تأتي الحاجة إلى المساعدة في الحديث في لحظة صعبة: أنت تستمع وتحاول فهم السؤال وتتذكر ما كنت ستقوله. إذا أضفنا ذكاءً آخر كثير الكلام فقد يزيد عدد المشاركين، بينما يقلّ الوضوح.
أطوّر CallCoach كنموذج أولي ناتيف لـ macOS. تجمع واجهة SwiftUI النص المفرغ والسيناريو والتلميح جنباً إلى جنب. أحتاج إلى جملة قصيرة واحدة يمكن قولها فوراً. لا وقت أثناء الحديث لقراءة تفسير النموذج.
يصل الحديث على شكل مقاطع
يمر صوت الميكروفون عبر AVAudioEngine، ويستخدم صوت النظام مساراً مستقلاً في ScreenCaptureKit. يرتبط التعرف بواجهات Apple للكلام. ثم تصل تحديثات النص إلى طبقة التلميحات.
تعرض اللقطة CallCoach لـ macOS من النسخة الحالية للمشروع. وضع Real Estate مفتوح: مساحة التفريغ يساراً والردود السريعة ومراحل الحديث يميناً. المعروض معاينة لجملة جاهزة؛ لم يبدأ تسجيل المكالمة.
يجب ألا تولّد كل كلمة مؤقتة توصية جديدة. تتضمن الشيفرة الحالية مهلة لدمج التحديثات قدرها 450 ميلي ثانية. هذه قيمة للمعالجة وليست وعداً بزمن استجابة النظام كله؛ فالتقاط الصوت والتعرف والتوليد تضيف وقتها.
السياق محدود أيضاً. يُستخدم مقطع حديث من المحادثة للبحث في قاعدة المعرفة؛ ويصل إلى النموذج نطاق من الكلمات الأخيرة لا تفريغ بلا نهاية. وإلا يبدأ التطبيق تدريجياً بمناقشة بداية المكالمة بعدما انتقل الناس إلى موضوع مختلف تماماً.
في وضع Interview تساعد الواجهة نفسها على الاستعداد للمقابلة. اختير Portfolio، وتظهر عبارات قصيرة جاهزة لشرح المهمة والدور والنتيجة. إنها نافذة التطبيق الحقيقية دون تسجيل حديث.
«يعرف موضوعي» لا يعني «درّبت النموذج»
يتضمن المشروع سيناريوهات حديث ونقاط تحقق واسترجاع مقاطع ملائمة من قاعدة المعرفة. هذا تقديم سياق وبحث، لا تدريب لأوزان النموذج. الفارق مهم: قد تساعد وثيقة جديدة على الإجابة لكنها لا تحول النظام إلى خبير مثبت.
يُستخدم Foundation Models للتوليد المحلي بعد فحص توفره على الجهاز. ويوجد في الشيفرة وضع سحابي اختياري Gemini Live. هو معطل افتراضياً، لكن اختياره يوجّه معالجة الصوت عبر مسار آخر. لذا سيكون وعد «كل شيء يبقى دائماً على Mac» غير صحيح.
أصعب ما في الأمر يقع على الشاشة
قد يكون التلميح صحيحاً ومع ذلك يعرقل: يصل متأخراً أو يكرر الواضح أو يحجب جزءاً مطلوباً أو يحتاج إلى قراءة طويلة. يجب اختبار ذلك في محادثات حقيقية وعلى أجهزة محددة. لا يثبت المستودع جودة التعرف ولا يمنح شهادة لمحاور ناجح.
تعرض اللقطات نافذة التطبيق الحقيقية ومعاينات لعبارات جاهزة. توضح بنية الواجهة، لا جودة التعرف في الحديث المباشر. الاختبار التالي هو توقيت التلميح القصير وفائدته على جهاز محدد.
قصص ذات صلة: بورتفوليو حواري.
@nevsky_alexander
على Instagram، دبي بعيدًا عن صور البطاقات البريدية: العائلة والمدينة والاكتشافات والحياة بين المشاريع. وعلى Threads، أفكار بصوت عالٍ عن التصميم والذكاء الاصطناعي. أما YouTube فللفيديوهات التي تحتاج مساحة أكبر من الستوري. تابعوني حيث يناسبكم، ولنبقَ على تواصل