NVIDIA PersonaPlex-7B: صوت ذكاء اصطناعي مفتوح المصدر ثنائي الاتجاه

ما حدث

أصدرت NVIDIA نموذج PersonaPlex-7B-v1، نموذج كلام إلى كلام بسبعة مليارات معامل يغيّر جذرياً طريقة تعامل صوت الذكاء الاصطناعي مع المحادثة. على عكس كل مساعد صوتي استخدمته من قبل، PersonaPlex لا ينتظرك حتى تنهي الكلام قبل أن يبدأ بالرد. إنه يستمع ويتحدث في آن واحد.

هذا يسمى التفاعل ثنائي الاتجاه، وهو نفس الطريقة التي يتحدث بها البشر طبيعياً. يمكنك مقاطعته في منتصف الجملة، وهو يتكيف. ينتج ردوداً مثل «آه» و«حسناً» بينما ما زلت تتحدث. يتوقف عند الحاجة. لا انتظار صارم للأدوار. لا صمت محرج بينما يعالج الذكاء الاصطناعي كلماتك.

لماذا يقصر صوت الذكاء الاصطناعي التقليدي

يعمل المساعدون الصوتيون التقليديون عبر خط أنابيب من ثلاث مراحل يخلق تدفق محادثة غير طبيعي:

كل مرحلة تضيف تأخيراً، والنظام لا يستطيع سماعك أثناء توليد الرد. لهذا تشعر المحادثات مع Siri أو Alexa أو Google Assistant بالآلية. تتحدث، تنتظر، تحصل على رد، تتحدث مرة أخرى.

PersonaPlex يستبدل هذا الخط بالكامل بنموذج Transformer واحد يعالج الصوت الوارد ويولّد الكلام في آن واحد.

القدرات الأساسية

كيف يعمل PersonaPlex

بنية تدفق مزدوج

PersonaPlex مبني على بنية Moshi من Kyutai، مع Helium كعمود فقري لنموذج اللغة. تستخدم البنية تدفقين متوازيين:

• تدفق المستخدم — يرمّز باستمرار الصوت الوارد من ميكروفون المستخدم
• تدفق الوكيل — يولّد في آن واحد كلام الذكاء الاصطناعي ورده النصي

كلا التدفقين يشاركان نفس حالة النموذج. هذا يعني أن PersonaPlex يمكنه تعديل رده في الوقت الفعلي بينما يتحدث المستخدم، مما يتيح المقاطعة والكلام المتداخل وتبادل الأدوار السريع والردود السياقية.

مُرمّز الصوت العصبي Mimi يتعامل مع ترميز وفك ترميز الصوت عند 24 كيلوهرتز، محولاً الموجات إلى رموز منفصلة يمكن لـ Transformer معالجتها.

تحكم هجين في الشخصية

يستخدم PersonaPlex مدخلين لتعريف هوية المحادثة:

• أمر نصي — يصف الدور والخلفية والمنظمة وسياق المحادثة (حتى 200 رمز)
• أمر صوتي — تضمين صوتي يلتقط الخصائص الصوتية وأسلوب الكلام واللكنة والإيقاع

هذا الأسلوب الهجين يتيح إنشاء وكيل خدمة عملاء لشركة محددة بصوت محدد، أو معلم حكيم يبدو دافئاً وصبوراً، أو شخصية خيالية بنبرة درامية. الشخصية تبقى متسقة طوال المحادثة.

الشخصيات المُظهِرة

نتائج المعايير

قيّمت NVIDIA PersonaPlex على FullDuplexBench وامتداد جديد اسمه ServiceDuplexBench لسيناريوهات خدمة العملاء. النتائج تُظهر مزايا واضحة على البدائل مفتوحة المصدر والتجارية.

ديناميكيات المحادثة

زمن الانتقال

الالتزام بالمهام

PersonaPlex هو النموذج الوحيد الذي يسجل فوق 4.0 في كلا المعيارين، مدمجاً معرفة عامة قوية مع التزام موثوق بالمهام في سيناريوهات الأعمال المنظمة.

التدريب: أقل من 5,000 ساعة

تم تدريب PersonaPlex في مرحلة واحدة باستخدام مزيج مصمم بعناية من محادثات حقيقية واصطناعية.

محادثات حقيقية

7,303 مكالمة (1,217 ساعة) من مجموعة Fisher English وفرت أنماط محادثة طبيعية—ردود وتلعثم واستجابات عاطفية وسلوك تبادل أدوار أصيل. تمت إضافة أوامر شخصية لهذه التسجيلات بأثر رجعي باستخدام GPT-OSS-120B بمستويات تفصيل متفاوتة.

