عندما بدأ Speech Accessibility Project، كانت أكبر قاعدة بيانات للكلام غير النمطي تضم 16 شخصا مصابا بالشلل الدماغي؛ وبنهاية سبتمبر 2025 كان نحو 2,000 مشارك قد قدموا تسجيلات إلى المشروع (Speech Accessibility Project، 2025 و2026). أما Project Euphonia من Google، وهي المدونة الكبيرة الأخرى، فقد بلغت أكثر من 1.5 مليون مقطع كلامي من نحو 3,000 متحدث بحلول فبراير 2025، لكنها مغلقة أمام الفرق الخارجية (Martin وآخرون، Frontiers in Language Sciences 2025؛ Google Project Euphonia). ولم يمحُ توفر بيانات أكثر الفجوة بعد: ففي اختبار معياري أُجري عام 2026 على ثمانية أنظمة ذكاء اصطناعي، بقي معدل خطأ الكلمات (WER، أي نسبة الكلمات التي يخطئ فيها النظام) للكلام الطبيعي دون 5% بينما تجاوز 51% لكل نظام في حالة عسر التلفظ الشديد (Alsayegh وMasood، International Journal of Intelligent Systems 2026). جمعنا بيانات من Speech Accessibility Project في معهد Beckman بجامعة إلينوي، وGoogle Research، وLinguistic Data Consortium، وNIDCD، وASHA، وأكثر من اثنتي عشرة ورقة بحثية محكّمة. وتتناول إحصائيات التحيز اللهجي في التعرف على الكلام لدينا كيف تقارن هذه الأخطاء بالفجوات حسب العِرق واللهجة والنبرة؛ أما هذا الاستعراض فينظر في مجموعات البيانات نفسها: ما حجمها، ومن يوجد فيها، وماذا تفعل بمعدلات الخطأ.
أبرز النقاط
- قدّم نحو 2,000 شخص تسجيلات إلى Speech Accessibility Project بنهاية سبتمبر 2025 (Speech Accessibility Project، 2026).
- ضمّ Project Euphonia أكثر من 1.5 مليون مقطع كلامي من نحو 3,000 متحدث في فبراير 2025، ولا تشاركه Google خارج الشركة (Martin وآخرون، Frontiers in Language Sciences 2025).
- تضم TORGO، وهي معيار قياس قياسي منذ عام 2012، ثمانية متحدثين مصابين بعسر التلفظ ونحو 23 ساعة من الصوت (Linguistic Data Consortium، LDC2012S02).
- سجّلت UA-Speech عام 2008 كلام 19 متحدثا مصابا بالشلل الدماغي، ويبقى 16 منهم في التوزيع الحالي (جامعة إلينوي، UA-Speech 2008).
- خُطط لكل من مرض باركنسون والشلل الدماغي والتصلب الجانبي الضموري ومتلازمة داون والسكتة الدماغية أن يشمل 400 مشارك في Speech Accessibility Project (ClinicalTrials.gov NCT05889260).
- شكّل متحدثو التصلب الجانبي الضموري 39.2% من مجموعة بحثية فرعية من Euphonia تضم 195 متحدثا، مقابل 10.8% لمرض باركنسون (Tobin وTomanek، Google 2021).
- تجاوز كل نظام من ثمانية أنظمة ذكاء اصطناعي 51% WER في عسر التلفظ الشديد ضمن TORGO (Alsayegh وMasood، IJIS 2026).
- بلغ معدل خطأ الأحرف لنموذج Whisper-Turbo دون تكييف على UA-Speech نسبة 9.3% لمتحدثي مجموعة الضبط و165.2% للمتحدثين المصابين بعسر التلفظ (de Groot وآخرون، TU Delft 2025).
- خفّض الضبط الدقيق لنموذج USM من Google على الكلام المضطرب معدل WER للكلام الشديد من 48.1 إلى 31.3 (Tobin وآخرون، Google Research 2024).
- حسّنت النماذج المخصّصة معدل WER في كلام التصلب الجانبي الضموري بنسبة 62% نسبيا، وجاء 71% من التحسن من 5 دقائق من البيانات (Shor وآخرون، Interspeech 2019).
- تحتوي TORGO على 957 نصا فريدا فقط من بين 16,394 إدخالا نصيا (Hui وآخرون، 2024).
- يصيب عسر التلفظ من 44% إلى 88% من المصابين بمرض باركنسون (ASHA Practice Portal، Dysarthria in Adults).
1. المدونتان الكبيرتان: Speech Accessibility Project وProject Euphonia
توجد بيانات الكلام المضطرب الآن بحجم يقارب LibriSpeech، وهو معيار قياس واسع الاستخدام للكلام المقروء، لكن إحدى المجموعتين الكبيرتين فقط مفتوحة. كان نحو 2,000 مشارك قد قدموا تسجيلات إلى Speech Accessibility Project بنهاية سبتمبر 2025، ويقول المشروع إن نحو 65 مؤسسة تستخدم بياناته. أما مدونة Euphonia من Google فهي أكبر من حيث عدد المتحدثين، لكن صفحة مشروعها تنص على أن مجموعة البيانات غير متاحة للفرق أو الشركات الخارجية (Google, Project Euphonia).
