Sunflower v2؛ مجموعه‌ای متن‌باز برای هوش مصنوعی چندزبانه

Sunflower v2؛ مجموعه‌ای متن‌باز برای هوش مصنوعی چندزبانه

# Sunflower v2؛ مجموعه‌ای متن‌باز برای هوش مصنوعی چندزبانه

Sunflower v2 یک مجموعهٔ متن‌باز از مدل‌های ترجمه، درک متن، تشخیص گفتار و تبدیل متن به گفتار است که برای زبان‌های کم‌برخوردار طراحی شده است. این فناوری می‌خواهد بخشی از شکاف زبانی هوش مصنوعی را کاهش دهد؛ شکافی که باعث می‌شود مدل‌های رایج در زبان‌های پرکاربرد عملکرد خوبی داشته باشند، اما در زبان‌های محلی، لهجه‌ها و گفتار طبیعی دقت پایین‌تری نشان دهند.

شرکت Sunbird AI در ۲۴ سپتامبر ۲۰۲۶ از Sunflower v2 رونمایی کرد. نسخهٔ جدید نسبت به انتشار قبلی، پوشش خود را از ۳۱ زبان اوگاندایی به ۶۷ زبان آفریقایی افزایش داده و علاوه بر مدل‌های متنی، مدل‌های گفتاری و یک مدل کوچک برای اجرای کاملاً آفلاین روی تلفن همراه ارائه می‌کند. همهٔ مدل‌ها و داده‌های آموزشی مرتبط طبق اعلام سازنده با مجوز متن‌باز در دسترس قرار گرفته‌اند.

Sunflower v2 چه مسئله‌ای را حل می‌کند؟

بخش بزرگی از ابزارهای هوش مصنوعی با داده‌های زبان‌های پرکاربرد آموزش دیده‌اند. در نتیجه، ترجمه، جست‌وجو، دستیار صوتی و ابزارهای آموزشی برای زبان‌هایی مانند انگلیسی معمولاً امکانات بیشتری دارند. در مقابل، زبان‌هایی که دادهٔ متنی و صوتی کمتری دارند، با خطاهای بیشتر، تشخیص نادرست واژه‌ها و پاسخ‌های کم‌اعتماد روبه‌رو می‌شوند. Sunflower v2 برای پاسخ‌دادن به همین نیاز توسعه یافته است.

Sunflower v2 برای پرکردن بخشی از همین خلأ ساخته شده است. این مجموعه ترجمه و درک متن را با مدل‌های بزرگ‌تر انجام می‌دهد، اما هم‌زمان مدل‌های کوچک‌تری دارد که برای سخت‌افزار محدود مناسب‌ترند. در بخش گفتار نیز تشخیص صوت، ترجمهٔ گفتاری و تولید صدا در زبان‌ها و پیکربندی‌های مختلف ارائه شده است. هدف این نیست که یک مدل واحد برای همهٔ کاربردها ساخته شود؛ مدل‌ها در مرز ورودی و خروجی سامانه‌ها قرار می‌گیرند تا برنامه بتواند منطق داخلی خود را حفظ کند و وظیفهٔ ترجمه یا پردازش گفتار را به Sunflower بسپارد.

پنج مدل با کاربردهای متفاوت

Sunbird AI در این نسخه پنج مدل اصلی معرفی کرده است. Sunflower-Qwen3.8-27B برای ترجمه، درک متن، استدلال و دسته‌بندی نیت طراحی شده و مدل Sunflower-Qwen3.5-9B همین مسیر را با اندازهٔ کوچک‌تر دنبال می‌کند تا اجرای آن روی یک GPU مصرفی ساده‌تر باشد.

Sunflower-Gemma4-E2B برای گفتار به گفتار روی تلفن همراه ساخته شده و می‌تواند بدون ارسال صوت به سرور کار کند. این قابلیت برای برنامه‌های آموزشی یا ابزارهایی که به اتصال دائمی اینترنت دسترسی ندارند اهمیت دارد. SunflowerASR مدل تشخیص گفتاری است که ۵۱ زبان آفریقایی را پوشش می‌دهد. در نهایت، Sunflower TTS برای تولید گفتار در ۲۰ زبان و پیکربندی صوتی توسعه یافته و از صداهای گویندگانی استفاده می‌کند که برای کاربردشان رضایت داده‌اند.

