نقدّم Olign 1.1 بطوابع زمنية أدق للكلمات
يحدد Olign 1.1 أزمنة الكلمات بدقة أعلى من Olign 1.0 في كل مجموعة اختبار من FA-Bench، في الصوت النظيف وفي الضوضاء. وتبقى طلباتك الحالية تعمل كما هي.
لوحة صدارة FA-Bench · github.com/olewave/fa-bench
أصبح Olign 1.1 متاحاً الآن عبر Olign API. وهو يحدد أزمنة الكلمات بدقة أعلى من Olign 1.0 في كل مجموعة اختبار قسناها، في الصوت النظيف والمشوّش.
يلاحظ الناس فوراً أي خلل في توقيت الكلمات. يجب أن تظهر الترجمة المرئية حين يبدأ المتحدث وأن تختفي حين يتوقف. والدبلجة تقسّم الكلام إلى جمل عند الوقفات، لذا يجب أن تقع كل وقفة في موضعها الحقيقي. وعلى تطبيق تعلّم اللغات أن يُبرز كل كلمة لحظة نطقها. وكل ذلك يتوقف على بضعة أجزاء من مئة من الثانية.
يقرّب Olign 1.1 أزمنة الكلمات من الكلام نفسه، وصارت الوقفات تعود بطول قريب من طولها الحقيقي. وبالمتوسط على مجموعات اختبار FA-Bench الأربع، ارتفع F1 للطابع الزمني للكلمة عند 20 ms من 0.681 إلى 0.712 من الصوت وحده، ومن 0.735 إلى 0.759 مع النص. وتبقى طلباتك الحالية تعمل كما هي.
كيف قسنا
قارنّا الإصدار 1.1.3 من Olign، الذي قيس على الخدمة العاملة في نوفمبر 2026، مع Olign 1.0 الذي قيس في أكتوبر 2026. شُغّل الاثنان على مجموعات الاختبار نفسها، وقيّمهما مقيّم FA-Bench العام نفسه.
يستخدم FA-Bench مجموعتين من الكلام الإنجليزي وُسمت فيهما حدود الكلمات والفونيمات يدوياً. مجموعة TIMIT core test كلام مقروء، ومجموعة Buckeye test كلام محادثة. وتعمل كل منهما نظيفة، ومع إضافة الصدى والضوضاء والموسيقى وضجيج الأحاديث. و«مشوّش» أدناه هو متوسط هذه الأربعة. فيصبح لدينا أربع مجموعات اختبار، و«متوسط الأربع» هو متوسطها.
هناك مساران. في ASR مع الطوابع الزمنية لا يُعطى النظام إلا الصوت، ويعيد Olign كلماته الخاصة مع أزمنتها. أما المحاذاة القسرية فتُعطى النص أيضاً.
F1 للطابع الزمني للكلمة عند 20 ms هو نسبة أزمنة بداية الكلمات ونهاياتها التي تقع ضمن 20 ms من التأشير اليدوي، مع الجمع بين الدقة والاستدعاء. والأعلى أفضل.
معدل خطأ الكلمات يعدّ الكلمات المستبدلة أو المحذوفة أو المضافة، كنسبة من الكلمات المنطوقة. والأقل أفضل.
خطأ حدود الكلمات هو متوسط المسافة بين حدود الكلمات عند Olign والحدود الموسومة يدوياً، بالمللي ثانية. والأقل أفضل.
F1 لحد الفونيم عند 20 ms هو مقياس F1 للطابع الزمني للكلمة نفسه، مطبَّقاً على الحدود بين أصوات الكلام.
تطوّر Olewave كلاً من FA-Bench وOlign. لذلك يظهر Olign في لوحة صدارة FA-Bench دون ترتيب، في أسفل الجدول. ونستخدم FA-Bench هنا مقياساً عاماً يمكن إعادة إنتاجه. ولا يرتّب هذا المقال أي نظام.
ASR مع الطوابع الزمنية
ترسل الصوت فقط.
ارتفع F1 للطابع الزمني للكلمة في مجموعات الاختبار الأربع كلها. وأكبر زيادة كانت في Buckeye النظيف، من 0.660 إلى 0.702. وبالكاد تغيّر معدل خطأ الكلمات، من 7.5% إلى 7.4% في المتوسط. فالتحسن إذن في التوقيت.
جميع الأرقام
| TIMIT نظيف | TIMIT مشوّش | Buckeye نظيف | Buckeye مشوّش | متوسط الأربع | |
|---|---|---|---|---|---|
| F1 للطابع الزمني للكلمة، Olign 1.0 | 0.786 | 0.695 | 0.660 | 0.585 | 0.681 |
| F1 للطابع الزمني للكلمة، Olign 1.1 | 0.804 | 0.726 | 0.702 | 0.615 | 0.712 |
| معدل خطأ الكلمات، Olign 1.0 | 2.2% | 3.2% | 10.2% | 14.3% | 7.5% |
| معدل خطأ الكلمات، Olign 1.1 | 2.2% | 3.2% | 9.9% | 14.2% | 7.4% |
المحاذاة القسرية
ترسل الصوت ونصّه.
ارتفع F1 للطابع الزمني للكلمة في مجموعات الاختبار الأربع كلها، وانخفض خطأ حدود الكلمات فيها كلها. وأكبر انخفاض في خطأ حدود الكلمات كان في TIMIT المشوّش، من 33.0 ms إلى 25.7 ms. وارتفع F1 لحد الفونيم قليلاً في كل مكان، من 0.452 إلى 0.458 في المتوسط. ومعظم التغيير عند أطراف الكلمات.