والمعنى العملي أن البحث المفتوح في التعرف على الكلام المضطرب يمر في معظمه عبر جهة واحدة تتحكم بالوصول. يصدر Speech Accessibility Project بياناته بموجب اتفاقية استخدام البيانات (عقد موقّع يحدد من يحق له استخدام التسجيلات ولأي غرض)، وهي تتطلب توقيعين من المؤسسة المتقدمة وتستمر 3 سنوات على الأكثر (Speech Accessibility Project، صفحة Conduct Research). أما نمو Euphonia، من 1.2 مليون مقطع كلامي عام 2024 إلى أكثر من 1.5 مليون عام 2025، فيبقى داخل Google.
| المقياس | القيمة | المصدر |
|---|---|---|
| المشاركون الذين قدموا تسجيلات إلى Speech Accessibility Project، نهاية سبتمبر 2025 | نحو 2,000 | Speech Accessibility Project، الصفحة الرئيسية 2026 |
| حزمة بيانات Speech Accessibility Project، وصف الفهرس | نحو 1,090 ساعة من الكلام من نحو 1,130 مشاركا؛ خمس حالات مرضية | فهرس YorVoice بجامعة يورك، سجل Speech Accessibility Project |
| صفحة الوصول البحثي في Speech Accessibility Project | 1,500 ساعة من الكلام المسجّل؛ نحو 999 مشاركا؛ نحو 65 مؤسسة تستخدم البيانات | Speech Accessibility Project، صفحة Conduct Research 2026 |
| مدونة Project Euphonia، فبراير 2025 | أكثر من 1.5 مليون مقطع كلامي من نحو 3,000 متحدث | Google (Martin وآخرون)، Frontiers in Language Sciences 2025 |
| مدونة Project Euphonia، 2024 | 1.2 مليون مقطع كلامي من أكثر من 2,000 متحدث | Google (Jiang وآخرون)، Interspeech 2024 |
| تسجيلات Euphonia ذات النصوص المراجعة بشريا والمصحّحة | 352,130 (29% من المدونة) | Google (Jiang وآخرون)، Interspeech 2024 |
| متحدثو Euphonia الذين لديهم تصنيفات لخصائص الكلام | أكثر من 75% من المتحدثين، وأكثر من 40 تصنيفا | Google (Jiang وآخرون)، Interspeech 2024 |
السياق: للمقارنة في الحجم، فإن LibriSpeech، المبنية من كتب صوتية مقروءة، مدونة تبلغ نحو 1,000 ساعة (OpenSLR, LibriSpeech). ولا يتطابق وصفا Speech Accessibility Project (ساعات أكثر لكن مشاركون أقل في صفحة المشروع نفسها)، وهو ما نسجله في ملاحظة البيانات. وأرقام Euphonia مأخوذة من Jiang وآخرين وMartin وآخرين.
2. المدونات الأقدم: TORGO وUA-Speech وعصر البيانات الصغيرة
لأكثر من عقد، كان قياس أداء التعرف على الكلام المضطرب يجري على حفنة من المتحدثين. تضم TORGO ثمانية متحدثين مصابين بعسر التلفظ (خمسة ذكور وثلاث إناث) وسبعة متحدثين من مجموعة الضبط، بنحو 23 ساعة من الكلام الإنجليزي المسجّل في تورنتو بين عامي 2008 و2010. أما UA-Speech، التي سُجّلت في جامعة إلينوي، فقد شملت 19 متحدثا مصابا بالشلل الدماغي، يقرأ كل منهم 765 كلمة معزولة (Kim وآخرون، Interspeech 2008). فالنموذج الذي يُعلن أنه الأفضل أداء على أي من المدونتين اختُبر فعليا على عدد أقل من الأشخاص مما في فصل دراسي عادي.
كما تتقلص المدونات وتتجزأ مع الوقت. فتوزّع UA-Speech اليوم 16 من متحدثيها الأصليين التسعة عشر لأن ثلاثة منهم سحبوا موافقتهم أو كانت بياناتهم تالفة، وترخيصها يمنع الاستخدام التجاري (جامعة إلينوي، UA-Speech). وخارج اللغة الإنجليزية الصورة مشابهة: فمدونة أوامر إيطالية ومدونة ماندرينية قائمتان كل منهما على بضعة عشرات من المتحدثين.
| المقياس | القيمة | المصدر |
|---|---|---|
| متحدثو TORGO | 8 مصابون بعسر التلفظ (الشلل الدماغي أو التصلب الجانبي الضموري) و7 من مجموعة الضبط | Linguistic Data Consortium، TORGO LDC2012S02 (2012) |
| صوت TORGO وتاريخ الإصدار | نحو 23 ساعة، سُجّلت بين 2008 و2010؛ صدرت في 19 يناير 2012 | Linguistic Data Consortium، TORGO LDC2012S02 (2012) |
| مادة القراءة في TORGO | 162 جملة من Yorkston وBeukelman، و460 جملة مشتقة من TIMIT، إضافة إلى تسجيلات لحركة اللسان والشفتين (تصوير النطق الكهرومغناطيسي) | Linguistic Data Consortium، TORGO LDC2012S02 (2012) |
| متحدثو UA-Speech المصابون بالشلل الدماغي، الأصليون مقابل الموزَّعون حاليا | 19 مقابل 16 | Kim وآخرون، Interspeech 2008؛ جامعة إلينوي، صفحة UA-Speech |
| مفردات UA-Speech وإعداد التسجيل | 765 كلمة معزولة لكل متحدث، منها 300 كلمة غير شائعة متمايزة؛ مصفوفة من 8 ميكروفونات | Kim وآخرون، Interspeech 2008 |
| أكبر قاعدة بيانات للكلام غير النمطي عند بدء Speech Accessibility Project | 16 شخصا مصابا بالشلل الدماغي | Speech Accessibility Project، مقالة Microsoft Azure 2025 |
| EasyCall (الإيطالية) | 21,386 تسجيلا من 31 متحدثا مصابا بعسر التلفظ و24 متحدثا سليما | Turrisi وآخرون، Interspeech 2021 |
| CDSD (الماندرينية) | 133 ساعة من 44 متحدثا | Wang وآخرون، Chinese Dysarthria Speech Database (arXiv v2، 2025) |
أحدث بيانات متاحة: إن TORGO (LDC، 2012) وUA-Speech (Kim وآخرون، 2008) وEasyCall (Interspeech 2021) أقدم جميعها من ثلاث سنوات، وما زالت المدونات التي تعتمد عليها معظم الأوراق البحثية. وتذكر ورقة CDSD الماندرينية أن الساعات الـ133 هي 124 ساعة صوتية و9 ساعات فيديو، وأن 80 ساعة صوتية منها جاءت من 8 متحدثين فقط سُجّل كل منهم 10 ساعات.
