نماذج الذكاء الاصطناعي المتخصصة في 2026: دليل عملي للصوت والمستندات والرؤية والتنبؤ
دليل تفصيلي إلى 22 نموذجًا وأداة متخصصة للتعرف على الكلام، واتخاذ القرارات، وتوليد الصوت، وقراءة المستندات، والبحث الدلالي، والرؤية الحاسوبية، وتحليل الجداول، والتنبؤ بالسلاسل الزمنية، مع توضيح دعم العربية ومتطلبات التشغيل والتقييم.
English · العربية · Türkçe · Deutsch · Español
تاريخ التحقق من المصادر: 17 نوفمبر 2026. هذا دليل هندسي مبني على المصادر الرسمية، وليس اختبار أداء أجريناه بأنفسنا. قد تتغير الإمكانات والتراخيص وإتاحة الأوزان.
يرسل عميل رسالة صوتية، ويرفق فاتورة، ويسأل عن موعد وصول طلبه. لكي يقدم التطبيق نتيجة مفيدة، يحتاج إلى تفريغ الكلام، وقراءة المستند، وفهم نوع الطلب، واسترجاع المعلومات المناسبة، وربما نطق الإجابة. هذه مهام مختلفة، ولكل منها مخرجات يمكن قياسها.
تعتمد فكرة الذكاء الاصطناعي المتخصص على اختيار مكوّن مناسب لكل مهمة، ثم ربط المكوّنات بمنطق التطبيق المعتاد. يمكن استخدام نموذج لغوي توليدي لكتابة الإجابات أو التعامل مع الحالات الغامضة، بينما تتولى نماذج أخرى التصنيف والتفريغ والتنبؤ العددي.
يعرض هذا المقال 22 نموذجًا وأداة ضمن ثمانية مجالات. ولا تعني كلمة «مفتوح» الشيء نفسه في كل مشروع؛ فقد تكون الشيفرة متاحة بينما تخضع الأوزان لترخيص مختلف، أو يكون المنتج خدمة مستضافة فقط. أما أمثلة البنية والتشغيل الواردة هنا فهي اقتراحات هندسية، وليست نتائج مقارنة موحدة بين النماذج.
1. حدّد المهمة ومخرجاتها أولًا
| المجال | المدخل | المخرج المفيد | سؤال التقييم |
|---|---|---|---|
| التعرف على الكلام ASR | تسجيل صوتي | نص وتوقيت اختياري | هل حُفظت الكلمات المهمة؟ |
| اتخاذ القرار | نص أو حالة من التطبيق | تصنيف أو درجة أو إجابة محددة النوع | هل اختير المسار الصحيح؟ |
| توليد الصوت TTS | نص معتمد | ملف أو تدفق صوتي | هل النطق واضح وطبيعي؟ |
| قراءة المستندات OCR | صورة صفحة أو مستند | نص وجداول وبنية | هل حُفظ المحتوى وترتيبه؟ |
| التمثيلات العددية | نص أو وسائط مدعومة | متجه عددي | هل يعثر البحث على العنصر المناسب؟ |
| الرؤية الحاسوبية | صورة أو فيديو | أجسام أو أقنعة أو مسارات تتبع | هل حُددت العناصر المطلوبة؟ |
| التعلم من الجداول | صفوف وأعمدة | فئة أو قيمة متوقعة | هل ينجح التنبؤ على بيانات جديدة؟ |
| السلاسل الزمنية | تاريخ مرتبط بالوقت | قيم مستقبلية وعدم يقين | هل يتفوق على خط أساس واقعي؟ |
احتفظ بالفصل بين هذه المخرجات. فالنص المفرغ دليل على ما قيل، والتصنيف تفسير لهذا النص، وتنفيذ العملية قرار يخص قواعد العمل. خلطها في خطوة واحدة يصعّب معرفة مصدر الخطأ.
2. التعرف على الكلام: Nemotron وWhisper وQwen3-ASR
NVIDIA Nemotron 3.5 Transcribe
توضح بطاقة NVIDIA الرسمية دعم التفريغ في 40 لغة، وتسجيلات حتى ساعة، مع نحو 34 مليار معلمة إجمالية و4.3 مليار نشطة. وتشمل مهامه فهم الصوت.
