انتقل إلى المحتوى

دراسة حالة

خدمة ذكاء اصطناعي تُحسب بالثانية تحاسبك على الصمت أيضاً

كل ثانية تُرسل إلى خدمة صوت تُحسب عليك، بما فيها الهدوء بعد آخر كلمة. في أداة أحد عملائنا كان نحو ثلث كل مقطع هو ذلك الصمت. إليك كيف تتبعناه وقصصناه واختبرناه.

أهم النقاط

  • الفاتورة بالثانية تعدّ كل ثانية ترسلها، لا كل ثانية يسمعها عميلك.
  • الهدوء بعد آخر كلمة هو أسهل هدر يمكن العثور عليه، لأن أي مونتاج نهائي لا يشغّله أبداً.
  • لا تقصّر المقطع إلا عندما تُقاس نهاية الكلام ويؤكدها الصوت نفسه، وأرسل كل ما عدا ذلك كاملاً.
  • قارن النتيجة القديمة بالجديدة على أمثلة حقيقية قبل أن تعتبر فاتورة أقل فاتورة آمنة.

إذا كنت تدفع لخدمة ذكاء اصطناعي تُحسب بالثانية، فالعداد يجري على كل ما ترسله إليها، بما فيه الهدوء بعد آخر كلمة لا يصل إليه أي مستمع. في أداة فيديو لدى أحد عملائنا، كان نحو ثلث كل مقطع يُرسل لتغيير الصوت هو بالضبط ذلك: صمت. تتبعنا من أين يأتي، وغيّرنا ما يُرسل، واختبرنا النتيجة على مقاطع كاملة، وأصبح التغيير يعمل خلال يوم عمل واحد؛ وتغيير الصوت على تلك المنصة الآن يكلف نحو الثلث أقل لكل مقطع.

ما تخفيه الفاتورة المحسوبة بالثانية

السعر بالثانية يخبرك بثمن الثانية الواحدة، لا بعدد الثواني التي تدفع مقابلها ويصل منها شيء إلى عميلك.

تصل الفاتورة على هيئة عدد ثوانٍ مستخدمة. وهي لا تفصل الثواني التي حملت كلاماً عن الهدوء قبل أن يبدأ أحدهم الكلام أو بعد أن يتوقف، والمجموع الواحد يخفي هذا الفرق جيداً. وفي أداة تتعامل مع المقاطع طوال اليوم، يسهل أن يمرّ ذلك دون انتباه.

بعض هذا الهدوء لا مفر منه: الوقفة في وسط الجملة جزء من الأداء وينبغي أن تبقى. أما الجزء الذي يستحق البحث فهو الذيل بعد آخر كلمة، وهو ما يقطعه العمل النهائي على أي حال.

لماذا يحدث الهدر في أدوات كهذه

إرسال المقطع كاملاً هو أبسط ما يمكن بناؤه، ولذلك فهو في خبرتنا ما يُبنى.

تستقبل الخدمة الملف من أوله إلى آخره وتحسب كل ثانية فيه، بما فيها صوت الغرفة. لكن المونتاج النهائي يقطع بعد جزء من الثانية من انتهاء الكلام، فلا يُشغَّل شيء من ذلك الذيل أبداً.

الطولان يعيشان في مكانين مختلفين. الفاتورة تعدّ الثواني المستلمة، والمونتاج يعدّ الثواني المحتفظ بها. وإلى أن يضع أحدهم أحدهما بجانب الآخر، يبقى الفرق بعيداً عن الأنظار.

كيف تتبعه مهندسنا

كانت الأداة تعرف أصلاً أين ينتهي الكلام في كل مقطع، لأن ذلك هو الموضع الذي يُقطع عنده المونتاج. كان ذلك القياس هو الخيط الذي جذبه مهندسنا.

كان السؤال التالي هو كم يُشغَّل فعلاً مما يأتي بعد ذلك الموضع. وبمقارنته بنوعي المونتاج في الأداة، تبيّن أنه يبلغ ما يزيد قليلاً على عُشر ثانية في أحدهما وأقل من ثلث ثانية في الآخر. وكل ما يُرسل بعد ذلك كان يُدفع مقابله ويُرمى، وفي هذه المقاطع بلغ ذلك نحو ثلث كل مقطع.