3. من يوجد في البيانات: السبب المرضي والشدة واللغة
كل مدونة كبيرة منحازة نحو من كان تجنيده أسهل أولا. صُمم Speech Accessibility Project لـ 2,000 شخص، 400 لكل سبب من خمسة أسباب مرضية (أي الحالة الطبية الكامنة وراء اختلاف الكلام): مرض باركنسون، والتصلب الجانبي الضموري، والشلل الدماغي، ومتلازمة داون، والسكتة الدماغية (ClinicalTrials.gov NCT05889260). وقد ضمت حزمة بياناته الأولى متحدثي باركنسون فقط، وبقي إصدار التحدي في أبريل 2024، المسجّل في معظمه عام 2023، مهيمنا عليه هذا المرض (Zheng وآخرون، Interspeech 2025 Challenge). وتتناول إحصائيات علاج الكلام والصوت في مرض باركنسون لدينا الجانب السريري لهذه الفئة.
أما انحياز Euphonia فيسير في الاتجاه المعاكس، نحو التصلب الجانبي الضموري ونحو الكلام الأخف. ففي مجموعة بحثية فرعية من 195 متحدثا شكّل المصابون بالتصلب الجانبي الضموري 39.2% من المتحدثين، وصُنّف ربعهم بأنهم شديدو الاضطراب. وكانت معظم التسجيلات المقيَّمة في حزمة Speech Accessibility Project الأولى عند الطرف الأقل اضطرابا من مقياس وضوح الكلام، وهو أمر مهم لأن مجموعة بيانات معظمها كلام خفيف ستجمّل متوسط أداء النموذج.
| المقياس | القيمة | المصدر |
|---|---|---|
| التصميم المخطط لـ Speech Accessibility Project | 2,000 شخص، 400 لكل سبب مرضي، 1.2 مليون عينة كلامية (600 لكل شخص) | ClinicalTrials.gov NCT05889260، سجل Speech Accessibility Project |
| التسجيل الفعلي في سجل التجربة (الذي يدرج مرض باركنسون والحالات الباركنسونية المرتبطة به) | 485 مشاركا؛ اكتملت الدراسة في 31 يوليو 2025 | ClinicalTrials.gov NCT05889260، سجل Speech Accessibility Project |
| إصدار التحدي SAP-240430، قسم التدريب | 369 متحدثا، 131,420 مقطعا كلاميا، 290.35 ساعة | Zheng وآخرون، Interspeech 2025 Speech Accessibility Project Challenge |
| قسما التطوير والاختبار في SAP-240430 | التطوير 55 متحدثا (43.56 ساعة)؛ Test1 50 متحدثا (42.16 ساعة)؛ Test2 50 متحدثا (38.77 ساعة) | Zheng وآخرون، Interspeech 2025 Speech Accessibility Project Challenge |
| تجنيد حزمة البيانات الأولى، المسجَّلون مقابل المعتمدون مقابل المسجَّل كلامهم | 746 مقابل 283 مقابل 253 | Speech Accessibility Project (Hasegawa-Johnson وآخرون)، JSLHR 2024 |
| حزمة البيانات الأولى، تقييمات وضوح الكلام على مقياس من 1 إلى 7 (1 = الأقل اضطرابا) | 76% من التسجيلات المقيَّمة عند 1؛ 1.5% عند 5 إلى 7 | Speech Accessibility Project (Hasegawa-Johnson وآخرون)، JSLHR 2024 |
| المجموعة الفرعية من Euphonia (195 متحدثا)، حسب السبب المرضي | التصلب الجانبي الضموري 39.2%؛ الشلل الدماغي 13.4%؛ مرض باركنسون 10.8%؛ ضعف السمع 5.2%؛ الرنح 3.1% | Google (Tobin وTomanek)، Personalized ASR on Small Disordered Speech Datasets 2021 |
| المجموعة الفرعية من Euphonia (195 متحدثا)، حسب الشدة | طبيعي 7.7%؛ خفيف 35.4%؛ متوسط 31.8%؛ شديد 25.1% | Google (Tobin وTomanek)، Personalized ASR on Small Disordered Speech Datasets 2021 |
السياق: التغطية اللغوية هي أضعف الأبعاد. فقد أفاد كل مشارك في حزمة Speech Accessibility Project الأولى بأن الإنجليزية الأمريكية لغته الأم (Hasegawa-Johnson وآخرون، JSLHR 2024)، وتشير صفحة Euphonia من Google إلى أن برنامج Speech Accessibility Project متاح حاليا بالإنجليزية فقط. وقد بلغ توسع Euphonia إلى أربع لغات أخرى 132 متحدثا بحلول 2025: 76 باليابانية، و38 بالإسبانية، و14 بالفرنسية، و4 بالهندية (Martin وآخرون، Frontiers in Language Sciences 2025). ويواجه المصابون بالتصلب الجانبي الضموري الفجوة نفسها مع تغير كلامهم، وهو ما تتبعه إحصائيات تدهور النطق البصلي في التصلب الجانبي الضموري لدينا عبر الزمن.
