Lesskeysعندما يتوقف Whisper مبكرًا ويقول إنه انتهى
قد يتوقف نموذج Whisper في منتصف تسجيل ثم يبلّغ بالنجاح: حدث ذلك في 10 من 143 تشغيلًا في اختبارنا. مقارنة مقدار النص الذي عاد بطول الصوت تكشف ذلك، دون نص مرجعي.
macOS 13+ على Apple Silicon · بلا اشتراكWindows 10 و11 · بلا اشتراك
آخر مراجعة
ما هو
ما هو البتر الصامت
النص الذي أنتجه كان صحيحًا. لكنه توقف فحسب، وقالت المنظومة إنه انتهى.
قد يعيد نموذج الكلام كلمات خاطئة، أو قد يتوقف في المنتصف ويسلّم نصًا صحيحًا للجزء الأول كأنه كامل. في أسوأ تشغيل لدينا، النرويجية، أعاد 113 من 521 كلمة مرجعية بعد 30 دقيقة من الحوسبة، وتوقف بعد 9 مقاطع. وسجّلت منظومتنا هذا التشغيل على أنه COMPLETED: لا خطأ ولا تحذير ولا علامة نتيجة جزئية.
- 10 من 143تشغيلات توقفت مبكرًا
- 22%من الصوت في أسوأ تشغيل
- 9 من 10على ملفَّي large-v3
أي التشغيلات
أي اللغات توقفت مبكرًا
9 من الـ10 على ملفَّي large-v3.
التغطية هي طول النص مقسومًا على طول المرجع: 1.00 تعني نصًا كاملًا. كل شريط تشغيل مبتور واحد؛ والخط المتقطع هو حد 0.80.
Large V3: 5 من 28 تشغيلًا
- النرويجية0.22
- الملايو0.32
- الفيتنامية0.34
- الكورية0.40
- الهولندية0.74
Large V3 Q5: 4 من 28 تشغيلًا
- التشيكية0.22
- البرتغالية (البرازيل)0.35
- الفيتنامية0.37
- الملايو0.75
Large V3 Turbo Q5: 1 من 29 تشغيلًا
- الهندية†0.72
الهندية: تنبيه يتعلق بالتقييم
† هذا تشغيل النموذج الافتراضي: 886 وحدة مقابل مرجع من 1,237، وهو العدد المضخَّم نفسه الذي يسمّيه التصحيح في دقة Whisper في 29 لغة (الهندية: 1,237 وحدة مقابل 683 كلمة فعلية، من مقيِّم كان يقسم الكلمات عند علامات الدمج)، فلا يُعتمد على الرقم المطلق 0.72. لكن شقيقيه turbo سجّلا 1,288 و1,242 وحدة مقابل المرجع نفسه (تغطية 1.04 و1.00)، فجاء تشغيل النموذج الافتراضي أقصر من تشغيليهما بنسبة 29 إلى 31 بالمئة. والقراءة الأرجح أنه بتر حقيقي، وهكذا تسجّله ملاحظة نتائج العمل نفسه. وقد جرى في الجزء ذي الذاكرة 12 GB من المصفوفة (راجع الحدود أدناه).
قصير دائمًا، لا طويل أبدًا
كل خلية متطرفة في هذه المصفوفة قصيرة، لا طويلة أبدًا. لم يتجاوز أي تشغيل من 143 طول مرجعه بأكثر من النصف. وهذه إشارة معاكسة لعطل حلقة التكرار، حيث يعلق النموذج ويصدر العبارة نفسها لدقائق، فتبلغ التغطية خمسة أضعاف المرجع أو أكثر. كلاهما كارثي وكلاهما خفي عن الفحص العشوائي، لكن يمكن التمييز بينهما بإشارة الرقم نفسه، وهذا ما يتيح لفحص واحد أن يلتقط الاثنين.
اكتشفه
اكتشفه دون مرجع
قارن مقدار النص الذي عاد بطول الصوت.
معدل الخطأ في الكلمات يحتاج إلى نص مرجعي، وهو ما لا تملكه أبدًا في الإنتاج. أما التغطية فلا تحتاج إليه. في هذه المصفوفة ينفصل المجتمعان بوضوح:
| البند | التشغيلات | متوسط التغطية | متوسط معدل الخطأ |
|---|---|---|---|
| المبتورة | 10 | 0.44 | 65.90% |
| السليمة | 133 | 1.01 | 12.10% |
حد 0.80 لم يُضبط على البيانات: أعلى تغطية بين التشغيلات المبتورة هي 0.75 وأدنى تغطية بين السليمة هي 0.82، فأي حد داخل هذا النطاق الفارغ يعطي الجواب نفسه. في الإنتاج: قارن الطابع الزمني لآخر مقطع عاد بمدة الملف، على جهاز المستخدم، دون أي شيء آخر تقارن به.
معدل الخطأ
البتر يضخّم معدل الخطأ
يبلغ متوسط Large V3 نسبة 24.64% عبر 28 لغة؛ ودون تشغيلاته الـ5 المبتورة، 15.25%.
