درس فريق بقيادة Amr Abdelkhalik المُرمّز الصوتي البالغ حجمه 305 مليون معلمة والمستخدم في Gemma 4 وEmbeddingGemma 2. أبقى الفريق أوزان المُرمّز ثابتة، ودرّب إما قارئ CTC بحجم 22.6 مليون معلمة (النظام الثابت)، أو أضاف 3.1 مليون معلمة للمُكيّف إلى جانب قارئ هجين CTC/attention بحجم 41.5 مليون معلمة (النظام المُكيّف). وبالمقارنة مع Cohere Transcribe Arabic (بحجم 2.07 مليار معلمة)، حقق النظام الثابت معدلات خطأ على مستوى الأحرف مماثلة في معظم الاختبارات، وعمل بسرعة أكبر بمقدار 3.4 × على وحدة المعالجة المركزية. أما النظام المُكيّف، فحقق معدلات خطأ على مستوى الكلمات مماثلة إحصائيًا في مكالمات خدمة العملاء السعودية (19.20% مقابل 19.27%)، وتفوّق على أداة تعرّف بحجم 0.6 مليار معلمة في عدة ظروف، مع فك الترميز بسرعة أكبر بمقدار 139 × على وحدة معالجة رسومية واحدة.
لماذا يهم
تُظهر النتائج أن مُرمّز Gemma 4 الثابت أو المُكيّف بدرجة طفيفة يمكنه توفير دقة في التعرّف على الكلام العربي تقارب دقة النماذج التجارية، مع احتياج أقل بكثير إلى القدرة الحاسوبية؛ وهو ما يفيد الشركات التي تحتاج إلى حلول منخفضة التكلفة تستضيفها بنفسها.
