Olign، خدمة Olewave للمحاذاة القسرية بين الكلام والنص بدقة المبضع الجراحي
أرسل تسجيلًا مع نصه المكتوب، أو مع نتيجة ASR. ومن دون أي منهما، يفرّغ Olign الصوت بنفسه. تُعاد كل كلمة وكل فونيم مع وقت البداية ووقت النهاية ودرجة من 0 إلى 100. وطوابع Olign الزمنية للكلمات أدق من تلك الصادرة عن Montreal Forced Aligner و Qwen3-ForcedAligner و WhisperX.
https://api.olewave.com/olign/v1
الوصول التجريبي المجاني متاح. اطلب رمز دعوة وأنشئ مفتاح API الخاص بك.
غالبًا ما تكون الطوابع الزمنية للكلمات أقل دقة مما تبدو عليه. في ورقة FA-Bench البحثية، يضع Whisper الكلمات مبكرًا بنحو 150 مللي ثانية، وتضع سبع من أصل ثماني واجهات API تجارية لتحويل الكلام إلى نص بدايات كلماتها متأخرة، وثلاث منها بتأخير يزيد على 50 مللي ثانية. وتفشل أدوات المحاذاة القسرية بطريقة مختلفة. عند إضافة ضوضاء خلفية إلى مجموعة اختبار Buckeye، لم يُرجع Montreal Forced Aligner 3.4 أي محاذاة في 354 جملة منطوقة من أصل 4,513 جملة.
بنينا Olign لوضع حدود الكلمات بدقة على التسجيلات الحقيقية، بما فيها التسجيلات الضوضائية.
أعلى درجة F1 للحدود بين جميع أدوات المحاذاة القسرية
عند إعطاء النص نفسه، يضع Olign حدود الكلمات بدقة تفوق كل أداة محاذاة قسرية أخرى يقيّمها FA-Bench، وذلك على كلتا المدونتين، في الصوت النظيف وبعد إضافة الضوضاء. على TIMIT core-test تبلغ F1 لحدود الكلمات لدى Olign 0.782، مقابل 0.644 لدى Montreal Forced Aligner 3.4. وتقع بدايات الكلمات لدى Olign قبل موعدها بمقدار 3.1 مللي ثانية في المتوسط. F1 هو المقياس الرئيسي في هذا الاختبار المعياري لأنه يحتسب كل كلمة يفشل النظام في تحديد موضعها. ويستبعد متوسط الخطأ المطلق تلك الكلمات.
توقيت أفضل لنظام ASR الذي تستخدمه بالفعل
أبقِ على نظام التعرف على الكلام لديك، ودع Olign يضبط توقيت كلمات هذا النظام. عند إعطاء Olign الكلمات التي تعرّف عليها Google Chirp 2 على TIMIT core-test، يرفع F1 لحدود هذه الكلمات من 0.443 إلى 0.734. تبقى الكلمات المتعرَّف عليها دون تغيير، لذلك يعود التحسن كله إلى التوقيت. وعند تشغيله بهذه الطريقة، تتفوق طوابع Olign الزمنية على طوابع جميع واجهات API التجارية الثماني في الاختبار المعياري، على كل مجموعة.
محاذاة تصمد أمام الصوت الضوضائي
عبر مجموعة اختبار Buckeye، في الصوت النظيف وتحت أربعة أنواع من التشويه، أعاد Olign محاذاة لجميع الجمل المنطوقة البالغ عددها 22,565، عدا 3 منها. ولم يُرجع Montreal Forced Aligner 3.4 أي شيء في 573 منها.
أرقام يمكنك التحقق منها
كل نتيجة في هذه الصفحة مصدرها FA-Bench، وهو مفتوح المصدر وتصفه ورقة بحثية على arXiv. وتظل واجهة API v0.9 التي أنتجت الأرقام المنشورة متاحة، لذلك يمكنك إعادة إنتاجها وتشغيل الاختبار المعياري نفسه على منظومتك الحالية.
استضافة ذاتية عندما لا يمكن للصوت مغادرة شبكتك
إذا كان لا بد أن تبقى تسجيلاتك داخل VPC الخاص بك، فيمكننا مناقشة نشر مستضاف ذاتيًا.
دقة الطوابع الزمنية للكلمات على FA-Bench
fabench الخاص به على شبكة زمنية قدرها 10 مللي ثانية، مع فترات ثقة 95 % بطريقة bootstrap. تعمل الأنظمة الأربعة كلها في مسار النص المرجعي، لذلك يُعطى كل نظام الكلمات المرجعية ويُقاس توقيته فقط. ولا تتضمن هذه الأرقام أي خطأ في التعرف. المجموعتان محجوزتان ومنفصلتان من حيث المتحدثين. تستبعد TIMIT core-test جمل SA كما تشترط وثائق المدونة، وتُقسَّم مجموعة اختبار Buckeye طبقيًا بحسب الجنس والعمر وفق تصميم المدونة نفسها، على 24 و8 و8 متحدثين، مع إيداع انتماء كل جملة منطوقة في المستودع. ضوضائي هو متوسط حالات التشويه الأربع، وهي الصدى والضوضاء والموسيقى والثرثرة. خطوط الأساس هي Montreal Forced Aligner 3.4.1 و Qwen3-ForcedAligner-0.6B و WhisperX 3.8.6. النتائج الكاملة على TIMIT و Buckeye.الوصول التجريبي المجاني متاح الآن للإنجليزية الأمريكية والبريطانية، مع التخطيط لإضافة لغات أخرى. اطلب رمز دعوة، وأنشئ مفتاح API الخاص بك، وأرسل تسجيلات كاملة مدتها حتى 60 دقيقة على شكل مهام. تغطي النسخة التجريبية 60 دقيقة من الصوت لكل حساب يوميًا، وتستغرق المهمة نحو ثُمن مدة التسجيل حتى تكتمل. وقيست أرقام الدقة في هذه الصفحة على الإنجليزية الأمريكية.
اطلب الوصول التجريبي · ورقة FA-Bench البحثية · شيفرة FA-Bench · مكتبة العميل
جرّب Olign مجانًا خلال النسخة التجريبية.
اطلب رمز دعوة وأنشئ مفتاح API الخاص بك. تمنحك النسخة التجريبية 60 دقيقة من الصوت يوميًا، وهذا يكفي لمقارنة Olign بأداة المحاذاة أو بنظام ASR الذي تستخدمه اليوم.
اطلب رمز دعوة →