---
title: "التعرف على الكلام باللهجات العربية: كيف تختبر ASR | BroadRouter"
description: "لماذا يتعثر تحويل الصوت إلى نص مع اللهجات الخليجية والمصرية والشامية والمغاربية، وكيف تبني مجموعة اختبار لكل لهجة تكشف أداء المزود على تسجيلاتك."
url: https://broadrouter.com/ar/blog/arabic-dialect-speech-recognition/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/arabic-dialect-speech-recognition/) (حُدّث في 2026-11-16).

# تحويل الصوت إلى نص باللهجات العربية: خليجي ومصري وشامي ومغاربي

بقلم فريق BroadNet Inference · قراءة في 5 دقائق · تاريخ النشر 2026-11-14 · آخر تحديث 2026-11-16

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.

## أبرز النقاط

-   اللهجة عامل رئيسي في دقة التعرف على الكلام العربي: تذكر BroadNet أن النموذج نفسه يسجّل WER قدره 3.8 على العربية المقروءة و23.4 على كلام اللهجات.
-   لا إملاء موحّدًا للهجات، فقرّر قبل حساب النتيجة: هل النصوص المرجعية حرفية باللهجة أم موحّدة؟
-   الكلام الخليجي يمزج الإنجليزية، والمغاربي يمزج الفرنسية. احسب نتيجة المقاطع المختلطة لغويًا كمجموعة مستقلة.
-   أبلغ عن WER وCER لكل لهجة، وعن الدقة في الأرقام والأسماء. لا تثق أبدًا برقم متوسط واحد.
-   ثلاثون إلى خمسون مقطعًا لكل لهجة، منها عشرة بنصوص مرجعية مدقَّقة يدويًا، تكفي لترتيب المزودين.

**في هذه الصفحة**

1.  لماذا تصعب اللهجات العربية على التعرف على الكلام؟
2.  كيف تُربك كل لهجة عربية أنظمة التعرف على الكلام؟
3.  كيف تبني مجموعة اختبار للهجات العربية؟
4.  ماذا تخبرك أرقام WER العربية المنشورة؟
5.  أي LLM يجب أن يقرأ النصوص المفرّغة باللهجات؟
6.  أين يناسب BroadNet Inference

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](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/).

## 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](https://arxiv.org/abs/2411.05872)).
4.  **[التبديل اللغوي](https://broadrouter.com/ar/glossary/code-switching/).** يمزج المتحدثون الإنجليزية أو الفرنسية في منتصف الجملة. وتوسم مجموعة بيانات [Casablanca](https://aclanthology.org/2024.emnlp-main.1211)، التي تغطي ثماني لهجات، التبديلَ اللغوي إلى جانب اللهجة والجنس.

ولهذا السبب تحديدًا تقيّم ورقة [Open Universal Arabic ASR Leaderboard](https://arxiv.org/abs/2412.13788) (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](https://broadrouter.com/ar/glossary/word-error-rate/) 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](https://broadrouter.com/ar/blog/arabic-asr-wer-explained/) 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](https://www.broadnet.ai/inference/models): 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](https://huggingface.co/spaces/elmresearchcenter/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](https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/) كيف تختبره، و[Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) هو النموذج الذي اختبرته BroadNet على اللهجتين الخليجية والمصرية.

## أين يناسب BroadNet Inference

صُمّم [BroadNet Transcribe Arabic](https://broadrouter.com/ar/models/cohere-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](https://broadrouter.com/ar/models/#on-request). يغطي الرصيد المبدئي البالغ $5 نحو 1,190 دقيقة، وهذا يكفي للاختبار الكامل أعلاه؛ وتحوّل [حاسبة تكلفة تحويل الكلام إلى نص](https://broadrouter.com/tools/speech-to-text-cost-calculator/) حجمك الإنتاجي إلى فاتورة شهرية. [أنشئ مفتاحًا](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-dialect-speech-recognition&utm_content=body) 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.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[العربية الفصحى الحديثة (Modern Standard Arabic، MSA)](https://broadrouter.com/ar/glossary/msa/)

العربية الفصحى الحديثة (MSA) هي الصيغة المعيارية من العربية المستخدمة في الكتابة والأخبار والتعليم والخطاب الرسمي في أنحاء العالم العربي. وليست لغة الحياة اليومية الأم لأحد: يتحدث الناس لهجات إقليمية، كالمصرية أو الخليجية، وينتقلون إلى الفصحى في المواقف الرسمية.

[تحويل الصوت إلى نص (Speech-to-text)](https://broadrouter.com/ar/glossary/speech-to-text/)

تحويل الكلام إلى نص، ويسمّى أيضًا التعرّف التلقائي على الكلام (ASR)، هو تقنية تحوّل الصوت المنطوق إلى نص مكتوب. تستقبل واجهة تحويل الصوت إلى نص ملفًا صوتيًا أو بثًا وتُرجع نصًا مفرّغًا، يُسعَّر عادةً لكل دقيقة صوت. وتُقاس الدقة بمعدل الخطأ في الكلمات، وتتفاوت بحسب اللكنة واللهجة وجودة التسجيل.

