كيف تنتقي صوت صديقك من بين جلبة الحديث سريع

الأصل: "SLT 2026 REAL-TSE Challenge: Real-world Target Speaker Extraction from Conversational Recordings"
arXiv:2607.15198 · 2026-07-16 · CC BY-SA 4.0 · 1 دقيقة
مسابقة جديدة تعلّم الخوارزميات طريقة انتقاء صوت الصديق من الضوضاء الحقيقية، لا من هدوء الاستوديو — مع المقاطعات والصدى وأزيز ماكينة القهوة.

📄 معروضة نسخة «بسيط» — «مبسّط» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها.

يستخلص الإنسان دون عناء الصوتَ المطلوب من جلبة الحفل. أما بالنسبة للحاسوب، فما زال الأمر في حدود المستطاع. كانت البرامج السابقة تتدرب على تسجيلات عقيمة، لا صدى فيها ولا طنين أجهزة. لكنّ الحوار الحقيقي يشبه تيارًا عارمًا: المتحاورون يقاطعون، ويبتعدون عن الميكروفون، وفي الخلفية أزيز ماكينة القهوة.

مسابقة REAL-TSE الجديدة ترمي بصنارتها لأول مرة في هذه المياه العكرة. يُعطى المشاركون مجموعة من المخططات الطيفية — وهي أشبه بصور فوتوغرافية للصوت — مسجّلة في بيئة حيّة. من بضع ثوانٍ من الصوت، على الخوارزمية أن تصطاد كلام هذا الشخص من بين خليط الأصوات المتعددة. ويتم تقييم الطبيعة أيضًا: هل سيتحول الصوت إلى صرير؟ مساران: عبر الإنترنت — كما في البث المباشر، وخارج الإنترنت — مع تحليل التسجيل كاملًا.

المطبّ الرئيسي هو تراكب الأصوات. ففي المحادثات الحقيقية، يتحدث الناس في وقت واحد قرابة ثلث الوقت، مما يربك حتى أفضل أدوات التفريغ.

يرتكز الأسلوب على تحليل الصوت إلى موجات بسيطة — وهو اكتشاف فورييه الذي مضى عليه قرنان. والأنظمة الحديثة، مثل صيادين مسلّحين بمعرفة كيفية فك تشابك ترددات الصوت، تكافح إنتروبيا عالية — وهي مقياس الفوضى في الخليط الصوتي. ورغم أننا بعيدون عن الصيد المثالي، فإن مثل هذه الاختبارات «الميدانية» هي ما يدفع التقنية من المختبرات الهادئة إلى عالمنا الصاخب.

يقوم الدماغ بهذه الخدعة دون تدريب: «تأثير الحفلة» يمكّننا من انتقاء صوت مألوف من بين عشرات الأصوات الغريبة — دون أي عناء.

العلماء
James Clerk MaxwellArno PenziasRalph AlpherRobert Woodrow WilsonWilhelm WienMax Planck
المفاهيم
التعرف على الكلام تحليل الكلام بالذكاء الاصطناعي معيار مرجعي سيتي نماذج اللغة الكبيرة