4. فجوة معدل خطأ الكلمات في الكلام المصاب بعسر التلفظ
أنظمة التعرف الجاهزة قريبة من الحل في عسر التلفظ الخفيف، لكنها ما زالت تفشل عند الطرف الشديد. في اختبار معياري أُجري عام 2026 على ثمانية أنظمة باستخدام TORGO، من بينها Whisper large-v3 وDeepgram Nova-3 وGPT-4o وGemini 2.5 Pro، تجاوز معدل WER في عسر التلفظ الشديد 51% لكل نظام، بينما سجّلت الأنظمة الرائدة نحو 1% إلى 2% في عسر التلفظ الخفيف (Alsayegh وMasood، IJIS 2026). ولم تُظهر نماذج اللغة الكبيرة متعددة الوسائط أي أفضلية على أنظمة التعرف التقليدية في الإعدادات الافتراضية.
الشدة، لا اسم النموذج التجاري، هي المتغير الذي يتنبأ بالفشل. فخط الأساس لدى Google نفسها يرتفع من 10.7 WER في الكلام الخفيف إلى 48.1 في الكلام الشديد على مجموعة اختبارها القائمة على جمل مقروءة (Tobin وآخرون، Google Research 2024). وعلى UA-Speech، أنتج Whisper-Turbo دون أي تكييف مع المتحدثين معدل خطأ أحرف يتجاوز 100%، وهذا يحدث حين يخرج النموذج أحرفا خاطئة، بما فيها كلمات مختلقة، أكثر مما يحتويه النص المرجعي.
| المقياس | القيمة | المصدر |
|---|---|---|
| TORGO، ثمانية أنظمة ذكاء اصطناعي تجارية ومتعددة الوسائط، الكلام الطبيعي مقابل عسر التلفظ الشديد | أقل من 5% WER مقابل أكثر من 51% WER لكل نظام | Alsayegh وMasood، International Journal of Intelligent Systems 2026 |
| TORGO، عسر التلفظ الخفيف، الأنظمة الرائدة | نحو 1% إلى 2% WER | Alsayegh وMasood، International Journal of Intelligent Systems 2026 |
| عسر التلفظ الشديد، التعليمة الافتراضية مقابل تعليمة النسخ الحرفي | GPT-4o من 60.1% إلى 52.9%؛ GPT-4o Mini من 66.0% إلى نحو 55% | Alsayegh وMasood، International Journal of Intelligent Systems 2026 |
| UA-Speech، معدل خطأ الأحرف لنموذج Whisper-Turbo دون تكييف، متحدثو مجموعة الضبط مقابل المتحدثين المصابين بعسر التلفظ | 9.3% مقابل 165.2% | de Groot وآخرون (TU Delft)، Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
| مجموعة اختبار Euphonia القائمة على جمل مقروءة، WER لخط أساس USM حسب الشدة | خفيف 10.7؛ متوسط 29.5؛ شديد 48.1 | Google (Tobin وآخرون)، Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| مجموعة اختبار مرض باركنسون (كل الجمل)، نماذج دُرّبت على الكلام الطبيعي المقروء فقط | LibriSpeech 100 ساعة: 45.15% WER؛ LibriSpeech 960 ساعة: 38.76% WER | Speech Accessibility Project (Hasegawa-Johnson وآخرون)، JSLHR 2024 |
| المتحدثون الذين حقق WER لديهم دون تعديل هدف أتمتة المنزل البالغ 15%، كل المتحدثين مقابل المتحدثين ذوي الاضطراب الشديد | 35% مقابل 10% | Google (Tobin وTomanek)، Personalized ASR on Small Disordered Speech Datasets 2021 |
قيمة شاذة: يُظهر تحسن GPT-4o مع تعليمة النسخ الحرفي أن جزءا من أخطاء النماذج متعددة الوسائط في الكلام الشديد ناتج عن إعادة صياغة ما قيل، لا عن سوء السمع وحده؛ ويفيد المؤلفون بأن نماذج Gemini لم تكسب شيئا ثابتا من التعليمات نفسها. أما رقم UA-Speech فمأخوذ من de Groot وآخرين، الذين أوردوا نتيجة المتحدثين المصابين بعسر التلفظ كإجمالي فقط، لا حسب مجموعة وضوح الكلام، في حالة التشغيل دون تكييف.
5. المكاسب من النماذج المخصّصة والمضبوطة بدقة
كميات صغيرة من البيانات المناسبة تحرّك معدلات الخطأ أكثر من أي تغيير في البنية. حسّنت النماذج المخصّصة معدل WER بنسبة 62% نسبيا للمتحدثين المصابين بالتصلب الجانبي الضموري، وجاء 71% من هذا التحسن من 5 دقائق فقط من بيانات التدريب (Shor وآخرون، Interspeech 2019). وقد دُرّبت تلك النماذج على 67 متحدثا مصابا بالتصلب الجانبي الضموري، بنحو 36 ساعة من الصوت (مدونة Google Research، 2019).
