# تصميم متكرر يهدف إلى تقليص نماذج التعرّف على الكلام

> يقترح باحثون مشاركة الأوزان بين كتل متكررة لتقليل حجم نماذج التعرّف التلقائي على الكلام، مع الحفاظ على معظم دقة النماذج الأكبر.

Oossa · 2026-10-30 · https://oossa.com/ar/a-recurrent-design-aims-to-shrink-speech-recognition-models

يقترح فريق في ورقة منشورة على arXiv نموذجًا للتعرّف على الكلام يعيد استخدام مجموعة صغيرة من الكتل، بدلًا من تخصيص معاملات لكل طبقة. ويقول الباحثون إن هذا النهج، إلى جانب أساليب تدريب تنقل المعرفة من نماذج أكبر، يستخدم نحو عُشر عدد المعاملات مع الحفاظ على الدقة.

وبحسب الملخص، استعاد نموذج الفريق الذي يستخدم كتلتين مشتركتين 97.4% من متوسط دقة النماذج الكبيرة في معايير Open ASR Leaderboard. كما يصف الفريق طريقة لتكييف النموذج المدمج مع المستخدمين الأفراد، لكن الملخص لا يقدم قياسات على الأجهزة ولا يثبت أداءه في الاستخدام الفعلي.

## الحقائق

- أفاد الباحثون بأن النموذج ذي الكتلتين استعاد 97.4% من متوسط دقة النماذج الكبيرة عبر معايير Open ASR Leaderboard.
- نُشرت الورقة على arXiv في 30 أكتوبر 2026.

## لماذا يهم

قد يساعد تقليل عدد معاملات النموذج مطوري تقنيات التعرّف على الكلام للساعات والنظارات في تخفيف قيود الذاكرة؛ لكن لا يزال مجهولًا ما إذا كان هذا التصميم يوفر سرعة أو استهلاكًا أقل للطاقة على الأجهزة الفعلية.

## المصادر والمراجع

1. [Depth through Recurrence: Towards Ultra-Efficient On-Device ASR](https://arxiv.org/abs/2610.37833) – arXiv cs.LG, 2026-10-30

آخر تحديث: 2026-10-30