يمكن إدراجه ضمن المرشحين لأرشفة الاجتماعات والتسجيلات متعددة اللغات. افحص مصفوفة اللغات لكل مهمة على حدة؛ فدعم التفريغ بلغة معينة لا يثبت دعم الترجمة أو إسناد الكلام للمتحدثين باللغة نفسها.
عدد المعلمات النشطة لا يساوي حجم الذاكرة اللازم لتحميل الأوزان. وتعرض بطاقة نسخة FP8 إعداد تشغيل ببطاقة RTX PRO 6000 Blackwell بذاكرة 96 GB. هذا إعداد موثق، وليس حدًا أدنى عامًا لكل النسخ. احسب أيضًا ذاكرة التشغيل وطول التسجيل وحجم الدفعات والتزامن.
Whisper وwhisper.cpp
مشروع whisper.cpp محرك استدلال بلغة C/C++ لتشغيل Whisper، ويدعم التنفيذ على CPU وخيارات تسريع عتادي. فهو محرك تشغيل لعائلة Whisper.
يمكن استخدامه خط أساس عندما تكون المعالجة المحلية أو سهولة التوزيع أو الأجهزة المتاحة عوامل أساسية. اختبر حجم النموذج ومستوى التكميم اللذين ستستخدمهما فعليًا؛ فنجاح تسجيل واحد على حاسوب شخصي لا يحدد قدرة خادم مشترك على استقبال طلبات متزامنة.
في العربية، تجنّب النسخ المخصصة للإنجليزية وحدها. اجمع تسجيلات بلهجات مختلفة، وأسماء محلية، وضوضاء، ومصطلحات تقنية إنجليزية داخل الكلام العربي.
Qwen3-ASR
تتضمن إصدارات Qwen3-ASR نسختين بحجم 0.6 و1.7 مليار معلمة. وتشمل لغات التفريغ الموثقة العربية والإنجليزية والتركية والألمانية والإسبانية.
تشرح وثائق التكامل وجود نموذج منفصل للمحاذاة الزمنية، مع تغطية لغوية تختلف عن نموذج التفريغ. لذلك لا تستنتج دعم توقيت الكلمات العربية تلقائيًا من وجود العربية في ASR.
قيّم المسار كاملًا: تسجيل الميكروفون، وتنسيق الملف، وإعادة أخذ العينات، وتقسيم المقاطع، والتعامل مع الصمت، والتفريغ، وعلامات الترقيم. افحص أسماء الأشخاص والتواريخ وأرقام الطلبات بشكل مستقل؛ فقد تكون الأخطاء فيها أهم من متوسط أخطاء الكلمات.
كيف تستفيد من Open ASR Leaderboard؟
تساعد لوحة Open ASR Leaderboard على اختيار مرشحين للمقارنة. إنها مورد للتقييم وليست نموذجًا للتفريغ.
اقرأ النتيجة مع مجموعة البيانات واللغة وقواعد التطبيع والعتاد وتاريخ الاختبار. ثم استخدم مجموعة مستقلة من تسجيلات جمهورك. التفوق على تسجيلات إنجليزية واضحة لا يحسم جودة التعامل مع لهجة أردنية عبر هاتف في مكان مزدحم.
3. القرار المحدد النوع: Jev وLaya وKev وGLiNER
توجيه تذكرة دعم يحتاج عادة إلى نتيجة محدودة: الفوترة، أو الدعم التقني، أو المبيعات، أو المراجعة البشرية. يساعد نموذج القرار في إنتاج مخرجات يسهل التحقق من شكلها.
Jev 1.14
يعرض إعلان TypeSafe عن Jev 1.14 تحديثًا لنموذج قرار عبر API، ويصف الصور وإخراج الصناديق المحيطة والسياق الممتد بأنها مزايا تجريبية.
افصل تقييم الوظائف المستقرة عن التجارب. عرّف النتائج المسموحة والحالات الملتبسة ومسار التصعيد قبل توصيل التصنيف بعملية فعلية. صحة نوع القيمة لا تثبت صحة القرار نفسه.
Laya
توفر عائلة Laya قرارات محددة النوع دون توليد نص حر. تختلف النسخ الإنجليزية ومتعددة اللغات؛ وتذكر البطاقة 421 مليون معلمة للإنجليزية و322 مليونًا للنسخة متعددة اللغات.
