تضيف Google ميزة التعرف على الكلام في وضع عدم الاتصال وتحويل النص إلى كلام إلى معرض AI Edge

أعلنت Google في 10 نوفمبر أن AI Edge Gallery يدعم الآن التعرف التلقائي على الكلام (ASR) وتحويل النص إلى كلام (TTS) على الجهاز، مقترنًا بنماذج لغة صغيرة على الجهاز مثل Gemini Nano وGemma 4، بحيث يمكن للهواتف نسخ الكلام مباشرة وتوليف الردود المنطوقة دون أي اتصال بالشبكة. قالت Google إن الصوت غالبًا ما يكون الطريقة الأكثر طبيعية للتفاعل مع الذكاء الاصطناعي على الهواتف والأجهزة القابلة للارتداء، كما أن التقدم في نماذج الكلام المدمجة يجعل الآن ASR الدقيق متعدد اللغات وتحويل النص إلى كلام (TTS) ممكنًا بالكامل على الجهاز.

Android: تغطي ML Kit أكثر من 100 لغة وتبدأ في التحدث خلال 100 مللي ثانية تقريبًا

على نظام التشغيل Android، تقوم أحدث نماذج الكلام الموجودة على الجهاز من ML Kit بنسخ أكثر من 100 لغة بسرعة 10 أضعاف السرعة الفعلية، لتصل إلى معدل خطأ في الكلمات يتراوح بين 8.0% إلى 9.0% وفقًا لمعيار FLEURS. يبدأ نموذج تحويل النص إلى كلام الخاص به، المدعوم بنموذج نشر مدمج بضع خطوات، في التحدث في حوالي 100 مللي ثانية ويجمع صوتًا بتردد 24 كيلو هرتز بسرعة تصل إلى 50 مرة في الوقت الفعلي، عبر ثمانية أصوات معبرة و21 لغة. تم دمج كلا الطرازين في نظام التشغيل، مما يضيف 0 ميجابايت إلى APK الخاص بالتطبيق، ويستفيد من تسريع الأجهزة على واجهات NPU وTPU الخلفية حيثما كان ذلك متاحًا.

الأنظمة الأساسية المشتركة: نماذج مفتوحة الوزن لأنظمة iOS وWindows والويب

بالنسبة للتطبيقات عبر الأنظمة الأساسية، قامت Google بتحسين حزم نماذج ‎.litertlm الجديدة من خلال MediaPipe Tasks وLiteRT، بما في ذلك Parakeet-TDT 0.6B للتعرف على الكلام وPocketTTS 100M وKokoro-82M وPhonon 31M لتحويل النص إلى كلام، والتي تعمل على أنظمة iOS وmacOS وWindows وLinux والويب إلى جانب نماذج اللغات الصغيرة الموجودة على الجهاز دون تنافس على الحساب. يقدم مجتمع Hugging Face LiteRT أيضًا نماذج ذات وزن مفتوح مثل Whisper وQwen3-ASR.

العروض: مدرس لغة غير متصل بالإنترنت والدردشة الصوتية

تعرض جوجل استخدامين: عرض XR Language Teacher، الذي يعمل محليًا بنسبة 100% على الهاتف، مما يسمح للمستخدمين بتوجيه الكاميرا نحو لافتة شارع أو قائمة، وطرح سؤال بصوت عالٍ وسماع شرح بلغتهم مع نطق أصلي باللغة المحلية؛ والدردشة المدعومة بالذكاء الاصطناعي، مع ميزة الإملاء المتدفق وتشغيل القراءة بصوت عالٍ مع تمييز الجملة المباشرة. تتوفر الميزات اعتبارًا من اليوم، مع تطبيق AI Edge Gallery على نظامي التشغيل Android وiOS والتنفيذ المرجعي مفتوح المصدر. المصدر: مدونة مطوري Google، 10 نوفمبر 2026.