ما الذي صدر
نشرت ميسترال فوكسترال 3، وهي عائلة نماذج صوتية تغطي النسخ والنسخ الفوري وتوليد الكلام، على مدونتها. وتضم المجموعة فوكسترال سمول ترانسكرايب 3 لدقة المعالجة بالدفعات، وفوكسترال ميني ترانسكرايب 3 بأربعة مليارات معامل للكفاءة، وفوكسترال ميني ترانسكرايب ريل تايم 3 للبث، وفوكسترال سبيتش 3 لتحويل النص إلى كلام. وتربطها حزمة تطوير لوكلاء صوتيين مبنية على لايف كيت في مسار واحد.
ويغطي النسخ بالدفعات أكثر من 50 لغة، منها لغات الاتحاد الأوروبي الرسمية الأربع والعشرون؛ ويغطي النموذج الفوري أكثر من 35 لغة؛ أما نموذج الكلام فيغطي أكثر من 35 لغة و50 لهجة، مع أصوات جاهزة بـ18 لغة. وكل الأرقام الواردة أدناه هي أرقام ميسترال، منشورة على صفحة منتجها لا مقيسة بشكل مستقل.
ضريبة زمن الاستجابة بأرقام ميسترال
أكثر ما يفيد في الصفحة هو الرسم البياني للعمل الفوري، لأنه يضع ثمناً للسرعة بدل أن يتجاهله. فبقياس FLEURS عبر 35 لغة، يسجل فوكسترال ميني ترانسكرايب 3 في وضعه غير الفوري نسبة خطأ متوسطة في الكلمات تبلغ 4.0%. وعند تشغيله بثاً، ترتفع النسبة مع كل درجة انخفاض في زمن الاستجابة: 5.7% عند 2400 جزء من الثانية، و6.0% عند 960، و6.4% عند 480، و7.4% عند 240.
إنها مقايضة ينشرها المورّد نفسه: فالحصول على رد خلال ربع ثانية يكلف نحو 85% أخطاء كلمات أكثر من النموذج ذاته حين يُعطى الملف كاملاً. وتضع ميسترال في الرسم ذاته جيميناي 3.5 ريل تايم ترانسكرايب عند 4.2%، ومايكروسوفت إيه آي ترانسكرايب 2 ستريمنغ عند 5.8%، وجي بي تي لايف ترانسكرايب عند 8.4%، وسكرايب الإصدار الثاني الفوري عند 8.7%.
وفي النسخ بالدفعات، تعطي ميسترال فوكسترال سمول ترانسكرايب 3 نحو 4.1% خطأ مع تحديد اللغة و4.0% مع كشفها تلقائياً، مقابل نحو 16.0% و14.9% لويسبر لارج-v3، وهي أقدم مقارنة في الرسم وأكثرها تجميلاً للنتيجة.
حيث تقول إنها تتقدم
أرقام فصل المتحدثين هي الادعاء الأقوى. فبالمتوسط على خمس مجموعات حوارية، تذكر ميسترال 18.4% لفوكسترال سمول ترانسكرايب 3 و18.6% للنسخة ميني، مقابل 19.0% لمنسّق بريسيجن 3 من بيانوت، و20.3% لمايكروسوفت إيه آي ترانسكرايب 2، و23.0% لسكرايب الإصدار الثاني، و38.4% لجيميناي 3.5 ترانسكرايب. أما الجيل السابق، فوكسترال ميني ترانسكرايب 2، فعند 30.9% — وهو أكبر تحسن مفرد في الصفحة، وقياس تجريه ميسترال على نفسها.
الأسعار والبنية
تتقاضى ميسترال 0.0035 دولار للدقيقة عن ميني ترانسكرايب 3، و0.0040 عن سمول ترانسكرايب 3، و0.008 عن النموذج الفوري، بينما يبلغ سعر توليد الكلام 13 دولاراً لكل مليون حرف. ويحتاج استنساخ الصوت إلى نحو 30 دقيقة من التسجيل. وتدعم نماذج النسخ فصل المتحدثين وتوجيه المصطلحات المفتاحية وكشف انتهاء الدور؛ وتصل حزمة الوكلاء إلى الهواتف عبر SIP وإلى المتصفحات عبر WebRTC، وتقول ميسترال إن دور الوكيل الكامل ينتهي في أقل من ثانية.
والنماذج متاحة عبر واجهة ميسترال البرمجية على نقاط وصول أوروبية وأميركية وعالمية، وفي ساحات الاختبار في ستوديو، وللتشغيل الذاتي عند الطلب.
ما الذي ينقص
بالنسبة إلى شركة بُنيت هويتها على الأوزان المفتوحة، تصمت الصفحة عن الترخيص: فهي لا تقول إن كانت أي من أوزان فوكسترال 3 ستُنشر، ولا بأي شروط، ولا إن كانت العائلة متاحة عبر الواجهة البرمجية فقط. ولا تذكر حداً أقصى لطول الصوت، ولا حداً للسياق، ولا عدد معاملات نموذج سمول أو نموذج الكلام، ولا تاريخ إصدار صريحاً — فالتاريخ الوحيد في الصفحة حاشية تقول إن تقييمات الكلام وُلّدت في 20 أكتوبر.
أما الأرقام التي يجدر انتظارها فهي المستقلة. فرسم ميسترال الفوري صريح على نحو غير معتاد بشأن ثمن البث؛ أما هل يصمد تفوقها في الدفعات وفصل المتحدثين أمام مجموعة اختبار يضعها غيرها، فذلك ما لم يُسجَّل بعد.
