أعلنت شركة إكس إيه آي عن إطلاق واجهتي برمجة تطبيقات جديدتين متخصصتين في معالجة الصوت، الأولى لتحويل الكلام إلى نص، والثانية لتحويل النص إلى صوت، في خطوة تستهدف دعم تطوير الجيل الجديد من التطبيقات الصوتية المعتمدة على الذكاء الاصطناعي، بما يشمل المساعدات الذكية، وأنظمة النسخ الفوري، وحلول الوصول الرقمي، والبودكاست، والتجارب التفاعلية.
وتعتمد الخدمات الجديدة على البنية التقنية ذاتها المستخدمة في أنظمة الصوت التابعة للشركة، إضافة إلى تكاملها مع أنظمة تشغيل داخلية في سيارات تسلا وخدمات دعم العملاء لشركة ستارلينك، ما يعكس مستوى متقدمًا من الترابط بين منظومة منتجات الشركة.
وتوفر واجهة تحويل الصوت إلى نص قدرات عالية الدقة وسرعة معالجة منخفضة، سواء عبر معالجة الملفات الصوتية الكبيرة خلال وقت قصير أو من خلال النسخ الفوري للمحادثات في الزمن الحقيقي. كما تدعم خصائص متقدمة تشمل تحديد توقيت الكلمات بدقة، والتعرف على المتحدثين داخل المحادثة، ودعم تعدد القنوات الصوتية، إلى جانب تقنيات ذكية لمعالجة النصوص مثل تحويل الأرقام والتواريخ والعملات إلى صيغها الصحيحة تلقائيًا.
وتدعم الخدمة أكثر من خمس وعشرين لغة، مع إمكانية التبديل بينها بشكل سلس أثناء التشغيل، ما يعزز قدرتها على العمل في بيئات متعددة اللغات والأسواق العالمية.
كما تتميز بإمكانية التعرف على الكيانات والمصطلحات المهمة داخل المحتوى الصوتي، ما يجعلها مناسبة للاستخدام في قطاعات دقيقة مثل القطاع الطبي والقانوني والمالي، حيث تتطلب البيانات مستوى عاليًا من الدقة في الفهم والمعالجة.
مؤثرات صوتية تعبيرية
وفي المقابل، تتيح واجهة تحويل النص إلى صوت إنتاج محتوى صوتي طبيعي وواقعي بسرعة عالية، مع إمكانيات متقدمة للتحكم في نبرة الصوت وإيقاعه، بما في ذلك إضافة مؤثرات صوتية تعبيرية مثل الضحك والهمس والتوقف والتشديد، بما يمنح الصوت طابعًا أكثر واقعية وتفاعلية.
وتعتمد الخدمة نموذج تسعير قائم على الاستخدام، حيث يتم احتساب التكلفة بناءً على حجم الاستخدام الفعلي، مع مستويات تسعير مختلفة حسب نوع المعالجة، سواء كانت فورية أو غير فورية، إلى جانب تسعير يعتمد على عدد الأحرف في خدمة تحويل النص إلى صوت.
وأوضحت الشركة أن أداء نظام تحويل الصوت إلى نص تم اختباره مقارنة بعدد من أبرز الأنظمة المنافسة في السوق، حيث أظهر نتائج قوية في مجالات مثل المكالمات الهاتفية والاجتماعات والبودكاست، مع معدلات خطأ منخفضة في التعرف على الكلمات، خصوصًا في السياقات المهنية.
كما أظهرت المنصة قدرة متقدمة على التعامل مع المحادثات متعددة المتحدثين، من خلال فصل الأصوات وتحديد هوية كل متحدث بدقة عالية في الوقت الحقيقي، وهو ما يعزز استخدامها في مراكز الاتصال والاجتماعات المؤسسية والبيئات التشغيلية المعقدة.
وأكدت الشركة أن الهدف من هذه التقنيات هو تمكين المطورين من بناء تطبيقات صوتية أكثر ذكاءً ومرونة، تجمع بين الدقة والسرعة والقدرة على الفهم السياقي، بما يسهم في تطوير جيل جديد من الحلول الصوتية المعتمدة على الذكاء الاصطناعي على نطاق عالمي.