اختر النسخة وفق اللغات التي تخدمها. اختبر ادعاءات معايرة الاحتمالات على بياناتك؛ فقد يتراجع الأداء مع تغير المجال أو اللغة، حتى عندما تبدو درجات الثقة مرتفعة.
في التشغيل المستمر، راقب زمن تحميل الأوزان منفصلًا عن زمن الاستدلال. تبديل النماذج وتحميلها لكل طلب قد يجعل المصنف السريع بطيئًا من منظور المستخدم.
Kev-4B
يقدم مشروع Kev عائلة نماذج قرار قابلة للاستضافة الذاتية، ومنها Kev-4B، مع أدوات للتدريب. وينبه إلى أن حزمة PyPI المسماة kev تخص مشروعًا آخر.
قد يناسب فريقًا يريد التحكم في التشغيل والتكييف مع بياناته. لكن هذا التحكم يتطلب إدارة الاعتماديات والموارد وتثبيت الإصدارات واختبارات التراجع. أعد التقييم عند تعديل الفئات أو التعليمات أو الأوزان.
GLiNER2.5-Decide
نموذج GLiNER2.5-Decide بحجم 340 مليون معلمة موجه للإنجليزية، ويقبل فئات وقت الاستدلال للتصنيف الأحادي والمتعدد. وتوجد نسخة Decide منفصلة متعددة اللغات.
أضف نتيجة واضحة للحالات غير المعروفة أو التي تحتاج مراجعة. لا تجبر كل رسالة على اختيار فئة تؤدي إلى إجراء. فقد تُوجه مطالبة بتعديل فاتورة إلى قسم الفوترة، بينما يبقى اعتماد التعديل مسؤولية موظف مخوّل.
حوّل الثقة إلى سياسة قابلة للاختبار
إذا أعاد المصنف درجة 0.94، فلا تفترض أنها احتمال صحة مضمون بنسبة 94%. قيّم المعايرة على أمثلة مستقلة تمثل الاستخدام الفعلي.
اختر عتبات القبول وفق تكلفة الخطأ. وراقب نسبة الطلبات التي تنجز آليًا إلى جانب الدقة؛ فالنظام الذي يحيل كل شيء للبشر قد يبدو دقيقًا لكنه لا يوفر فائدة تشغيلية كبيرة.
4. توليد الصوت: Drama 3 وQwen3-TTS وPocket TTS
Fish Audio Drama 3
تقدم Fish Audio Drama 3 توليدًا صوتيًا تعبيريًا مع تعليمات للأداء والوقفات والتحكم في كلمات محددة، وتعرض طريقة استخدام عبر API.
يمكن تقييمها للدروس المسموعة والحوارات والتعليق الصوتي. تعامل معها كمنتج مستضاف ما لم تتحقق من أوزان قابلة للتنزيل وترخيص محدد. إتاحة إصدار من مزود ما لا تعني تطابق شروط بقية إصداراته.
Qwen3-TTS
تتضمن Qwen3-TTS خيارات لتصميم الأصوات واستنساخها والتوليد المتدفق. تشمل القائمة الموثقة الإنجليزية والألمانية والإسبانية، ولا تذكر العربية أو التركية.
هذه نقطة أساسية للتطبيقات متعددة اللغات. ترجمة النص لا تضيف لغة مفقودة إلى نموذج النطق. اختبر الإصدار المحدد، ولا تنقل افتراضات دعم اللغات من Qwen3-ASR إلى Qwen3-TTS.
Pocket TTS
تذكر بطاقة Pocket TTS من Kyutai نموذجًا بحجم 100 مليون معلمة، وتشغيلًا على CPU، وتدفقًا صوتيًا. تشمل لغاته الإنجليزية والفرنسية والألمانية والبرتغالية والإيطالية والإسبانية، دون العربية والتركية.
يمكن النظر إليه عندما تتوافق اللغات المطلوبة مع المعالجة المحلية على CPU. قِس زمن أول جزء مسموع، وزمن التوليد الكامل، والنطق، والتزامن المستمر. نتائج المزود على حاسوب معين لا تحدد سعة خادمك.