كان القلق الواضح هو الجودة. فخدمة الصوت تعمل انطلاقاً من المقطع الذي يُعطى لها، وقد يعود المقطع الأقصر مختلف الصوت عند أطرافه. لذلك لم يُعتبر التغيير منتهياً حتى جُرّب على مقاطع حقيقية بتحويلات حقيقية وقُورن بالطريقة القديمة في إرسال المقطع كاملاً.

ما غيّرناه

يُرسل كل مقطع الآن حتى نصف ثانية فقط بعد آخر كلمة فيه، ولا يُقطع أبداً على مسافة أقرب من أربعة أعشار الثانية بعد ذلك الموضع.

يجب أن يتفق فحصان قبل أن يُقصّر المقطع. فيجب أن تكون نهاية الكلام قد قيست على ذلك المقطع نفسه، وأن يؤكد صوت المقطع نفسه أن الكلام قد انتهى — أي أن الذيل هادئ، لا نغمة ممتدة ولا بداية كلمة أخرى. وعندما يتفق الفحصان، يعود الصوت المتغيّر ويُحشى بالصمت ليبلغ طول المقطع الأصلي بالضبط، من جهتنا، بعد أن تعيده الخدمة. هذا الحشو لا يُرسل أبداً، فلا يُحسب أبداً، ويستقبل المونتاج مقطعاً بطول ما كان عليه تماماً.

وكل ما يفشل في أي من الفحصين يُرسل كاملاً كما كان دائماً، ويسجل السجل السبب.

وما كنت ستراه لو كانت هذه أداتك: يُحسب للمقطع المقصّر عدد ثوانٍ أقل من طوله، ويحمل السجل سبباً لذلك. أما المقطع المرسل كاملاً فيُحسب له طوله بالضبط، والسبب بجانبه في السجل — إما أن نهاية الكلام لم تُقس على ذلك المقطع، أو أن الصوت عند الذيل لم يُقرأ هادئاً.

ما أظهرته الاختبارات، وما لا يزال كاملاً

أصبح التغيير يعمل على منصة العميل بعد اختبارات على مقاطع حقيقية بتحويلات حقيقية، وهو يتصرف كما كانت الطريقة القديمة تتصرف في حدود ما استطعنا قياسه.

في تلك الاختبارات تحركت نهاية الكلام ببضعة أجزاء من الألف من الثانية على الأكثر. وتطابق شكل الصوت بقدر ما يتطابق تحويلان كاملان للمقطع نفسه، وبقي مستوى الصوت داخل الفرق الطبيعي بين تشغيلين للمقطع نفسه. هذا مقارنة لا وعد: أي أنه يقول إننا لم نستطع قياس تغيير، لا أنه لا يوجد تغيير.

هناك جزء من الأداة لم يُمس. فتغيير صوت إعلان كامل دفعة واحدة لا يستخدم القياس بعد ولا يزال يرسل مقاطع كاملة.

ما يمكنك فحصه بنفسك

  • خذ مقطعاً سبق أن عالجته وضع طوله بجانب الثواني المحسوبة له. فإن كانا متساويين، فقد أُرسل ذلك المقطع كاملاً.
  • ابحث عن سجل الأداة أو تاريخها. ينبغي أن يكون للمقطع المقصّر سبب مسجل بجانبه، وكذلك للمقطع الذي تُرك كما هو.
  • اسأل إن كانت كل مهمة في الأداة تستخدم الإرسال الأقصر أم بعضها فقط. في هذه الأداة، لا يزال تغيير صوت إعلان كامل دفعة واحدة يرسل مقاطع كاملة.
  • اسأل عما يحدث للصوت الذي لا تستطيع الأداة الحكم عليه بأمان. الجواب الذي تبحث عنه هو أنه يمر كما كان، كاملاً.
  • في خدمة تُحسب بالدقيقة، اسأل إن كانت فترات الهدوء الطويلة تُرسل أصلاً، وإن كان أي شيء يستخدمها.

ما تفعله بعد ذلك

ابدأ برقم واحد، على نوع واحد من المهام: كم ثانية ترسل للمعالجة، مقابل كم ثانية تنتهي في العمل النهائي. فإن لم يستطع أحد أن يريك ذلك على أمثلة حقيقية، فاترك الأداة كما هي واسأل مرة أخرى قبل أن يُقص أي شيء. إن قص ما تستقبله خدمة مدفوعة، وإثبات أن الناتج لا يزال يبدو بالصوت نفسه، هو نوع العمل الذي يقوم به مهندسونا للعملاء.

