BroadRouter
ابدأ الآن

تحويل الصوت إلى نص باللهجات العربية: خليجي ومصري وشامي ومغاربي

بقلم فريق BroadNet Inference · قراءة في 5 دقائق · تاريخ النشر · آخر تحديث

تختلف اللهجات العربية عن الفصحى في الأصوات والمفردات والإملاء، ويمزج المتحدثون فيها الإنجليزية أو الفرنسية، لذا تسجّل نماذج ASR المدرَّبة أساسًا على العربية الرسمية نتائج أسوأ بكثير عليها. لاختبار مزود، ابنِ مجموعة اختبار لكل لهجة من تسجيلاتك الحقيقية، وثبّت قاعدة إملائية، ثم احسب WER وCER ودقة الكيانات لكل لهجة.

يتعثر تحويل الكلام إلى نص مع اللهجات العربية لأنها تختلف عن العربية الفصحى الحديثة (MSA) في الأصوات والمفردات والإملاء، ولأن المتحدثين يمزجون الإنجليزية أو الفرنسية. ولتعرف أداء مزود ما، ابنِ مجموعة اختبار صغيرة لكل لهجة من تسجيلاتك الحقيقية، واحسب نتيجة كل لهجة على حدة.

متصل من الرياض، ورسالة صوتية من القاهرة، ومكالمة دعم من الدار البيضاء: كلها «عربية»، وقد يتعامل نموذج واحد مع الأولى جيدًا ومع الثالثة بشكل سيئ.

يشرح هذا المقال ما يجعل كل مجموعة لهجات رئيسية صعبة على التعرف على الكلام، وكيف تبني اختبارًا يكشف أداء المزود على لهجاتك أنت. وللاطلاع على قائمة الشراء الأشمل (السعر والحدود والخصوصية)، راجع دليل شراء API تحويل الصوت العربي إلى نص.

لماذا تصعب اللهجات العربية على التعرف على الكلام؟

تتراكم أربع مشكلات:

  1. أصوات مختلفة. يُنطق الحرف نفسه بطرق مختلفة حسب المنطقة، فعلى النموذج الصوتي أن يربط عدة أصوات بكتابة واحدة.
  2. مفردات مختلفة. تختلف الكلمات اليومية من لهجة إلى أخرى. وقد «يصحّح» نموذج مدرَّب أساسًا على الفصحى كلمةً عامية إلى مقابلها الفصيح، فيُحتسب ذلك خطأً إن كان نصك المرجعي حرفيًا.
  3. لا إملاء موحّدًا. تُكتب اللهجات كتابة غير رسمية، فحتى مفرّغان بشريان يختلفان. وبيانات التدريب غير متوازنة أيضًا: تشير دراسة عن تغطية اللهجات صدرت عام 2024 إلى أن أنظمة ASR الحالية “mainly cover the modern standard Arabic (MSA) variety and few high-resource dialects” (الترجمة: «تغطي أساسًا العربية الفصحى الحديثة وعددًا قليلًا من اللهجات الغنية بالموارد») (arXiv 2411.05872).
  4. التبديل اللغوي. يمزج المتحدثون الإنجليزية أو الفرنسية في منتصف الجملة. وتوسم مجموعة بيانات Casablanca، التي تغطي ثماني لهجات، التبديلَ اللغوي إلى جانب اللهجة والجنس.

ولهذا السبب تحديدًا تقيّم ورقة Open Universal Arabic ASR Leaderboard (Interspeech 2025) النماذج مفتوحة المصدر على عدة مجموعات اختبار متعددة اللهجات: فنتيجة عربية واحدة تخفي التفاوت.

