NVIDIA تطلق Nemotron 3.5 Transcribe: تفريغ صوتي مفتوح لـ40 لغة، فأين العربية منه؟

أطلقت NVIDIA في 28 أكتوبر 2026 نموذجها المفتوح Nemotron 3.5 Transcribe لمعالجة وتفريغ الصوت عبر منصات Hugging Face وModelScope وbuild.nvidia.com. والجديد فيه أنه يجمع مهام صوتية كانت تحتاج إلى عدة نماذج متتابعة في نموذج واحد؛ غير أن هذا التطور لا يشكل حلاً جاهزاً للبيئة العربية، ذلك أن متطلبات العتاد الباهظة وتصنيف العربية في أدنى درجات الدقة يجعلان النموذج بحاجة إلى اختبار واقعي قبل التفكير في اعتماده.

تحول معماري: نموذج موحد للمهام الصوتية

وفق بطاقة النموذج، يعتمد Nemotron 3.5 Transcribe على بنية مزيج الخبراء بحجم 30 مليار معامل لا يعمل منها في كل خطوة سوى نحو 4.3 مليار، ويتوفر بأوزان BF16 ونسخ مكممة بصيغتي FP8 وNVFP4. ينجز هذا النموذج دون اتصال بالإنترنت حزمة مهام موحدة: التفريغ النصي لأربعين لغة، والترجمة من الإنجليزية وإليها لـ 31 لغة، وتمييز المتحدثين، وتحديد الطوابع الزمنية للكلمات، والتعرف على اللغات، والإجابة عن الأسئلة الصوتية، مع دعم تسجيلات تصل لساعة وقبول مفردات مخصصة (كمصطلحات الطب) في التوجيه دون تدريب.

يأتي الطرح في ذروة سباق الذكاء الصوتي؛ إذ أبرزت منصة TechCrunch تزامنه مع نماذج مثل Voxtral 3 من Mistral وElevenLabs Realtime، أما موقع The Decoder فتوقف عند أن النموذج ينفّذ تعليمات نصية؛ وبحسب بطاقة النموذج تستطيع أن تطلب نصاً حرفياً يحفظ كل كلمات الحشو، أو نصاً مكتوباً منقحاً. وهذا ثاني إصدار مفتوح من عائلة Nemotron 3.5 نغطيه خلال أسبوع، بعد Nemotron 3.5 Bolt E4B.

لمن يصلح النموذج؟ وعقبة العتاد

يستهدف النموذج المؤسسات والمطورين ذوي البنية المتقدمة الراغبين في معالجة البيانات محلياً دون تسريبها، غير أن تشغيله يواجه قيوداً حاسمة:

• معالجة مسجلة فقط: يقتصر على الملفات المسجلة مسبقاً ولا يدعم البث المباشر.
• عتاد استثنائي: يتطلب نشره المرجعي بطاقة H100 (80GB)، وتقتصر التوافقية على بطاقات مثل A100 (80GB) وL40S (48GB) وRTX 5090 (بصيغة NVFP4) ومنظومات DGX Spark وRTX PRO 6000 Blackwell.
• أنظمة التشغيل: يعمل عبر Linux أو WSL2، ولا يدعم Windows أصلياً إلا عبر GGML على بطاقتي RTX 5090 وRTX PRO 6000.

ولا يمكن تشغيل النموذج على الحواسيب الشخصية العادية اليوم، بينما لا تزال حزم NeMo-Speech.cpp والنسخ المحلية قيد التطوير.

التكلفة الحقيقية: ترخيص مجاني ونفقات تشغيل

طُرح النموذج بترخيص OpenMDW-1.1 المجاني الجاهز للاستخدام التجاري وغير التجاري مع اشتراط حفظ الإشعارات؛ أما تكلفة تشغيله فليست مجانية على الإطلاق. فحيازة بطاقات المؤسسات أو استئجارها سحابياً يمثل عبئاً مالياً ضخماً على الفرق الناشئة. ولتفادي هذه التكاليف في مرحلة التقييم، وفرت NVIDIA النسخة التجريبية المجانية عبر Hugging Face Space وModelScope Studios لتجربة النموذج سحابياً دون أي عتاد خاص.

واقع اللغة العربية: تصنيف أدنى وغياب اللهجات

تدعم مصفوفة اللغات الرسمية التعرف الآلي على العربية، والترجمة المتبادلة مع الإنجليزية، وتحديد المتحدثين، وخاصية التبديل اللغوي (Code-switching) لدمج العربية والإنجليزية في ملف واحد. في المقابل، أدرجت الشركة جودة العربية ضمن فئة Supported، وهي أدنى مستويات التقييم الثلاثة وتُعرّف بأنها “مدعومة وقد تتطلب ضبطاً دقيقاً”، بينما تصدرت لغات كالإنجليزية والفرنسية والهندية والكورية فئة Leading الرائدة.

تتضح الفجوة أكثر بخلو الوثائق من تسمية أي لهجة عربية، خلافاً للغات الغربية التي حُددت تنوعاتها الإقليمية بدقة، كما اقتصر تقييم فهم الصوت والأسئلة على الإنجليزية فقط. ولم تنشر NVIDIA أي معدل خطأ للغة العربية، مما يجعل دقتها الفعلية غير مؤكدة رسمياً ويفرض اختبارها ذاتياً.

خطة العمل: كيف تختبر النموذج بنفسك؟

بدلاً من الاستثمار المتسرع في العتاد، ننصح بالتوجه إلى النسخة التجريبية المجانية وإجراء فحص عملي مباشر: ارفع مقطعاً صوتياً مدته دقيقتان يمزج بين لهجة عربية عامية ومصطلحات إنجليزية تقنية لاختبار التبديل اللغوي والقدرة على استيعاب المفردات الموجهة دون تدريب.

قارن المخرجات مباشرة مع حلول مخصصة للضاد مثل خدمة Munsit المبنية للعربية أولاً، أو بالتطبيقات السحابية الجاهزة مثل Notta وSonix التي تريحك من إدارة الخوادم. فإن جاءت نتيجة Nemotron أدنى بوضوح في اللهجة، فلا تدفع ثمن بطاقة رسومية من أجله الآن، وانتظر نسخاً معدّلة للعربية يطورها المجتمع. ولتختار الأداة الأنسب لفريقك وميزانيتك، راجع دليلنا العملي لتفريغ التسجيلات العربية.