استخدم أصواتًا مصرحًا بها، وخزّن العبارات المتكررة مؤقتًا عند الحاجة، واربط الإجابات المنطوقة ببيانات معتمدة من التطبيق. جودة الأداء الصوتي لا تثبت صحة المعلومة.
5. المستندات: قراءة الحروف جزء من المشكلة
PaddleOCR-VL 1.6
يستهدف PaddleOCR-VL 1.6 تحليل المستندات، بما يشمل النصوص والجداول والمعادلات.
اختبر الصفحة كاملة والحقول التي تحتاجها. قد تبدو النتيجة مقنعة بصريًا مع وجود خطأ في مجموع فاتورة أو فاصلة عشرية أو ربط قيمة بصف غير صحيح. احتفظ بمرجع الصفحة ليراجع المستخدم الأصل.
Unlimited-OCR 2
يركز Unlimited-OCR 2 من Baidu على تحليل المستندات طويلة الامتداد.
اسم «Unlimited» لا يلغي حدود الأجهزة والوقت. ضع حدودًا للمدخلات والذاكرة والتخزين ومدة المهمة. في الكتب الطويلة، افحص الصفحات المحذوفة والتكرار واستئناف العمل بعد الانقطاع، إضافة إلى جودة النص.
MinerU
مشروع MinerU مجموعة أدوات لتحويل المستندات المعقدة إلى Markdown أو JSON للاستخدام اللاحق.
يفيد عندما تحتاج إلى مسار متكامل للتحليل والتصدير. قيّم ترتيب القراءة وتخطيط الصفحة وتمثيل الجداول والمكوّن المستخدم في الخلفية. مقارنة مجموعة أدوات كاملة بنموذج OCR منفرد تتطلب توضيح ما الذي يدخل في كل اختبار.
Falcon OCR Arabic
يصف إعلان TII عن Falcon OCR Arabic تكييفًا عربيًا بحجم 270 مليون معلمة وخدمة تجريبية. رابط النموذج الأساسي في الإعلان لا يثبت إتاحة أوزان النسخة العربية للتنزيل.
قبل التخطيط للاستضافة الذاتية، تحقق من الإصدار العربي نفسه وشروطه. واعتبر نتائج المطور دليلًا على اختباره المحدد، دون تعميم التفوق على كل أنواع المستندات.
اختبر اتصال الحروف والنقاط والتشكيل والأرقام واتجاه القراءة والجداول المختلطة بالعربية والإنجليزية. احتفظ بالنص الأصلي المستخرج إلى جانب نسخة مطبّعة للبحث، كي لا تضيع تفاصيل قد يحتاجها المستخدم.
6. EmbeddingGemma 2 والبحث بالمتجهات
يربط EmbeddingGemma 2 النص والصورة والصوت والفيديو المدعوم بفضاء متجهات موحد من 768 بُعدًا. وتذكر بطاقته وحدات ترميز منفصلة ونحو 740 مليون معلمة إجمالية.
المتجه تمثيل عددي يساعد في التشابه والاسترجاع. لكنه لا يكتب إجابة موثقة بمفرده. ما زال التطبيق مسؤولًا عن استرجاع المحتوى الصحيح واحترام الصلاحيات وربط الإجابة بمصادرها.
لبناء قاعدة معرفة، يمكن حفظ الملفات الأصلية، وتحليل الصفحات، وتقسيم المحتوى عند حدود ذات معنى، ثم إنشاء المتجهات وفهرستها. عند البحث، طبّق قيود المؤسسة والمستخدم والمستند. التشابه الدلالي لا يمنح حق الوصول.
قِس ظهور المستند الصحيح ضمن النتائج الأولى. وعند تغيير النموذج أو عدد الأبعاد، خطط لإعادة بناء الفهرس؛ فالمتجهات الصادرة عن فضاءات مختلفة لا يمكن خلطها عشوائيًا.
7. الرؤية الحاسوبية: الأجسام والأقنعة والتتبع
SAM 3 وSAM 3.1
يقدم مستودع SAM 3 من Meta تجزئة الصور والفيديو. ويضيف تحديث SAM 3.1 أسلوب ذاكرة مشتركة لتتبع أجسام متعددة.
