أعلنت شركة الذكاء الاصطناعي الفرنسية “ميسترال Mistral” إطلاق نموذج جديد مفتوح المصدر لتحويل النص إلى كلام (TTS) يحمل اسم Voxtral TTS، مع تركيز واضح على دعم اللغة العربية ضمن قدراته الأساسية.
ويأتي النموذج الجديد ليدخل في منافسة مباشرة مع شركات بارزة في مجال توظيف الذكاء الاصطناعي في توليد الصوت مثل ElevenLabs و OpenAI، وتسعى ميسترال إلى تقديم بديل مفتوح وقابل للتخصيص يلبي احتياجات الأفراد والشركات.
دعم العربية ضمن 9 لغات رئيسية
يدعم نموذج Voxtral TTS تسع لغات عالمية، منها العربية، بالإضافة إلى الإنجليزية والفرنسية والألمانية والإسبانية والهندية وغيرها، مما يعزز استخدامه في الأسواق المتعددة اللغات، خاصةً في مجالات مثل خدمة العملاء والتفاعل الصوتي مع المستخدمين.
ويُعد إدراج اللغة العربية نقطة مهمة؛ إذ يتيح للشركات بناء وكلاء ذكاء اصطناعي قادرين على التفاعل الطبيعي صوتيًا مع المستخدمين العرب، سواء في المبيعات أو الدعم الفني، مع الحفاظ على جودة النطق والسلاسة.
وأوضحت ميسترال أن النموذج يستطيع إنشاء صوت مخصص اعتمادًا على عينة قصيرة تقل عن خمس ثوانٍ فقط، مع القدرة على التقاط تفاصيل دقيقة مثل اللهجات، ونبرة الصوت، وطريقة الإلقاء، وحتى التفاوتات الطبيعية في الحديث.
ويمكن للنموذج التنقل بين اللغات المختلفة دون فقدان خصائص الصوت الأساسية، وهي ميزة مفيدة في تطبيقات مثل الدبلجة والترجمة الفورية، بما يشمل الحفاظ على هوية المتحدث حتى عند التبديل بين اللغات.
أداء سريع مناسب للتطبيقات الفورية
يركز النموذج على الأداء الفوري؛ وتزعم الشركة أن النموذج قادر على إنتاج مقطع صوتي مدته 10 ثوانٍ خلال نحو 1.6 ثانية فقط. وتتيح هذه السرعة استخدام النموذج في سيناريوهات تفاعلية مباشرة، مثل المساعدات الصوتية أو الردود الآلية الفورية.
وأشارت الشركة إلى أن النموذج صغير الحجم بما يكفي للعمل عبر أجهزة متنوعة مثل الهواتف الذكية والساعات الذكية والحواسيب المحمولة، مع تكلفة تشغيل منخفضة مقارنةً بالمنافسين، مما يعزز فرص اعتماده في التطبيقات اليومية.
ويأتي إطلاق نموذج Voxtral TTS ضمن توجه أوسع لدى ميسترال لبناء منظومة صوتية متكاملة؛ إذ سبق أن أطلقت نماذج لتحويل الصوت إلى نص، وتخطط لتطوير منصة تدعم مدخلات ومخرجات متعددة تشمل الصوت والنص والصورة مع توفيرها المصادر المفتوحة وإمكانيات التخصيص.
