أخبار ar.wedoany.com، في 7 يوليو، أطلقت شركة شياومي، المتخصصة في الأجهزة الذكية وتقنيات الذكاء الاصطناعي في الصين، القاعدة السمعية لنموذج الصوت الشامل MiMo-V2.5-ASR، بسعر 0.5 يوان صيني للساعة لواجهة برمجة التطبيقات (API) محليًا، و0.074 دولارًا أمريكيًا للساعة دوليًا. يتوفر النموذج عبر واجهة API ويدعم استخدامه ضمن خطة Token Plan، وهو موجه لتطبيقات تحويل الصوت إلى نص، والتفاعل الصوتي، وتسجيل الاجتماعات، ومعالجة المحتوى، والتعرف على اللغات المتعددة، والسيناريوهات الصوتية المعقدة.
لا يُعتبر MiMo-V2.5-ASR مجرد أداة لتحويل الصوت إلى نص، بل هو نموذج قاعدي سمعي ضمن منصة شياومي المفتوحة MiMo. بعد دخول التعرف على الصوت في سلسلة تطبيقات الذكاء الاصطناعي، لا يحتاج المطورون إلى معالجة التسجيلات الواضحة باللغة الصينية الفصحى فحسب، بل يشمل ذلك أيضًا اللهجات، والخلط بين اللغتين، والضوضاء الخلفية، والمحادثات الجماعية، والالتقاط الصوتي عن بُعد، والتعرف على كلمات الأغاني، والمصطلحات المتخصصة في السيناريوهات الواقعية. بعد أن قدمت شياومي هذا النموذج كخدمة API، يمكن للمطورين دمج القدرات الصوتية في التطبيقات والأجهزة الطرفية وأنظمة المكاتب ومنصات المحتوى والأجهزة الذكية، مع احتساب التكلفة بناءً على مدة تحويل الصوت إلى نص.
يُعد التعرف في السيناريوهات المعقدة الميزة الرئيسية لهذا الإطلاق. يغطي MiMo-V2.5-ASR اللهجات الصينية مثل الكانتونية، والوو، والهوكين، والستشوانية، ويمكنه إتمام التعرف في سيناريوهات الخلط بين الصينية والإنجليزية دون الحاجة إلى تحديد اللغة مسبقًا. في سيناريوهات التعرف على الأغاني، يمكن للنموذج معالجة كلمات الأغاني بالصينية والإنجليزية، بالإضافة إلى الصوت المختلط للموسيقى التصويرية والأصوات البشرية. في ظروف الضوضاء العالية والالتقاط الصوتي عن بُعد، يُبرز النموذج قدرات التعرف القوية. في سيناريوهات المحادثات المتداخلة بين عدة أشخاص، يمكنه إجراء نسخ أكثر دقة. كما تم تضمين المحتوى المرتبط بالمعرفة مثل القصائد القديمة، والمصطلحات المتخصصة، وأسماء الأشخاص، والأماكن ضمن نطاق قدرات التعرف.
تؤثر قدرة علامات الترقيم الأصلية بشكل مباشر على تجربة الاستخدام الفعلية. العديد من منتجات التعرف على الصوت يمكنها تحويل الصوت إلى نص، لكن النتائج غالبًا ما تتطلب إضافة علامات الترقيم وتقسيم الجمل وتنظيمها يدويًا. يُركز MiMo-V2.5-ASR على دمج الإيقاع والدلالات لإخراج علامات الترقيم مباشرة، مما يجعل المحتوى المنقول أقرب إلى نص قابل للاستخدام المباشر. تحتاج سيناريوهات مثل محاضر الاجتماعات، وتنظيم المقابلات، وتسجيل المحاضرات، والملاحظات الصوتية، وترجمة البودكاست، وفحص جودة خدمة العملاء إلى قدرات أكثر اكتمالاً في تقسيم الجمل وعلامات الترقيم، وإلا فإن تكاليف التحرير اللاحقة ستزداد بشكل ملحوظ.
كما أن التسعير المحلي لواجهة API البالغ 0.5 يوان صيني للساعة يجعل هذا النموذج أكثر قابلية للدخول في اختبارات التطبيقات الجماعية. تؤثر تكلفة استخدام خدمات التعرف على الصوت بشكل مباشر على رغبة المطورين في دمجها في السيناريوهات عالية التردد، خاصة تحويل الصوت الطويل، وتنظيم تسجيلات الاجتماعات، وفحص جودة المكالمات الهاتفية، وإنشاء ترجمة الدروس، ومعالجة محتوى الصوت والفيديو. بعد احتساب التكلفة بناءً على مدة تحويل الصوت، يمكن للشركات والمطورين التحكم في التكاليف وفقًا للاستخدام الفعلي، وتقييم العائد على الاستثمار للنموذج في سيناريوهات الأعمال المختلفة بسهولة أكبر.
أصبحت نماذج الصوت قدرة أساسية مهمة للأجهزة الذكية وتطبيقات الذكاء الاصطناعي. تحتاج الهواتف المحمولة، ومكبرات الصوت الذكية، وأنظمة السيارات، والأجهزة القابلة للارتداء، وبرامج المكاتب، وأنظمة خدمة العملاء، وأدوات إنشاء المحتوى إلى مدخل سمعي أكثر استقرارًا. سبق لشياومي أن نشرت قدرات متعلقة بالنص والصوت والوسائط المتعددة ضمن منصة MiMo المفتوحة، وبعد إطلاق MiMo-V2.5-ASR، تم استكمال سلسلة الإدخال والفهم الصوتي للمنصة. مع فتح واجهة API، يمكن للمطورين تطوير تطبيقات حول سيناريوهات مثل التعرف على اللهجات، والتفاعل ثنائي اللغة، وتحويل الصوت في الضوضاء العالية، وتسجيل الاجتماعات الجماعية.
بعد إطلاق هذا النموذج، ستتركز سيناريوهات الاستخدام أولاً على تحويل الصوت الطويل، والإدخال الصوتي على الأجهزة المحمولة، واجتماعات المكاتب، وترجمة المحتوى، ومكالمات خدمة العملاء، والتفاعل الصوتي للأجهزة الذكية. ستحدد التغطية اللهجوية، والخلط بين الصينية والإنجليزية (Code-Switch)، والتعرف القوي في الضوضاء العالية، وإخراج علامات الترقيم الأصلية بشكل مباشر مدى قابلية النموذج للاستخدام في السيناريوهات الواقعية. بعد دخول MiMo-V2.5-ASR من شياومي مرحلة واجهة API المفتوحة، يمكن للمطورين إجراء اختبارات الدمج عبر المنصة، واستخدام قدرات التعرف على الصوت ذات الصلة بناءً على مدة التحويل.
