يمثل تدريب نموذج الذكاء الاصطناعي على فهم لغة ما عملية معقدة، ولكن ماذا لو لم تكن لغة واحدة، بل مجموعة من اللهجات المتنوعة؟ ففي الوقت الذي تمّ فيه إضافة اللغة العربيّة لتصبح إحدى اللغات المعتمدة لدى ميّزات Galaxy AI مثل الترجمة المباشرة Live Translate؛ واجه فريق مركز سامسونج للبحث والتطوير في الأردن تحديّاً في استيعاب عدد كبير من اللهجات العربية السائدة في منطقة الشرق الأوسط وشمال أفريقيا، والتي تتميز كل منها بنطقها الفريد ومعجمها وبنيتها النحوية.

تأتي اللغة العربية ضمن أكثر ست لغات انتشارًا في العالم، حيث يتحدثها يوميًا أكثر من 400 مليون شخص[1]. وتصنف اللغة العربية إلى نوعين: الفصحى “الرسميّة”، والعاميّة “اللهجات المختلفة”.  تُستخدم الفصحى عادةً في المناسبات العامة والرسمية، وكذلك في نشرات الأخبار، بينما تُستخدم العاميّة بشكل أكثر شيوعًا في المحادثات اليومية، وتنتشر اللغة العربية في أكثر من 20 دولة، ويوجد حاليًا حوالي 30 لهجة في المنطقة.

القواعد غير المكتوبة

إدراكاً للاختلاف والتنوّع الذي تقدمه هذه اللهجات، وظف فريق مركز البحث والتطوير لدى سامسونج في الأردن مجموعة من التقنيات لتحديد ومعالجة الخصائص اللغوية الفريدة المتأصلة في كل منها. وقد أثبتت هذه المنهجيّة دورها المحوري في ضمان قدرة Galaxy AI على الفهم والاستجابة بطريقة تعكس الفروق الدقيقة بين اللهجات.

ويقول محمد حمدان، رئيس مشروع فريق تطوير اللغة العربية: “على عكس اللغات الأخرى، فإن نطق المفعول به في اللغة العربية يختلف باختلاف الفاعل والفعل في الجملة. لذا فإننا نهدف لتطوير نموذج قادر على فهم كل هذه اللهجات والرد عليها باللغة العربية الفصحى”.

إن تحويل النص إلى كلام “TTS”، يعدّ جزء لا يتجزأ من ميّزة الترجمة المباشرة Live Translate في Galaxy AI، بحيث يمكّن المستخدمين من التفاعل مع متحدثين بلغات مختلفة عن طريق تحويل الكلمات المنطوقة إلى نص مكتوب ثم نطقها لفظيًا. وقد واجه فريق تحويل النص إلى كلام تحديًا استثنائياً نابعًا من الخصوصية المتأصلة في العمل مع اللغة العربية.

في اللغة العربية، تُستخدم علامات التشكيل كوسيلة مساعدة للنطق في سياقات معينة مثل النصوص الدينية والشعر والمواد التعليمية. وفي حين أن المتحدثين الأصليين يفهمون عادةً علامات التشكيل، إلا أنها لا تُستخدم بشكل شائع في الكتابة اليومية. ويشكل هذا الغياب تحديًا أمام الآلات في تحويل الكلمات غير المشكّلة إلى وحدات صوتيّة والتي تعدّ ضرورية لتركيب الكلام.

يقول محمد حويله: “إن ندرة مجموعات البيانات التي يمكن الاعتماد عليها والتي تعكس بدقة الاستخدام السليم لعلامات التشكيل تعتبر تحديًا. ونتيجة لذلك، كنا بحاجة إلى تطوير نموذج عصبي قادر على التنبؤ بدقة واستعادة علامات التشكيل المفقودة”.

تعمل النماذج العصبية بشكل مشابه للدماغ البشري. ومن أجل التنبؤ بعلامات التشكيل، يجب على النموذج تحليل كميات هائلة من النصوص العربية، واستيعاب اصطلاحات اللغة وقواعدها، وفهم الفروق الدقيقة في سياق استخدام الكلمات. على سبيل المثال، يمكن لنطق الكلمة بشكل كبير أن يختلف بناءً على الفعل أو الجنس الذي تشير إليه، وقد شكّل التدريب المكثف من قبل الفريق أهمية كبيرة في زيادة دقة نموذج تحويل النص إلى كلام باللغة العربية.

