ما هي تقنية الدبلجة بالذكاء الاصطناعي وكيف تعمل؟

تخيل فيديو تدريبيًا مسجلًا مرة واحدة باللغة الإنجليزية، يحتاجه فريق عمل عالمي بعشر لغات بحلول يوم الجمعة. قبل عقد من الزمن، كان هذا الطلب يعني توظيف ممثلين صوتيين، وحجز استوديو، والانتظار لأسابيع لكل لغة. أما اليوم، فيمكن تحميل ملف وتنزيل نسخة مدبلجة في غضون ساعات. هذا التحول مدعوم بتقنية الدبلجة بالذكاء الاصطناعي.

تُكمّل تقنية الدبلجة بالذكاء الاصطناعي عملية الدبلجة التقليدية، التي يقوم فيها ممثلو الصوت البشريون بإعادة تسجيل الحوار باللغة المستهدفة، وذلك باستخدام برامج تقوم بنسخ الصوت وترجمته وإعادة نطقه تلقائيًا. وقد انتقلت هذه التقنية بسرعة من كونها تقنية جديدة تستخدمها بعض منصات البث إلى أداة عملية للتدريب المؤسسي والتعليم الإلكتروني ومقاطع الفيديو التسويقية والاتصالات الداخلية.

يُعدّ الدبلجة بالذكاء الاصطناعي تقنيةً قريبةً من الترجمة الآلية للكلام بالذكاء الاصطناعي، وهي التقنية التي تدعم الترجمة الفورية في الفعاليات والاجتماعات المباشرة. يشرح هذا المقال ماهية الدبلجة بالذكاء الاصطناعي، ويستعرض التقنية الكامنة وراءها خطوةً بخطوة، ويتناول المجالات التي تستخدمها المؤسسات اليوم. 

ما هو الدبلجة بالذكاء الاصطناعي؟

الدبلجة بالذكاء الاصطناعي هي عملية استخدام الذكاء الاصطناعي لاستبدال الصوت المنطوق في مقطع فيديو أو تسجيل بمسار صوتي جديد بلغة مختلفة، مع الحفاظ على النبرة والإيقاع، وبشكل متزايد، على خصائص صوت المتحدث الأصلي. على عكس الترجمة النصية التي تضيف نصًا مترجمًا على الشاشة، تستبدل الدبلجة الصوت نفسه، مما يتيح للمشاهدين المشاهدة والاستماع دون الحاجة إلى القراءة.

تعتمد الدبلجة التقليدية على المترجمين البشريين، ومؤدي الأصوات، ومهندسي الصوت، ووقت الاستوديو لكل لغة. أما الدبلجة المدعومة بالذكاء الاصطناعي فتُؤتمت معظم هذه العملية باستخدام تقنيات التعرف على الكلام، والترجمة الآلية، وتوليف الصوت، مما يجعلها أسرع وأكثر قابلية للتوسع للمؤسسات التي تحتاج إلى محتوى بلغات متعددة في آن واحد.

كيف تعمل عملية الدبلجة بالذكاء الاصطناعي

لا تُعدّ عملية الدبلجة بالذكاء الاصطناعي تقنيةً واحدة، بل هي سلسلة من العمليات التي تُنفّذ بالتتابع. وتعتمد كل مرحلة على مخرجات المرحلة التي سبقتها. 

التعرف على الكلام والنسخ

تبدأ العملية بالتعرف التلقائي على الكلام (ASR)، الذي يحول الصوت المنطوق الأصلي إلى نص. تُدرَّب أنظمة التعرف التلقائي على الكلام الحديثة على التعامل مع اللهجات والضوضاء الخلفية وتداخل الكلام، كما أنها تسجل معلومات التوقيت، وتحدد بدقة متى تُنطق كل كلمة أو عبارة. تصبح بيانات التوقيت هذه مهمة لاحقًا، عندما يحتاج الصوت المُدبلج إلى التوافق مع الصوت الأصلي. 

