Falcon ASR من TII أبوظبي: تفريغ صوتي عربي بدقة قياسية وبدعم اللهجة الإماراتية

في السابع من أكتوبر 2026 أعلن معهد الابتكار التكنولوجي TII في أبوظبي عن نموذجه الجديد Falcon ASR للتعرف على الكلام وتفريغه نصياً، وهو نموذج بحجم 1.6 مليار معلمة يركز على اللغة العربية وبشكل خاص اللهجة الإماراتية، ويدعم إلى جانبها الإنجليزية والفرنسية والإسبانية والبرتغالية. الإعلان جاء عبر تدوينة رسمية على منصة Hugging Face كتبها فريق المعهد، ومعه أرقام تقييم تضع النموذج في صدارة نتائج تفريغ العربية المقارنة، بمعدل خطأ في الكلمات بلغ 20.92% في المتوسط عبر ست مجموعات اختبار عربية، متفوقاً بنحو 2.25 نقطة مئوية على أفضل نتيجة منشورة في اللوحة المرجعية التي قارن بها الفريق.

لماذا يستحق نموذج تفريغ صوتي كل هذا الاهتمام من صانع محتوى عربي؟ لأن التفريغ الصوتي هو العمود الفقري الخفي لعشرات المهام اليومية: تحويل حلقات البودكاست إلى مقالات ومقالات مكتوبة قابلة للأرشفة في محركات البحث، وإضافة ترجمات دقيقة للفيديوهات، وتفريغ المقابلات والندوات، وتحويل المحاضرات إلى مذاكرات. وأي تحسن حقيقي في دقة التفريغ العربي يعني ساعات موفرة أسبوعياً لكل من يعمل بالصوت والفيديو.

من هو صاحب النموذج وما قصته؟

معهد الابتكار التكنولوجي (Technology Innovation Institute) هو معهد أبحاث حكومي في أبوظبي، وله اسم معروف في عالم النماذج المفتوحة عبر عائلة Falcon التي أصبحت خلال السنوات الماضية واحدة من أهم العائلات النموذجية العربية المنشورة عالمياً. وسبق أن غطّينا هنا على مدونتنا إطلاق المعهد لنموذج Falcon Emirati 7B المخصص للهجة الإماراتية في معالجة النصوص، وهو نموذج نصي مختلف تماماً عن Falcon ASR الذي نتحدث عنه اليوم: الأول يفهم ويكتب نصوصاً، والثاني يسمع ويتفهم الصوت ويحوله إلى نص. الاثنان يكملان رؤية واحدة: بناء منظومة ذكاء اصطناعي تفهم العربية بلهجاتها لا بالفصحى فقط.

فريق العمل الذي وقّع الإعلان يضم باحثين من المعهد منهم عبد المنعم، وريشابه ساراف، ورميش غوندلورو، وشمسة حمد، ولودوفيك، وحكيم حاصد، وهو مستوى إسناد مؤسسي واضح يضع الإعلان في فئة المصادر الأولية الموثوقة لا التسريبات الصحفية.

الأرقام الرسمية: ماذا تعني بالضبط؟

كل الأرقام التالية منشورة حرفياً في تدوينة المعهد، وننقلها كما هي مع شرح معناها بلغة بسيطة:

• 20.92% معدل الخطأ في الكلمات (WER) في المتوسط عبر ست مجموعات اختبار عربية، مقارنة بأفضل نتيجة منشورة قدرها 23.17% في اللقطة التي اعتمدها الفريق من لوحة Open Universal Arabic ASR Leaderboard التي يشرف عليها مركز ELM للأبحاث، أي تفوق بنحو 2.25 نقطة مئوية.
• 22.73% معدل الخطأ في الكلمات و10.19% معدل الخطأ في الحروف على مجموعة التقييم الإماراتية الداخلية للمعهد، وهي الأدنى بين الأنظمة التي قارنها الفريق، وبفارق 4.07 نقطة عن أقرب منافس وهو Qwen3-Omni.
• 5.74% معدل الخطأ في الكلمات على سبع مجموعات اختبار إنجليزية عامة من لوحة Hugging Face المفتوحة للتفريغ الصوتي.