كيف تُربك كل لهجة عربية أنظمة التعرف على الكلام؟

مجموعة اللهجات أين مواضع التعثر المعتادة في ASR
الخليجية السعودية والإمارات والكويت وقطر والبحرين وعُمان أسماء منتجات وأرقام ومصطلحات تجارية بالإنجليزية وسط الكلام؛ نطق إقليمي للقاف والكاف
المصرية مصر الجيم تُنطق جيمًا قاهرية (g)؛ القاف غالبًا همزة؛ شائعة جدًا في الإعلام، فتراها النماذج عادة أكثر
الشامية سوريا ولبنان والأردن وفلسطين القاف همزة في كلام المدن؛ فرنسية أو إنجليزية ممزوجة، خاصة في لبنان
المغاربية (الدارجة) المغرب والجزائر وتونس وليبيا الأبعد عن الفصحى؛ حذف الحركات القصيرة؛ تبديل كثيف إلى الفرنسية؛ كلمات دخيلة من الأمازيغية
العراقية العراق مفردات ونطق مميزان؛ صوت تدريب عام أقل

هذه ميول لا قواعد. فكلام المدن يختلف عن كلام الريف داخل كل مجموعة، والمتحدثون الأصغر سنًا يبدّلون اللغة أكثر. والمقصود أن كل مجموعة تخفق بطريقتها، فاحسب نتيجة كل مجموعة على حدة.

كيف تبني مجموعة اختبار للهجات العربية؟

1. خذ عينات صوت حقيقية لكل لهجة

اسحب 30 إلى 50 مقطعًا لكل لهجة من القناة التي ستعمل عليها في الإنتاج: مكالمات هاتفية، ورسائل واتساب الصوتية، وتسجيلات الاجتماعات. فصوت الهاتف بتردد 8 kHz يتصرف بشكل مختلف عن صوت الاستوديو. صنّف كل مقطع حسب اللهجة، ووسِم المقاطع التي تحتوي على الإنجليزية أو الفرنسية.

2. اتفق على قاعدة إملائية أولًا

قبل أن يكتب أحد أي نص مرجعي، قرّر:

  • لهجة حرفية (اكتب ما قيل، بإملاء اللهجة)، أو
  • نص موحّد (حوّله إلى صيغة ثابتة).

دوّن اختيارك مع أمثلة. فإن كانت النصوص المرجعية حرفية وأخرج النموذج كلمات أقرب إلى الفصحى، فسيبدو WER سيئًا جدًا حتى لو كان المعنى صحيحًا. لا خيار خاطئ هنا، لكن يجب أن يطابق ما يحتاجه نظامك اللاحق.

3. اكتب نصوصًا مرجعية لعشرة مقاطع لكل لهجة

اطلب من متحدثين أصليين بتلك اللهجة تفريغها. وفي المقاطع المختلطة لغويًا، قرّر هل تبقى الكلمات الإنجليزية بالحروف اللاتينية، وطبّق القرار في كل مكان.

4. وحّد الطرفين، ثم احسب النتيجة

احذف التشكيل، ووحّد صور الألف (إ أ آ إلى ا) والياء في آخر الكلمة (ى إلى ي)، وأزل علامات الترقيم، وحوّل الأرقام العربية المشرقية إلى أرقام غربية. ثم احسب:

المقياس لماذا
WER لكل لهجة المقياس المعتاد؛ صارم مع الضمائر المتصلة والسوابق
CER لكل لهجة أكثر تسامحًا مع اختلاف الإملاء
دقة الكيانات نسبة الأرقام والتواريخ والأسماء المفرّغة بدقة تامة
WER لمجموعة المقاطع المختلطة لغويًا يبيّن هل تنجو الكلمات الإنجليزية أو الفرنسية

تحسب حزمة jiwer معدلي WER وCER؛ ويضم مقال شرح WER للعربية دالة توحيد يمكنك إعادة استخدامها، ومثالًا محلولًا يبيّن كم تغيّر النتيجة.

5. اقرأ النصوص المفرّغة

الأرقام هي ما يحدد نجاح سير عمل مركز اتصال أو مصرف. اقرأ 20 نصًا مفرّغًا لكل لهجة، وتحقق يدويًا من كل رقم وتاريخ واسم.

ماذا تخبرك أرقام WER العربية المنشورة؟

تعطيك الاختبارات المعيارية العامة اتجاهًا، لا وعدًا. تنشر BroadNet ثلاثة أرقام WER لنموذج BroadNet Transcribe Arabic في دليل نماذجها: 3.8 على FLEURS-ar (كلام مقروء نظيف)، و21.1 على MASC-ar (كلام واقعي متنوع)، و23.4 على مجموعة اللهجات الخاصة بها. هذه قفزة بستة أضعاف للنموذج نفسه بين الكلام المقروء وكلام اللهجات، ولهذا تختبر على لهجاتك أنت.