والنتيجة الأحدث أن نموذجا مشتركا واحدا يستطيع استيعاب جزء كبير من هذه الفائدة. فقد سدّ نموذج USM من Google، المضبوط بدقة على 1,158 ساعة من الكلام المضطرب، 64% من الفجوة بين خط الأساس والنماذج المخصّصة لكل متحدث، وتفيد Microsoft بمكاسب في الدقة تتراوح بين 18% و60% في Azure AI Speech من بيانات Speech Accessibility Project، بحسب إعاقة المتحدث. ويبقى سقف الأداء مرتبطا بالشدة: فمعدل WER للكلام الشديد في النموذج المضبوط بدقة، وهو 31.3، يزيد على أربعة أضعاف رقم الكلام الخفيف البالغ 7.3 في الجدول نفسه (31.3 مقسومة على 7.3 تساوي 4.3).
| المقياس | القيمة | المصدر |
|---|---|---|
| التحسن النسبي في WER من النماذج المخصّصة، كلام التصلب الجانبي الضموري مقابل الكلام ذي اللكنة | 62% مقابل 35% | Google (Shor وآخرون)، Interspeech 2019 |
| WER لمتحدثي التصلب الجانبي الضموري بعد التخصيص، عبارات بنك الرسائل، عسر التلفظ الخفيف مقابل الأشد | 10% مقابل 20% | Google (Shor وآخرون)، Interspeech 2019 |
| المتحدثون الذين بلغوا هدف أتمتة المنزل البالغ 15% WER بـ 50 مقطعا كلاميا (من 3 إلى 4 دقائق) مقابل 250 مقطعا (من 18 إلى 20 دقيقة) | 63% مقابل 79% | Google (Tobin وTomanek)، Personalized ASR on Small Disordered Speech Datasets 2021 |
| USM المضبوط بدقة على الكلام المضطرب، WER قبل مقابل بعد، حسب الشدة | خفيف من 10.7 إلى 7.3؛ متوسط من 29.5 إلى 19.6؛ شديد من 48.1 إلى 31.3 | Google (Tobin وآخرون)، Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| الضبط الدقيق لـ USM، التحسن النسبي في الكلام القائم على جمل مقروءة مقابل الكلام الحواري العفوي | 33% مقابل 26% | Google (Tobin وآخرون)، Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| مكاسب Microsoft Azure AI Speech باستخدام بيانات Speech Accessibility Project | من 18% إلى 60%، بحسب إعاقة المتحدث | Speech Accessibility Project، مقالة Microsoft Azure 2025 |
| معدل خطأ الأحرف في اختبار CDSD الماندرينية، التدريب على CDSD فقط مقابل التدريب المسبق على WenetSpeech ثم الضبط الدقيق | 24.9% مقابل 16.4% | Wang وآخرون، Chinese Dysarthria Speech Database (arXiv v2، 2025) |
| UA-Speech، معدل خطأ الأحرف لنموذج Whisper-Turbo المضبوط بدقة حسب مجموعة وضوح الكلام | منخفض جدا 64.4%؛ منخفض 44.8%؛ متوسط 40.1%؛ مرتفع 30.2% | de Groot وآخرون (TU Delft)، Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
السياق: يبقى المتحدثون ذوو الاضطراب الشديد الفئة الأصعب حتى مع استخدام كل بياناتهم. ففي دراسة التخصيص لدى Euphonia، بلغ 69% من المتحدثين ذوي الاضطراب الشديد هدف أتمتة المنزل البالغ 15% بتسجيلاتهم الكاملة، مقابل 99% من المتحدثين ذوي الاضطراب الخفيف (Tobin وTomanek، 2021). وقد قال قائد Speech Accessibility Project إن التدريب على جزء من مجموعة البيانات خفّض معدلات الخطأ لدى المصابين بمرض باركنسون بنحو النصف (Speech Accessibility Project، إعلان مشاركة البيانات 2024). أحدث بيانات متاحة عن التخصيص لكل متحدث: Shor وآخرون (2019) وTobin وTomanek (2021).
6. مزالق معايير القياس: تداخل جمل القراءة وعيوب التسجيل وضوضاء التسمية
المدونات الصغيرة ذات الجمل المتكررة تجعل الدقة المنشورة تبدو أفضل من الاستخدام الفعلي. تحتوي TORGO على 957 نصا فريدا فقط من بين 16,394 إدخالا نصيا، ويتراوح تداخل جمل القراءة لكل متحدث من المتحدثين الثمانية المصابين بعسر التلفظ بين 95.7% و100% (Hui وآخرون، 2024). وحين أعاد المؤلفون بناء التقسيم بحيث لا تظهر أي جملة في التدريب والاختبار معا، ارتفع معدل WER لنموذج wav2vec2 عند متحدث ذي اضطراب خفيف من 3.17% إلى 45.21%. فقد يتعلم النموذج قائمة الجمل بدلا من المتحدث.
ويظهر الأثر نفسه في أحدث مدونة. ففي الجمل التي قرأها متحدثو التدريب أيضا، سجّل النموذج المضبوط بدقة في Speech Accessibility Project نسبة 5.18% WER، ولهذا تورد الورقة نتائج الجمل المشتركة وغير المشتركة منفصلة. وظروف التسجيل فخ ثانٍ: فقد وجدت Schu وآخرون (2022) أن معظم مصنِّفات عسر التلفظ الأحدث أداءً سجّلت نتائج مماثلة أو أفضل على المقاطع غير الكلامية من UA-Speech وTORGO، أي أنها قد ترصد إعداد التسجيل لا الكلام نفسه.