التجزئة تحدد البكسلات التابعة للجسم، وتفيد في التحرير ووسم البيانات واستخراج الحدود. لكنها لا تحدد وحدها معنى الجسم بالنسبة إلى قواعد عمل التطبيق.
YOLO26
تقدم Ultralytics YOLO26 عائلة نماذج للرؤية مع خيارات استدلال من طرف إلى طرف.
في اكتشاف الأجسام، افحص العناصر التي لم تُكتشف والإنذارات الخاطئة وزمن التنفيذ عند دقة الكاميرا المطلوبة. الإضاءة وحجم الجسم وزاوية التصوير عوامل يجب أن تظهر في الاختبار.
RF-DETR
يوفر RF-DETR نماذج للاكتشاف والتجزئة. ويميز مستودعه بين مكونات بترخيص Apache وبعض أوزان الاكتشاف ذات شروط مختلفة للاستضافة التجارية.
قارن النسخة المحددة ودقة المدخل ومحرك التصدير والعتاد. لا تنقل زمن تنفيذ نسخة صغيرة إلى العائلة بأكملها، ولا تفترض تطابق ترخيص كل الأوزان مع ترخيص الحزمة.
8. البيانات الجدولية: TabPFN-3.5 وTabICL v2
يدعم TabPFN-3.5 التصنيف والانحدار. ويفصل المستودع بين الشيفرة بترخيص Apache وأوزان النموذج ذات الشروط غير التجارية.
راجع شروط الأوزان قبل إدخاله في منتج مدفوع. تنزيل الحزمة وتشغيل المثال لا يثبتان السماح بالاستخدام التجاري للإصدار المختار.
يوفر TabICL v2 تصنيفًا وانحدارًا بالتعلم ضمن السياق، مع واجهة قريبة من scikit-learn.
قارنهما بخطوط أساس إحصائية ونماذج أشجار. إذا تضمنت البيانات سجلات متكررة للعميل أو المدرسة أو الجهاز، فافصل المجموعات عند التقييم لمنع التسرب. وإذا كان المطلوب توقع المستقبل، فاحترم التسلسل الزمني.
افحص الفئات النادرة ومعايرة الاحتمالات وتكلفة الأخطاء. قد يخفي متوسط الدقة الجيد ضعفًا واضحًا في الفئة التي يعتمد عليها القرار التشغيلي.
9. السلاسل الزمنية: Timestral وChronos-2
يوفر Timestral تنبؤًا احتماليًا متعدد المتغيرات ومتغيرات مساعدة. وتختلف تراخيص الشيفرة والأوزان: Apache 2.0 للشيفرة وModified MIT للأوزان.
أما Chronos-2 فهو نموذج بحجم 120 مليون معلمة، يدعم التنبؤ الكمي الأحادي والمتعدد المتغيرات والاستفادة من المتغيرات المساعدة.
يمكن تقييمهما لتوقع الطلب وأحمال التشغيل والسعة. تعبر النتائج عن مستقبل محتمل مع عدم يقين، ولا تجعل المستقبل معلومًا.
استخدم نقاط قطع تاريخية متحركة: في كل مرة، لا تستخدم إلا المعلومات التي كانت متاحة عند تلك النقطة، ثم توقع الفترة التالية. قارن بتوقع موسمي أو خط أساس يعتمد التاريخ القريب.
يجب أن تكون المتغيرات المستقبلية المعروفة متاحة فعلًا. قد يكون موعد عطلة مخططة معروفًا، لكن مبيعات الغد المحققة ليست كذلك. قيّم تغطية نطاقات التنبؤ إضافة إلى خطأ القيمة الوسطية.
10. بنية تطبيق عملية يمكن مراقبتها
كمثال هندسي، يستطيع نظام دعم متعدد اللغات استخدام ASR للرسائل الصوتية، ومحلل للمرفقات، واسترجاع للوثائق، ومصنف لتوجيه الطلبات. ويمكن لنموذج توليدي صياغة رد عند الحاجة، ثم يقرأه نموذج TTS يدعم لغة المستخدم.
احتفظ لكل مرحلة بمعرّف مهمة وإصدار النموذج ومرجع المدخل والحالة والتوقيتات وشكل المخرج. خزّن الملفات الكبيرة في تخزين ملفات مناسب، ومرر مراجعها عبر الطوابير بدل تكرار نقلها بين الخدمات.
