هل يستطيع الذكاء الاصطناعي تفريغ اجتماع عندما ينتقل المشاركون بين اللغات؟

كثير من الاجتماعات لا تجري بلغة واحدة. قد ينتقل فريق منتج في بيروت بين العربية والفرنسية والإنجليزية في الجملة نفسها. وقد تبدأ مكالمة مبيعات بالإسبانية وتنتهي بالإنجليزية. وقد تمزج شركة عائلية بين الهندية والإنجليزية طوال الوقت. فهل يستطيع الذكاء الاصطناعي مع ذلك إنتاج نص مفرّغ قابل للاستخدام؟

الإجابة المختصرة: نعم في كثير من الأحيان، لكن النتيجة تعتمد كثيرًا على طريقة إعداد نظام التعرّف على الكلام. بعض الأنظمة تكتشف لغة رئيسية واحدة للتسجيل كله. وأنظمة أخرى مصمّمة لتتبّع تغيّر اللغة كلمةً بكلمة. ومعرفة النظام الذي تستخدمه أهم من أي وعد تسويقي.

ماذا يعني التناوب اللغوي بالنسبة إلى التعرّف على الكلام

يُسمّى الانتقال بين اللغات داخل المحادثة نفسها التناوب اللغوي (code-switching). ويميّز الباحثون عادةً بين نوعين:

• بين الجمل: ينهي شخص جملته بالإنجليزية، وتأتي الجملة التالية بالفرنسية.
• داخل الجملة الواحدة: «نحتاج الـfacture قبل يوم الجمعة، والـdeadline لا يحتمل التأجيل، يلّا نخلّصها».

تشير مراجعة منهجية حديثة لأبحاث التعرّف على الكلام من طرف إلى طرف إلى أن الانتقال داخل الجملة هو الحالة الأصعب على أنظمة الكلام، وهو محور معظم الدراسات. إذ يتعيّن على النموذج أن يتعرّف في اللحظة نفسها على أصوات لغتين ومفرداتهما وقواعدهما، وغالبًا بلكنة متأثرة بلغة ثالثة.

اكتشاف اللغة ليس مثل تتبّع كل انتقال

هناك ميزتان يقدّمهما مزوّدو الخدمة وكثيرًا ما يحدث خلط بينهما.

الاكتشاف التلقائي للغة يحدّد اللغة المهيمنة في التسجيل ويفرّغ الصوت بتلك اللغة. وتصف وثائق Deepgram الخيار detect_language على هذا النحو: يعمل مع الصوت المسجّل مسبقًا ويعيد لغة مكتشفة واحدة لكل قناة صوتية. وهو ممتاز عندما يكون كل تسجيل في معظمه بلغة واحدة لم تحدّدها مسبقًا، لكنه غير مصمّم للإبلاغ عن عدة لغات داخل القناة الواحدة.

الوضع متعدد اللغات مع التناوب اللغوي مختلف. ففي Deepgram Nova-3، يستخدم الإعداد language=multi نموذجًا متعدد اللغات يواصل التفريغ عند تغيّر اللغة ويضع رمز لغة لكل كلمة. ويعمل مع الصوت المسجّل مسبقًا والبث المباشر، ويمكن لتلميحات لغوية اختيارية أن توجّه النموذج نحو اللغات التي تتوقعها.

إذا كانت الأداة تكتشف لغة واحدة فقط، فإن اجتماعًا يجري بنسبة 70% بالإنجليزية و30% بالعربية سيُفرَّغ عادةً على أنه إنجليزي، وقد تخرج المقاطع العربية غير دقيقة أو تقريبية أو مفقودة.

ما الذي يفعله ClearScribe اليوم

تستخدم منصة ClearScribe على الويب نموذج Deepgram Nova-3، لكن بطرق مختلفة بحسب الميزة. وفيما يلي التنفيذ الحالي، لا كل ما يمكن للمزوّد فعله نظريًا.

الاجتماعات المسجّلة والمرفوعة. عندما يعالج ClearScribe صوت الاجتماع، فإنه يطلب الاكتشاف التلقائي للغة وتمييز المتحدثين وتقسيم الكلام إلى عبارات. ويحفظ النص المفرّغ لغة مكتشفة واحدة للتسجيل. ويعمل ذلك على أفضل وجه عندما تهيمن لغة واحدة بوضوح. ولا يضع ClearScribe حاليًا علامة على كل انتقال لغوي داخل نص الاجتماع المسجّل، لذا لا تتوقع أن يُتعرَّف على كل انتقال تلقائيًا وبشكل موثوق.

الترجمة النصية المباشرة. تتضمن الترجمة النصية المباشرة في ClearScribe خيار متعدد اللغات الذي يستخدم الوضع متعدد اللغات في Deepgram Nova-3، مع اكتشاف أقصر لنهاية الكلام يناسب التناوب اللغوي. وتذكر الإعدادات الحالية في ClearScribe عشر لغات لهذا الخيار: الإنجليزية والإسبانية والفرنسية والألمانية والهندية والروسية والبرتغالية واليابانية والإيطالية والهولندية. وإذا كان اجتماعك يستخدم لغة واحدة فقط، فمن الأفضل عادةً اختيار تلك اللغة مباشرة.

بعد التفريغ. يمكنك ترجمة النصوص المفرّغة والعمل بعدة لغات، وإعادة تسمية المتحدثين، وتصحيح نسبة المقاطع إلى المتحدثين، وإنشاء الملخّصات وبنود العمل. وللاطلاع على القائمة الكاملة للغات المدعومة، راجع صفحة الدعم العالمي للغات في ClearScribe.