نحو 9.4 نقطة من معدل خطئه ليست نتيجة سماع النموذج لشيء خطأ، بل غياب النموذج نفسه.
حتى دون البتر، لا يلحق Large V3 بنموذج turbo الأصغر
حتى مع استبعاد البتر، لا يلحق Large V3 بتكميم turbo بحجم 834 MB، الذي يبلغ متوسطه 9.16% عبر اللغات الـ29 كلها ولم يُبتر ولو مرة. وعلى اللغات الـ28 التي تشترك فيها تشغيلات turbo الثلاثة (بعد استبعاد الهندية)، المتوسطات هي: Q8 بنسبة 8.59%، والافتراضي 8.71%، وturbo بحجم 1.6 GB بنسبة 8.80%، أي ضمن 0.2 نقطة من بعضها، فمعظم الفجوة الظاهرة صف هندي واحد. لم يتنبأ الحجم بالموثوقية هنا، ولم يتنبأ بالدقة أيضًا.
على الماك
ما يعنيه هذا للنماذج التي يقدمها Lesskeys
ملفا large-v3 كلاهما في قائمة اختيار النماذج في نسخة App Store المعروضة للبيع (3.1.4)، وهما مسؤولان عن 9 من أصل 10 تشغيلات مبتورة.
لا يوجد فحص للتغطية في تلك النسخة. والفحص الموصوف أعلاه اقتراح لها، لا ميزة مطروحة.
الحالة في 15 أكتوبر 2026، لنسخة App Store المعروضة للبيع (3.1.4)
بصراحة، لأن هذا هو سبب نشر الصفحة بدل حفظها في الأرشيف:
- ملفا large-v3 كلاهما معروضان في قائمة اختيار نماذج Lesskeys، وهما مسؤولان عن 9 من أصل 10 تشغيلات مبتورة. فمن يفكر «تنزيل أكبر، نتيجة أفضل» يختار الخيار الأقل موثوقية في القائمة.
- التكميم بحجم 834 MB الذي سجّل أدنى متوسط خطأ (والفجوة عن تشغيلات turbo الأخرى سببها في معظمها صف هندي واحد) ولا بتر فيه ليس في القائمة في تلك النسخة. ولم يكن في المتناول في هذا الاختبار إلا لأن مجلد النماذج يُفحص عند بدء التشغيل.
- النموذج الافتراضي (547 MB) بُتر مرة واحدة في 29 لغة، في الهندية (والأرجح أنه بتر حقيقي؛ راجع الملاحظة تحت قائمة التغطية). وهذا التشغيل، وتشغيل Large V3 Q5 التشيكي، جرى كلاهما في الجزء ذي الذاكرة 12 GB من المصفوفة، مع ذاكرة قليلة فائضة (راجع الحدود).
- لا يوجد فحص للتغطية في تلك النسخة. والفحص الموصوف أعلاه اقتراح لها، لا ميزة مطروحة. وحين يُطرح، تُعاد كتابة هذا القسم بدل حذفه بصمت.
على Windows
ما يعنيه هذا على Windows
أُجري الاختبار في تطبيق الماك. ولم يكن تطبيق Windows جزءًا منه.
عندما تكون تسميات المتحدثين مفعّلة، يملك Lesskeys على Windows شبكة أمان لنص يعود فارغًا من ملف فيه كلام: يفكّ ترميز الملف مرة أخرى دون طوابع زمنية. وليس له فحص لنص يتوقف في المنتصف، وهي الحالة في هذه الصفحة. في الملفات الطويلة، اقرأ آخر أسطر النص مقابل الصوت، وتأكد من أن نهاية النص تطابق نهاية التسجيل.
البيانات
المنهج والجدول والحدود
كيف أُجريت التشغيلات وما لا تستطيع أن تخبرك به، مطويًا.
كيف قيس البتر
5 ملفات Whisper من عائلة large-v3، عبر 29 لغة، 143 من 145 خلية. الصوت مطبَّع المستوى من FLEURS دون أرقام في النص (كلام مقروء بنصوص مرجعية منشورة)، بنحو 460 إلى 2,520 وحدة لكل لغة.
مرّ كل تشغيل عبر التطبيق المطروح فعلًا على آلة افتراضية تشغّل macOS Sequoia، لا عبر whisper-cli. وهذا مهم: فكشف النشاط الصوتي ومرشّح الهلوسة وتطبيع الجهارة وقيد اللغة كلها كانت في المسار، تمامًا كما يراها المستخدم. وفُرضت اللغة لكل تشغيل واحتُرمت في الخلايا الـ143 كلها؛ وتطابق النموذج المحمَّل فعلًا مع المطلوب في الـ143 كلها. والخليتان الغائبتان هما الهندية في ملفَّي large-v3، اللذين لم يكتملا أصلًا.
