Olign، خدمة Olewave للمحاذاة القسرية بين الكلام والنص بدقة المبضع
أرسل تسجيلًا مع نصه المكتوب، أو مع نتيجة ASR. ومن دون أي منهما، يحوّل Olign الصوت إلى نص بنفسه. يُعاد لكل كلمة ولكل فونيم زمن البداية وزمن النهاية ودرجة من 0 إلى 100.
https://tycho.olewave.com
سجّل وأضف بطاقة لتحصل على 3,000 رصيد مجاني، أي 1,000 دقيقة من الصوت بسعر الإطلاق. لا يترتب على حفظ البطاقة أي رسوم. Olign حاليًا في مرحلة تجريبية، ويتطلب التسجيل رمز دعوة، ويمكنك طلبه منا.
كثيرًا ما تكون الطوابع الزمنية للكلمات أقل دقة مما تبدو عليه. وقد قاست ورقة FA-Bench البحثية مقدار انحرافها. يضع Whisper الكلمات قبل موعدها الصحيح بنحو 150 مللي ثانية. ومن بين ثماني واجهات API تجارية لتحويل الكلام إلى نص، تبدأ سبع منها كلماتها متأخرة، وتتأخر ثلاث منها بأكثر من 50 مللي ثانية. وتفشل أدوات المحاذاة القسرية بطريقة مختلفة. فعند إضافة ضوضاء خلفية إلى مجموعة اختبار Buckeye، لم يُرجع Montreal Forced Aligner 3.4 أي محاذاة في 354 مقطعًا كلاميًا من أصل 4,513.
بنينا Olign ليضع حدود الكلمات بدقة على التسجيلات الحقيقية، ومنها التسجيلات الضوضائية.
حدود الكلمات مُقيَّمة مقارنةً بتعليقات بشرية
يزوّد FA-Bench كل أداة محاذاة قسرية بالنص نفسه، ويقيّم كل حد من حدود الكلمات مقارنةً بالحد الذي وضعه مُعلِّق بشري. في TIMIT core-test تبلغ قيمة F1 لحدود الكلمات لدى Olign 0.782 مقابل 0.644 لدى Montreal Forced Aligner 3.4. ويُعد مقياس F1 المقياس الرئيسي في هذا الاختبار المعياري لأنه يحتسب كل كلمة يخفق النظام في وضعها. ويستبعد متوسط الخطأ المطلق تلك الكلمات.
طوابع زمنية من دون نص
إذا لم ترسل نصًا، يفرّغ Olign الصوت بنفسه. ومن الصوت وحده تبلغ قيمة F1 لحدود الكلمات لدى Olign في TIMIT core-test 0.756 مقابل 0.443 لدى Google Chirp 2، وهي أعلى قيمة بين واجهات API التجارية الثماني الأخرى لتحويل الكلام إلى نص في الاختبار المعياري.
محاذاة تصمد مع الصوت الضوضائي
على مجموعة اختبار Buckeye كاملة، بالصوت النظيف وتحت أربعة أنواع من التدهور، أعاد Olign محاذاة لكل المقاطع الكلامية البالغ عددها 22,565 دون استثناء. ولم يُرجع Montreal Forced Aligner 3.4 أي شيء في 573 مقطعًا منها.
أرقام يمكنك التحقق منها
كل نتيجة في هذه الصفحة مصدرها FA-Bench. وتطوّر Olewave كلًّا من Olign وFA-Bench. وأرقام Olign هي أرقام Olign 1.0 في سجلات أكتوبر 2026، وتعرض لوحة صدارة FA-Bench أرقام كل الأنظمة. وFA-Bench متاح للعموم على GitHub وموصوف في ورقة بحثية على arXiv. وتعرض الورقة أرقام Olign 0.9، وتظل واجهة API الخاصة به متاحة، فيمكنك إعادة إنتاج أرقام الورقة وتشغيل الاختبار المعياري نفسه على منظومتك الحالية.
استضافة ذاتية عندما لا يستطيع الصوت مغادرة شبكتك
إذا كان لا بد أن تبقى تسجيلاتك داخل VPC الخاص بك، فيمكننا مناقشة نشر مستضاف ذاتيًا.
دقة الطوابع الزمنية للكلمات على FA-Bench
fabench الخاص بهذا الاختبار على شبكة زمنية بخطوة 10 مللي ثانية، مع فترات ثقة 95 % محسوبة بطريقة بوتستراب. تعمل الأنظمة الأربعة كلها في مسار النص الذهبي، لذلك يتسلم كل نظام الكلمات المرجعية ويُقاس توقيته فقط. ولا يدخل أي خطأ تعرّف في هذه الأرقام. كلتا المجموعتين محجوزتان وغير متداخلتين من حيث المتحدثين. تستثني TIMIT core-test جمل SA كما تشترط وثائق المدوّنة. وتضم مجموعة اختبار Buckeye 8 متحدثين، اثنين من كل مجموعة من مجموعات الجنس والعمر الأربع في المدوّنة. وقائمة مقاطعها الكلامية مودعة في المستودع. تمثل المجموعة الضوضائية متوسط أنواع التدهور الأربعة، وهي الصدى والضوضاء والموسيقى والأصوات المتداخلة. أنظمة المقارنة الأساسية هي Montreal Forced Aligner 3.4.1 وQwen3-ForcedAligner-0.6B وWhisperX 3.8.6. النتائج الكاملة على لوحة صدارة FA-Bench.Olign متاح الآن للإنجليزية الأمريكية والبريطانية، ومن المخطط إضافة لغات أخرى. تكلّف كل دقيقة من الصوت 3.5 رصيد، وكل 1,000 رصيد بدولار واحد، أي أن ساعة الصوت تكلّف 0.21 دولار. وخلال العرض الترويجي للإطلاق تكلّف الدقيقة 3 أرصدة، أي 0.18 دولار للساعة. تحصل الحسابات الجديدة على 3,000 رصيد مجاني عند إضافة بطاقة. ترسل كل تسجيل على شكل مهمة واحدة يصل طولها إلى 3 ساعات، وتنتهي معالجة ساعة من الصوت في نحو أربع دقائق. وقد قيست أرقام الدقة في هذه الصفحة على الإنجليزية الأمريكية.
سجّل · ورقة FA-Bench البحثية · شيفرة FA-Bench · مكتبة العميل
ابدأ بـ 3,000 رصيد مجاني.
يعادل ذلك 1,000 دقيقة من الصوت بسعر الإطلاق، وهو ما يكفي لمقارنة Olign بأداة المحاذاة أو نظام ASR الذي تستخدمه اليوم، على تسجيلاتك الخاصة. تُضاف الأرصدة عند إضافة بطاقة، دون أي رسوم. وإن لم يكن لديك رمز دعوة بعد، فاطلبه منا.
سجّل في tycho.olewave.com →