إذا كنت تقارن بين برامج الإملاء، فمن المحتمل أنك جمعت حفنة من النسب المئوية — 99%، 97%، 95% — ووجدت أنها لا تساعدك في الاختيار. ليس ذلك لأن الأرقام غير صادقة. بل لأن رقم الدقة الواحد يجيب عن سؤال مختلف عن السؤال الذي تطرحه.
أنت تريد أن تعرف: ما مدى جودة فهم هذا البرنامج لي، عند مكتبي، بميكروفوني؟ يجيب رقم الدقة المنشور عن: ما مدى جودة تحويل هذا المحرك لمجموعة معينة من التسجيلات التي لم يسمعها أي منا؟ يمكن أن يكون لهذين السؤالين إجابتان مختلفتان جداً.
توضح هذه الصفحة كيفية عمل القياس، بحيث يمكنك قراءة رقم أي مورّد — بما في ذلك أي رقم تراه عنا — ومعرفة قيمته.
معدل خطأ الكلمات، بلغة بسيطة
عادة ما يُبلَّغ عن دقة التعرف على الصوت باستخدام معدل خطأ الكلمات، ويُكتب عادة WER. وهو نسبة الكلمات التي خرجت خاطئة. كلما كان أقل كان أفضل، و«دقة 95%» ليست سوى طريقة أخرى لكتابة «معدل خطأ 5%».
ما يُعتبر خاطئاً أكثر تحديداً مما يتوقعه معظم الناس. توجد ثلاثة أنواع من الأخطاء، وتُجمع معاً:
- الاستبدالات — خرجت كلمة على هيئة كلمة أخرى. فمثلاً، تقول كلمة وتُكتب كلمة مختلفة تُنطق بشكل مشابه.
- الحذف — كلمة قلتها لكنها غائبة عن النص المكتوب.
- الإدراج — تظهر كلمة لم تقلها إطلاقاً. يتسبب في ذلك الكلام في الخلفية وضوضاء التنفس.
اجمع الأنواع الثلاثة معاً واقسمها على عدد الكلمات التي نطقتها فعلياً. لنفترض أنك تُملي فقرة من 100 كلمة ويحتوي النص المكتوب على أربع كلمات خاطئة، وكلمة واحدة مفقودة، وكلمة زائدة واحدة: هذه ستة أخطاء في 100 كلمة، أي معدل خطأ كلمات 6%، أو «دقة 94%».
توجد نتيجة تستحق المعرفة، لأنها تفسر الكثير من التسويق المُربك: يمكن أن يتجاوز معدل خطأ الكلمات نسبة 100% إذا أدرج البرنامج كلمات أكثر مما نطقته — وهو ما يحدث في غرفة صاخبة — يمكن أن يكون عدد الأخطاء أكبر من عدد الكلمات. الرقم الذي لا يمكن أن يتجاوز 100 ليس معدل خطأ كلمات.
لماذا يعطي نفس البرنامج نتائج مختلفة لشخصين
المحرك ليس سوى أحد الأشياء التي تحدد دقتك، وغالباً ليس الأهم. البقية هو وضعك الخاص:
- ميكروفونك، وموضعه. هذا عادة ما يكون أكبر عامل منفرد، وأرخص عامل يمكن إصلاحه. يسمع ميكروفون سماعة رأس على بعد سنتيمترات قليلة من فمك شيئاً مختلفاً تماماً عما يسمعه ميكروفون كمبيوتر محمول عبر المكتب.
- الغرفة. تلفاز في الخلفية، أو مروحة، أو نافذة مفتوحة، أو غرفة ذات أسطح صلبة بها صدى. كل ذلك يصل إلى نظام التعرف على الصوت إلى جانب صوتك.
- ما تُمليه. النثر اليومي هو الحالة السهلة. أما الأسماء، والمصطلحات الطبية أو القانونية، وأرقام القطع، والعناوين، والاختصارات فهي أصعب بكثير، لأن البرنامج يختار بين كلمات تتشابه في النطق.
- كيف تتحدث. اللكنة، والوتيرة، ومستوى الصوت، وما إذا كنت تصل الجمل ببعضها، وما إذا كان صوتك يخفت تدريجياً. لا شيء من هذا عيب — إنه ببساطة تنوّع يتعامل معه المحرك أو لا يتعامل معه.