ولمن لا يعرف مصطلح WER: هو نسبة الكلمات التي يخطئ النموذج فيها عند تفريغ الصوت، إما بحذفها أو إضافة زائدة أو كتابتها خطأ. كلما انخفض الرقم كان التفريغ أنظف. والانتقال من 23.17% إلى 20.92% ليس رقماً تجميلياً؛ في التفريغ، كل نقطة مئوية تنخفض تعني أخطاء أقل تتراكم على مستوى صفحة كاملة، والفرق بين نسبة عشرين ونسبة ثلاثين هو الفرق بين نص يحتاج مراجعة خفيفة ونص يحتاج إعادة كتابة أجزاء منه. ولأن جودة التفريغ العربي تتأثر أيضاً بأشكال الحروف المتشابهة، يقيس المعهد إلى جانب خطأ الكلمات معدل الخطأ على مستوى الحروف CER، وقد حقق النموذج أدنى نتيجة بين الأنظمة المقارنة في هذا المقياس أيضاً على التقييم الإماراتي.

من الجدير بالذكر أيضاً أن نتائج المنافسين في هذه المقارنة ليست تقديرات داخلية: الفريق اعتمد على المتوسطات المنشورة في اللوحة المرجعية كما جرى التحقق منها بتاريخ 30 سبتمبر 2026، والتزم ببروتوكولها نفسه في مجموعات الاختبار الست. هذا الالتزام المنهجي هو ما يجعل الأرقام قابلة للنقاش العلمي، لا مجرد أرقام تسويقية.

لماذا اللهجة الإماراتية تحديداً هي الخبر الحقيقي؟

أغلب نماذج التفريص الصوتي في السوق تتفوق على الفصحى لأنها مدربة على نشرات الأخبار والخطابات الرسمية، ثم تنهار نسبياً أمام الكلام اليومي باللهجات. المشكلة أن المحتوى الحقيقي الذي يحتاج تفريغاً (بودكاست، مقابلات، مكالمات، فيديوهات سوشيال) هو بالضبط الكلام اللهجي، لا الفصحى. ومعهد TII يقول إنه درّب النموذج على الإماراتية والفصحى ولهجات خليجية وعربية أخرى إضافة إلى الإنجليزية، وأن الهدف هو "تفريغ الكلمات التي يستخدمها الناس في كلامهم اليومي، بما فيها الصيغ اللهجية والتنقل بين اللغات".

وهذه النقطة الأخيرة مهمة جداً للمحتوى العربي المعاصر: أغلب صناع المحتوى الخليجيين يمزجون العربية بالإنجليزية في نفس الجملة، وهو ما يكسر النماذج التقليدية المصممة للغة واحدة. نموذج يدعم خمس لغات بنفس الأوزان دون الحاجة لتحديد اللغة يدوياً، ويخرج النص باللغة المنطوقة فعلاً، يعالج مشكلة يعرفها كل من جرّب تفريغ محتوى خليجي حقيقي.

تدريب موجّه للعالم الحقيقي لا للاستوديو

تفصيل تقني لكنه يفرق كثيراً عملياً: يقول المعهد إن بيانات التدريب تضمنت ضجيجاً خلفياً وتداخلاً في الكلام وموسيقى وصدى غرف وتأثيرات مكالمات هاتفية وتغيرات في السرعة والنبرة، وأن المعاملة نفسها طُبقت على التسجيلات الإماراتية. لماذا يهمك هذا؟ لأن أغلب ما يحتاج تفريغاً ليس مسجلاً في استوديو صامت: مقابلة عبر الهاتف، حلقة بودكاست بمكالمات جمهور، فيديو مصور في شارع أو مقهى. نموذج مدرّب على الظروف الواقعية ينهار أقل أمامها.