الترجمة وتكييف الحوار

بعد نسخ الكلام، يُترجم النص إلى اللغة المستهدفة. تقليديًا، كان يتم ذلك باستخدام الترجمة الآلية العصبية (NMT)، التي تأخذ السياق في الاعتبار عبر الجملة بأكملها بدلاً من الترجمة كلمة بكلمة، مما ينتج عنه نتائج أكثر طبيعية من الأنظمة السابقة القائمة على القواعد.

مع ذلك، تتزايد استخدام منصات دبلجة الذكاء الاصطناعي لنماذج اللغة الضخمة (LLMs) إما بالتوازي مع الترجمة الآلية العصبية التقليدية أو بدلاً منها. وعلى عكس نماذج الترجمة التقليدية، تستطيع نماذج اللغة الضخمة تكييف الحوار مع الأداء الشفهي، مع الحفاظ على روح الدعابة والعاطفة ونبرة الحديث، وإنتاج ترجمات تتناسب بشكل أفضل مع إيقاع الكلام الأصلي وسرعته. كما يمكنها الحفاظ على أصوات الشخصيات، وتطبيق المصطلحات المخصصة بشكل متسق، وإنشاء نصوص أكثر ملاءمة للدبلجة بدلاً من مجرد الترجمة الحرفية. بالنسبة للمحتوى التجاري والمؤسسي، تستفيد هذه المرحلة غالبًا من المصطلحات أو القواميس المخصصة، بحيث تُترجم المصطلحات الخاصة بالقطاع أو المؤسسة بشكل متسق. 

توليف الصوت واستنساخ الصوت 

يُحوّل النص المترجم إلى كلام باستخدام النص إلى كلام (TTS) . توفر العديد من أدوات الدبلجة المدعومة بالذكاء الاصطناعي ميزة استنساخ الصوت، حيث يحلل النظام صوت المتحدث الأصلي ويُنشئ صوتًا اصطناعيًا يُطابقه بدقة في اللغة المستهدفة. هذا يعني أن خصائص صوت المُقدّم، من نبرة وإيقاع، يُمكن نقلها إلى لغة قد لا يتحدثها. في المقابل، تُقدّم بعض المنصات مكتبة من الأصوات المُولّدة بالذكاء الاصطناعي للاختيار من بينها، وهو خيار أسهل عند وجود مخاوف بشأن الموافقة على استنساخ الصوت أو جودته. 

محاذاة التوقيت ومزامنة الشفاه

أخيرًا، يجب أن يتناسب المسار الصوتي الجديد مع الفيديو الأصلي. يتضمن ذلك تعديل الإيقاع ليتطابق الكلام المترجم مع طول المقاطع الأصلية، وفي الأنظمة الأكثر تطورًا، مواءمة حركات الفم في الفيديو مع الصوت الجديد. نظرًا لاختلاف اللغات اختلافًا كبيرًا في طول الجمل وعدد المقاطع، تُعدّ خطوة المواءمة هذه من أكثر أجزاء العملية تطلبًا من الناحية التقنية، وهي التي يختلف فيها مستوى الجودة بشكل ملحوظ بين مزودي خدمات الدبلجة بالذكاء الاصطناعي.  

الدبلجة بالذكاء الاصطناعي مقابل الدبلجة التقليدية 

تكمن جاذبية الدبلجة المدعومة بالذكاء الاصطناعي للشركات والمؤسسات في السرعة والتكلفة والنطاق الواسع. تتطلب الدبلجة التقليدية حجز استوديوهات ومؤدي أصوات بشكل منفصل لكل لغة، مع مدة إنجاز تمتد لأسابيع. أما الدبلجة المدعومة بالذكاء الاصطناعي فتختصر هذا العمل إلى ساعات، ولأن تكلفة الاستوديو لا تُحتسب لكل لغة، ينخفض ​​سعر الدقيقة بشكل ملحوظ، خاصةً عند الحاجة إلى ترجمة المحتوى إلى لغات متعددة في آن واحد بدلاً من لغة أو اثنتين فقط.