- أي نموذج تُشغّله. تأتي معظم البرامج التي تعمل على الجهاز نفسه بعدة نماذج بأحجام مختلفة. النموذج الصغير الذي يعمل بارتياح على كمبيوتر محمول قديم سيرتكب عموماً أخطاء أكثر من نموذج كبير على جهاز سريع.
يمكن لشخصين يشغّلان البرنامج نفسه، بالإعدادات نفسها، أن ينتهي بهما الأمر بفارق عدة نقاط مئوية بسبب كل هذا وحده. هذه هي الفجوة التي لا يمكن لأي رقم منشور سدّها نيابة عنك.
ما الذي يقيسه رقم القياس المرجعي فعلياً
تأتي معدلات خطأ الكلمات المنشورة من مجموعات بيانات بحثية قياسية — تجميعات ثابتة من التسجيلات بنصوص مكتوبة موثقة، حتى يمكن تقييم الأنظمة المختلفة مقابل المادة نفسها. هذا مفيد فعلاً لمن يبنون البرنامج: فهي الطريقة التي تعرف بها ما إذا كان نموذج هذا الشهر أفضل من نموذج الشهر الماضي.
لكنها أقل فائدة بكثير كدليل للشراء، لثلاثة أسباب:
- التسجيلات ليست أنت. لصوت القياس المرجعي لكناته الخاصة، وميكروفوناته الخاصة، وموضوعاته الخاصة، ولا شيء من ذلك يخصك.
- تُبلغ الجهات المختلفة عن اختبارات مختلفة. لا يمكن مقارنة رقمين قُيسا على مجموعتي بيانات مختلفتين، حتى عندما يُبلَّغ عنهما بصدق. تُنتج القراءة الجهرية لكتاب صوتي والمحادثة العفوية درجات مختلفة جداً من المحرك نفسه.
- غالباً ما تُغفل الظروف. الرقم المذكور دون مجموعة البيانات، والميكروفون، وأسلوب الحديث ليس ادعاءً يمكنك التحقق منه.
عندما ترى رقماً بالفعل، فالسؤال المفيد ليس «هل هو مرتفع؟» بل «قِيس على ماذا؟» وإذا لم يُذكر ذلك، فالرقم مجرد زخرفة.
فلسفتا تصميم مختلفتان
يوجد فرق تقني حقيقي بين النهجين الأقدم والأحدث للتعرف على الصوت، ويستحق فهمه لأنه يغيّر معنى «الدقة» نفسه بالنسبة لمنتج معين.
الملفات التعريفية المُدرَّبة. يبني النهج المكتبي التقليدي ملفاً تعريفياً لصوتك ومفرداتك الفردية. تُمضي وقتاً في البداية، ويمكنك الاستمرار في تعليمه — إضافة مصطلحاتك الخاصة، وأسماء زملائك، والكلمات التي تستخدمها مهنتك. Dragon هو المنتج الأشهر المبني بهذه الطريقة، وتدّعي مواد Nuance الخاصة دقة تعرف على الصوت تصل إلى 99%. المقابل هو وقت الإعداد، وحقيقة أن الملف التعريفي عليك أنت صيانته.
النماذج العامة. يقوم النهج الأحدث بتدريب نموذج واحد كبير على مجموعة واسعة جداً من الكلام، مرة واحدة، ويُصدر النموذج نفسه للجميع. تُعد نماذج Whisper الخاصة بـOpenAI المثال المفتوح الأشهر؛ وتصف ورقة Whisper الأصلية التدريب على حوالي 680,000 ساعة من الصوت. لا توجد خطوة تسجيل — تثبته وتبدأ التحدث — وبالمثل لا توجد طريقة لتعليمه صوتك. ما تحصل عليه في اليوم الأول هو إلى حد كبير ما ستحصل عليه لاحقاً، بصرف النظر عما يضيفه البرنامج حول النموذج، مثل قائمة كلمات شخصية.
