في عصر تزايد المحتوى الصوتي المتاح، أصبحت نماذج اللغة الصوتية الكبيرة (Large Audio Language Models - LALMs) أحد الأدوات الأكثر ابتكاراً في صناعة الإعلام. رغم التقدم السريع الذي حققته هذه النماذج في الاختبارات الموحدة، فإن تطبيقاتها في العمل الإعلامي العملي، مثل التنظيم الأرشيفي وتوزيع المحتوى، لا تزال محدودة.

واحدة من التحديات الكبرى التي تواجه هذه النماذج هي مهمة تصنيف الفصول الصوتية. تتمثل هذه المهمة في تقسيم تدفقات الصوت المستمرة إلى فصول متماسكة من الناحية الموضوعية، وهو أمر يتطلب تفسيراً متسلسلاً للمعطيات الصوتية واستدلالاً يراعي القرارات التحريرية الأساسية.

لذلك، تم تطوير إطار عمل جديد يُعرف باسم AudioChaps، وهو مصمم لضبط نماذج اللغة الصوتية العملاقة من خلال تحسين السياسات النسبية الجماعية (Group Relative Policy Optimization - GRPO) المدعومة بتفكير سلسلة الأفكار (Chain-of-Thought - CoT). يقدم AudioChaps ثلاث مجموعات بيانات تسهم في تعزيز التدريب والتقييم:

- **AudioChaps-Alignment**: مجموعة مشتقة من حدود الفصول المعلنة من قبل منشئي المحتوى على يوتيوب.
- **AudioChaps-CoT**: توفر إشرافاً منظمًا على التفكير المنظم، والجيد الجودة، والمبني على الأدلة لتحديد حدود الفصول.
- **AudioChaps-Eval**: معيار محجوز لتقييم تصنيف الفصول الصوتية.

من خلال تطبيق GRPO بدون بدء تدريب إشرافي، حقق نموذج AudioChaps-R1-Zero زيادة بنسبة 33 نقطة في متوسط نقاط F1 مقارنة مع حالة LALM المتميزة، Audio-Flamingo-3-Think. بينما ثبت أن النموذج النهائي، AudioChaps-R1، يعزز متوسط نقاط F1 بمقدار 49 نقطة.

توضح هذه النتائج قدرة نماذج LALMs المدربة باستخدام GRPO على تحويل تيارات الصوت غير المهيكلة إلى وسائط منظمة وقابلة للتنقل. يتم توفير كود النموذج والموارد المتعلقة بالمجموعات البيانية عند قبول البحث.