سباق الذكاء الاصطناعى لخفض تكلفة تحويل الصوت إلى نص

يتجه الذكاء الاصطناعي إلى جعل التعامل مع الصوت أكثر سهولة وأقل تكلفة، بعدما أصبحت تقنيات تحويل الكلام إلى نص جزءًا من أدوات العمل اليومية، من الاجتماعات والمقابلات إلى خدمة العملاء وصناعة المحتوى.

نموذج مايكروسوفت الجديد

وفي هذا السياق، طورت "مايكروسوفت" نموذج "إم إيه آي ترانسكريـب-2"، المصمم لتحويل التسجيلات الصوتية إلى نصوص مكتوبة مع القدرة على التمييز بين المتحدثين وتحديد توقيت الكلمات.

ويدعم النموذج 60 لغة، ما يجعله مناسبًا للتعامل مع الاجتماعات والمقابلات والتسجيلات الطويلة التي تضم أكثر من متحدث، بدل الاكتفاء بتحويل الصوت إلى نص بصورة متواصلة دون معرفة صاحب كل جملة.

تغطية اللغات وتحديد المتحدثين

وتحاول الشركة من خلال النموذج معالجة مشكلة أساسية في استخدام أدوات الصوت، وهي تكلفة تشغيلها على نطاق واسع، إذ أعلنت سعرًا يبلغ 0.10 دولار لكل ساعة من التسجيلات الصوتية حتى نهاية عام 2026.

وتتجاوز أهمية هذه التقنية مسألة تفريغ التسجيلات، إذ يمكن استخدامها في إعداد نصوص الاجتماعات تلقائيًا، وإنشاء ترجمات، وتنظيم أرشيفات صوتية ومرئية، والبحث داخل ساعات طويلة من التسجيلات دون الحاجة إلى الاستماع إليها بالكامل.

ومع توسع استخدام المساعدات الذكية، تتحول القدرة على فهم الصوت إلى واحدة من ساحات المنافسة الرئيسية بين شركات الذكاء الاصطناعي، إلى جانب النصوص والصور والفيديو.