| المقياس | القيمة | المصدر |
|---|---|---|
| النصوص الفريدة في TORGO مقابل إجمالي الإدخالات النصية | 957 مقابل 16,394 | Hui وآخرون، Enhancing AAC Software for Dysarthric Speakers، arXiv 2024 |
| تداخل جمل القراءة لكل متحدث في TORGO، المتحدثون الثمانية المصابون بعسر التلفظ | من 95.7% إلى 100% | Hui وآخرون، Enhancing AAC Software for Dysarthric Speakers، arXiv 2024 |
| WER لنموذج wav2vec2، المتحدث M04 ذو الاضطراب الشديد، التقسيم الأصلي مقابل التقسيم دون تداخل | 64.50% مقابل 93.75% | Hui وآخرون، Enhancing AAC Software for Dysarthric Speakers، arXiv 2024 |
| WER لنموذج wav2vec2، المتحدث M03 ذو الاضطراب الخفيف، التقسيم الأصلي مقابل التقسيم دون تداخل | 3.17% مقابل 45.21% | Hui وآخرون، Enhancing AAC Software for Dysarthric Speakers، arXiv 2024 |
| جمل مرض باركنسون المشتركة مع متحدثي التدريب، نموذج دُرّب على LibriSpeech 960 ساعة مقابل نموذج مضبوط بدقة على بيانات المشروع | 45.39% مقابل 5.18% WER | Speech Accessibility Project (Hasegawa-Johnson وآخرون)، JSLHR 2024 |
| مراجعة نصوص Euphonia، النصوص الموحَّدة لكل متحدث مقابل المقاطع الكلامية ذات تغييرات الكلمات الفعلية | 72% في المتوسط مقابل أقل من 5% | Google (Jiang وآخرون)، Interspeech 2024 |
| مرشّح Euphonia الآلي لغياب الكلام، حصة التسجيلات المُعلَّمة التي كانت تحتوي كلاما فعلا (معدل الإغفال الخاطئ) | 47.7% | Google (Jiang وآخرون)، Interspeech 2024 |
| USM المضبوط بدقة على الكلام المضطرب، WER على LibriSpeech Clean للكلام الطبيعي | 2.4، دون تغيير عند أوزان البيانات المختبَرة | Google (Tobin وآخرون)، Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
السياق: كانت ضوضاء التسمية في Euphonia شكلية في معظمها، إذ كان نحو 95% من التصحيحات علامات ترقيم أو تغييرا في حالة الأحرف أو توحيدا آخر؛ أما الخطر الأكبر فكان المرشّح الآلي الذي يستبعد كلاما صحيحا لكنه هادئ أو بطيء، فيُقصي بالضبط المتحدثين الذين تحتاجهم مجموعة البيانات أكثر من غيرهم. وتجيب نتيجة USM عن قلق شائع: فإضافة الكلام المضطرب لم تُضعف دقة الكلام الطبيعي عند الأوزان التي اختبرها المؤلفون.
7. سياق الانتشار: الفئة التي تخدمها مجموعات البيانات هذه
تغطي المدونات المذكورة أعلاه بضعة آلاف من المتحدثين؛ أما من لديهم اختلافات في الكلام فيُعدّون بالملايين. في عام 2012 كان 7.7% من الأطفال الأمريكيين بين 3 و17 عاما يعانون اضطرابا في التواصل أو البلع خلال الأشهر الـ12 الماضية، وكانت مشكلات الكلام أكثر الأنواع شيوعا بنسبة 5.0% (NCHS Data Brief No. 205). ولم يتلقَّ خدمة تدخل في العام نفسه سوى 55.2% من هؤلاء الأطفال.
وبين البالغين، يُعدّ عسر التلفظ سمة متكررة في حالات عصبية شائعة لا اضطرابا نادرا. فمراجعة ASHA تضعه عند 44% إلى 88% من المصابين بمرض باركنسون و22% إلى 58% من المصابين بالسكتة الدماغية الحادة (ASHA Practice Portal, Dysarthria in Adults)، وهذه النطاقات، لا تركيبة عينة ميسّرة، هي ما ينبغي أن تعكسه مجموعة بيانات تمثيلية. وتضيف اضطرابات الطلاقة مثل التأتأة فئة أخرى، نعرضها في إحصائيات التركيبة السكانية للتأتأة لدينا.
| المقياس | القيمة | المصدر |
|---|---|---|
| الأطفال الأمريكيون بين 3 و17 عاما المصابون باضطراب في التواصل أو البلع خلال الأشهر الـ12 الماضية؛ مشكلات الكلام | 7.7%؛ 5.0% | NCHS Data Brief No. 205 (2015، بيانات NHIS لعام 2012) |
| الانتشار حسب العمر، من 3 إلى 6 سنوات مقابل من 11 إلى 17 سنة | 11.0% مقابل 4.9% | NCHS Data Brief No. 205 (2015، بيانات NHIS لعام 2012) |
| الأطفال المصابون باضطراب الذين تلقوا خدمات تدخل خلال الأشهر الـ12 الماضية | 55.2% | NCHS Data Brief No. 205 (2015، بيانات NHIS لعام 2012) |
| البالغون الأمريكيون الذين أبلغوا عن مشكلة في الصوت خلال الأشهر الـ12 الماضية | 7.6% (نحو 17.9 مليون) | NIDCD, Quick Statistics About Voice, Speech, and Language |
| الأمريكيون الذين يعانون التأتأة؛ الأمريكيون المصابون بالحبسة الكلامية | أكثر من 3 ملايين (نحو 1%)؛ نحو مليونين، مع قرابة 180,000 حالة جديدة سنويا | NIDCD, Quick Statistics About Voice, Speech, and Language |
| معدلات عسر التلفظ: مرض باركنسون؛ التصلب المتعدد؛ السكتة الدماغية الحادة؛ إصابة الدماغ الرضحية الحادة إلى تحت الحادة | من 44% إلى 88%؛ من 40% إلى 51%؛ من 22% إلى 58%؛ نحو 30% إلى 86% | ASHA Practice Portal, Dysarthria in Adults |
| معدلات عسر التلفظ: داء هنتنغتون؛ الأمراض العصبية العضلية مثل التصلب الجانبي الضموري | من 78% إلى 93%؛ من 26% إلى 62% | ASHA Practice Portal, Dysarthria in Adults |
| البالغون الأمريكيون الذين يعانون صعوبات في السمع أو الكلام أو اللغة وأبلغوا عن مواجهة وصمة | 65% من 1,004 مستطلَعين | ASHA-YouGov National Poll 2024 |
أحدث بيانات متاحة: تأتي أرقام انتشار الاضطراب لدى الأطفال من المسح الوطني للمقابلات الصحية (NHIS) لعام 2012، المنشور عام 2015، ويستشهد ملخص NIDCD نفسه (NIDCD Quick Statistics) بالمسح ذاته. أما رقم الوصمة فمأخوذ من استطلاع عبر الإنترنت أُجري من 21 إلى 26 فبراير 2024 (ASHA-YouGov، 2024).