محادثات اصطناعية

• 39,322 حوار مساعد (410 ساعة) — مولّدة بـ Qwen3-32B و GPT-OSS-120B، مُركّبة إلى صوت مع Chatterbox TTS من Resemble AI
• 105,410 حوار خدمة عملاء (1,840 ساعة) — تغطي سيناريوهات أعمال متنوعة بأوامر منظمة تشمل أسماء الشركات والأسعار وقواعد التشغيل

تصميم التدريب يفصل بين خاصيتين: الطبيعية من المحادثات الحقيقية والالتزام بالمهام من السيناريوهات الاصطناعية. صيغة الأمر الهجينة تربط بين مصدري البيانات، مما يتيح للنموذج دمج أنماط الكلام الطبيعية مع اتباع التعليمات بدقة.

ما يعنيه هذا لصوت الذكاء الاصطناعي

يمثل PersonaPlex تحولاً كبيراً في ما يمكن لصوت الذكاء الاصطناعي مفتوح المصدر فعله. حتى الآن، كان الاختيار بين أنظمة متسلسلة قابلة للتخصيص لكن آلية، ونماذج ثنائية الاتجاه طبيعية لكن غير مرنة. PersonaPlex يلغي هذه المفاضلة.

للمطورين

النموذج جاهز للاستخدام التجاري. المطورون الذين يبنون وكلاء صوت أو روبوتات خدمة عملاء أو شخصيات تفاعلية لديهم الآن أساس مفتوح المصدر ينافس الأنظمة الاحتكارية. الكود المرخص بـ MIT يعني حرية كاملة للتعديل والنشر.

لصناعة صوت الذكاء الاصطناعي

التفاعل ثنائي الاتجاه كان الحلم المنشود لمحادثة الذكاء الاصطناعي. استثمرت Google و OpenAI وغيرها بكثافة لجعل المساعدين الصوتيين يشعرون بطبيعية أكبر. NVIDIA أطلقت الآن نموذجاً مفتوح المصدر يحقق ذلك على نطاق 7 مليارات معامل، خافضاً الحاجز أمام أي شخص لبناء واجهات صوتية محادثة حقيقية.

للمبدعين والشركات

واجهات الصوت أولاً تتسارع في خدمة العملاء وأدوات إمكانية الوصول والألعاب وإنشاء المحتوى. تحكم PersonaPlex في الشخصية يجعله عملياً لحالات استخدام أعمال محددة حيث يحتاج الذكاء الاصطناعي أن يبدو متناسقاً مع العلامة ويتبع نصوصاً منظمة مع بقائه بشرياً.

القيود الحالية

• الإنجليزية فقط — لا دعم متعدد اللغات بعد
• يتطلب وحدات معالجة رسوم NVIDIA — محسّن لبنى Ampere و Hopper (A100، H100)
• بيانات تدريب محدودة — أقل من 5,000 ساعة، مما قد يحد من الأداء في لهجات متخصصة أو مجالات خاصة
• لا اختبار أمان إنتاجي — NVIDIA تلاحظ أن التحيز والقابلية للتفسير ومخاوف الخصوصية تحتاج اختباراً إضافياً قبل نشر الإنتاج

كيفية البدء

البدء السريع (5 دقائق)

يتطلب جهاز Linux مزوداً بوحدة معالجة رسوم NVIDIA و Python مثبتاً.

1. تثبيت مُرمّز الصوت واستنساخ المستودع:

# Ubuntu/Debian
sudo apt install libopus-dev

# Clone and install
git clone https://github.com/NVIDIA/personaplex.git
cd personaplex
pip install moshi/.

2. قبول رخصة النموذج على Hugging Face، ثم ضبط الرمز:

export HF_TOKEN=your_token_here

3. تشغيل الخادم (يولّد شهادات SSL مؤقتة تلقائياً):

SSL_DIR=$(mktemp -d); python -m moshi.server --ssl "$SSL_DIR"

4. افتح https://localhost:8998 في المتصفح. ابدأ بالتحدث — PersonaPlex يرد في الوقت الفعلي.

الأسئلة الشائعة

---

المصادر

1. NVIDIA ADLR - PersonaPlex: ذكاء اصطناعي محادثة طبيعي بأي دور وصوت
2. MarkTechPost - NVIDIA تصدر PersonaPlex-7B-v1
3. NVIDIA PersonaPlex-7B-v1 على Hugging Face
4. مستودع PersonaPlex على GitHub