تمييز المتحدثين في الاجتماعات متعددة اللغات

يجيب تمييز المتحدثين عن سؤال «من تكلّم ومتى»، لا عن سؤال «بأي لغة جرى الكلام». إذ يعيّن نظام Deepgram رقم متحدث لكل كلمة، ثم يحوّل ClearScribe هذه الأرقام إلى تسميات مرقّمة مثل المتحدث 1 والمتحدث 2. وتصف Deepgram ميزة تمييز المتحدثين لديها بأنها مستقلة عن اللغة، لذا يُفترض مبدئيًا أن يحتفظ الشخص الذي يغيّر لغته بالتسمية نفسها.

أما عمليًا، فتزداد أخطاء التمييز مع تداخل الأصوات، والمداخلات القصيرة جدًا، وتشابه الأصوات، وبُعد الميكروفونات. لذلك خطّط لمراجعة تسميات المتحدثين وإعادة تسميتهم بعد الاجتماع.

متى تنخفض الدقة

توقّع نتائج أضعف عندما:

• يغيّر المشاركون اللغة عدة مرات داخل جملة قصيرة.
• تُدمج الأسماء ومصطلحات المنتجات والاختصارات في قواعد لغة أخرى.
• تقع لغة أو لهجة خارج القائمة التي يدعمها المزوّد للوضع المختار.
• يتحدث عدة أشخاص في وقت واحد، أو تحتوي الغرفة على صدى وضجيج في الخلفية.
• يُعالَج تسجيل باكتشاف لغة واحدة بينما يكون جزء كبير منه بلغة ثانية.
• تختلف اللهجات المحلية القوية، مثل اللهجات العربية العامية، عن بيانات التدريب.

قد يبدو النص المفرّغ سلسًا ومع ذلك يكون خاطئًا. فنماذج الكلام تحوّل أحيانًا كلمة أجنبية إلى كلمة من اللغة الرئيسية قريبة منها في النطق.

طريقة عمل عملية للاجتماعات متعددة اللغات

1. حدّد اللغة الرئيسية. إذا كانت لغة واحدة هي المهيمنة، فخطّط على أساسها واستخدم إعدادات اللغة الواحدة عند توفرها.
2. استخدم الوضع متعدد اللغات عن قصد. في الجلسات المباشرة التي تمزج فعلًا بين لغات مدعومة، اختر خيار «متعدد اللغات» في الترجمة النصية المباشرة.
3. حسّن جودة الصوت. استخدم ميكروفونًا جيدًا، وقلّل الأحاديث الجانبية، واطلب من المشاركين ألّا يتحدثوا في الوقت نفسه.
4. عرّف بالمتحدثين. جولة سريعة لذكر الأسماء في البداية تسهّل مراجعة المتحدثين.
5. راجع قبل المشاركة. تحقّق من المقاطع التي فيها انتقال بين اللغات ومن الأسماء والأرقام، ثم أعد تسمية المتحدثين وصحّح المقاطع.
6. ترجم بعد المراجعة. ترجمة نص مفرّغ مصحَّح تعطي نتائج أفضل من ترجمة أخطاء لم تُصحَّح.

كيف تختبر قبل أن تعتمد عليه

أجرِ اختبارًا صغيرًا وصادقًا على اجتماعاتك أنت بدلًا من الوثوق بعرض توضيحي:

1. سجّل من عشر إلى خمس عشرة دقيقة من اجتماع واقعي بمشاركيك المعتادين وميكروفوناتك ومزيج لغاتك المعتاد.
2. اكتب بعناية نصًا مرجعيًا لدقيقتين أو ثلاث تتضمن انتقالات متكررة بين اللغات.
3. قارن نص الذكاء الاصطناعي بالنص المرجعي. واحسب الكلمات المفقودة والكلمات الخاطئة والمقاطع التي كُتبت بلغة غير صحيحة.
4. تحقّق من تسميات المتحدثين بمعزل عن الكلمات.
5. كرّر الاختبار بإعداد اللغة الواحدة، ومع خيار «متعدد اللغات» في الترجمة النصية المباشرة حيثما ينطبق.
6. أعد الاختبار كلما تغيّرت تجهيزات الصوت لديك أو مزيج اللغات.

إذا تركّزت الأخطاء في الأسماء والمصطلحات، فسيكون جهد المراجعة قليلًا. أما إذا غابت مقاطع كاملة باللغة الثانية، فهذا الإعداد لا يناسب ذلك الاجتماع.

قدرة المزوّد مقابل ميزة ClearScribe

الخلاصة

يستطيع الذكاء الاصطناعي تفريغ الاجتماعات متعددة اللغات، والنماذج متعددة اللغات تتحسّن بسرعة. والسؤال الجوهري هو: هل يكتفي المنتج باكتشاف لغة مهيمنة واحدة أم يتتبّع الانتقالات فعلًا؟ اليوم، يتتبّع ClearScribe الانتقالات في خيار «متعدد اللغات» ضمن الترجمة النصية المباشرة للغات المذكورة، بينما تستخدم الاجتماعات المسجّلة اكتشاف اللغة المهيمنة مع تمييز المتحدثين. اختبر بصوتك أنت، وراجع النص المفرّغ، واختر الوضع الذي يناسب الطريقة التي يتحدث بها فريقك فعلًا.

المصادر

• وثائق Deepgram: Multilingual Code Switching
• وثائق Deepgram: Language Detection
• وثائق Deepgram: Diarization
• Deepgram: What is speaker diarization?
• Agro, M. T. وآخرون: Code-Switching in End-to-End Automatic Speech Recognition: A Systematic Literature Review، arXiv:2507.07741