تعزيز مستوى الفهم

وقالت آية حسن، رئيس قسم الفريق المكلّف بإنشاء قاعدة البيانات: “تولى فريق مركز سامسونج للبحث والتطوير في الأردن مهمة جمع مجموعة واسعة من التسجيلات الصوتية التي تصور لهجات مختلفة من مصادر متعددة. وقد تم نسخ هذه التسجيلات بدقة، مع التركيز على التقاط الأصوات والمفردات والتعابير الاصطلاحية الفريدة. قمنا بالاستعانة بمجموعة من المتحدثين الأصليين الذين يجيدون هذه اللهجات، ومجهزين بفهم عميق للفوارق والاختلافات بينها، حيث استمعوا بدقة إلى التسجيلات وقاموا يدويًا بنسخ الكلمات المنطوقة إلى نص”.

لقد لعب هذا المسعى دورًا محوريًا في تحسين نظام التعرف التلقائي على الكلام (ASR)، وبالتالي تمكين Galaxy AI من التنقل بفعالية في النسيج الغني للهجات العربية. ويعد ASR بمثابة حجر الزاوية في تسهيل إمكانات الفهم والاستجابة في الوقت الفعلي لـ Galaxy AI.

ويُشير محمد حمدان، المسؤول عن مشروع ASR إلى أنّ إنشاء نظام ASR قادر على استيعاب العديد من اللهجات ضمن نموذج موحد يعدّ مهمة معقّدة، فهو يتطلب فهمًا عميقًا للفوارق اللغوية، وتنظيم البيانات بدقة، واستخدام استراتيجيات النمذجة المتقدمة.

ذروة الابتكار

بعد أشهر طويلة من التخطيط والتطوير والاختبارات، أصبح الفريق مستعدًا لدمج اللغة العربية كخيار لغة لـ Galaxy AI، مما يسهل التواصل عبر الحدود لجمهور أوسع. وقد أدى هذا الجهد المتفاني إلى تعزيز انتشار خدمات Galaxy AI وجعلها في متناول المتحدثين بالغة العربية، مما ساهم بشكل فعال في تقليل الحواجز اللغوية والثقافية بينهم وبين الأفراد في جميع أنحاء العالم، وفي هذه العملية، قام الفريق بإنشاء منهجيات وممارسات رائدة يمكن اعتمادها على نطاق عالمي، ولا يزال العمل جارياً لتعزيز النماذج والقدرات اللغوية لـ Galaxy AI.

في الجزء المقبل، نلتقي بكم من فيتنام لاستكشاف جهود الفريق في تحسين جودة البيانات اللغوية. وسنتعمق في المتطلبات التي ينطوي عليها تدريب نموذج الذكاء الاصطناعي الفعال.

لا تشكل اللغة العربية سوى لغة واحدة من اللغات واللهجات المدمجة حديثًا التي يدعمها الآن Galaxy AI، ويمكن تنزيلها عبر الإعدادات. كما تتوفّر ميّزات اللغة الخاصة بـ Galaxy AI، بما في ذلك الترجمة المباشرة Live Translate والمترجم الفوري Interpreter، على أجهزة Galaxy المجهزة بواجهة One UI 6.1 المحدّثة من سامسونج[2].

[1] اليونسكو، اليوم العالمي للغة العربية 2023، https://www.unesco.org/en/world-arabic-language-day

[2] تمّ إصدار واجهة One UI 6.1 لأول مرة في سلسلة Galaxy S24، ثم امتدت لاحقًا إلى مجموعة واسعة من أجهزة Galaxy، بما في ذلك سلسلة S23 وS23 FE وسلسلة S22 وسلسلة S21 وZ Fold5 وZ Fold4 وZ Fold3 وZ Flip5 وZ Flip4 وZ Flip3 وسلسلة Tab S9 وسلسلة Tab S8.

