بالنسبة للبعض، يتم التعامل مع التعرف على الصوت Voice Recognition والتعرف على الكلام Speech Recognition باعتبارهما اسمين لنفس التقنية. ففي الحالتين، يستمع الجهاز إلى شخص يتحدث، ويقوم بمعالجة الصوت، ثم يقدم استجابة معينة.
ولكن في الحقيقة، هما تقنيتان مختلفتان تلبي كل منهما احتياجًا مختلفًا التعرف على الكلام يحدد ما يقوله الشخص، بينما التعرف على الصوت يحدد هوية الشخص الذي يتحدث.
قد يبدو الفارق بسيطًا، ولكنه يغير طريقة عمل كل تقنية وحالات استخدامها بشكل كبير. يتم استخدام التعرف على الكلام لتحويل الكلمات المنطوقة إلى نصوص مكتوبة أو أوامر، بينما يستخدم التعرف على الصوت للتحقق من هوية الشخص أو تخصيص التجربة الرقمية له.
ما هو التعرف على الكلام Speech Recognition؟
التعرف على الكلام هو تقنية تتيح للحاسب تحديد الكلمات التي ينطقها الشخص وتحويلها إلى نص يمكن بعد ذلك استخدامه لتنفيذ أوامر أو إجراءات معينة. تعرف هذه التقنية أيضًا باسم Automatic Speech Recognition أو ASR. تركز التقنية بشكل أساسي على فهم ما يقوله الشخص بدقة، ولا تهتم بمعرفة من الذي يتحدث. يستقبل النظام الصوت ويقارنه بالأنماط اللغوية المختلفة ليحدد الكلمات والجمل التي يتم نطقها بأكبر قدر ممكن من الدقة.
عندما تقوم بإملاء رسالة بصوتك، أو استخدام الترجمة النصية التلقائية للفيديوهات، أو البحث على الإنترنت باستخدام صوتك، أو التحدث مع ChatGPT،فإن التعرف على الكلام يكون جزءًا من التقنية المستخدمة لتحويل كلامك إلى صيغة يمكن للنظام معالجتها. تبدأ عملية التعرف على الكلام عندما يلتقط الميكروفون صوت الشخص ويحوله إلى إشارة رقمية، ليقوم النظام بعد ذلك بتقسيم الصوت إلى وحدات أصغر، ثم مقارنتها بأنماط الكلام ونماذج اللغة التي تم تدريبه عليها.
ما هو التعرف على الصوت Voice Recognition؟
يركز التعرف على الصوت على تحديد أو التحقق من هوية الشخص الذي يتحدث. وبدلًا من التركيز على الكلمات، تقوم التقنية بتحليل الخصائص الفريدة لصوت الشخص. يمتلك كل شخص خصائص صوتية مختلفة، بما في ذلك طبقة الصوت، والنبرة، وإيقاع الحديث، وطريقة النطق، وسرعة الكلام. يستخدم نظام التعرف على الصوت هذه الخصائص لإنشاء ملف رقمي فريد لكل مستخدم،والتي تُعرف غالبًا باسم البصمة الصوتية (Voiceprint).
يقارن النظام أي عينة صوتية جديدة بهذه البصمة المحفوظة. إذا تطابقت الخصائص بدرجة كافية، يمكن للنظام تأكيد هوية المتحدث، وفتح الحساب، أو الموافقة على معاملة معينة، أو تقديم تجربة مخصصة لهذا المستخدم.كما توفر Authentica خدمة التعرف علي الصوت.
أشهر استخدامات التعرف على الكلام
يتم استخدام التعرف على الكلام بشكل واسع في تحويل الصوت إلى نصوص، وتدوين الملاحظات، وتنفيذ الأوامر الصوتية. بالنسبة لتدوين الملاحظات، يمكن للتقنية تحويل الاجتماعات، والمقابلات، والمحاضرات، والرسائل الصوتية وحتى الأفكار التي تقوم بتسجيلها بصوتك إلى محتوى مكتوب يمكن البحث داخله بسهولة. أما بالنسبة للأوامر الصوتية، فتستخدم التقنية مع أدوات مثل Siri أو ChatGPT لتحويل ما يقوله المستخدم إلى أوامر مكتوبة وفهم طلباته والرد عليها بشكل لحظي.
تُعتبر التقنية أيضًا من أدوات الوصول (Accessibility) المهمة، حيث يمكن للأشخاص الذين يجدون صعوبة في الكتابة استخدام Speech-to-Text لكتابة الرسائل أو التحكم في الحاسب. كما تجعل هذه التقنية ميزات مثل الترجمة النصية التلقائية للفيديوهات والأحداث المباشرة أكثر سهولة في الاستخدام وإتاحة لعدد أكبر من الأشخاص. تعتمد أيضًا أدوات المساعد وأنظمة السيارات ومنصات خدمة العملاء على التعرف على الكلام في عدد كبير من المزايا التقنية المختلفة.
أشهر استخدامات التعرف على الصوت
يتم استخدام التعرف على الصوت بشكل أساسي في المصادقة وتخصيص تجارب المستخدمين، مع كون المصادقة أحد أهم استخداماته. يمكن للبنوك وشركات التكنولوجيا المالية Fintech استخدام التعرف على الصوت للتحقق من هوية العملاء خلال المكالمات الهاتفية، وتقليل الحاجة إلى طرح مجموعة من أسئلة الأمان في كل مرة يتواصل فيها العميل مع خدمة العملاء.
أما بالنسبة لتخصيص التجربة، فيمكن للأجهزة الذكية التفرقة بين أفراد المنزل المختلفين وتقديم معلومات خاصة بكل شخص، مثل مواعيده، وقوائم الموسيقى، والتذكيرات، أو معلومات الحساب الخاصة به.
أي تقنية تحتاج إليها؟
تختلف حالات استخدام التقنيتين، وربما تحتاج إلى واحدة منهما أو إلى الاثنين معًا وفقًا للتطبيق الذي تقوم بتطويره. كما وضحنا، يعتبر التعرف على الكلام مناسبًا لتحويل الصوت إلى نص، والترجمة النصية، ومزايا الوصول لذوي الاحتياجات الخاصة، والأوامر الصوتية. أما التعرف على الصوت فهو الخيار الأنسب للمصادقة، وتحديد هوية المتحدث، وتخصيص التجربة لكل مستخدم.
الخلاصة
التعرف على الكلام والتعرف على الصوت تقنيتان مرتبطتان بشكل كبير، ولكنهما ليستا التقنية نفسها ولا يمكن استخدام المصطلحين باعتبارهما مترادفين. التعرف على الكلام يركز على فهم ما يقوله الشخص، بينما يركز التعرف على الصوت على تحديد أو التحقق من هوية الشخص الذي يتحدث. فهم هذا الفارق يساعد على اختيار التقنية المناسبة وفقًا لما تريد تقديمه للمستخدمين، سواء كنت تريد فهم أوامرهم أو التأكد من هويتهم.