الخلاصة: مجموعات بيانات الذكاء الاصطناعي للكلام غير النمطي وعسر التلفظ بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| المشاركون الذين قدموا تسجيلات إلى Speech Accessibility Project، نهاية سبتمبر 2025 | نحو 2,000 | Speech Accessibility Project، الصفحة الرئيسية 2026 |
| حزمة بيانات Speech Accessibility Project، وصف الفهرس | نحو 1,090 ساعة من نحو 1,130 مشاركا | فهرس YorVoice بجامعة يورك، سجل Speech Accessibility Project |
| مدونة Project Euphonia، فبراير 2025 | أكثر من 1.5 مليون مقطع كلامي من نحو 3,000 متحدث | Google (Martin وآخرون)، Frontiers in Language Sciences 2025 |
| تسجيلات Euphonia ذات النصوص المراجعة بشريا | 352,130 (29%) | Google (Jiang وآخرون)، Interspeech 2024 |
| متحدثو TORGO وصوتها | 8 مصابون بعسر التلفظ و7 من مجموعة الضبط؛ نحو 23 ساعة | Linguistic Data Consortium، LDC2012S02 (2012) |
| متحدثو UA-Speech المصابون بالشلل الدماغي، الأصليون مقابل الموزَّعون حاليا | 19 مقابل 16 | Kim وآخرون، Interspeech 2008؛ جامعة إلينوي |
| التصميم المخطط لـ Speech Accessibility Project | 2,000 شخص، 400 لكل سبب مرضي | ClinicalTrials.gov NCT05889260 |
| قسم التدريب في SAP-240430 | 369 متحدثا، 290.35 ساعة | Zheng وآخرون، Interspeech 2025 Speech Accessibility Project Challenge |
| المجموعة الفرعية من Euphonia (195 متحدثا)، حصة التصلب الجانبي الضموري مقابل مرض باركنسون | 39.2% مقابل 10.8% | Google (Tobin وTomanek) 2021 |
| متحدثو Euphonia بغير الإنجليزية، 2025 | 132 (اليابانية 76، الإسبانية 38، الفرنسية 14، الهندية 4) | Google (Martin وآخرون)، Frontiers in Language Sciences 2025 |
| TORGO، الكلام الطبيعي مقابل عسر التلفظ الشديد، ثمانية أنظمة ذكاء اصطناعي | أقل من 5% مقابل أكثر من 51% WER | Alsayegh وMasood، IJIS 2026 |
| UA-Speech، معدل خطأ الأحرف لنموذج Whisper-Turbo دون تكييف، مجموعة الضبط مقابل المصابين بعسر التلفظ | 9.3% مقابل 165.2% | de Groot وآخرون (TU Delft) 2025 |
| WER لنموذج USM على الكلام المضطرب الشديد، قبل الضبط الدقيق مقابل بعده | 48.1 مقابل 31.3 | Google (Tobin وآخرون) 2024 |
| النماذج المخصّصة، التحسن النسبي في WER لكلام التصلب الجانبي الضموري | 62%، وجاء 71% من التحسن من 5 دقائق من البيانات | Google (Shor وآخرون)، Interspeech 2019 |
| جمل مرض باركنسون المشتركة مع متحدثي التدريب، نموذج LibriSpeech 960 ساعة مقابل النموذج المضبوط بدقة على بيانات المشروع | 45.39% مقابل 5.18% WER | Speech Accessibility Project (Hasegawa-Johnson وآخرون)، JSLHR 2024 |
| النصوص الفريدة في TORGO مقابل الإدخالات النصية | 957 مقابل 16,394 | Hui وآخرون، arXiv 2024 |
| الأطفال الأمريكيون بين 3 و17 عاما المصابون باضطراب في التواصل أو البلع (2012) | 7.7% | NCHS Data Brief No. 205 (2015) |
| عسر التلفظ بين المصابين بمرض باركنسون | من 44% إلى 88% | ASHA Practice Portal, Dysarthria in Adults |
المنهجية والمصادر
أجرينا 17 عملية بحث وقرأنا صفحة مجموعة البيانات الأساسية أو سجل التجربة أو المقالة المنشورة أو النسخة الأولية وراء كل رقم. وتُورد معدلات الخطأ بصيغة كل مصدر: WER لمعدل خطأ الكلمات، ومعدل خطأ الأحرف (CER) حيث يستخدمه المصدر (الضبط الدقيق على UA-Speech والمدونة الماندرينية)، مع علامة النسبة المئوية أو دونها كما يطبعها المصدر. وقد وُسمت الأرقام الأقدم من ثلاث سنوات في أقسامها بأنها أحدث بيانات متاحة.
