الثلاثاء، 17 نوفمبر 2026

07:47 ص

نظام جديد.. ذكاء اصطناعي يقرأ الشفاه ويحول المحادثات الصامتة لنصوص مكتوبة (تفاصيل)

الثلاثاء، 17 نوفمبر 2026 07:00 ص

تحول المحادثات الصامتة إلى نصوص مكتوبة

تحول المحادثات الصامتة إلى نصوص مكتوبة

نجح باحثون في تطوير نظام ذكاء اصطناعي جديد قادر على قراءة حركة الشفاه وتحويل الكلام إلى نصوص مكتوبة دون الحاجة إلى تسجيل الصوت، محققًا نتائج متقدمة في اختبارات التعرف على الكلام من خلال مقاطع الفيديو الصامتة، في تطور قد يفتح آفاقًا جديدة للتواصل مع الأشخاص من ذوي الإعاقة السمعية، ويساعد على فهم المحادثات في الأماكن شديدة الضوضاء.

وطور النظام باحثون في المعهد الكوري المتقدم للعلوم والتكنولوجيا (KAIST)، وأطلقوا عليه اسم DLLM-VSR، ويعتمد على تحليل الحركات البصرية للشفاه والاستعانة بالسياق اللغوي لاستنتاج الكلمات المنطوقة، وحقق النظام معدل خطأ في التعرف على الكلمات بلغ 19.4%، مسجلًا نتيجة قياسية بين الأنظمة التي جرى تدريبها باستخدام مجموعة البيانات نفسها.

كيف يستطيع الذكاء الاصطناعي قراءة الشفاه؟

تواجه تقنيات قراءة الشفاه تحديًا كبيرًا يتمثل في تشابه الحركات التي تنتج عن نطق بعض الحروف، إذ يصعب التمييز بصريًا بين أصوات مثل P وB وM في اللغة الإنجليزية دون الاستعانة بالصوت، وأنظمة التعرف التقليدية التي تحلل الكلمات بالتتابع قد تتأثر بأي خطأ في بداية الجملة، وهو ما ينعكس على دقة تفسير بقية الحديث.

وللتغلب على هذه المشكلة، استعان الباحثون بنموذج لغوي كبير قائم على تقنية الانتشار (Diffusion Large Language Model)، يختلف عن الأساليب التقليدية التي تعالج الكلمات بالترتيب، إذ يبدأ بتحديد الكلمات والمقاطع التي يستطيع التعرف عليها بدرجة ثقة مرتفعة، ثم يستخدمها لفهم الأجزاء غير الواضحة، مستفيدًا من السياق السابق واللاحق للجملة، وينشئ النظام احتمالات متعددة لطول الجملة وفقًا لمدة الفيديو، ثم يقارن بينها لاختيار النص الأكثر ترجيحًا.

19.4% معدل خطأ في التعرف على الكلمات

أظهرت نتائج الاختبارات أن النظام سجل معدل خطأ بلغ 19.4% على معيار LRS3، بالاعتماد على مجموعة بيانات تضم 433 ساعة من مقاطع الفيديو المصنفة، ويقيس هذا المؤشر نسبة الكلمات التي جرى التعرف عليها بصورة خاطئة أو لم يتمكن النظام من تحديدها، إلى جانب الكلمات الإضافية التي قد يدرجها في النص، ولا يعني أن النظام أخفق في فهم 19.4% من المحادثات بالكامل.

تطبيقات واعدة ومخاوف تتعلق بالخصوصية

يمكن أن تمتد استخدامات التقنية إلى مساعدة الأشخاص من ذوي الصمم وضعف السمع على فهم المحادثات من خلال تحويل حركة الشفاه إلى نصوص مكتوبة، فضلًا عن استخدامها في المصانع والمنشآت الصناعية التي تتسبب فيها أصوات المعدات والآلات في صعوبة التواصل الصوتي، ويمكن أن تدخل مستقبلًا في الأجهزة القابلة للارتداء والروبوتات، بما يسمح بتحليل المحادثات دون الحاجة إلى اتصال دائم بالإنترنت.

ورغم النتائج الواعدة، لا تزال التقنية بحاجة إلى مزيد من التطوير قبل استخدامها على نطاق واسع، خاصة فيما يتعلق بتقليل متطلباتها الحاسوبية وتحسين أدائها في ظروف التصوير المختلفة، والوصول إلى معالجة فورية للكلام، وتثير قدرتها على استنتاج محتوى المحادثات من مقاطع الفيديو الصامتة تساؤلات بشأن الخصوصية، وإمكانية تحليل أحاديث الأشخاص دون تسجيل أصواتهم، ما يجعل وضع ضوابط واضحة لاستخدام هذه التقنيات ضرورة بالتوازي مع تطورها.

اقرأ أيضًا:

منخفضة التكلفة.. 8 مشروعات برمجة وإلكترونيات تفتح أبواب الاستثمار أمام الشباب في 2026

Short Url

search