يخلق الصوت ثلاثي الأبعاد إحساسًا بأن المستمعين منغمسون في تفاصيل الحدث. وقد أصبحت تقنية الصوت ثلاثي الأبعاد، التي كانت موجودة فقط في أماكن محددة مثل دور السينما أو استوديوهات التسجيل؛ متاحة للاستخدام المنزلي، مما يوفر للمشاهدين طريقة جديدة للاستمتاع بالمحتوى المفضل لديهم.

ويسعى معهد سامسونج للبحث والتطوير منذ العام 2020 إلى تعزيز حضور وانتشار تقنية الصوت ثلاثي الأبعاد، ولتحقيق هذه الغاية، عملت سامسونج مع Google لتطوير تقنية نموذج وتنسيقات الصوت الغامرة (IAMF) وهي تقنية صوتية مكانية ثلاثية الأبعاد ومتقدمة تم اعتمادها من قبل تحالف الوسائط المفتوح (AOM) [1]في أكتوبر 2023. وكانت غرفة أخبار سامسونج قد عقدت اجتماعاً مع الفريق الذي قام بتطوير هذه التقنية للوقوف على حيثيات وأسرار صناعتها.

قاد فريق التكنولوجيا المرئية في مركز سامسونج للبحث والتطوير عملية تطوير معيار لتقنية الصوت. (من اليسار) سونغ هي هوانج، جيونج هون بارك، وووهيون نام

أسلوب جديد للاستمتاع بالصوت ثلاثي الأبعاد في المنزل

تنتشر الضوضاء المحيطة في كلّ مكان، ويمكن أن تكون على أشكال عديدة، سواء عبر صوت الخطوات على الرصيف أو أصوات السيارات التي تسير على الطرقات، وفي الوقت الذي تبدو فيه هذه الأصوات غير ضرورية في الوسائط المتعدّدة؛ إلا أنها تعتبر ذات أهمية كبيرة لإضفاء أجواء من الشعور بالواقعيّة. ويعمل الصوت ثلاثي الأبعاد على دمج الضوضاء المحيطة بسلاسة مع المحادثات والمؤثرات الصوتية الأخرى لخلق تجربة ترفيهية أكثر حيوية وواقعيّة.

وقال ووهايون نام من فريق التكنولوجيا المرئية في مركز سامسونج للبحث والتطوير: “يُضفي الصوت ثلاثي الأبعاد واقعيّة حسيّة تجعلك تشعر كما لو كنت في قلب الحدث من خلال ضبط قوة الصوت وحركته وحيويته. وبهذه الطريقة، يستطيع المشاهدون الاستمتاع بصوت أكثر شمولاً يلتقط الجوانب ثلاثية الأبعاد للمشاهد من حولنا”.

سونغ هي هوانغ من فريق التكنولوجيا المرئية بمركز سامسونج للبحث والتطوير

وعلى الرغم من مزايا الصوت ثلاثي الأبعاد، إلا أنه كان من الصعب تطبيق التكنولوجيا على أجهزة الصوت المنزلية بسبب القيود التكنولوجية. وقال سونغ هي هوانغ من فريق التكنولوجيا المرئية في مركز سامسونج للبحث والتطوير: “لا يمكن تفسير المعلومات الصوتية ثلاثية الأبعاد الواردة من المحتوى بشكل صحيح بواسطة أنظمة الصوت المنزلية مثل مكبرات الصوت في التلفزيون أو أشرطة الصوت، مما يؤدي إلى تجربة صوتية محدودة قليلاً تفتقر إلى الكثير من تفاصيل المحتوى الأصلي”.

في حين قال ووهايون نام: “لمعالجة هذا التحدّي، عملت سامسونج مع Google لتطوير حل صوتي يسمح للمشاهدين بتجربة المحتوى الصوتي على النحو المأمول. فإذا كان بإمكان الشركات المصنعة للأجهزة قراءة البيانات الصوتية ثلاثية الأبعاد، فيمكنها إذن ضبط الصوت في الأجهزة الصوتية، مما يسمح بتجارب صوتية غامرة مع مكبرات صوت التلفزيون القياسية أو أشرطة الصوت في المنزل. ومن خلال ضبط الصوت ليتناسب مع بيئة الجهاز المنزلي، يمكن للمستمعين تجربة الصوت تمامًا كما أراد المُنتج دون أي تشوهات في الصوت أو تأثير على الجودة”.