نتایج ارزیابی چه می‌گویند؟

بر اساس گزارش Sunbird، مدل ۲۷ میلیارد پارامتری در آزمون ترجمه SALT-69 امتیاز ۴۶٫۲ chrF گرفته است؛ این آزمون ۶۸ زبان آفریقایی و زبان فرانسوی را در هر دو جهت بررسی می‌کند. مدل ۹ میلیارد پارامتری نیز با امتیاز ۴۵٫۸ فاصلهٔ کمی با مدل بزرگ‌تر دارد. سازنده می‌گوید ترجمه به زبان‌های آفریقایی دشوارتر است و در ۳۱ زبان اوگاندایی، مدل بزرگ‌تر از Gemini 3.1 Pro امتیاز بالاتری گرفته است.

در تشخیص گفتار، SunflowerASR روی مجموعهٔ ارزیابی داخلی Sunbird، AfriVox-v2 و SimbaBench سنجیده شده است. گزارش منتشرشده می‌گوید این مدل در میان سامانه‌های مقایسه‌شده کمترین میانگین خطای واژه را در چند آزمون داشته است. بااین‌حال، خود Sunbird تأکید می‌کند کیفیت برای همهٔ ۶۷ زبان یکسان نیست؛ در ۱۹ زبان امتیاز ترجمه پایین‌تر است و خروجی باید توسط گویندهٔ همان زبان بررسی شود.

اجرای آفلاین و حریم خصوصی

یکی از بخش‌های مهم Sunflower v2، مدل کوچک Sunflower-Gemma4-E2B است که برای اجرای مستقیم روی تلفن همراه طراحی شده است. در نمونهٔ آموزشی Sunbird Tutor، کاربر می‌تواند به زبان‌های لوگاندا و آچولی سؤال را به‌صورت صوتی مطرح کند و پاسخ صوتی دریافت کند، بدون اینکه فایل صوتی برای پردازش به سرور فرستاده شود. چنین معماری‌ای می‌تواند برای کلاس‌های درس، مناطق کم‌اتصال و سناریوهایی که حریم خصوصی صوت اهمیت دارد مفید باشد.

اجرای آفلاین Sunflower v2 به معنی حذف همهٔ محدودیت‌ها نیست. مدل باید از نظر مصرف باتری، حافظه، دما و کیفیت خروجی روی دستگاه واقعی آزمایش شود. همچنین در کاربردهای حساس، پاسخ صوتی یا ترجمه باید با بررسی انسانی همراه باشد؛ به‌خصوص زمانی که زبان یا گویش دادهٔ آموزشی کمی دارد.

مدل‌های باز برای سازندگان نرم‌افزار

وزن مدل‌ها و کارت‌های فنی آن‌ها در Hugging Face منتشر شده و Sunbird یک API میزبانی‌شده نیز ارائه می‌کند. تیم‌ها می‌توانند مدل‌ها را روی زیرساخت خود اجرا کنند یا از سرویس میزبانی‌شده استفاده کنند. در یک معماری معمول، صوت ابتدا از SunflowerASR عبور می‌کند، سپس متن به سامانهٔ جست‌وجو، بازیابی یا مدل زبانی دیگر می‌رسد. همین الگو برای ترجمهٔ متن در ورودی یا خروجی برنامه نیز قابل استفاده است.

مزیت مدل‌های متن‌باز Sunflower v2 فقط دسترسی رایگان نیست. تیم فنی می‌تواند نسخهٔ مدل، دادهٔ مورد استفاده، محدودیت‌ها و هزینهٔ اجرا را بهتر کنترل کند و در صورت نیاز آن را برای یک زبان یا کاربرد مشخص سازگار سازد. در مقابل، راه‌اندازی مدل روی زیرساخت شخصی نیازمند پایش، بهینه‌سازی و مسئولیت نگهداری است.

جمع‌بندی

Sunflower v2 نشان می‌دهد توسعهٔ هوش مصنوعی برای زبان‌های کم‌برخوردار فقط به ساخت یک مدل بزرگ‌تر محدود نیست. پوشش داده، ارزیابی مستقل، اجرای روی دستگاه، رضایت گویندگان و انتشار وزن مدل‌ها همگی بخشی از مسئله هستند. این مجموعه با پوشش ۶۷ زبان، مدل تشخیص گفتار برای ۵۱ زبان و گزینهٔ آفلاین روی تلفن همراه، مسیر قابل‌توجهی برای سازندگان ابزارهای آموزشی و چندزبانه باز می‌کند؛ اما نتایج باید برای هر زبان جداگانه بررسی شود و در کاربردهای حساس، انسان همچنان ناظر نهایی باشد.

برای آشنایی با خبرهای پیشین حوزهٔ امنیت و زیرساخت، گزارش Haftemehr دربارهٔ به‌روزرسانی امنیتی مایکروسافت را نیز بخوانید.

منبع اصلی: Sunbird AI

✍️خبرنگار:امیر عبدالهی
🔗

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *