كيف تعمل الكتابة بالصوت

ما مدى دقة الكتابة بالصوت؟ معدل الخطأ والسرعة والحدود الحقيقية

كيف تُقاس دقة التعرف على الكلام (معدل خطأ الكلمات)، وماذا تقول الدراسات عن سرعة الإملاء مقارنةً بالكتابة، وما الذي يسيء إلى النتائج، وأي الكلمات يجب التحقق منها دائمًا.

MacWindowsiPhoneAndroid

باختصار

تُقاس الدقة عادةً بمعدل خطأ الكلمات (WER): الكلمات المستبدلة والمحذوفة والمُدرجة مقسومةً على عدد الكلمات التي قيلت فعلًا. مقياس مفيد لكنه ضيّق: لا يشمل علامات الترقيم ولا التنسيق ولا المعنى. تُظهر الدراسات أن الكلام أسرع بنحو ثلاث مرات من الكتابة على الهاتف. تتركز الأخطاء في الأسماء والأرقام والضجيج: وهذه هي الكلمات التي يجب التحقق منها قبل الإرسال.

Gmail

قلتَ

من فضلك حوّل ألفا وخمسمئة وليس خمسة آلاف إلى حساب المورّد

كتب SayVelio

من فضلك حوّل 1,500 وليس 5,000 إلى حساب المورّد.

ثلاثة أنواع من الأخطاء

حين يخطئ نظام التعرف فإنه يفعل واحدًا من ثلاثة أشياء:

  • الاستبدال: تحل كلمة محل أخرى («سبعة» ← «تسعة»).
  • الحذف: تختفي كلمة (تضيع «لا»).
  • الإدراج: تظهر كلمة لم تُقل.

معدل خطأ الكلمات (WER)

يعدّ المقياس القياسي هذه الأنواع الثلاثة مقارنةً بنص مرجعي صحيح:

WER = (الاستبدالات + الحذوفات + الإدراجات) ÷ عدد كلمات النص المرجعي

مثال. النص المرجعي 10 كلمات: «أرسل التقرير النهائي إلى مريم قبل صباح الجمعة لو سمحت». كتب النظام «أرسل التقرير النهائي إلى مروان قبل مساء الجمعة لو سمحت»: استبدالان، ولا حذف، ولا إدراج. WER = 2 ÷ 10 = 20٪.

معدل الخطأ يعدّ الكلمات المستبدلة والمحذوفة والمُدرجة مقارنةً بالكلمات المنطوقة
معدل خطأ الكلمات: (S + D + I) ÷ N

ما لا يخبرك به WER

WER مقياس تقني جيد وملخّص سيئ لتجربة الاستخدام:

  • كل الكلمات بالوزن نفسه. غياب «في» وغياب «لا» يُحسب كلٌّ منهما خطأً واحدًا، لكن واحدًا فقط يقلب المعنى.
  • يعتمد على قواعد العدّ. هل «5» مقابل «خمسة» خطأ؟ و«OK» مقابل «أوكي»؟ تتغير النتيجة بحسب طريقة تطبيع النص قبل المقارنة.
  • يتجاهل علامات الترقيم والتنسيق، أي عمل التنظيف.
  • مرتبط بمجموعة الاختبار. WER منخفض على كلام مقروء ونظيف لا يقول الكثير عن لهجتك أو ميكروفونك أو مفردات مجال عملك.

لذلك لا معنى لمقارنة منتجين إلا بالصوت نفسه واللغة نفسها والمهمة نفسها والقواعد نفسها. اسم علامة تجارية أو وعد سرعة في إعلان لا يغني عن هذه المقارنة.

هل الإملاء أسرع من الكتابة؟

هذا ما وجدته دراسات محكَّمة:

متوسط الكلمات في الدقيقة: لوحة مفاتيح فعلية 52، لوحة مفاتيح الهاتف 36، الصوت على الهاتف 153
الكلمات في الدقيقة في ثلاث دراسات: الكلام أسرع بنحو ثلاث مرات من الكتابة
الطريقةمتوسط السرعةالدراسة
لوحة مفاتيح فعلية52 كلمة في الدقيقةDhakal وآخرون، CHI 2018، ‏168,000 متطوع
لوحة مفاتيح الهاتف اللمسية36.2 كلمة في الدقيقةPalin وآخرون، MobileHCI 2019، ‏37,370 متطوعًا
الصوت على الهاتف (بالإنجليزية)153 كلمة في الدقيقةRuan وآخرون، 2017، رسائل قصيرة في المختبر
لوحة مفاتيح الهاتف في الدراسة نفسها52 كلمة في الدقيقةRuan وآخرون، 2017

في دراسة جامعة ستانفورد التي قادها Ruan وزملاؤه، كان الصوت أسرع من لوحة مفاتيح الهاتف بـ2.93 مرة بالإنجليزية و2.87 مرة بالصينية الماندرينية. احتاج المشاركون إلى تصحيح أخطاء أقل أثناء الكتابة (معدل الأخطاء المصحَّحة 5.3٪ مقابل 11.2٪ بالإنجليزية)، وإن بقيت أخطاء أكثر قليلًا في النص النهائي المُملى (1.3٪ مقابل 0.8٪). شملت الدراسات مهام وأشخاصًا مختلفين، فخذ المقارنة كترتيب حجم تقريبي لا كنسبة دقيقة. وفي العمل يُقضى وقت أيضًا في التفكير والمراجعة، لذلك يكون المكسب اليومي أقل منه في المختبر، لكنه يظل كبيرًا في الرسائل الطويلة.

ما الذي يسيء إلى النتائج

  • الضجيج والصدى: أصوات في الخلفية، وميكروفونات بعيدة، وغرف كبيرة (انظر خفض الضجيج واكتشاف الكلام).
  • عدة أشخاص يتكلمون في الوقت نفسه.
  • صوت مشبَّع: الكلام قريبًا جدًا أو بصوت عالٍ جدًا حتى تتشوه الإشارة.
  • أسماء ومصطلحات غير مألوفة نادرًا ما رآها النموذج (انظر كيف يساعد السياق على التعرف).
  • تبديل اللغة في منتصف الجملة، وهو ما تتعامل معه بعض الأنظمة بشكل سيئ.

للسرعة ثمن أيضًا

الانتظار الكلي مجموع عدة مراحل: انتهاء التسجيل، والإرسال، والتعرف، والتنظيف الاختياري، وإدراج النص. وعلى أنظمة البث المتدفق أيضًا أن تقرر متى تثبّت الكلمات، بين نص مبكر وتصحيحات لاحقة. في SayVelio تتيح لك أوضاع الإملاء الاختيار: «سريع» يُدرج النص المتعرَّف عليه دون تنظيف، و«متوازن» و«أفضل جودة» يضيفان التنظيف لنص أكثر صقلًا.

تحقّق دائمًا قبل الإرسال

في النص المهم، أنت آخر من يراجع. انظر مرتين إلى:

  • الأرقام والمبالغ، بما فيها العملات والكسور العشرية؛
  • أسماء الأشخاص والشركات والمنتجات؛
  • النفي: «لا»، «لم»، «أبدًا»، «ليس»؛
  • التواريخ والأوقات؛
  • التعليمات الطبية والقانونية والمالية؛
  • كل ما قد يكون التنظيف أعاد صياغته.

سهولة التصحيح تجعل الإملاء مفيدًا حتى حين لا يكون مثاليًا، لكن الراحة لا تثبت أنه لم يحدث أي خطأ.

المصادر

  • Dhakal, V., Feit, A. M., Kristensson, P. O., Oulasvirta, A. Observations on Typing from 136 Million Keystrokes. CHI 2018. ملخص جامعة كامبريدج
  • Palin, K., Feit, A. M., Kim, S., Kristensson, P. O., Oulasvirta, A. How do People Type on Mobile Devices? Observations from a Study with 37,000 Volunteers. MobileHCI 2019. صفحة المشروع
  • Ruan, S., Wobbrock, J. O., Liou, K., Ng, A., Landay, J. A. Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 2017. arXiv:1608.07323

أسئلة شائعة

ما هو WER الجيد؟

يعتمد على الصوت والمهمة. الإملاء الواضح في غرفة هادئة بنموذج حديث يُظهر غالبًا WER ببضعة في المئة، بينما قد تكون التسجيلات الصاخبة متعددة الأصوات أعلى بكثير. لا تقارن الأنظمة إلا على الصوت نفسه وبالقواعد نفسها.

هل يمكن أن يتجاوز WER نسبة 100٪؟

نعم. الإدراجات تُحسب أيضًا: نظام يضيف كثيرًا من الكلمات غير المنطوقة قد يرتكب أخطاء أكثر من عدد الكلمات الأصلية.