Multimodalمتعدد الوسائط
ما هو Multimodal؟
نموذج يفهم الصور والصوت والفيديو، لا النص المكتوب وحده.
ما معنى Multimodal بالعربي؟
الاسم المعتمد الآن هو «متعدد الوسائط». ولأن كثيرًا من المصطلحات لم يستقرّ لها اسم عربي واحد، يكتب هذا القاموس قرّاؤه: صوّت للاسم الذي تراه أوضح، أو اقترح اسمًا أفضل. نراجع الأصوات في كل جولة ونعتمد ما يختاره الناس.
-
متعدد الوسائط الاسم المعتمد اسم القاموس
-
متعدد الصيغ صياغة مبسطة ترد في الشروح
-
متعدد الأنماط ترجمة شائعة في المقالات التقنية
-
ملتي مودال تعريب صوتي شائع بين المطورين
صوت واحد لكل قارئ في كل مصطلح، وتستطيع نقله إلى اسم آخر. حين يتجاوز اسمٌ الاسمَ المعتمد ويصل إلى 5 أصوات على الأقل، نعرضه للاعتماد في الجولة التالية.
اقترح اسمًا عربيًا أفضل
هل الشرح غير واضح أو فيه خطأ؟
تخيّل من كان يراسلك سنوات بالخطابات فقط: يقرأ ما تكتب ويرد كتابةً، لكنه لا يرى ولا يسمع. ثم جاءه يوم أمسك فيه صورة مؤطّرة بيد، وقرّب أذنه إلى بوق جراموفون قديم باليد الأخرى، واتسعت عيناه: صار يبصر ويصغي، لا يقرأ فحسب.
هذا الانتقال هو معنى «متعدد الوسائط». الوسيط هو شكل المدخل: النص وسيط، والصورة وسيط، والصوت وسيط. لأغلب تاريخها كانت نماذج المحادثة أحادية الوسيط: نص يدخل، ونص يخرج. أما النموذج متعدد الوسائط فيستقبل أكثر من شكل، وأحيانًا ينتج أكثر من شكل: يصف صورة ألصقتها، يقرأ لقطة شاشة، يستخرج الأرقام من فاتورة مصوّرة، يستمع إلى رسالة صوتية، أو يشاهد مقطعًا قصيرًا. الفكرة الأساسية لم تتغيّر، فهو ما زال يتنبأ بالرمز التالي، لكن ما يُسمح له بتلقّيه لم يعد محصورًا في الكلمات المكتوبة.
النماذج تختلف في ما تقبله: بعضها يقرأ النصوص والصور وملفات PDF في الرسالة نفسها، وبعضها يستقبل الصوت والفيديو أيضًا، وبعضها يسمع ويتكلم في خطوة واحدة فتصبح المحادثة الصوتية طبيعية بلا مترجم وسيط. التفاصيل تتغيّر بسرعة، لكن الاتجاه واحد.
لماذا يغيّر هذا ما يمكنك فعله بلا كود؟ لأن أغلب ما تملكه في الواقع ليس نصًا مرتبًا، بل لقطات شاشة وصور عقود وفواتير وتسجيلات اجتماعات. في اللحظة التي يبصر فيها النموذج، تصبح أسئلة مثل «ما الخطأ في هذا التصميم؟» و«استخرج بنود هذه الفاتورة» و«لخّص ما قيل في هذا التسجيل» أسئلة تطرحها مباشرة، بدل أن تكتب وصفًا متعبًا لما في الصورة.
عيادة في القاهرة تستقبل صور بطاقات التأمين على WhatsApp. بدل أن ينقل الموظف الأرقام يدويًا، يمرر الصورة إلى النموذج فيعيدها بيانات مرتبة في ثوانٍ.
ملاحظة تخص التكلفة: الصورة والمقطع الصوتي ليسا مجانيين، فهما يُحوَّلان إلى رموز (Tokens) ويُحاسَبان، وصورة مفصّلة قد تكلّف أكثر من فقرة كاملة. اعرف ذلك قبل أن تمرر ألف صورة.
لماذا يهمك Multimodal؟
ستتوقف عن وصف ما تراه للنموذج وتعطيه الصورة نفسها. وستسأل قبل اختيار أي أداة: هل تقبل الملفات التي يتعامل معها فريقي فعلًا، أم النص فقط؟
متى ستسمع كلمة Multimodal؟
تقرأ في مواصفات نموذج «يدعم الصور والصوت»، أو يقول لك المطوّر: «هذا النموذج ليس متعدد الوسائط، فسنحتاج إلى أداة منفصلة لتحويل الصوت إلى نص».