أسئلة شائعة

كيف أعرف إن كنت أدفع مقابل الصمت في أداة صوت أو فيديو بالذكاء الاصطناعي؟

قارن طولين: ما ترسله إلى الخدمة، وما ينتهي في العمل النهائي. فإن أُرسل مقطع كاملاً وقطع المونتاج بعد جزء من الثانية من آخر كلمة، فالذيل يُحسب ولا يُشغَّل أبداً. والفاتورة وحدها لن تُظهر ذلك، لأنها لا تذكر إلا الثواني المستخدمة.

هل يغيّر قص المقطع شكل الصوت؟

في اختباراتنا على مقاطع حقيقية لم يغيّره، في حدود ما استطعنا قياسه. تحركت نهاية الكلام ببضعة أجزاء من الألف من الثانية على الأكثر، وتطابق الصوت بقدر ما يتطابق تشغيلان كاملان للمقطع نفسه، وبقي مستوى الصوت داخل الفرق الطبيعي بين التشغيلين. والقص لا يُجرى إلا عندما يتفق فحصان منفصلان، ويُحشى الصوت المتغيّر ليعود إلى الطول الأصلي.

ما الذي يحدث للمقاطع التي لا تستطيع الأداة الحكم عليها بأمان؟

تُرسل كاملة كما كانت تماماً. لا يُقصّر المقطع إلا عندما تُقاس نهاية الكلام على ذلك المقطع ويؤكد صوت المقطع نفسه أن الكلام قد انتهى. وتسجل الأداة أيضاً سبب تقصير كل مقطع أو تركه كما هو.

هل ينطبق هذا على خدمات النسخ والفيديو أيضاً، أم على الصوت فقط؟

فعلنا هذا فقط لتغيير الصوت في أداة فيديو لدى عميل واحد، فلا نستطيع أن نخبرك بما قد يوفره في مكان آخر. والسؤال يستحق أن يُطرح على أي شيء يُحسب بالثانية أو الدقيقة: نسخ تسجيلات طويلة فيها فترات هدوء، أو معالجة تحشو المقاطع. اسأل أين تذهب الثواني غير المستخدمة.

كم من المقطع يكون صمتاً عادة؟

في المقاطع التي نظرنا إليها، كان نحو ثلث كل مقطع هدوءاً بعد آخر كلمة. وهذا يأتي من أداة واحدة ومجموعة مقاطع واحدة، فاعتبره سبباً لقياس مقاطعك لا توقعاً. وستختلف النسبة بحسب المتحدث والنص وطريقة التسجيل.

من Tech Concierge

هل تريد من يتولى هذا لعملك؟

مهندسك الخاص يبني ويدير الموقع والتطبيق ونظام CRM ومساعد الذكاء الاصطناعي الذي يرد على عملائك.

أول 7 أيام مجانًا.

اقرأ أيضًا

دراسة حالةالفيديو والمحتوى

لماذا يعِدك أداة الفيديو بيوم لمهمة تنتهي في المساء

التقدير المبني على سعر ثابت واحد هو أبعد ما يكون عن الحقيقة في أكبر المهام، بينما قد يبقى العداد بجانبه عند الصفر. ما وجدناه في منصة فيديو لأحد عملائنا، وما يمكنك فحصه في منصتك.

قراءة في 5 دقائق

دراسة حالةالفيديو والمحتوى

لماذا يقول نظامك إن مهمة طويلة متوقفة وهي ما زالت تعمل

مرتين في أسبوع واحد أخبرت منصة فيديو فريقًا بأن إعلانًا قد توقف بينما كان ما زال قيد الإنشاء. كان الحل أن نسأل الخطوة التي تحتفظ بالمهمة قبل الحكم عليها بالضياع، بدلًا من أن يقرر ذلك ساعة.

قراءة في 5 دقائق

دراسة حالةالفيديو والمحتوى

لماذا يغيّر مقدم البث بالذكاء الاصطناعي الخلفية في منتصف الفيديو

لاحظ فريق الفيديو لدى أحد العملاء أن مقدم البث بالذكاء الاصطناعي يغيّر مكانه في منتصف إعلانين جديدين، ولم تفد إعادة إنشاء المقاطع. كان السبب إعدادًا مطفأً في نوع واحد من الفيديو فقط.

قراءة في 4 دقائق

نحصي زيارات هذه المدونة بأدوات التحليل الخاصة بنا، لا بأدوات Google، ولا نشارك ما تقرؤه مع أحد. هل نتذكر هذا المتصفح بملف تعريف ارتباط؟ التفاصيل في سياسة الخصوصية.