دراسة تقنية التعرف على الكلام باستخدام الشبكات العصبية مع بعض الخوارزميات في الذكاء الاصطناعي

Abstract

تواجه أنظمة التعرف على الكلام المنطوق باللغة العربية تحديات متزايدة نتيجة لطبيعة اللغة الصوتية المعقدة وتعدد اللهجات، وتأثير الضوضاء المحيطة على جودة التسجيلات. تهدف هذه الدراسة إلى تطوير نموذج صوتي فعال ضمن إطار تحويل الكلام إلى نص من خلال توظيف معاملات ميل كيبيسترال (MFCCS) ومشتقاتها الزمنية لاستخلاص الميزات الصوتية، ومعالجتها باستخدام شبكة الذاكرة طويلة قصيرة المدى (LSTM) التي تتيح تمثيل العلاقات الزمنية في الإشارات الصوتية بكفاءة. كما يتضمن النموذج المقترح خوارزمية التجميع المكاني المعتمد على الكثافة مع الضوضاء (DBSCAN)، بهدف عزل الأنماط غير المنتظمة وتقليل تأثير الضوضاء على جودة البيانات المدخلة. تم اختبار النموذج باستخدام مجموعة بيانات Mozilla Common Voice Arabic حيث حقق معدل خطأ في الكلمات (WER) %80.05. تشير النتائج إلى قدرة النموذج على التعامل مع التحديات الصوتية المرتبطة باللغة العربية، مما يعزز من إمكانية توظيفه في تطبيقات الذكاء الاصطناعي الخاصة بأنظمة المحادثة التلقائية ومعالجة اللغة الطبيعية. تم بنسبة %19.95، ودقة إجمالية بلغت )Word Error Rate تنفيذ النموذج باستخدام لغة البرمجة بايثون بما يتيح مرونة في التطوير والتكامل مع بيئات تقنية متعددة. الكلمات المفتاحية التعرف على الكلام اللغة العربية، MFCCS، LSTM DBSCAN، تقليل الضوضاء معالجة اللغة الطبيعية، الذكاء الاصطناعي.