في عصر تكنولوجيا الذكاء الاصطناعي، برزت أنظمة التعرف على الصوت الذاتي (ASR) كأداة ثورية تسهل علينا تفريغ النصوص بدقة. غير أن هذه الأنظمة تواجه تحدياً كبيراً وهو انحراف التوقيت (timestamp drift) خلال فترات عدم الكلام. هذا الانحراف يمكن أن يتسبب في عدم تطابق التوقيت المُعطى مع الصوت الفعلي، مما يمثل عقبة أمام الحصول على نصوص عالية الدقة.

لتناول هذه المشكلة، أجرى الباحثون دراسة مبتكرة باستخدام نهج جديد يحمل اسم REDDIT (REplay-based Distribution eDITing). يهدف هذا الإطار إلى تصحيح التوقيت الناتج عن الصياغة التلقائية دون فقدان الأداء في أنظمة التعرف على الصوت. يتكون REDDIT من مرحلتين رئيسيتين، حيث يقوم أولاً بتعديل الأهداف الزمنية في سياق فك التشفير الخاص بالنموذج، ثم يجري عملية تحسين قصير الأمد.

المفاجأة هنا هو أن هذا الإطار لا يتطلب أي نصوص بشرية أو تواريخ زمنية تم وضعها من قبل البشر، ولكنه يعتمد على دمج الفترات المسجلة مع الفجوات غير الصوتية. عبر استخدام نموذج Whisper-tiny، أظهرت النتائج تحسناً ملموساً؛ حيث تم رفع دقة توقيت الفجوات الطويلة من 38.7% إلى 95.0%، ونقص فترات الزمن الخاطئة من 2752 مللي ثانية إلى 223 مللي ثانية.

هذا التقدم يعكس مدى قدرة الذكاء الاصطناعي على الدفع قدماً بتقنيات جديدة تساعد في تجاوز العقبات التقنية التقليدية. إذا كنت مهتمًا بتطورات التكنولوجيا الحديثة، فهذا الابتكار سيكون بالتأكيد من المواضيع التي تود متابعتها.