وفي الإعلان ميزة عملية إضافية: دعم الطوابع الزمنية على مستوى الكلمة، أي أن كل كلمة مفرّغة مرتبطة بموضعها في الصوت. هذه الميزة هي أساس عمل ترجمات الفيديو المتزامنة والوصول لجزء محدد من تسجيل طويل دون التقفز العمياء.

على أي أساس تقني بُني النموذج؟

يذكر المعهد أن Falcon ASR مبني على أعماله السابقة في عائلة Falcon3-Audio، وأن منهجية بنائه وتدريبه موثقة في ورقة بحثية بعنوان Competitive Audio-Language Models with Data-Efficient Single-Stage Training on Public Data، أي "نماذج صوتية-لغوية تنافسية بتدريب أحادي المرحلة موفر للبيانات على بيانات عامة". العبارة الأخيرة مهمة لمن يتابع اقتصاديات الذكاء الاصطناعي: التدريب على بيانات عامة بمرحلة واحدة يقلل الكلفة والتعقيد مقارنة بالمنهجيات متعددة المراحل، وهي إشارة إلى أن المعهد يبني بنية تحتية قابلة للتوسع لا تجربة بحثية لمرة واحدة.

كما أن نشر الإعلان نفسه بلغتين، الإنجليزية والعربية، في صفحة واحدة على Hugging Face ليس تفصيلاً شكلياً: هو رسالة بأن الجمهور العربي جزء أصيل من جمهور النموذج المستهدف، لا مجرد سوق لاحقة.

ماذا يعني هذا لك كصانع محتوى؟

لنترجم كل ما سبق إلى مهام يومية ملموسة:

• بودكاستر عربي: تفريغ كل حلقة لتصبح مقالاً منظماً يحسّن ظهورك في البحث ويعطي جمهورك طريقة ثانية لاستهلاك المحتوى. الطوابع الزمنية تصنع فهرس حلقات تلقائياً.
• يوتيوبر: أساس ترجمات دقيقة ترفع وقت المشاهدة وتفتح جمهوراً غير ناطق بالعربية، خاصة مع المحتوى الممزوج بالإنجليزية الذي يكسر أدوات الترجمة التقليدية.
• صحفي أو باحث: تفريغ مقابلات وندوات باللهجة دون إعادة استماع لكل دقيقة لتصحيح كلمات مكسّرة.
• فرق التسويق والمبيعات: تفريغ مكالمات العملاء واجتماعات الفرق، خصوصاً في بيئات خليجية اللهجة والمصطلحات.
• صناع المحتوى التعليمي: تحويل محاضرات ودروس إلى مذاكرات نصية قابلة للبحث.

والزاوية الأهم اقتصادياً: التفريغ العربي الدقيق كان حتى الآن سلعة مدفوعة تُحسب بالدقيقة. وجود نموذج من مؤسسة بحثية إقليمية يضاهي ويتفوق على نتائج منشورة عالمياً يعني ضغطاً تنافسياً حقيقياً على أسعار هذه الخدمات في المنطقة، وأبواباً مفتوحة أمام أدوات عربية تبني عليه متى أتاح المعهد واجهة البرمجة التي قال إنها مخطط لها.

مقارنة سريعة: Falcon ASR مقابل حلولك الحالية

وللمقارنة الأشمل مع أدوات التفريص التي جرّبها صناع المحتوى قبل اليوم، راجع دليلنا السابق حول استخدام موديلات جوجل لتحويل الصوت إلى نص — فالمنافسة اليوم لم تعد على "هل يوجد تفريغ عربي" بل على "من يفرّغ اللهجة بدقة أعلى وكلفة أقل".