النماذج الخمسة: الحجم، ومتوسط الخطأ، والتشغيلات المبتورة
خمسة ملفات Whisper من عائلة large-v3 عبر 29 لغة (الصفوف التي لا يوجد فيها تشغيل مبتور مظلَّلة)
| النموذج | الحجم | اللغات | متوسط الخطأ | الوسيط | التشغيلات المبتورة |
|---|---|---|---|---|---|
| نموذج Large V3 Turbo Q8 ● ليس في القائمة | 834 MB | 29 | 9.16% | 6.80% | لا شيء |
| Large V3 Turbo | 1.6 GB | 29 | 9.52% | 7.23% | لا شيء |
| نموذج Large V3 Turbo Q5 ● الافتراضي المطروح | 547 MB | 29 | 9.99% | 7.81% | 1 من 29 |
| Large V3 | 3 GB | 28 | 24.64% | 15.80% | 5 من 28 |
| Large V3 Q5 | 1.0 GB | 28 | 26.66% | 18.66% | 4 من 28 |
حدود هذا الاختبار
- كلام مقروء، لا اجتماعات. FLEURS نثر مسجَّل نظيف. الصوت الحواري والمتداخل أصعب بكثير، ولا ينبغي قراءة هذه المعدلات على أنها ما ستحصل عليه في مكالمة حقيقية.
- تشغيل واحد لكل خلية. 143 خلية، تشغيل واحد لكل منها. تكرر البتر عبر ملفَّي large-v3 وعبر تحقيقين منفصلين، لكن هذه المصفوفة لا تثبت معدلًا؛ بل تثبت أنه يحدث.
- جهاز واحد، وحجمان للذاكرة. جرت الخلايا على آلة افتراضية واحدة بمعالج Apple Silicon كانت ذاكرتها 12 GB للخلايا الـ33 الأولى و24 GB للباقي؛ وجرت في الجزء ذي الـ12 GB كل خلايا النموذج الافتراضي الـ29 وأول أربع خلايا من Large V3 Q5 (العربية والتشيكية والدنماركية والألمانية). ويقع فيه تشغيلان مبتوران: الهندية على النموذج الافتراضي (241 MB ذاكرة متاحة عند أدنى نقطة) والتشيكية على Large V3 Q5 (60 MB). وكان لدى كل تشغيل مبتور آخر أكثر من 6,000 MB متاحة. فقد تكون الذاكرة المنخفضة أسهمت في هذين، ولا تستطيع هذه المصفوفة فصل ذلك عن النموذج. وتُركت إعدادات فك الترميز على القيم الافتراضية لمسار الملفات في التطبيق، لا لأداة سطر الأوامر.
- المعدلات المطلقة فيها بعض التضخيم من خيارات تطبيع علامات الترقيم والأحرف. والمقارنات بين النماذج هي الجزء المعتمد عليه، لا النسب المئوية المطلقة.
حُفظت النصوص هذه المرة. ففي مسح سابق كانت خطوة إعداد التشغيل التالي تكتب فوقها فتمحوها، وكان لا بد من استنتاج البتر من أعداد الكلمات، وهذا بالضبط ما جعله يمر دون ملاحظة طويلًا. فتبدو عبارتا «معدل الخطأ الأسوأ» و«توقف مبكرًا» متطابقتين في جدول النتائج.
الأسئلة
أسئلة عن توقف Whisper مبكرًا
ما البتر الصامت في التعرف على الكلام؟
يعيد النموذج نصًا يغطي جزءًا من الصوت فقط، وتبلّغ المنظومة المحيطة بالنجاح. النص الموجود عادةً صحيح، فلا يبدو شيء خاطئًا حتى يقارن أحدهم النص بالتسجيل. في هذه المصفوفة أثّر ذلك في 10 من أصل 143 تشغيلًا، 9 منها على ملفَّي large-v3 الكبيرين.
كيف أكتشف نصًا مبتورًا دون مرجع؟
قارن ما عاد بما دخل: الطابع الزمني لنهاية آخر مقطع مقابل مدة الملف الصوتي، أو طول النص مقابل الطول المتوقع. لا يحتاج أيٌّ منهما إلى نص مرجعي صحيح، وهذا ما يجعل الفحص قابلًا للاستخدام في الإنتاج. في هذه البيانات بلغ متوسط تغطية التشغيلات المبتورة 0.44 مقابل 1.01 للسليمة.
هل يعطي نموذج Whisper الأكبر نتائج أفضل؟
ليس في هذه المصفوفة. سجّل أكبر ملفين أعلى متوسطي معدل خطأ وكانا مسؤولين عن 9 من أصل 10 تشغيلات مبتورة، بينما سجّل تكميم بحجم 834 MB لنموذج turbo أدنى متوسط (9.16%، ضمن 0.2 نقطة من تشغيلات turbo الأخرى بعد استبعاد الهندية) ولم يُبتر قط. لم يتنبأ حجم التنزيل هنا بالدقة ولا بالموثوقية.
هل هذا خطأ في Whisper أم في التطبيق؟
غير محسوم، والصفحة لا تدّعي المعرفة. المقيس هو أن الحالة تحدث وأن المنظومة المحيطة لم تلاحظها. وفاحص التغطية المقترح تخفيف على مستوى التطبيق، وهو الطبقة التي نتحكم بها؛ ولا يشخّص السبب الكامن.
المزيد