Google تضيف التعرف على الكلام والنطق على الجهاز إلى AI Edge Gallery، والنموذج المفتوح لا يدعم العربية

أضافت Google في 10 نوفمبر 2026 خاصيتي التعرف على الكلام وتحويل النص إلى كلام إلى تطبيق AI Edge Gallery، وكلتاهما تعمل على الهاتف نفسه دون اتصال بالإنترنت. لكن النموذج المفتوح الذي يشحنه التطبيق للتعرف على الكلام يدعم 25 لغة أوروبية، وليست العربية بينها.

والأرقام التي نشرتها Google لافتة. فنسبة الخطأ في الكلمات (Word Error Rate، أي نسبة الكلمات التي يخطئ النموذج في تفريغها) تتراوح بين 8% و9% على مقياس FLEURS. ويستغرق تفريغ 3 ثوانٍ من الكلام نحو 300 مللي ثانية. أما النطق فيبدأ أول صوت فيه بعد نحو 100 مللي ثانية، بجودة 24 kHz، وبسرعة تصل إلى 50 ضعف الزمن الحقيقي.

والرقم الأهم للمطورين أن هذه النماذج لا تضيف شيئًا إلى حجم التطبيق، 0 ميجابايت على ملف الـ APK، لأنها موجودة داخل AICore، وهي طبقة في نظام أندرويد نفسه تحمل نماذج الذكاء الاصطناعي، فلا يحتاج كل تطبيق إلى تضمين نسخته الخاصة منها.

وهنا يظهر الفرق بين مسارين. الأول نسخة ML Kit المدمجة في أندرويد، وتقول صفحة Google إنها تدعم أكثر من 100 لغة بسرعة 10 أضعاف الزمن الحقيقي، لكنها لا تعدد هذه اللغات ولا تذكر العربية، فدعمها للعربية غير معروف. والثاني النماذج المفتوحة التي يحملها التطبيق: Parakeet-TDT-0.6B-v3 من NVIDIA للتعرف على الكلام، وPocketTTS وKokoro-82M وPhonon للنطق. وصفحة Parakeet على Hugging Face تعدد لغاتها بالاسم، وكلها أوروبية.

ويعني ذلك أن من يبني تطبيقًا عربيًا يعتمد على الصوت لا يملك اليوم ضمانًا بأن الطريق المجاني على الجهاز سيخدمه. ويبقى أمامه الطريق السحابي، الذي يُحتسب بالدقيقة. وهذا فرق لا يظهر في نسخة تجريبية، بل في الفاتورة الشهرية حين يكبر عدد المستخدمين.

واللافت أن العائق ليس تقنيًا في الأساس. فنموذج Parakeet حجمه 0.6B، أي نحو 600 مليون parameter، ورخصته CC BY 4.0، وهي رخصة تسمح بالاستخدام التجاري مع نسبة العمل إلى أصحابه. ما ينقص هو بيانات عربية مسموعة كافية ومتسقة لتدريبه أو تكييفه، وهي بيانات تحتاج إلى من يجمعها وينظمها.

وقد نشرت Nvidia من قبل نموذجًا مفتوحًا آخر لتفريغ الكلام يدعم العربية، لكنه ليس النموذج الذي اختارته Google لهذا التطبيق. ولم توضح Google بعد إن كانت نسخة ML Kit تشمل العربية.