كيف تجربه اليوم؟

المعهد نشر صفحة تجريبية رسمية على Hugging Face باسم falcon-asr-demo تتيح رفع تسجيلاتك واختبار التفريغ مباشرة، والدعوة مفتوحة حرفياً في نص الإعلان: "ندعوك لتجربة الديمو بتسجيلاتك الخاصة". اختبار عملي ننصح به: لا ترفع مقطعاً واضحاً مسجلاً في استوديو، ارفع عينة حقيقية من محتواك اليومي بمكالمات وضجيج ومزج لغوي، فبها تعرف فائدة النموذج لك فعلاً.

خطة اختبار من ثلاث خطوات توفر وقتك: أولاً، اختر ثلاث عينات مختلفة: مقطع فصحى نظيف، ومقطع لهجي بسيط، ومقطع واقعي صعب بضجيج ومزج لغوي. ثانياً، فرّغ العينات الثلاث وسجل ملاحظاتك على نوع الأخطاء في كل واحدة: هل هي في أسماء الأعلام؟ المصطلحات الإنجليزية؟ نهايات الكلمات؟ ثالثاً، قارن النتيجة بالأداة التي تستخدمها حالياً على نفس العينات، فالمقارنة على مادتك أنت هي المقياس الوحيد المهم، وليست أرقاماً عامة في لوحة بعيدة. بهذه الطريقة ستعرف خلال نصف ساعة إن كان النموذج جاهزاً للدخول في سير عملك أو يستحق المتابعة حتى نضوج إتاحته.

لماذا يهم صعود مؤسسة خليجية في هذا المجال تحديداً؟

خلف الأرقام قصة أكبر عن خريطة الذكاء الاصطناعي اللغوي. لسنوات كان الاعتقاد السائد أن نماذج العربية ستأتي حصراً من المختبرات الأمريكية أو الصينية الكبرى، وستعامل العربية كواجهة إضافية لا كمجال تخصص. اليوم صار عندنا نموذج تفريغ عربي تقود مؤسسته البحثية الإماراتية، مدرّب على بيانات إماراتية وخليجية بمعايير تقييم محلية دقيقة، وينشر نتائجه على منصة عالمية مفتوحة. لصانع المحتوى العربي هذا يعني شيئين: أدوات تفهم لهجته الفعلية لا فصحى الكتب، وضغط تنافسي على الأسعار يخدم جيبه مع الوقت.

والشيء الثاني استراتيجي لمن يبني مشاريع محتوى مؤسسية: حين تصبح أوزان نماذج عربية عالية الدقة متاحة، تستطيع المنصات والإدارات الإعلامية العربية بناء خدمات تفريغ داخلية تتحكم ببياناتها بدل إرسال تسجيلات حساسة لخدمات سحابية أجنبية، وهي نقطة كانت ولا تزال عائقاً أمام كثير من المؤسسات في المنطقة.

حدود وعيوب صادقة

• 20.92% خطأ ما زالت تعني أخطاء: النتيجة رائدة لكنها ليست كمالاً؛ تقريباً كلمة من كل خمس كلمات تحتاج مراجعة على العربية العامة، والمراجعة البشرية للنص الحساس تبقى ضرورية.
• الوصول حالياً تجريبي فقط: صفحة الديمو متاحة، لكن مستودع أوزان النموذج لم يكن متاحاً للعموم حتى لحظة كتابة هذا المقال، والواجهة البرمجية والتطبيقات "مخطط لها" وفق نص الإعلان، أي أن الدمج في أدواتك الإنتاجية ينتظر.
• لا تشغيل محلياً بعد: من يريد تشغيلاً خاصاً داخل مؤسسته لا يستطيع تنزيل الأوزان وتشغيلها بنفسه حتى إتاحتها رسمياً.
• الأرقام من تقييم المعهد نفسه: قارن فريق TII بأنظمة اعتمدت نتائجها المنشورة في اللوحة بتاريخ 30 سبتمبر 2026، وهي منهجية معلنة وشفافة، لكن التقييم المستقل من أطراف ثالثة سيؤكد الصورة أكثر.
• اللهجات خارج الخليج: التركيز المعلن إماراتي وخليجي وفصحى؛ أصحاب اللهجات المغاربية والمشرقية البعيدة عن الخليج قد يجدون نتائج أقل بريقاً حتى تتوفر تقييمات أوسع.