وتبرز هنا الحاجة إلى وجود معيار موحّد لإرسال واستقبال البيانات الصوتيّة بين صنّاع المحتوى والشركات المصنّعة للأجهزة. وقال جيونغ هون بارك، نائب الرئيس التنفيذي ورئيس فريق التكنولوجيا المرئيّة في مركز سامسونج للبحث والتطوير: “ساهمت الخبرة التي تتمتع بها كلّ من سامسونج وجوجل في الأجهزة والمحتوى؛ في تعزيز شراكتيهما لإنشاء تقنية نموذج وتنسيقات الصوت الغامرة IAMF. ومن خلال التعاون معًا لتطوير هذه التكنولوجيا غير المسبوقة، فإننا نُتيح للمستهلكين الاستمتاع بتجارب صوتية ثلاثية الأبعاد في منازلهم”.

ثلاث خصائص لتقنية نموذج وتنسيقات الصوت الغامرة IAMF : الصوت الرأسي، والصوت القائم على الذكاء الاصطناعي، والصوت المخصص

توفر تقنية نموذج وتنسيقات الصوت الغامرة IAMF ثلاث خصائص مميزة تعمل على تحسين تجربة الصوت.

ووهايون نام من فريق التكنولوجيا المرئية في مركز سامسونج للبحث والتطوير

• التعبير الصوتي الرأسي

اقتصرت برامج الترميز الصوتية مفتوحة المصدر السابقة على دعم التعبير الصوتي الأفقي فقط، ومع تقنية نموذج وتنسيقات الصوت الغامرة IAMF، تتوفر الآن إمكانية التعبير الصوتي الرأسي بحيث يصبح الصوت متعدد الاتجاهات بشكل متزايد. وقال ووهايون نام: “تجعل تقنية IAMF الصوت أكثر واقعية، من خلال إتاحة استماع الصوت أمام المستمع أو خلفه أو من الجانبين، وأيضًا من فوقه أو أسفل منه. وعلى هذا النحو، عندما يتم تطبيق تقنية IAMF على مكبرات صوت التلفزيون المنزلي ومكبرات الصوت الأخرى، يُمكن للمستمعين سماع أصوات مثل أصوات الطيور التي تحلق فوق رؤوسهم على أجهزة التلفزيون الخاصة بهم في المنزل.”

• تحليل المشهد القائم على الذكاء الاصطناعي والمؤثرات الصوتية ثلاثية الأبعاد

تستخدم تقنية نموذج وتنسيقات الصوت الغامرة IAMF الذكاء الاصطناعي وتقنية التعلم العميق لتحليل المشاهد والتأكيد على جوانب معينة من المحتوى، وضبط مستويات الصوت للحصول على صوت مُحسّن طوال تجربة المشاهدة. ويضيف ووهايون نام: “في التلفزيون والسينما، هناك مشاهد معينة يكون فيها التركيز الرئيسي على الموسيقى التصويرية أو موسيقى الخلفية، وستعمل تقنيةIAMF  على موازنة الصوت في هذه الحالات. كما ستقوم التكنولوجيا بضبط الصوت عندما يكون هناك حوار بين الشخصيات للسماح للمستمع بالتركيز على المحادثة”.

بالإضافة إلى ذلك، توفر تقنية IAMF صوتًا مثاليًا على الرغم من التغيرات في بيئة الجهاز. وقال: “من خلال ضبط البيانات الصوتية لتحليل المشهد وفقًا لبيئة الجهاز، تتيح تقنية IAMF للمستمعين الاستمتاع بجودة الصوت الأصلية للمحتوى على أجهزة التلفزيون المنزلية”.

• صوت مخصص للغاية

سيتمكن المستخدمون من ضبط وتخصيص الصوت بحرية وفقًا لتفضيلاتهم باستخدام تقنية IAMF. وسواء كان المشاهدون يرغبون بتضخيم المؤثرات الصوتية لمشهد الحركة أو تعزيز جودة ووضوح الحوار، فإن IAMF تمنحهم المرونة لتخصيص المحتوى الصوتي للحصول على تجربة شخصيّة.