لا يوجد نهج أفضل ببساطة من الآخر. إذا كنت تُملي مفردات متخصصة طوال اليوم، فإن القدرة على تدريب البرنامج تستحق مالاً حقيقياً. أما إذا كنت تريد تثبيت شيء واستخدامه بعد ظهر اليوم، فجلسة التسجيل تكلفة دون فائدة. أما أي الوصفين ينطبق عليك فهذا أمر لا يمكن لأي نسبة مئوية إخبارك به.
اختبره بصوتك الخاص في عشر دقائق
هذا هو القياس المرجعي الوحيد الذي يجيب عن سؤالك، ومن السهل إجراؤه على أي أداة إملاء لديها نسخة تجريبية — بما في ذلك الأدوات المجانية الموجودة بالفعل على جهاز الكمبيوتر الخاص بك.
- اكتب مقطعاً قصيراً أولاً — من 150 إلى 200 كلمة. استخدم كتابتك الخاصة، وليس فقرة عينة: أسلوب بريدك الإلكتروني، وموضوعاتك، والأسماء التي تكتبها فعلياً.
- اقرأه بصوت مرتفع في البرنامج بالطريقة التي تتحدث بها عادة، جالساً حيث تجلس عادة.
- قارن بين الاثنين جنباً إلى جنب واحسب الاستبدالات، والحذف، والإدراج. اقسم على عدد كلماتك.
- كرّرها مرة باستخدام ميكروفون سماعة رأس إذا أجريت المحاولة الأولى بميكروفون مدمج. غالباً ما يستحق هذا التغيير الوحيد أكثر من تغيير المنتجات.
- ثم أجرِ محاولة واقعية. أَملِ شيئاً غير مُعَدّ مسبقاً — رسالة إلكترونية حقيقية — لأن التحدث من صفحة أسهل من التحدث من ذهنك، والرقم الثاني هو الذي ستتعايش معه.
شغّل المقطع نفسه عبر أداتين أو ثلاث أدوات وستحصل على شيء لا يمكن لأي مراجعة أن تمنحك إياه: مقارنة على صوتك، وميكروفونك، وغرفتك. إذا لم يكن بالإمكان تجربة أداة قبل الدفع، فهذا أيضاً أمر يستحق وزنه.
قراءة النتيجة
بضع نقاط مئوية من معدل خطأ الكلمات أقل أهمية من مكان وقوع الأخطاء. البرنامج الذي يفوّت كلمة قصيرة بين الحين والآخر لكنه يُصيب كل اسم يكون أكثر متعة في الاستخدام من برنامج بدرجة أفضل يشوّه أسماء زملائك. تصحيح كلمة خاطئة يكلف لحظة؛ ملاحظتها تكلف انتباهاً.
لذا احكم على النص المكتوب، وليس على الرقم. اقرأ ما نتج، واسأل كم يحتاج من ترتيب، واسأل ما إذا كان ذلك عملاً أقل مما كانت ستستغرقه الكتابة اليدوية. هذا هو السؤال بأكمله.
أين تقف CaringDictate
لا ننشر نسبة دقة مئوية. كان بإمكاننا إنتاج واحدة — يمكن لأي شخص ذلك — لكنها ستُقاس على تسجيلات ليست صوتك، وتقديمها كتنبؤ بتجربتك سيكون مضللاً.
تستخدم CaringDictate نماذج مفتوحة للتعرف على الصوت تعمل على جهاز الكمبيوتر الخاص بك، وتأتي بعدة أحجام من النماذج بحيث تتناسب مع الجهاز الذي تملكه. توجد فترة تجريبية مجانية لسبعة أيام، وهي موجودة تحديداً حتى يُحسم هذا السؤال بصوتك أنت وليس بتسويقنا. إذا كانت الكتابة الصوتية المجانية المدمجة بالفعل في Windows تحصل على نتيجة جيدة بما يكفي بالنسبة لك عندما تُجري الاختبار أعلاه، فتلك نتيجة جيدة — استخدمها واحتفظ بمالك.
إلى أين تتجه من هنا
مربع مسرد مصطلحات الكتابة الصوتية يشرح بقية المصطلحات التي ستصادفها أثناء التسوق. أما مقارنة Dragon فتغطي الاختلافات على مستوى المنتج، أما دليل الخصوصية فتغطي إلى أين يذهب صوتك في الأدوات المحلية مقابل السحابية.