أسئلة شائعة حول Falcon ASR؟

ما هو Falcon ASR ومن طوره؟

نموذج تعرف على الكلام وتفريغ صوتي بحجم 1.6 مليار معلمة طوره معهد الابتكار التكنولوجي TII في أبوظبي، أُعلن عنه في 7 أكتوبر 2026 عبر تدوينة رسمية على Hugging Face، ويركز على العربية وبخاصة اللهجة الإماراتية.

هل Falcon ASR مجاني؟

المتوفر حالياً هو صفحة تجريبية مجانية على Hugging Face لتجربة التفريغ بتسجيلاتك، أما شروط الاستخدام التجاري والواجهة البرمجية فلم يعلن المعهد تفاصيلها بعد وقال إنها مخطط لها.

هل يدعم Falcon ASR الترجمة من العربية إلى الإنجليزية؟

لا، هو نموذج تفريغ لا ترجمة: يحول الكلام المنطوق إلى نص باللغة نفسها، والمعلن أنه يدعم العربية والإنجليزية والفرنسية والإسبانية والبرتغالية بنفس الأوزان.

ما الفرق بينه وبين نموذج Falcon Emirati السابق؟

Falcon Emirati 7B نموذج نصي للفهم والتوليد باللهجة الإماراتية، بينما Falcon ASR نموذج صوتي يسمع الكلام ويحوله نصاً؛ الاثنان من المعهد نفسه ويكملان بعضهما.

هل يمكن استخدامه لترجمة فيديوهات يوتيوب تلقائياً؟

يمكن استخدام التفريغ مع الطوابع الزمنية كأساس لبناء ترجمات نصية للفيديو، لكن الترجمة إلى لغة أخرى تحتاج نموذج ترجمة منفصلاً.

هل يتفوق على Whisper وغيره من النماذج الشهيرة؟

الإعلان قارن بلوحة Open Universal Arabic ASR Leaderboard وذكر تفوقه على أفضل نتيجة منشورة فيها بنحو 2.25 نقطة مئوية، وذكر Qwen3-Omni كأقرب منافس إماراتي بفارق 4.07 نقاط؛ ولم يذكر الإعلان مقارنة مباشرة بأسماء أخرى، لذا نلتزم بما نُشر.

هل يدعم التفريغ المباشر للبث الحي؟

لم يذكر إعلان المعهد أي دعم للبث الحي المباشر؛ ما هو متاح ومعلن هو التفريغ عبر الصفحة التجريبية، والواجهة البرمجية والتطبيقات مخطط لها لاحقاً.

ما طول التسجيلات المناسبة لتجربته؟

لم يحدد الإعلان حدوداً للطول، والتجربة العملية عبر الصفحة التجريبية بتسجيلاتك هي الفيصل لمعرفة ما يناسب حالتك.

الخلاصة

Falcon ASR يمثل لحظة مفصلية للتفريغ العربي: مؤسسة بحثية خليجية تنشر نموذجاً يتصدر نتائج منشورة عالمياً في مهمة تعني كل صانع محتوى عربي يومياً، مع تركيز صريح على اللهجة والكلام الواقعي الممزوج بالإنجليزية. التوصية العملية: جرّبه الآن بتسجيلاتك الحقيقية عبر الصفحة التجريبية، وتابع إتاحة واجهته البرمجية إن كنت تبني أدوات محتوى. وحتى تنضج أدوات التفريغ في سير عملك، يمكنك بناء جانب النص من محتواك مباشرة عبر الكاتب الآلي من ARWriter الذي يتحول فيه موضوع واحد إلى مقالات ومحتوى منشور جاهز بالعربية.