وعندما تقارن المزودين، قارنهم على مجموعة الاختبار نفسها. فلوحة ترتيب مثل Open Universal Arabic ASR Leaderboard مفيدة لأن كل نموذج يُقيَّم بالطريقة نفسها. أما رقم المورّد على مجموعته الخاصة فلا يُقارن برقم مورّد آخر.

أي LLM يجب أن يقرأ النصوص المفرّغة باللهجات؟

عادة ما تُغذّى النصوص المفرّغة إلى LLM: لتلخيص مكالمة، أو توجيه تذكرة، أو الإجابة عن سؤال. وهذا النموذج يحتاج أيضًا إلى قراءة اللهجة. يشرح دليلنا لاختيار LLM للعربية كيف تختبره، وQwen3.8 27B هو النموذج الذي اختبرته BroadNet على اللهجتين الخليجية والمصرية.

أين يناسب BroadNet Inference

صُمّم BroadNet Transcribe Arabic للعربية بما فيها اللهجات، ويكلّف $0.0042 للدقيقة ($0.25 للساعة)، وتذكر BroadNet أنه #2 من أصل 37 (وهو رقمها لشهر سبتمبر 2026؛ وأدرجته اللوحة المباشرة في المرتبة #4 من أصل 39 في 15 نوفمبر 2026) على Open Universal Arabic ASR Leaderboard، والأول بين النماذج التي تسمح تراخيصها بتقديمها عبر API. وللأرقام والتواريخ والأسماء في الصوت المشوَّش، تقدّم BroadNet نسخة مضبوطة ضبطًا دقيقًا عند الطلب. يغطي الرصيد المبدئي البالغ $5 نحو 1,190 دقيقة، وهذا يكفي للاختبار الكامل أعلاه؛ وتحوّل حاسبة تكلفة تحويل الكلام إلى نص حجمك الإنتاجي إلى فاتورة شهرية. أنشئ مفتاحًا لتبدأ.

لا تنشر BroadNet أرقام WER منفصلة لكل مجموعة لهجات. ولهذا بالضبط عليك إجراء هذا الاختبار: فرقم مجموعة اللهجات لديها رقم واحد، وعملاؤك يتحدثون لهجة أو اثنتين، لا كلها.

أسئلة شائعة

ما أصعب لهجة عربية على أنظمة التعرف على الكلام؟

لا يوجد ترتيب عام؛ فالأمر يعتمد على بيانات تدريب النموذج. وكثيرًا ما تكون اللهجات المغاربية، كالمغربية والجزائرية، صعبة لأنها الأبعد عن العربية الفصحى وتمزج الفرنسية. اختبر لهجتك أنت بدل الاعتماد على ترتيب عام.

هل يفهم تحويل الصوت إلى نص اللهجة المصرية؟

غالبًا أفضل من اللهجات الأقل انتشارًا، لأن المصرية واسعة الحضور في الإعلام، لكن توقّع دقة أقل مما على العربية الرسمية. قِسها على تسجيلاتك أنت.

هل أستخدم WER أم CER للعربية؟

استخدم الاثنين. يعدّ WER الكلمات كاملة، فخطأ في سابقة أو ضمير متصل يجعل الكلمة كلها خاطئة. أما CER فيعدّ الحروف، وهو أكثر تسامحًا مع اختلاف الإملاء، وهذا مهم في لهجات لا إملاء موحّدًا لها.

كم مقطعًا صوتيًا أحتاج لاختبار مزود ASR عربي؟

نحو 30 إلى 50 مقطعًا حقيقيًا لكل لهجة، منها 10 على الأقل لكل لهجة مفرّغة يدويًا لتكون نصوصًا مرجعية. هذا يكفي لرؤية الفروق الكبيرة بين المزودين.

هل يهم رمز اللغة مع اللهجات العربية؟

أرسل language=ar. تشترك اللهجات في الرمز ar على معظم الواجهات. ومن دونه، تعيد بعض النماذج الكلام العربي مكتوبًا بحروف لاتينية.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity