إنفيديا تطلق Nemotron 3.5 Transcribe: نموذج مفتوح لتفريغ الصوت

30 أكتوبر 2026 · Cortex Solutions

أطلقت إنفيديا في 28 أكتوبر نموذج Nemotron 3.5 Transcribe مفتوح الأوزان، يفرّغ التسجيلات الصوتية بـ40 لغة ويترجم 31 منها ويميّز المتحدثين في تسجيلات تصل إلى ساعة.

أعلنت إنفيديا يوم 28 أكتوبر 2026 عن نموذج جديد لتحويل الكلام إلى نص باسم Nemotron 3.5 Transcribe، وطرحته نموذجًا مفتوح الأوزان يمكن للمطورين والشركات تنزيله وتشغيله على أجهزتهم. وجاء الإعلان عبر مدونة إنفيديا على منصة Hugging Face وبطاقة النموذج الرسمية، وغطّته في اليوم نفسه مواقع تقنية منها TechCrunch في تقرير كتبته جولي بورت، وThe Next Web في تقرير آنا ماريا كونستانتين.

ماذا يفعل النموذج؟

بحسب مدونة إنفيديا، يفرّغ النموذج الكلام في 40 لغة، ويترجم 31 منها من الإنجليزية وإليها، ويميّز ما يصل إلى ثمانية متحدثين في التسجيل الواحد، ويتعامل مع تسجيلات يصل طولها إلى ساعة. أي أنه لا يكتفي بتحويل الصوت إلى كلمات، بل يحدد من قال ماذا، وهي ميزة مهمة في تفريغ الاجتماعات والمكالمات والمقابلات.

ومن ناحية اللغة العربية، يظهر في جدول اللغات المنشور على بطاقة النموذج في Hugging Face أن العربية مدعومة في التفريغ، والترجمة من الإنجليزية وإليها، والتفريغ متعدد المتحدثين، والتنقل بين اللغات في الحديث الواحد. ولم تذكر التقارير الصحفية العربية بالاسم، لذا يبقى الجدول الرسمي هو المرجع في هذه النقطة.

البنية والحجم

تصف إنفيديا النموذج بأنه نموذج لغوي هجين من نوع «خليط الخبراء» يجمع بين معماريتي Mamba وTransformer، ومبني على نموذجها Nemotron 3.5 Lightning. وتقول مدونة الشركة إن نحو 4 مليارات فقط من أصل 30 مليار معامل تعمل في كل خطوة، ما يجعل تشغيله أسرع وأقل كلفة. أما بطاقة النموذج فتذكر 34 مليار معامل إجمالًا بعد احتساب مُرمِّز الصوت. وبحسب The Next Web، يعمل النموذج على شريحة واحدة من إنفيديا، من لوحات Jetson الصغيرة إلى معالجات مراكز البيانات.

الأداء بحسب أرقام إنفيديا

• يحتل النموذج المركز الأول بين النماذج مفتوحة الأوزان في لوحة Open ASR التابعة لـHugging Face للغة الإنجليزية، بمعدل خطأ في الكلمات 5.33%، وفق مدونة إنفيديا وThe Next Web.
• على مؤشر Artificial Analysis يتقاسم المركز الأول بين النماذج المفتوحة بمعدل خطأ 2.8%، بحسب مدونة الشركة.
• تقول إنفيديا إن بطاقة رسوميات واحدة من طراز RTX PRO 6000 Blackwell تستطيع تفريغ 100 ساعة من الصوت في أقل من ثلاث دقائق باستخدام نسخة NVFP4 القادمة.

وهذه أرقام أعلنتها الشركة نفسها، ومن الطبيعي أن تختلف النتائج الفعلية حسب جودة التسجيل واللهجة وطبيعة المحتوى.

حدود يجب معرفتها

أوضحت إنفيديا وTechCrunch أن النموذج مصمم للتسجيلات المحفوظة لا للبث المباشر. وتنص بطاقة النموذج على أنه نموذج غير متزامن، وأن تقسيم الصوت داخليًا لا يجعله خدمة تفريغ لحظية. أي أنه مناسب لتفريغ مكالمة أو اجتماع بعد انتهائه، لا لترجمة فورية أثناء الحديث.

الترخيص والتوفر

تذكر بطاقة النموذج أن استخدامه يخضع لرخصة OpenMDW الإصدار 1.1، وأنه جاهز للاستخدام التجاري وغير التجاري. وهو متاح على Hugging Face وModelScope، وعبر خدمات استضافة منها Baseten وDeepInfra وSimplismart. وأعلنت DeepInfra في مدونتها يوم 28 أكتوبر أن سعر استخدامه لديها 0.002 دولار للدقيقة، أي 0.12 دولار للساعة، مع الإشارة إلى أن ميزة تمييز المتحدثين في واجهتها البرمجية «قادمة قريبًا».

Granary v2: بيانات مفتوحة أيضًا

أطلقت إنفيديا مع النموذج الإصدار الثاني من مجموعة بياناتها الصوتية المفتوحة Granary. وبحسب مدونة الشركة، تضم 463,062 ساعة من الكلام في 48 لغة من 16 مصدرًا، بعد أن كان الإصدار الأول يغطي 25 لغة. وتنبّه إنفيديا إلى أن الصوت الأصلي يُنزَّل من كل مصدر وفق ترخيصه الخاص.

وقدّمت الشركة مثالًا على تكييف النموذج لمجال متخصص: بعد تكييفه ببيانات شملت تسجيلات طبية وكلامًا إنجليزيًا بلكنات متنوعة، واختباره على تسجيلات أطباء هنود من معيار Eka Care، انخفض معدل الخطأ من 22.44% إلى 12.17%، أي بانخفاض نسبي قدره 45.8%، في نحو 14 ساعة حوسبة على معالج واحد.

ماذا يعني هذا للشركات السعودية؟

• تفريغ المكالمات والاجتماعات داخل المنشأة: بما أن الأوزان مفتوحة، تستطيع الشركات التي تهتم بخصوصية البيانات تشغيل التفريغ على خوادمها، وهذا ينسجم مع متطلبات حماية البيانات الشخصية في المملكة.
• خدمة العملاء: تسجيلات مراكز الاتصال يمكن تحويلها إلى نصوص قابلة للبحث، مع تمييز صوت الموظف عن العميل، لاستخراج الشكاوى المتكررة وتقييم الجودة.
• العربية مدرجة رسميًا: وجود العربية في جدول اللغات المدعومة خطوة مهمة، لكن على الشركات اختبار النموذج على لهجاتها وتسجيلاتها الفعلية قبل الاعتماد عليه، لأن الأرقام المعلنة تركز أساسًا على الإنجليزية.
• الكلفة: النماذج المفتوحة والأسعار المنخفضة لدى مزودي الاستضافة تجعل تفريغ آلاف الساعات في متناول الشركات المتوسطة.
• التكييف للمجال: مثال البيانات الطبية يوضح أن تدريب النموذج على مصطلحات قطاع معين، كالتأمين أو العقار أو الصحة، قد يحسّن دقته بشكل واضح.

وفي كورتكس سوليوشنز نساعد الشركات على دمج قدرات الذكاء الاصطناعي الصوتي في أعمالها، من مراكز الاتصال إلى أتمتة العمليات. تعرّف على خدماتنا في الذكاء الاصطناعي والأتمتة: https://cortex.sa/services/ai-automation