موظف الاستقبال الذكي الذي لا يتحدث إلا الإنجليزية نصف موظف استقبال بالنسبة لأي شركة في الإمارات. فكثير من المتصلين يفضلون العربية، وكثيرون ينتقلون بين العربية والإنجليزية في الجملة نفسها، ومعظمهم يتحدث لهجة خليجية لا الفصحى التي نسمعها في نشرات الأخبار. وقد تطورت تقنيات الكلام كثيراً، لكن اللهجات ما زالت الجزء الأصعب.
لماذا تصعب اللهجات على الذكاء الاصطناعي؟
العربية الفصحى الحديثة هي اللغة المكتوبة والرسمية المشتركة في العالم العربي، أما الكلام اليومي فبلهجات تختلف عن الفصحى وعن بعضها في المفردات والنطق والتراكيب. واللهجة الإماراتية من اللهجات الخليجية، مع اختلافات محلية بين الإمارات والمجتمعات.
تتعلم نماذج التعرف على الكلام من تسجيلات صوتية مفرّغة نصياً، والمتاح من تسجيلات الفصحى المفرّغة، من الأخبار والخطاب الرسمي، أكثر بكثير من المحادثات الخليجية المفرّغة. كما أن اللهجات تُكتب بطرق مختلفة لغياب إملاء موحد لها، ما يصعّب التدريب وقياس الدقة. أضف إلى ذلك المزج مع الإنجليزية، وأسماء الأشخاص والأماكن، وجودة الصوت المحدودة في المكالمات الهاتفية.
ماذا تقول الأبحاث؟
- قيّمت لوحة Open Universal Arabic ASR Leaderboard (2024) نماذج مفتوحة المصدر للتعرف على الكلام العربي. وعلى إحدى مجموعات الاختبار متعددة اللهجات، سجل أفضل نموذج ذكرته نسبة خطأ في الكلمات تقارب 19% في الفصحى مقابل نحو 48% في اللهجة الخليجية. ويشير الباحثون إلى تراجع كبير في الأداء مع لهجات مثل المصرية والخليجية.
- تغطي مجموعة بيانات Casablanca (2024) ثماني لهجات عربية منها الإماراتية. وعلى مجموعة الاختبار الإماراتية، تجاوزت نسبة الخطأ في الكلمات 50% لنماذج مفتوحة منتشرة مثل Whisper large-v3.
هذه نماذج مفتوحة المصدر جرى تقييمها على بيانات بحثية، لا الأنظمة التجارية التي ستستخدمها فعلاً، وقد تحقق الأنظمة التجارية المدربة على بيانات لهجات أكثر نتائج أفضل بكثير. لكن النمط ثابت: الأداء الممتاز في الفصحى قد ينخفض بشدة مع الكلام الخليجي.
ماذا توفر الشركات؟
- التعرف على الكلام: يدرج نموذج Nova-3 من Deepgram سبعة عشر متغيراً عربياً منها
ar-AE، وتدرج خدمة Azure Speech ثماني عشرة لهجة عربية منهاar-AE، ويدرج نموذج Chirp 3 من Google لهجةar-AEبصفة تجريبية. - الأصوات: توفر Azure صوتين عصبيين للعربية الإماراتية، وتدرج ElevenLabs العربية (السعودية والإمارات) في نماذجها متعددة اللغات.
- نماذج الكلام إلى كلام: توثيقها للعربية أقل وضوحاً. فوثائق GPT-Live من OpenAI لا تذكر قائمة باللغات المدعومة، وجدول اللغات في Live API من Google يذكر العربية المصرية دون لهجة خليجية. لذلك يجب اختبارها مباشرة.
رمز اللهجة يخبرك بما جرى تجهيزه، لا بمدى جودته مع متصليك. وأرقام الدقة التي تنشرها الشركات مقاسة على بيانات اختبار خاصة بها.
الفهم نصف المهمة فقط
يجب أن يبدو موظف الاستقبال الذكي طبيعياً أيضاً، فالمتصل يلاحظ فوراً إن كان الرد بعربية رسمية جامدة أو بلهجة بلد آخر. في كلوديا، تُوجَّه المساعدة الصوتية إلى استخدام أسلوب إماراتي طبيعي بدلاً من فصحى النشرات أو المفردات المصرية والشامية، مع ردود عربية مختصرة، واستخدام مصطلحات دقيقة حين تتطلب السلامة أو الوضوح ذلك. ونراجع كل عبارة في سياقها، لأن جودة اللهجة تحتاج في النهاية إلى مستمع من أهلها؛ فالنص المكتوب يتحقق من الكلمات فقط.
كيف تختبر موظف استقبال ذكياً بالعربية؟
- استخدم مكالمات هاتفية حقيقية من هواتف متحركة في بيئات عادية، لا عروضاً في المتصفح.
- استعن بمتحدثين أصليين من المجتمعات التي تخدمها، من أعمار وأجناس مختلفة.
- اكتب سيناريوهات واقعية: حجز، وشكوى، وطلب صيانة مع عنوان، ومتصل يتهجى اسمه، ومتصل يقرأ رقماً مرجعياً.
- أضف المزج بين اللغتين، كأن يبدأ المتصل بالإنجليزية وينهي بالعربية.
- تحقق من الأسماء والأرقام والأماكن في النص، فهي التي تحمل المعلومات.
- اطلب من متحدث أصلي تقييم الردود من حيث الطبيعية واللباقة والصحة.
- أعد الاختبار بعد كل تغيير، فتحديث النموذج قد يحسّن لهجة ويضعف أخرى.
النسخة الإنجليزية من هذا المقال: Arabic and Emirati dialect in voice AI.
المصادر وقراءات إضافية
اسمع كلوديا بنفسك.
جرّب محادثة مباشرة من متصفحك، أو أخبرنا عن مكتب الاستقبال لديك.