مع ذلك، لا يُعدّ الدبلجة بالذكاء الاصطناعي بديلاً كاملاً للدبلجة البشرية في جميع السياقات. فالأفلام المرموقة، والمسلسلات الدرامية التي تركز على الشخصيات، والمحتوى الذي يُعدّ فيه الأداء العاطفي الدقيق عنصراً أساسياً، لا تزال تُفضّل استخدام مؤدي الأصوات البشريين. أما بالنسبة للاتصالات التجارية، ومحتوى التدريب، والندوات عبر الإنترنت، والتحديثات الداخلية، حيث تُعدّ الوضوح والسرعة أهم من الأداء الدرامي، فإن الدبلجة بالذكاء الاصطناعي تُعتبر الآن جاهزة للإنتاج من قِبل معظم المؤسسات التي تُقيّمها.

أين تستخدم المؤسسات تقنية الدبلجة بالذكاء الاصطناعي

تجاوز استخدام تقنية الدبلجة بالذكاء الاصطناعي نطاق الإعلام والترفيه ليشمل مجموعة أوسع من التطبيقات المؤسسية والتجارية. تشمل التطبيقات الشائعة مقاطع الفيديو التدريبية والتعريفية التي يجب أن تصل إلى الموظفين في مختلف المناطق، ودورات التعلم الإلكتروني التي يجب تحديثها باستمرار ولا يمكن تحمل أسابيع من وقت الترجمة لكل لغة، واجتماعات الموظفين ورسائل القيادة التي تستفيد من الطابع الشخصي حتى بعد الترجمة، ومقاطع الفيديو التسويقية ومقاطع الفيديو الخاصة بالمنتجات التي تحتاج إلى توطين سريع للأسواق الجديدة.

كما تقوم الهيئات الحكومية والمنظمات غير الحكومية والمؤسسات الدولية باستكشاف استخدام تقنية الدبلجة بالذكاء الاصطناعي لحملات المعلومات العامة والتواصل متعدد اللغات، حيث أن حجم اللغات المطلوبة يجعل الدبلجة التقليدية مكلفة للغاية.

ما الذي يجب البحث عنه في حلول دبلجة الذكاء الاصطناعي؟ 

لا تُبنى جميع أدوات الدبلجة بالذكاء الاصطناعي بنفس الطريقة، وتُصبح هذه الاختلافات جوهرية عند الانتقال من مرحلة العرض التوضيحي إلى الاستخدام الفعلي. يتباين دعم اللغات واللهجات بشكل كبير بين مزودي الخدمة، لذا يُنصح بالتأكد من دعم اللغات التي تحتاجها مؤسستك فعليًا بمستوى جودة مقبول. كما تختلف جودة الصوت ومدى طبيعية تزامن التوقيت، ويُفضل تقييمها باختبار مزود الخدمة على محتواك الخاص بدلًا من الاعتماد على عرض توضيحي مُنمّق. يُعدّ الأمن ومعالجة البيانات من الأمور بالغة الأهمية للاستخدام المؤسسي، لا سيما إذا كان المحتوى الأصلي سريًا أو إذا تطلّب الأمر استنساخ الصوت وتوثيق الموافقة. أخيرًا، يُحدد التكامل مع المنصات الحالية، سواءً كانت نظام إدارة تعلّم أو منصة استضافة فيديو أو مجموعة تقنيات فعاليات، مقدار العمل اليدوي المطلوب لدمج الدبلجة بالذكاء الاصطناعي في سير عملك الفعلي.

مع استمرار تحسن جودة الدبلجة بالذكاء الاصطناعي، لم يعد السؤال العملي بالنسبة لمعظم المؤسسات هو ما إذا كانت تعمل، بل ما هي حالات الاستخدام التي تناسبها بشكل أفضل اليوم وأين لا تزال الرقابة البشرية تضيف قيمة.