نظرة سريعة
سريع لأنه محلي. ودقيق لأن المسار متقن.
معظم التسويق للإملاء يتجاوز الحديث عن المسار. وهذا غير معقول. فالمسار هو المنتج. إذا كانت الإشارة سيئة، أو كانت المعالجة على دفعات ساذجة، أو كان وقت التشغيل غير مستقر، يشعر الناس بذلك فورًا.
ما يهم
- يشغّل مسار الإملاء بالكامل على الجهاز.
- ينقّي الإشارة قبل التعرّف، لا النص فقط بعده.
- يبثّ على دفعات حتى لا تتعثر جلسات الإملاء الطويلة في النهاية.
- يُبقي استدعاءات الشبكة في أدنى حد، واختيارية.
المسار
المسار الذي يعمل على الجهاز، خطوة بخطوة.
اكتشاف النشاط الصوتي
تضع بوابة Silero للكلام، التي تعمل بالبث، علامات على مقاطع الكلام فور وصول الصوت، فلا يجري التعرّف إلا على الأجزاء التي تحتوي كلامًا.
التقسيم
تعتمد حدود العبارات على الحشو والدمج حتى لا تقطع الوقفات القصيرة السياق بين الجمل.
معالجة الصوت
يُطبَّق أولًا مرشّح تمرير عالٍ عند 50 Hz، ثم تطبيع للجهارة بوزن K. يعتمد هدف الجهارة على المسار: تستهدف كتابة الملفات −14 LUFS، ويستهدف الإملاء المباشر −16 LUFS افتراضيًا و−18 LUFS في الطوبولوجيا البديلة.
إعادة التقطيع
يُحوَّل الصوت من 48 kHz إلى 16 kHz ليتوافق بنظافة وثبات مع ما تتوقعه النماذج المشتقة من Whisper.
تجميع السياق على دفعات
يُبثّ الإملاء في كتل بهدف 29 ثانية، ضمن نطاق من 15 إلى 29 ثانية، فتبقى الأفكار الأطول متماسكة بدلًا من أن تُعاد تهيئتها كل بضع ثوانٍ. الهدف ليس سقفًا صارمًا: فمقطع الكلام الواحد الأطول من الهدف يبقى كاملًا.
الاستدلال عبر Metal
يعمل Whisper عبر واجهة Metal الخلفية لوحدة GPU، مع وضع آمن يعتمد على وحدة CPU فقط يثبت التطبيق عليه إذا تعطل التشغيل السابق أثناء تهيئة النموذج. مسار مشفّر Core ML معطّل قسرًا في هذا الإصدار لأن مدخلاته ذات الشكل الثابت لا تقبل صوتًا متغير الطول.
السرعة
لماذا يبدو أسرع عمليًا.
بلا رفع
لا يغادر الصوت جهاز Mac أبدًا، فتتجنب تأخر الشبكة وآثار الضغط وطوابير السحابة.
إنهاء محدود
عند رفع يدك عن الاختصار تُنهى الكتلة الحالية فقط، لا التسجيل كله. لذلك لا يزداد الوقت من التوقف حتى ظهور النص مع طول الإملاء. لم ننشر رقمًا مقيسًا بالميلي ثانية، ولن ننشره قبل أن يصدر الاختبار المرجعي مع برنامجه النصي.
على دفعات متقطعة لا باستمرار
لا يعمل الاستدلال إلا أثناء إنهاء كتلة، وليس طوال مدة فتح التطبيق. لا يوجد اتصال شبكة خامل، ولا طابور رفع في الخلفية يُبقي الراديو مستيقظًا.
الدقة
لماذا يبقى دقيقًا وسط الفوضى البشرية المعتادة.
تحسين الإشارة أولًا
نحسّن الصوت قبل التعرّف، بدلًا من الاتكاء على حيل مكثفة في الموجّهات لإنقاذ نص رديء بعد ذلك.
مقاومة الضوضاء
تُبقي بوابة Silero ما ليس كلامًا خارج فك الترميز، بدلًا من أن تطلب من المتعرّف أن ينسخ صوت مروحة. فهي تعتمد على الكلام، ولذلك لا تسطّح الحروف الساكنة وحروف الصفير كما يفعل كبت الضوضاء واسع النطاق.
مفردات المجال
تُغذّى قوائم الكلمات المخصصة إلى المتعرّف مباشرة، ما يساعد المصطلحات التقنية وأسماء المنتجات على اجتياز أول احتكاك.
الثقة
الخصوصية وإمكانية المراجعة جزء من القصة الهندسية.
التوزيع عبر Mac App Store
يُوزَّع Voice Type مع تفعيل توثيق Apple وبيئة العزل.
شفافية حقيقية
تُعرض تقييمات App Store دون تصفية، بما فيها الملاحظات النقدية.
أقل قدر من استدعاءات الشبكة
لا نتصل بـ Apple إلا للتحقق من الإيصال، وبمزوّد إعادة الصياغة الاختياري إن فعّلته.
إعادة صياغة اختيارية
يبقى الإملاء محليًا. وإعادة الصياغة اختيارية.
إذا فعّلت إعادة الصياغة بمفتاحك الخاص، يمكن تسليم النصوص إلى نموذج لغوي كبير سريع لتنسيقها أو تلخيصها أو كتابة مسودة منها. والمهم أن الإملاء نفسه لا يحتاج إلى هذا المسار ليبدو فوريًا.
هذا الفصل مهم. يجب أن يكون التقاط الكلام موثوقًا أولًا. أما صقل اللغة فاختياري، ويأتي ثانيًا.