغات كثيرة، مثل التركية والإنجليزية والألمانية والروسية والعربية. ولأن جودة الصوت والفهم تختلف من لغة إلى أخرى، نختبر كل لغة سنستخدمها على حدة.

لنخطط معًا لمشروعكم في الصوت واللغة

حدثونا عن المحتويات التي تريدون تسجيلها صوتيًا، أو التسجيلات التي تريدون تحويلها إلى نص، أو اللغات التي تريدون التكييف معها، لنحدد معًا بأي تقنيات اللغة يكون البدء منطقيًا وكيف يُبنى مسار العمل. وإذا كان بين أيديكم فيديو أو تسجيل أو نص نموذجي فإن إحضاره إلى اللقاء يسهّل علينا تقييم الحاجة بصورة ملموسة. ويمكنكم التواصل معنا عبر صفحة اتصل بنا لدينا.