جميع الأرقام
| TIMIT نظيف | TIMIT مشوّش | Buckeye نظيف | Buckeye مشوّش | متوسط الأربع | |
|---|---|---|---|---|---|
| F1 للطابع الزمني للكلمة، Olign 1.0 | 0.805 | 0.710 | 0.755 | 0.668 | 0.735 |
| F1 للطابع الزمني للكلمة، Olign 1.1 | 0.824 | 0.747 | 0.775 | 0.689 | 0.759 |
| خطأ حدود الكلمات، Olign 1.0 | 18.2 ms | 33.0 ms | 22.4 ms | 43.8 ms | |
| خطأ حدود الكلمات، Olign 1.1 | 17.0 ms | 25.7 ms | 18.7 ms | 38.8 ms | |
| F1 لحد الفونيم، Olign 1.0 | 0.410 | 0.393 | 0.523 | 0.483 | 0.452 |
| F1 لحد الفونيم، Olign 1.1 | 0.413 | 0.396 | 0.529 | 0.492 | 0.458 |
ما الذي تغيّر لك
لإصدارات Olign ولواجهة API أرقام إصدار منفصلة، ونذكر كليهما أدناه.
تعود الوقفات بطول قريب من طولها الحقيقي. قبل الإصدار 1.1.3، كانت الكلمة التي تسبق الوقفة تمتد داخلها، بنحو 80 إلى 90 ms في الوسيط في اختباراتنا على Buckeye. لذلك كانت الوقفات تعود أقصر مما هي عليه. والآن تنتهي الكلمة حيث ينتهي صوتها، والوسيط ضمن بضع مللي ثوانٍ. والترجمة المرئية والدبلجة تقسّمان الكلام عند الوقفات، لذا يهمّهما هذا التغيير.
الوقفات والعبارات في كل نتيجة. منذ API v1.1.0 صار في كل نتيجة قائمتان إضافيتان. تضم pauses كل مقطع مدته 0.05 ثانية أو أكثر لا تغطيه أي كلمة. وتقسم phrases الكلمات عند كل وقفة مدتها 0.1 ثانية أو أكثر. وهذه هي القائمتان لمقطع مدته 4.5 ثانية من سبع كلمات.
"pauses": [
{"begin": 0.0, "end": 0.47},
{"begin": 0.75, "end": 0.84},
{"begin": 1.132, "end": 1.213},
{"begin": 1.89, "end": 2.173},
{"begin": 4.36, "end": 4.48}
],
"phrases": [
{"begin": 0.47, "end": 1.89, "words": [0, 2]},
{"begin": 2.173, "end": 4.36, "words": [3, 6]}
]
بين الكلمات وقفة واحدة مدتها 0.1 ثانية أو أكثر، لذا يتكون المقطع من عبارتين. ويحدد words أول كلمة وآخر كلمة في كل عبارة.
نوعان من أطراف الكلمات. منذ API v1.2.0 يمكنك اختيار طريقة توقيت الكلمات. word_edges=phonetic هو الافتراضي، وتوضع فيه الأطراف حيث يضعها علماء الصوتيات. أما word_edges=audible فيبدأ كل كلمة وينهيها حيث تسمعها. وعندها يبقى الصمت الذي يسبق p أو t أو k أو b أو d أو g خارج كلمته، وهذا ما تحتاجه الدبلجة والترجمة المرئية. استخدم الأطراف المسموعة مع التسجيلات النظيفة بجودة الاستوديو.
curl https://api.olewave.com/olign/v1 \
-H "X-API-Key: $OLIGN_KEY" \
-F [email protected] \
-F [email protected] \
-F word_edges=audible
الكلمة الأولى والأنفاس. لم تعد الكلمة الأولى تبدأ داخل نفَس أو ضوضاء قبلها. والكلمة الأولى التي تبدأ بـ p أو t أو k أو b أو d أو g تحتفظ بـ 30 ms على الأكثر من الصمت الذي يسبق انفجارها. ولم تعد الكلمة التي تلي وقفة تبدأ داخل النفَس الذي قبلها.
الأسماء والكلمات الجديدة. منذ الإصدار 1.1.0، تحصل الأسماء والعلامات التجارية والكلمات الجديدة على نطق، وتُحاذى مع أصواتها هي. وفي السابق كانت مثل هذه الكلمة تعود بلا فونيمات، وتتحمل الكلمات المجاورة أخطاء توقيتها.
التسجيلات الطويلة. لم تعد الكلمات في بداية التسجيل ونهايته تُقتطع أو تسقط. ولم تعد كلمتان متتاليتان تتداخلان.
لا شيء يحتاج إلى ترحيل. تغييرات API إضافات فقط. فالطلبات التي كانت تعمل مع Olign 1.0 تعمل مع Olign 1.1، ولا يزال الاسم القديم لخيار الأطراف المسموعة مقبولاً.
كيف تقرأ هذه الأرقام
تغطي الاختبارات اللغة الإنجليزية فقط، في الكلام المقروء وفي المحادثة. وFA-Bench هو معيار Olewave الخاص، ويُدرج فيه Olign دون ترتيب. والمقيّم منشور على GitHub، ويمكن لأي شخص الحصول على ترخيص TIMIT وBuckeye. أرسل الصوت نفسه إلى Olign وقيّم ما يعود.