كيف تفرّغ المكالمات الهاتفية العربية بدقة (ولماذا تفشل فيها أغلب النماذج)

إن كنت تفرّغ مكالمات عملاء عربية فأنت تعرف النمط: عرض المزوّد على صوت نظيف يبدو ممتازًا، والنصوص الخارجة من مركز اتصالك ليست كذلك. هذه الفجوة ليست سوء حظ. تفريغ المكالمات الهاتفية العربية مشكلة مختلفة عن تفريغ البودكاست، ويجب اختباره على هذا الأساس.

لماذا يصعب تفريغ صوت الهاتف العربي؟

يحدث أمران في وقت واحد خلال المكالمة.

الخط يرمي جزءًا من الصوت. صوت الهاتف التقليدي يُسجَّل بتردد 8 كيلوهرتز ويمرّر تقريبًا النطاق بين 300 و3400 هرتز، وكثير مما يميّز الحروف المتقاربة يقع فوق هذا النطاق. أضف إلى ذلك ترميزًا يضغط الصوت، واتصالًا جوّالًا يُسقط بعض الحزم، ومتصلًا على مكبّر الصوت في سيارته، فيصل إلى النموذج جزء يسير من الإشارة التي تدرّب عليها.

المتصل يتكلم باللهجة. مكالمات العملاء في الخليج باللهجة الخليجية، وكثيرًا ما تتخللها أسماء منتجات إنجليزية. والنموذج الذي يميل إلى الفصحى حين يتردد — راجع اللهجة الخليجية أم الفصحى — يميل إليها أكثر ما يكون حين يكون الصوت في أسوأ حالاته.

والأمران يتضاعفان: إشارة أقل تعني تخمينًا أكثر، والنموذج الذي يخمّن بالفصحى يعيد صياغة جزء أكبر مما قيل.

كم تتراجع النماذج على المكالمات الهاتفية؟

اختبرنا على الصوت الذي يهم فعلًا: مكالمة هاتفية حقيقية ضيّقة النطاق، لا صوت هاتف محاكى من تسجيلات استوديو. وعليها ارتكب نُطق أخطاء حروف أقل بنسبة 40% من المزوّد العربي الرائد.

هذا الاختبار جزء من تقييم أوسع شمل 986 مقطعًا — بثّ ومقابلات عفوية ومكالمات — قورن كل منها بنص كتبه إنسان. ونعتمد معدل خطأ الحروف لا الكلمات لأن العربية تلصق السوابق واللواحق بالكلمة، فقد يُحسب حرف واحد خاطئ كلمةً كاملة خاطئة؛ والحروف تعطي صورة أعدل عن قرب النص من الصواب.

كيف تفرّغ المكالمات العربية المسجّلة؟

أرسل كل تسجيل إلى نقطة التفريغ، طلبًا لكل ملف:

curl -X POST https://nutq.dev/v1/transcribe \
  -H "Authorization: Bearer $NUTQ_API_KEY" \
  -F "file=@call-2026-09-24-1043.wav" \
  -F "language=ar"

ملاحظات عملية لمراكز الاتصال:

• احتفظ بالتسجيل الأصلي. لا ترفع تردد صوت 8 كيلوهرتز ولا "تحسّنه" قبل إرساله؛ فذلك لا يضيف شيئًا ينتفع به النموذج وقد يضيف تشوهات.
• افصل التسجيلات المجسّمة. إن وضع جهاز التسجيل الموظف في قناة والعميل في أخرى، فأرسلهما منفصلين تحصل على نص نظيف لكل متحدث.
• المعالجة الجماعية سريعة. بنحو 22 ضعف الزمن الحقيقي، تعود ساعة من المكالمات في أقل من ثلاث دقائق. والملفات حتى ساعة و100 ميغابايت تُرسل في طلب واحد.
• سجّل حقل usage. كل استجابة تذكر تكلفة الطلب بالضبط، والطلبات الفاشلة لا تُحتسب.

الطلب والاستجابة كاملين في دليل تحويل الكلام العربي إلى نص.

كيف تفرّغ المكالمات العربية المباشرة؟

للمكالمات المباشرة نقطة WebSocket: ترسل إليها صوت PCM خامًا بدقة 16 بت، ويعود إليك النص كلما توقف المتحدث:

wss://worker.nutq.dev/v1/listen?encoding=linear16&sample_rate=8000&channels=2&channel=1

وهي تتبع بروتوكول Deepgram المباشر، فيعمل أي عميل Deepgram موجود بتغيير الرابط. واعرف حدًّا واحدًا قبل أن تبني عليها: النتائج تصل بعد انتهاء العبارة — بنحو 700 ملّي ثانية من توقف المتحدث — لا كلمةً بكلمة أثناء الكلام. التوثيق يسرد كل الرسائل.

هل يمكن تشغيل التفريغ داخل شبكتنا؟

عند البنوك وشركات التأمين والجهات الحكومية، السؤال غالبًا ليس الدقة بل وجهة الصوت. يشغّل نُطق النماذج نفسها داخل شبكتك وعلى أجهزتك:

وفي العمل الخاضع للتنظيم في الإمارات، هذا عادةً هو القرار كله. تحدّث معنا عن التشغيل الداخلي.

ما الذي تتحقق منه قبل اختيار مزوّد لتفريغ المكالمات؟

1. اختبر على مكالماتك أنت — الخط الحقيقي واللهجات الحقيقية — لا على ملفات العرض.
2. قيّم مقابل تفريغ يكتبه متحدث أصلي كما قيل، باللهجة.
3. احسب أخطاء الحروف، واقرأ النصوص بحثًا عن كلمات لهجية أعيدت صياغتها فصحى.
4. تحقق من الثواني الأخيرة من كل مكالمة ومن أسماء المنتجات التي تهمك.
5. اسأل أين يُعالج الصوت ويُخزَّن، وهل يمكن أن يتغير ذلك.

رصيدك المجاني البالغ 5 دولارات عند التسجيل يغطي نحو 33 ساعة صوت — ما يكفي لاختبار حقيقي على مكالمات حقيقية.