طرحت Meta أول نموذج حقيقي لاستشعار الصوت في الوقت الفعلي، Muse Voice Transcribe. ويحوّل النظام، الذي طورته Meta Superintelligence Labs، الكلام إلى نص، ويميّز بين المتحدثين، ويحدد ما إذا كان الحديث قد انتهى أم لا. ويمكن للنموذج معالجة التسجيلات التي تتجاوز مدتها ساعة واحدة والمحادثات التي تضم أكثر من 20 متحدثًا من دون معالجة إضافية. ودُرّب النموذج على أكثر من 70 لغة، وخضعت 25 منها لعملية تحقق شاملة قبل الإصدار الأول؛ كما يمكنه التعرف على الانتقال بين اللغات والأسماء الخاصة بالاستناد إلى السياق. ويراعي نظام «زمن الاستجابة التكيفي»، الذي يعالج المحادثات في مقاطع مدتها 80 ميلي ثانية، التوازن بين السرعة والدقة. ومن خلال التمييز بين بداية الحديث ونهايته، يحدد النظام توقيت الاستجابة في التطبيقات الصوتية. وأعلنت Meta أن النموذج احتل المركز الأول في تصنيف Artificial Analysis اعتبارًا من 1 سبتمبر. وأُضيفت التقنية إلى ميزة الإملاء على سطح المكتب في Meta AI وإلى Muse Code. وتبلغ تكلفة API نحو 3 دولارات لكل ألف دقيقة، أي قرابة 18 سنتًا في الساعة. ولا يُعرف ما إذا كان سيُدمج في WhatsApp وInstagram وMessenger.
لماذا هذا مهم؟
يتعلق الأثر العملي لهذا التطور بقدرة التطبيقات الصوتية على معالجة ليس فقط تحويل الكلام إلى نص، بل أيضًا تحديد المتحدث ووقت انتهاء التفاعل. ويهم هذا الأمر خصوصًا المطورين الذين يعملون على تسجيلات طويلة، ومحادثات متعددة المشاركين، ومحادثات تُستخدم فيها أكثر من لغة؛ كما يمكن أن يوفر تمييز الانتقالات بين اللغات والأسماء الخاصة استنادًا إلى السياق قيمة إضافية في حالات الاستخدام هذه. وتتيح المعالجة في الوقت الفعلي وزمن الاستجابة التكيفي للتطبيقات تحديد توقيت إنتاج الردود وفقًا لتدفق الكلام في النموذج. وفي حين يتيح الإعلان عن رسوم API للراغبين في استخدام التقنية احتساب التكلفة مسبقًا، يظل ما إذا كان النموذج سيُضاف إلى WhatsApp وInstagram وMessenger سؤالًا مفتوحًا من حيث تأثيره في تجربة المستخدم.
الخلفية
ليست Meta غريبة عن اسم FikirPilot في الأرشيف: فقد نشرنا 4 أخبار ورد فيها هذا الاسم خلال آخر 90 يومًا؛ وأحدثها مؤرخ في 30 أغسطس 2026.