ElevenLabs تطلق Scribe v3: تفريغ صوتي أدق ومباشر بتمييز المتحدثين، فماذا عن العربية؟

أعلنت ElevenLabs في مدونتها يوم 10 نوفمبر 2026 نموذجين جديدين لتحويل الكلام إلى نص، هما Scribe v3 للملفات المسجلة وScribe v3 Live للمحادثات الفورية، ورأينا باختصار: التحسن حقيقي في تمييز المتحدثين وفي توقيت الردود الصوتية، غير أن المستخدم العربي لا ينبغي أن يعتمده قبل أن يجرّبه على تسجيلاته، فالشركة نفسها تضع العربية في مرتبة متوسطة، والسعر ليس الأرخص في السوق.

ما الجديد في قدرات Scribe v3 وScribe v3 Live؟

تستهدف الترقية معالجة مشكلتين مزمنتين في تفريغ المحادثات: مقاطعة المتصلين وتحديد هوية المتحدثين. فوفق ما أعلنته ElevenLabs في مدونتها الرسمية، ينخفض معدل الخطأ في التعرف على الكلمات بنسبة 27% في Scribe v3 مقارنة بالجيل السابق عبر 102 لغة باختبار FLEURS الداخلي، محققاً تحسناً بنسبة 23% للغة الإنجليزية و42% للألمانية و35% للإسبانية و34% للسواحلية و29% للتاميلية و28% للتايلاندية، في حين لم يذكر الإعلان اللغة العربية ضمن نتائج التحسن.

أما نموذج Scribe v3 Live، فتقول الشركة إنه يخفض الأخطاء التي تغيّر المعنى بنسبة 43% مقارنة بـScribe v2 Realtime، ويأتي بما يلي:

• رصد التوقف التواصلي: يعتمد النظام على سياق الجملة بدلاً من مجرد فترات الصمت، ما يمنع وكلاء الصوت الآليين من مقاطعة المتصلين أثناء التوقف للتفكير أو قراءة الأرقام بتأنٍ.
• تحديد المتحدثين المباشر: إتاحة فصل الأصوات آنياً لأول مرة، بالتوازي مع خفض أخطاء تمييز الأصوات بنسبة 17% في Scribe v3 للتسجيلات التي تضم 3 متحدثين فأكثر وفق بيانات الشركة.
• أدوات الضبط والتحكم: تشمل تحديد صيغة كتابة الأرقام رقماً أو لفظاً، والتوجيه بمصطلحات مفتاحية تصل إلى 1,000 مصطلح، وقواعد تنسيق تُكتب بلغة عادية (ميزة تجريبية)، مع توفير مكتبة في النسخة الحية تتسع لما يصل إلى 10,000 مصطلح كما يوضح التوثيق التقني.

حسابات التكلفة وموقع الأداء في السوق

أصبح النموذجان الخيار الافتراضي داخل تطبيق منصة ElevenLabs، وأُتيحا عبر واجهة البرمجة بمعرفي scribe_v3 وscribe_v3_live، بالإضافة إلى منصة ElevenAgents التي تضمنت نسخة طبية مخصصة. وحددت الشركة في قائمة الأسعار تكلفة Scribe v3 بقيمة 0.20 دولار لكل ساعة صوتية، وترتفع إلى 0.22 دولار لساعة البث الحي عبر Scribe v3 Live، مع إضافة 0.05 دولار عند تفعيل المصطلحات المفتاحية، مع إشارة صفحة الأسعار لدعم أكثر من 90 لغة.

من الناحية التنافسية، كشف تحليل موقع The Decoder المنشور في 12 نوفمبر 2026 استناداً لتقييم Artificial Analysis أن Scribe v3 يتفوق بدقته على نماذج Google وOpenAI وMistral وMicrosoft وxAI خلف نموذج تجريبي من Alibaba، غير أنه يأتي في مرتبة متوسطة من حيث السرعة والتكلفة؛ إذ تعمل نماذج Microsoft وxAI أسرع منه بأضعاف وبنحو نصف التكلفة بهامش خطأ أعلى قليلاً. وتجدر الإشارة إلى أن هذا التقييم المستقل يقتصر على الملفات المسجلة ولا يشمل البث الحي أو التعرف على المتحدثين.

على صعيد البيانات، تجري المعالجة في الولايات المتحدة افتراضياً وتتاح لعملاء المؤسسات بيئات معزولة في الاتحاد الأوروبي والهند وسنغافورة، ولا ذكر لأي منطقة في الشرق الأوسط، مع توفير وضع الحذف الفوري للبيانات بمجرد انتهاء المعالجة.

ماذا عن العربية؟ مرتبة ثالثة ولا كلمة عن اللهجات

العربية مدرجة في قائمة اللغات المدعومة، غير أن دليل اللغات الرسمي يضعها في المستوى الثالث “جيد” متأخرة عن الإنجليزية والفرنسية والألمانية المصنفة في مستوى “ممتاز”، وعن الهندية والفارسية المصنفة في مستوى “دقة عالية”، متساوية مع العبرية والكورية، علماً أن هذا الجدول كُتب لـScribe v2 ولم يُحدَّث بعد للجيل الجديد. كما يخلو التوثيق تماماً من أي ذكر لدعم اللهجات كالمصرية أو الشامية أو الخليجية أو المغاربية.

في المقابل، يبدو الوضع متعدد اللغات في Scribe v3 Live، الذي يتعامل مع الانتقال بين لغتين داخل الجملة نفسها، مفيداً لبيئات الأعمال في الخليج العربي التي تعتمد التناوب اللغوي السريع بين العربية والإنجليزية، وهي مسألة نتناولها في دليل التفريغ الصوتي للغة العربية، ويستحق أن يُقارن بأدوات صُممت للعربية أصلاً مثل منصت وتطبيقات تفريغ الفيديو التي نغطيها في مقال إنشاء الترجمات والشروح العربية.

خطة التحقق والتجربة العملية

قبل اعتماد النموذج في الإنتاج، يوصى باتباع منهجية اختبار ميدانية مباشرة كالتالي:

• تسجيل مقطع صوتي عملي مدته بين 2 إلى 3 دقائق باللهجة المستهدفة متضمناً مفردات تقنية بالإنجليزية.
• تفريغ التسجيل عبر Scribe v3 وحصر أخطاء نطق الأسماء التجارية والأرقام والنسب.
• إعادة التفريغ مع تفعيل التوجيه بالمصطلحات المفتاحية بالمسميات المتخصصة وملاحظة كم تقلّ الأخطاء مقارنة بالتكلفة الإضافية.