- الصفحة الرئيسية لـ Speech Accessibility Project (معهد Beckman بجامعة إلينوي)، 2026
- Speech Accessibility Project, Conduct Research Through the Project
- Speech Accessibility Project, Speech Accessibility Project Data Leads to Recognition Improvements on Microsoft Azure, 2025
- Speech Accessibility Project, Now Sharing Recordings and Data, 2024
- فهرس YorVoice بجامعة يورك، سجل Speech Accessibility Project
- ClinicalTrials.gov, Speech Accessibility Project, NCT05889260
- Hasegawa-Johnson وآخرون, Community-Supported Shared Infrastructure in Support of Speech Accessibility, JSLHR 2024
- Zheng وآخرون, The Interspeech 2025 Speech Accessibility Project Challenge
- Google، صفحة منشورات Project Euphonia والوصول إلى البيانات
- Jiang وآخرون (Google), Learnings from Curating a Trustworthy, Well-Annotated, and Useful Dataset of Disordered English Speech, Interspeech 2024
- Martin وآخرون (Google), Project Euphonia: Advancing Inclusive Speech Recognition through Expanded Data Collection and Evaluation, Frontiers in Language Sciences 2025
- Tobin وTomanek (Google), Personalized Automatic Speech Recognition Trained on Small Disordered Speech Datasets, 2021
- Tobin وTomanek وVenugopalan (Google), Towards a Single ASR Model That Generalizes to Disordered Speech, 2024
- Shor وآخرون (Google), Personalizing ASR for Dysarthric and Accented Speech with Limited Data, Interspeech 2019 وتدوينة Google Research عن تخصيص Euphonia، 2019
- Linguistic Data Consortium, TORGO Database of Dysarthric Articulation, LDC2012S02
- Kim وآخرون, Dysarthric Speech Database for Universal Access Research, Interspeech 2008 وصفحة توزيع UA-Speech في جامعة إلينوي
- Turrisi وآخرون, EasyCall Corpus: A Dysarthric Speech Dataset, Interspeech 2021
- Wang وآخرون, CDSD: Chinese Dysarthria Speech Database, arXiv v2 2025
- Alsayegh وMasood, Benchmarking Commercial Speech Recognition and Multimodal Large Language Models on Dysarthric Speech, International Journal of Intelligent Systems 2026
- de Groot وآخرون (TU Delft), Objective and Subjective Evaluation of Diffusion-Based Speech Enhancement for Dysarthric Speech, 2025
- Hui وZhang وMohan, Enhancing AAC Software for Dysarthric Speakers in e-Health Settings: An Evaluation Using TORGO, 2024
- Schu وJanbakhshi وKodrasi, On Using the UA-Speech and TORGO Databases to Validate Automatic Dysarthric Speech Classification Approaches, 2022
- OpenSLR, LibriSpeech ASR corpus
- Black وVahratian وHoffman, Communication Disorders and Use of Intervention Services Among Children Aged 3-17 Years, NCHS Data Brief No. 205, 2015
- NIDCD, Quick Statistics About Voice, Speech, and Language
- ASHA Practice Portal, Dysarthria in Adults
- ASHA-YouGov National Poll: Most Adults With Communication Disorders Report Facing Stigmas, 2024
- ملاحظة حول البيانات: يُوصف حجم Speech Accessibility Project بثلاث طرق. فصفحته البحثية تذكر 1,500 ساعة من نحو 999 مشاركا، وسجل فهرس جامعة يورك يذكر نحو 1,090 ساعة من نحو 1,130 مشاركا، وتحصي الصفحة الرئيسية نحو 2,000 شخص قدموا تسجيلات بحلول سبتمبر 2025 (والتسجيلات المقدَّمة ليست مثل البيانات المنشورة والمفرَّغة نصيا)؛ ونورد الأرقام الثلاثة بدلا من اختيار واحد منها. ويدرج سجل ClinicalTrials.gov مرض باركنسون والحالات الباركنسونية المرتبطة به فقط، لذلك لا ينبغي قراءة رقم التسجيل الفعلي فيه وهو 485 على أنه إجمالي المشروع. وتذكر ورقة JSLHR أن مجموعة التدريب في الحزمة الأولى تضم 190 متحدثا في قسم الطريقة و191 في قسم النتائج. ويصف ملخص مقالة TORGO المنشورة سبعة أفراد يعانون اضطرابات في الكلام، بينما يدرج إصدار LDC ثمانية متحدثين مصابين بعسر التلفظ؛ ونعتمد رقم LDC. ويصف ملخص ورقة USM نحو 1,000 ساعة من الكلام المضطرب وأقل من 1% من بيانات التدريب، بينما يدرج جدول التدريب فيها 1,158 ساعة. وتصف ورقة CDSD الجزء B بأنه 8 متحدثين في قسم و7 في قسم آخر بعد استبعاد متحدث واحد بسبب أخطاء في التوسيم. وفي ورقة Tobin وTomanek، يذكر النص أن 90% من المتحدثين ذوي الاضطراب الخفيف يبلغون الهدف بـ 50 مقطعا كلاميا بينما يعرض الجدول 93%. وتوصف مكاسب Microsoft البالغة من 18% إلى 60% بأنها مكاسب في الدقة دون ذكر مقياس أو مجموعة اختبار. ويعكس رقما مدونة Euphonia (2024 و2025) نموا لا تعارضا. أما انتشار الاضطراب لدى الأطفال: فتفيد NIDCD بنسبة 7.2% لاضطرابات الصوت أو الكلام أو اللغة وحدها، مقابل 7.7% لدى NCHS التي تحتسب البلع أيضا.
آخر تحديث: 24 أكتوبر 2026. نحدّث هذا الاستعراض كل ثلاثة أشهر، ومن المتوقع أن يأتي التحديث التالي حين ينشر Speech Accessibility Project حزمة بياناته التالية وإصدار تقسيم التدريب والاختبار.