بقلم: نور | محررة الأبحاث والدراسات
ست ساعات من التسجيلات الصوتية بلهجة سارbrücken الألمانية قد تغير قواعد اللعبة في مجال معالجة اللغات الطبيعية، حسب ما كشفته دراسة جديدة من جامعة سارلاند (وفقاً لـ ArXiv). فريق بحثي مكون من لينا أوبركيرشر وجيسوجوبا ألابي وديتريش كلاكو ويورغن تروفين طور مجموعة بيانات “Saar-Voice” لمواجهة مشكلة جوهرية: هيمنة اللغات المعيارية على تقنيات الذكاء الاصطناعي.
المشكلة أعمق مما تبدو عليه. رغم التقدم الهائل في تقنيات NLP والكلام، تركز النماذج الحالية على الأشكال المعيارية للغات، تاركة اللهجات المحلية خارج المعادلة رغم انتشارها الواسع وأهميتها الثقافية. هذا التحيز يخلق تفاوتات في الأداء ويحرم مجتمعات كاملة من الاستفادة من التطورات التقنية.
بدأ المشروع بجمع النصوص من مصدرين رئيسيين: الكتب المرقمنة والمواد المحلية المتخصصة في لهجة سارbrücken. اختار الفريق جزءاً من هذه النصوص وسجله بأصوات تسعة متحدثين محليين، مع إجراء تحليلات شاملة للمكونين النصي والصوتي لضمان جودة البيانات وخصائصها الفريدة.
- التحدي الإملائي: واجه الباحثون تعقيدات التنوع الإملائي في كتابة اللهجة، حيث لا توجد قواعد موحدة لكتابة لهجة سارbrücken، مما استدعى تطوير منهجية مرنة للتعامل مع هذا التنوع
- التنوع بين المتحدثين: رصدوا اختلافات صوتية ملحوظة بين المتحدثين التسعة، مما يعكس الثراء الطبيعي للهجة ويزيد من قيمة البيانات للتدريب
- تحويل الرموز إلى أصوات (G2P): طوروا نظاماً متخصصاً لتحويل النص المكتوب بالهجة إلى تمثيل صوتي، مع مراعاة القواعد الصوتية الخاصة بلهجة سارbrücken
- المحاذاة الدقيقة: نجحوا في إنتاج تمثيلات نصية وصوتية محاذاة بدقة، مما يجعل البيانات جاهزة للاستخدام المباشر في نماذج التعلم الآلي
- دعم السيناريوهات منخفضة الموارد: صممت مجموعة البيانات خصيصاً لدعم تطوير نماذج تعمل في بيئات محدودة الموارد، بما في ذلك التكيف بدون أمثلة (zero-shot) ومع أمثلة قليلة (few-shot)
الدافع وراء هذا المشروع واضح: معظم تقنيات تحويل النص إلى كلام الحالية تعجز عن التعامل مع اللهجات المحلية بكفاءة. هذا القصور لا يؤثر فقط على دقة النماذج، بل يمثل إقصاءً ثقافياً لملايين المتحدثين باللهجات حول العالم. مشروع Saar-Voice يقدم نموذجاً عملياً لكيفية معالجة هذه الفجوة.
المنهجية التي اتبعها الفريق قابلة للتكرار والتطبيق على لهجات أخرى. بدلاً من محاولة تكييف النماذج العامة، بدؤوا من الصفر بجمع مواد أصيلة وتسجيلها بأصوات محلية حقيقية. هذا النهج يضمن الأصالة ويحافظ على الخصائص الصوتية الفريدة للهجة.
النتائج الأولية تشير إلى نجاح المنهجية في إنتاج بيانات عالية الجودة صالحة لتدريب نماذج TTS واعية باللهجات. هذا الإنجاز يمهد الطريق لتطوير تطبيقات صوتية أكثر شمولية وعدالة، تخدم المتحدثين باللهجات دون إجبارهم على التخلي عن هويتهم اللغوية.
الأهم من ذلك، أن هذا المشروع يطرح سؤالاً محورياً حول مستقبل تقنيات اللغة: هل ستبقى هذه التقنيات حكراً على اللغات المعيارية، أم ستتطور لتشمل التنوع اللغوي الحقيقي للبشر؟ مجموعة بيانات Saar-Voice تقدم إجابة عملية واضحة: التنوع ممكن، والتقنية قادرة على احترام الهويات المحلية.