تقوم تقنية IAMF بتحليل البيانات من المحتوى وتسمح للمشاهدين بضبط إعدادات الصوت وتخصيصها. عند مشاهدة مباراة رياضية، يمكن للمستخدمين الاختيار مباشرة بين التركيز على صوت المعلق أو أصوات اللعبة نفسها.

تطبيق واسع النطاق لتكنولوجيا الصوت ثلاثي الأبعاد عبر الصناعة من خلال تقنية IAMF مفتوحة المصدر

يعد المصدر المفتوح أمرًا بالغ الأهمية لإنشاء معيار موحد عبر الصناعة، وتعتبر تقنية نموذج وتنسيقات الصوت الغامرة IAMF أول معيار لتكنولوجيا الصوت مفتوح المصدر يتبناه تحالف الوسائط المفتوح AOM مما يعني أن صنّاع المحتوى من الشركات والمستقلين ذوي الصلة يمكنهم الوصول إلى التكنولوجيا وتوسيع استخدامها.

وقال ووهايون نام: “من أجل السماح للأفراد بإنشاء محتوى باستخدام تكنولوجيا الصوت ثلاثي الأبعاد، يجب أن تكون التكنولوجيا ذات الصلة مفتوحة للجميع. إن توفير إطار كامل مفتوح المصدر للصوت ثلاثي الأبعاد، بدءًا من الإنشاء وحتى التسليم والتشغيل، سيسمح بتجارب محتوى صوتي أكثر تنوعًا في المستقبل.”

وتحدّث كذلك بارك في هذا الإطار، مسلّطاً الضوء على شكل التأثير المستقبلي لتقنية IAMF على المشهد الصوتي. وقال: “نظرًا لأننا نعيش في عصر تهيمن عليه صناعة المحتوى، فإن تقنية IAMF ستساعد في تعزيز حضور المنظومة الصوتية ثلاثية الأبعاد والارتقاء بدورها”.

التعاون مفتاح النجاح

انطلقت مساعي البحث والتطوير لتقنية نموذج وتنسيقات الصوت الغامرةIAMF  في عام 2020 واستغرق استكماله ما يقرب من أربع سنوات. ومن خلال الجهود المستدامة والعمل الراسخ، تمكن الفريق من تحقيق النجاح.

وقال هوانغ: “كان العمل على المشروع متواصلاً على مدار اليوم، وأحياناً تطلّب الأمر منّا العمل ليلاً لمراعاة فارق التوقيت بيننا وبين مكتب عمل Google. وعلى الرغم من هذه التحديات، كنت فخوراً في النهاية، فقد شكّلت فرصة رائعة للعمل مع مطورين من بلدان أخرى.”

رسّخت فرق العمل في هذا المشروع علاقات عمل وثيقة ووديّة طوال فترة التعاون، نتج عنها أساس متين من الثقة المتبادلة. ويقول بارك في هذا الإطار: “أستذكر كيف وصف أحد موظفي Google الشراكة مع سامسونج بأنها شكّلت التعاون الأكثر تناغماً الذي حظي به حتى الآن. لقد تمكنا بالفعل من إنجاز هذا المشروع بفضل الثقة التي أولتها الفرق لبعضها البعض. أشعر بالفخر تجاه ذلك، وأنا في غاية الامتنان لجهود أعضاء فريقنا وتعاونهم”.

جيونغ هون بارك، نائب الرئيس التنفيذي ورئيس فريق التكنولوجيا المرئية في مركز سامسونج للبحث والتطوير

وأشاد بارك بالمهارات والخبرات الفريدة التي يتمتع بها أعضاء الفريق، والتي ساهمت في تطوير تقنية نموذج وتنسيقات الصوت الغامرة IAMF . وقال: “لعب ووهيون نام دورًا أساسيًا في اقتراح أفكار تطوير التقنية، في حين قام سونغ هي هوانغ بتنظيم وتوثيق أفكار فريقنا بطريقة واضحة وسلسة”.

