سيلزفورس تفتح أوزان SOV-Transcribe-1 وتتصدر التفريغ الصوتي المفتوح بخطأ 2.3%
أطلقت سيلزفورس نموذج SOV-Transcribe-1 للتعرف على الكلام بأوزان مفتوحة وترخيص Apache 2.0 بـ26.6 مليار معامل منها 4.6 مليار نشطة
البريد
· آخر تحقق: 15 نوفمبر 2026 (سيلزفورس)

الملخص
- أطلقت سيلزفورس نموذج SOV-Transcribe-1 للتعرف على الكلام بأوزان مفتوحة وترخيص Apache 2.0 بـ26.6 مليار معامل منها 4.6 مليار نشطة
- النموذج يجمع مشفّر Whisper large-v3 مع نموذج Gemma 4 من غوغل، ويدعم 7 لغات أوروبية وليست العربية بينها
- يحتل المركز 7 بين 44 نموذجاً مغلقاً ومفتوحاً في تصنيف Artificial Analysis، ويعمل محلياً على معالج رسومي واحد بترخيص تجاري
خبر
فتحت سيلزفورس أوزان نموذج SOV-Transcribe-1 للتعرف الآلي على الكلام غير المتدفق، ونشرتها على هاغينغ فيس بترخيص Apache 2.0 الذي يسمح بالاستخدام التجاري. النموذج من تطوير وحدة Salesforce Sovereign Intelligence، ويضم 26.6 مليار معامل تنشط منها 4.6 مليار لكل رمز، ويتصدر النماذج المفتوحة للتفريغ الصوتي في تصنيف Artificial Analysis كما كان في 12 نوفمبر 2026، بنسبة خطأ في الكلمات 2.3%.
تفصيل
- البنية: يجمع النموذج مشفّر الصوت من Whisper large-v3 مع طبقة إسقاط صوتية ونموذج Gemma 4 بحجم 26 مليار معامل بمعمارية خليط الخبراء A4B من غوغل. تُخزَّن الأوزان بدقة BF16 بينما يبقى موجّه الخبراء بدقة FP32، ويستقبل النموذج صوتاً بتردد 16 كيلوهرتز مع تعليمات نصية اختيارية ويخرج نصاً، وقد اختُبر على تسجيلات تصل إلى 30 دقيقة.
- اللغات والمهام: يدعم النموذج 7 لغات هي الإنجليزية والفرنسية والألمانية والإسبانية والإيطالية والبرتغالية والهولندية، وليست العربية بينها. ويؤدي التفريغ الحرفي أو المنقّح، والتعرف متعدد اللغات، والتحكم في الأسلوب، والتفريغ السياقي الذي يقبل أسماء ومفردات أو وصف موضوع لتحسين دقة الكيانات مثل الأسماء وأرقام الهواتف وعناوين البريد الإلكتروني، مع متانة أمام اللهجات وضجيج الخلفية.
- التصنيف: تضعه بطاقة النموذج في المركز الأول بين النماذج المفتوحة للتفريغ غير المتدفق على مؤشر Artificial Analysis والسابع إجمالاً، فيما قال الحساب الرسمي لـArtificial Analysis إنه سجّل 2.3% على مؤشر AA-WER بـ4.6 مليار معامل نشطة واحتل المركز 7 من 44 نموذجاً تشمل النماذج المغلقة. وجاء ثانياً بين 23 نظاماً على اختبار VoiceCodeBench من besimple AI لدقة الكيانات.
- السرعة: على معالج RTX PRO 6000 Blackwell Server Edition واحد بذاكرة 96 غيغابايت يعالج النموذج حتى 1,039 ثانية من الصوت في الثانية الواحدة، ويعيد تفريغ تسجيل مدته 30 ثانية في 0.22 ثانية. ويأتي معه نموذج مسودة DFlash للفك التخميني يسرّع الطلب الواحد نحو 2 إلى 3 أضعاف؛ فتسجيل بين دقيقة و5 دقائق يستغرق 1.26 ثانية بدل 2.78.
- التشغيل: يعمل النموذج عبر مكتبة Transformers بالإصدار 5.19 فأعلى أو عبر vLLM بإضافة في المستودع تثبّت الإصدار 0.32.0، ويقدّم خادماً بواجهة متوافقة مع OpenAI على المسار /v1/audio/transcriptions يقبل حتى 600 ثانية لكل طلب افتراضياً وحتى 1800 ثانية بتعديل متغير بيئي. والدعم الأصلي في vLLM وTransformers في طور الرفع إلى المستودعات الرئيسية.
- التوصيات: تنصح البطاقة باستخدام صوت أحادي بتردد 16 كيلوهرتز وإبقاء التفكير معطلاً والفك الجشع بدرجة حرارة صفر، وبتحديد الأسلوب صراحة بين الحرفي والمنقّح وتنسيق الأرقام. وتصف خطوة معالجة لاحقة تزيل حلقات التكرار، وتحذّر من أن القيمة الافتراضية 1,024 لعدد التسلسلات في vLLM تستنفد الذاكرة مع نموذج المسودة، فتوصي بخفضها إلى 64.
- الترخيص والتاريخ: الأوزان متاحة بترخيص Apache 2.0 على هاغينغ فيس تحت حساب salesforce-sovereign-intelligence، مع مستودع منفصل لنموذج المسودة SOV-Transcribe-1-DFlash. وتستشهد البطاقة بالتصنيفات كما كانت في 12 نوفمبر 2026 وبنسخة تطوير من vLLM بتاريخ نوفمبر 2026، ولم تحدد سيلزفورس متطلبات عتاد دنيا رسمية؛ فالقياسات كلها على معالج واحد بذاكرة 96 غيغابايت.
ماذا بعد؟
رفع الدعم الأصلي للنموذج إلى الإصدارات الرئيسية من vLLM وTransformers، وأي تحديث لتصنيف Artificial Analysis بعد دخول نماذج جديدة، هما ما يُراقب في الأسابيع المقبلة.
المصدر: سيلزفورس