قدّمت Google ميزتَي التعرّف التلقائي على الكلام (ASR) وتحويل النص إلى كلام (TTS) على الجهاز في Google AI Edge Gallery في 10 نوفمبر، لتتيح للهواتف والأجهزة القابلة للارتداء فهم اللغة المنطوقة والرد عليها كلامًا دون إنترنت تمامًا. وتقترن نماذج الكلام الخفيفة مع نماذج لغوية صغيرة على الجهاز مثل Gemini Nano وGemma 4، فتستطيع التطبيقات بث نسخ حية أثناء حديثك وتوليد ردود منطوقة طبيعية محليًا — دون الحاجة إلى اتصال بالشبكة بعد تنزيل النموذج الأولي.

على Android، تصل القدرات الجديدة عبر واجهتَي ML Kit: التعرّف على الكلام التوليدي وتحويل النص إلى كلام. وتقول Google إن نماذج الكلام الخاصة بالنظام تنسخ أكثر من 100 لغة بسرعة تعادل 10 أضعاف الزمن الحقيقي وبمعدل خطأ كلمات بين 8.0% و9.0% في معيار FLEURS، بينما يبدأ نموذج TTS بالانتشار في بضع خطوات بالكلام خلال نحو 100 ميلي ثانية ويولّد صوتًا بتردد 24 كيلوهرتز بسرعة تصل إلى 50 ضعف الزمن الحقيقي. وكلا النموذجين مدمجان في نظام التشغيل، فتقول Google إنهما لا يضيفان 0 ميغابايت إلى حجم APK التطبيق — وينطبق هذا الادعاء على مسار Android فقط. وهذه أرقام Google نفسها، وليست قياسات مستقلة.

أما التطبيقات متعددة المنصات، فقد حسّنت Google حزم كلام جديدة مفتوحة الأوزان لـMediaPipe Tasks وLiteRT — ‏Parakeet-TDT 0.6B للتعرّف، وPocketTTS 100M وKokoro-82M وPhonon 31M لتوليد الكلام — وتأتي كل منها في حزمة .litertlm واحدة تعمل على iOS وmacOS وWindows وLinux والويب إضافة إلى Android.

وتعرض Google خط الكلام المحلي عبر عرضين داخل AI Edge Gallery: معلّم لغة XR يجمع رؤية الكاميرا والكلام ونموذجًا على الجهاز لتدريس صوتي متعدد الوسائط دون أي اتصال، ودردشة AI الممكّنة صوتيًا، التي تضفي واجهة منطوقة على ميزة الدردشة الرئيسية في التطبيق. وأحدث إصدار من تطبيق AI Edge Gallery متاح على Android وiOS.

المصادر