[معدل الخطأ في الكلمات (WER)](https://broadrouter.com/ar/glossary/word-error-rate/)

معدل الخطأ في الكلمات (WER) هو مقياس الدقة المعياري للتعرّف على الكلام: عدد استبدالات الكلمات وحذوفاتها وإدراجاتها اللازمة لتحويل النص المفرّغ إلى النص المرجعي الصحيح، مقسومًا على عدد كلمات المرجع. والأقل أفضل.

[اللهجات العربية (Dialectal Arabic)](https://broadrouter.com/ar/glossary/dialectal-arabic/)

اللهجات العربية هي العربية المحكية يوميًا في منطقة أو مدينة، مثل المصرية أو الخليجية أو الشامية أو المغاربية. وتختلف عن العربية الفصحى الحديثة في الأصوات والمفردات والقواعد، ولا إملاء معياريًا لها، وتُكتب على الإنترنت بشكل متزايد، ما يجعلها أصعب على نماذج اللغة.

[التناوب اللغوي (Code-switching)](https://broadrouter.com/ar/glossary/code-switching/)

التناوب اللغوي هو استخدام لغتين أو أكثر، أو صيغتين من اللغة نفسها، في المحادثة أو الجملة الواحدة، كلامًا أو كتابةً. ومن أمثلته أن يمزج الناطقون بالعربية كلمات إنجليزية في لهجتهم، أو أن ينتقلوا بين العربية الفصحى الحديثة ولهجتهم.

[التشكيل (الحركات العربية، Arabic diacritics)](https://broadrouter.com/ar/glossary/arabic-diacritics/)

التشكيل هو علامات صغيرة تُكتب فوق الحروف العربية أو تحتها لبيان الحركات القصيرة والحروف المضعّفة وغياب الحركة. وهو اختياري: تخلو منه معظم النصوص العربية، ومنها الأخبار، فيستنتج القرّاء والبرمجيات الحركات من السياق.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[معدل الخطأ في الحروف (CER)](https://broadrouter.com/ar/glossary/character-error-rate/)

معدل الخطأ في الحروف (CER) يقيس دقة التفريغ الصوتي أو OCR على مستوى الحرف: عدد الاستبدالات والحذوفات والإضافات اللازمة لتحويل المخرجات إلى النص المرجعي، مقسومًا على عدد حروف النص المرجعي. والأقل أفضل، والصفر يعني تطابقًا تامًا.

## 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.

## تابع القراءة

-   [API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/)
-   [اختيار LLM API للغة العربية: ما الذي تختبره؟](https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/)
-   [بديل Whisper API: متى تنتقل، وكيف تختبر البديل](https://broadrouter.com/ar/blog/whisper-api-alternative/)
-   [كيف تفرّغ تسجيلات مراكز الاتصال نصيًا: خط معالجة جاهز للعربية](https://broadrouter.com/ar/blog/transcribe-call-center-recordings/)
-   [ترجمة الصوت العربي إلى نص إنجليزي عبر API: مسار مُختبَر](https://broadrouter.com/ar/blog/translate-arabic-audio-to-english/)
-   [تشكيل النص العربي بنموذج LLM: الأمر والتحقق ومعدل DER](https://broadrouter.com/ar/blog/arabic-diacritization-llm/)
-   [التدقيق الإملائي والنحوي للنص العربي بنموذج LLM: دليل عملي](https://broadrouter.com/ar/blog/arabic-grammar-spelling-correction-llm/)
-   [دليل: API لتحويل الصوت العربي إلى نص خطوة بخطوة](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-dialect-speech-recognition&utm_content=page-cta) ·

**المصادر**

-   [Talafha وآخرون، Casablanca: Data and Models for Multidialectal Arabic Speech Recognition (EMNLP 2024؛ جُلب في 2026-11-14)](https://aclanthology.org/2024.emnlp-main.1211)
-   [Wang وAlhmoud وAlqurishi، Open Universal Arabic ASR Leaderboard (Interspeech 2025؛ arXiv 2412.13788؛ جُلب في 2026-11-14)](https://arxiv.org/abs/2412.13788)
-   [Dialectal Coverage and Generalization in Arabic Speech Recognition (arXiv 2411.05872؛ جُلب في 2026-11-14)](https://arxiv.org/abs/2411.05872)
-   [Open Universal Arabic ASR Leaderboard، مساحة على Hugging Face (جُلبت في 2026-11-14)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [دليل نماذج BroadNet، تحويل الكلام إلى نص: معدل WER كما تذكره BroadNet (جُلب في 2026-11-14)](https://www.broadnet.ai/ar/inference/models)