في تطبيق Laravel، يمكن إبقاء المصادقة وعزل المؤسسات وقواعد العمل وسجل التدقيق داخل Laravel، مع خدمات استدلال مستقلة للبيئات الخاصة بكل نموذج. هذا اقتراح تصميم، وليس متطلبًا مفروضًا من المشاريع المذكورة.
استخدم مفاتيح منع التكرار عند إعادة المحاولة. انتهاء مهلة النموذج يجب ألا يكرر إشعارًا أو استيراد مستند أو عملية مالية. احفظ نتائج المراحل المكتملة حتى لا يعيد فشل توليد الصوت معالجة مستند مكلفة.
11. كيف تختار دون الانخداع بالعرض التجريبي؟
جهّز مجموعة تقييم مستقلة تمثل اللغات والمدخلات الصعبة والحالات الشائعة. وثّق الأوزان والإعدادات وإصدار الخدمة.
قِس الزمن الكلي، بما يشمل الرفع والانتظار والمعالجة المسبقة والاستدلال وإيصال النتيجة. راقب الوسيط والطلبات البطيئة والتحميل الأولي والذاكرة والإنتاجية وتكلفة المهمة الناجحة.
احسب التكلفة من حجم الاستخدام ومتوسط طول المدخلات والتزامن والتخزين ونسبة الطلبات التي تحتاج مسارًا بديلًا مكلفًا. الأوزان المتاحة لا تعني انعدام تكلفة التشغيل، وقد تكون الخدمة المستضافة مناسبة عند الأحجام الصغيرة.
ابدأ بمراجعة بشرية أو تشغيل موازٍ لا ينفذ قرارات تلقائية. حلّل الاختلافات، وعدّل المسار، وأعد الاختبار بعد التغييرات المهمة. أضف مكوّنًا متخصصًا عندما يحقق تحسنًا قابلًا للقياس يبرر صيانته.
أسئلة شائعة
هل يمكن تشغيل جميع هذه النماذج على VPS عادي؟
لا. بعض المكونات تدعم مهام CPU، وبعضها يحتاج موارد تسريع كبيرة. حدد النسخة والحمل المتوقع وقِس الأداء قبل شراء الخادم.
هل يمكن خدمة اللغات الخمس بالمكونات نفسها؟
فقط عندما تدعم كل مرحلة كل لغة مطلوبة. للتفريغ والمحاذاة والتصنيف وOCR والاسترجاع والنطق قوائم دعم مستقلة.
هل يحل نموذج القرار محل قواعد العمل؟
يمكنه تفسير المدخل الغامض، بينما يفرض الكود الصلاحيات ويتحقق من السجلات وينفذ العمليات المسموحة.
ما نقطة البداية المناسبة؟
مهمة واحدة، وخط أساس، ومجموعة تقييم صغيرة. اختر المكوّن الذي يحقق الجودة المطلوبة ضمن ميزانية التشغيل والعتاد وقدرة الفريق على الصيانة.
مقالات مختارة

Kafka في الإنتاج: استراتيجية الأقسام وتأخر المستهلكين والاعتمادية وخطة الحوادث
نجاح تجربة إرسال واستقبال حدث لا يكفي للإنتاج. صمّم الأقسام والسعة والاحتفاظ والمراقبة وخطة تعافٍ قابلة للتنفيذ.

Laravel وKafka بلا أحداث مفقودة: Outbox والمعالجة الآمنة عند التكرار مع PostgreSQL
حفظ الطلب في قاعدة البيانات ونشر الحدث إلى Kafka عمليتان منفصلتان. تعلّم كيف يحمي Outbox من فقد الحدث وكيف يمنع المستهلك آثار التكرار.

شرح Apache Kafka: الموضوعات والأقسام ومجموعات المستهلكين وأول تدفق أحداث
اتبع حدث طلب من المنتج إلى عدة مستهلكين، ثم جرّب Kafka محلياً وافهم كيف تعمل الأقسام والترتيب وإعادة القراءة.
التعليقات
0 تعليقاتلا توجد تعليقات معتمدة بعد. قد تنتظر الردود الجديدة المراجعة.