رؤية “صوتيات سامسونج”

في أعقاب إصدار تقنية نموذج وتنسيقات الصوت الغامرة IAMF؛ أدرك فريق مركز سامسونج للبحث والتطوير أن توحيد الصوت المكاني ثلاثي الأبعاد يمثل حقبة جديدة من تكنولوجيا الصوت.

وقال نام: “مهّدت تقنية IAMF الطريق أمامنا لاستكشاف مجموعة من التقنيات الصوتية الجديدة، والتي يُمكن أن تفتح إمكانات جديدة وواسعة في هذا الإطار”. وتماشيًا مع ذلك، يعمل فريق مركز سامسونج للبحث والتطوير حاليًا على تطوير نسخة متقدمة من تقنية IAMF التي يمكن تطبيقها على قطاعات مختلفة مثل الأجهزة المحمولة، وألعاب الفيديو، وغيرها.

ساهمت جهودهم المشتركة ومثابرتهم المستدامة في تمكين فريق التكنولوجيا المرئية في مركز سامسونج للبحث والتطوير من وضع معيار جديد للصوت ثلاثي الأبعاد.

يعدّ النجاح الذي حققته تقنية  IAMFبمثابة حافز لفريق مركز سامسونج للبحث والتطوير، دفعهم نحو تطوير تقنيات صوتيّة محسّنة من شأنها تعزيز تجربة المستهلكين. وقد عبّر أعضاء الفريق عن تطلعاتهم لتشكيل مستقبل الصوت ثلاثي الأبعاد.

أعرب نام عن تطلّعه لتطوير وتعزيز حدود تكنولوجيا الصوت إلى أبعد من ذلك. وقال: “أسعى نحو إنشاء تقنية صوتية ثلاثية الأبعاد أكثر تقدمًا، توفّر للمستخدمين تجربة غامرة للغاية بشكل يجعلهم يشعرون وكأنهم حقًا جزء من المحتوى سواء كان مشهداً من فيلم أو برنامجاً تلفزيونياً أو حدثاً مباشراً. وآمل أيضًا مواصلة سلسلة الأبحاث حتى يتم تطبيق الصوت ثلاثي الأبعاد على هواتف سامسونج الذكية.”

في حين شارك هوانغ طموحه الأوسع في أن تتمكن سامسونج من تطوير تقنيات صوتية فريدة، تضعها بين روّاد شركات الصوت الأخرى. وقال: “أهدف إلى تطوير تقنية يُمكن للمستخدمين التعرّف عليها بسهولة باسم (صوتيات سامسونج). أنا متفائل بأن معيار IAMF هو نقطة انطلاق نحو تحقيق هذا الهدف.”

بدوره قال بارك: “آمل أن تمكّن تقنية الصوت من سامسونج المستهلكين من الاستمتاع بتجربة صوتية محسّنة وفي مستوى مماثل للتجارب المرئية الحالية. وأتمنى أن يوظّف صنّاع المحتوى تقنية الصوت من سامسونج لتسهيل الوصول إلى المحتوى الصوتي ثلاثي الأبعاد. كما نهدف إلى تهيئة بيئة داعمة تمكن الباحثين من المضي قدماً في المبادرات الطموحة مثل توسيع تكنولوجيا الصوت من سامسونج”.

ستساهم المعايير التكنولوجية الجديدة مثل تقنية نموذج وتنسيقات الصوت الغامرة IAMF في توفير تجربة ترفيهيّة فريدة للمشاهدين بشكل واسع النطاق. ويعمل فريق مركز سامسونج للبحث والتطوير على تمهيد الطريق للابتكارات التي من شأنها أن تحدث ثورة في مستقبل الصوت.

[1] تحالف صناعي غير ربحي تم إنشاؤه لتطوير ومشاركة التكنولوجيا لتوصيل الوسائط المتعددة، مما يسمح للمبدعين باستخدام التكنولوجيا دون القلق بشأن التكلفة. يتم تشغيله من قبل تحالف يضم 38 شركة بما في ذلك سامسونج وGoogle وAmazon وApple  وMeta .