الزيارات الشهرية: 0
الأسعار: ما تحددش
مدرج: —
تحدّث: 2026-11-10

01شنو هو Sophon-Realtime v1؟

Sophon-Realtime v1 هو موديل صوتي مفتوح المصدر وبالدوبل الكامل من AI降临派 (Adventists AI)، كيقدر يسمع ويحدّد دور الهضرة ف نفس الوقت، ويتقاطع فأي لحظة، ويفهم نبرة الصوت والضحك والتنهد، ويرد بصوت فيه الإحساس. Sophon-Realtime v1 مبني بـ 32B ديال البرامترات، وحقق 82.8 نقطة ف تقييم الصوت VoiceBench، واحتل المرتبة اللولة بين الموديلات المفتوحة المصدر وبالدوبل الكامل. Sophon-Realtime v1 كيوفّر ثلاثة إصدارات: Tag (تعبيرية قوية)، Flash (استجابة سريعة)، وE2E (نسخة معاينة بحثية). يقدر يتنصّب ف كارت غرافيك وحدة بسعة 80GB، ومرخّص برخصة Apache-2.0، ومسموح الاستعمال التجاري ديالو.

02الخصائص الرئيسية ديال Sophon-Realtime v1

محادثة كاملة الاتجاهات: كيبقى كيسمع وانت كتهضر، وملي كتوقف كيكمل معاك بلا تأخير، وإلا قاطعتيه كيحبس فالحين وكيجاوب على السؤال الجديد.
كيفهم النبرة: كيقدر يميّز التردد، والتشديد، والضحك، والتنهد، والسخرية، ومعلومات صوتية أخرى، ماشي غير المعنى الحرفي للكلام.
كيهضر بالنبرة: ملي كيجاوب، كيقدر يضحك، ويتنهد، وينقّي حنجرته، وياخذ النفس بشكل طبيعي فالصوت، بلا ما يقرا النص بحال هو.
فهم متعدد الوسائط: إلا وريتيه مخططات ولا لقطات شاشة، كيفهمها وكيشرحها شفوياً.
استدعاء الأدوات: كيدعم استدعاء الأدوات على مراحل متعددة (Full-Duplex-Bench v3 Pass@1 وصل لـ 48%)، وكيقدر “يخدم”.
وضع Live: متوافق مع بروتوكول OpenAI GPT-Live، ويقدر يخدم بتعاون مع الواجهة الخلفية ديال النماذج الكبيرة.
نشر سريع: أمر واحد وكارت شاشة وحدة بسعة 80GB كافيين باش يطلق، والنسخة Flash كتحتاج غير 0.31 ثانية حتى لأول حزمة.
قابل للضبط الدقيق: بالاعتماد على ms-swift وLoRA، تقدر تضبط الشخصية، وطريقة الكلام، والمعرفة فالمجال، وعادات استدعاء الأدوات.

03المبدأ التقني ديال Sophon-Realtime v1

تابعونا فـ وي تشات وجاوبونا بـ «开源» باش تنضمو لمجموعة مشاريع الذكاء الاصطناعي مفتوحة المصدر موديل واحد، كيسمع وكيحكم فـ نفس الوقت: الصوت كيدخل للموديل باستمرار، وكل مرة كيسكت فيها المستخدم، نفس الموديل 32B كيحتاج غير لـ token واحد باش يحدد الحالة ديالو: واش سالا الهضرة، مازال كيهضر، كييوافق، ولا كيفكر. ما كايناش الحاجة لربط وحدات مستقلة ديال التعرف على الكلام، واكتشاف الصمت، واكتشاف دور الكلام، وتركيب الصوت، وهاد الشي كيبسط بزاف البنية التقليدية ديال المساعدات الصوتية. كيحضّر الجواب بكري وكيهضر فـ الوقت المناسب: من أول سكتة ديال المستخدم، الموديل كيبدا يوجّد الجواب؛ ومنين كيعرف بلي جا الدور ديالو، كيبدا يهضر فـ الحين. إلا بقى المستخدم كيهضر، المسودة كتتمسح أوتوماتيكيا قبل ما يسمعها، باش ما يقاطعوش. ما كيكتبش غير شنو يتقال، ولكن حتى كيفاش يتقال: ملي كينتج الدماغ الجواب، كيزيد فـ نفس الوقت علامات صوتية بحال [laughter] و[sigh] و[cough] والكلمات اللي خاصها التشديد، باش يبيّن فين خاص يضحك، يتنهّد، ولا ياخذ النفس. نسختا Tag وFlash كيتقاسمو نفس الدماغ، غير كل وحدة فيها موديل صوتي مختلف كيمثّل هاد العلامات، والعلامات ما كتتقراش بصوت مسموع. النص كيسبق بنص خطوة، والصوت كيلحقو متزامن: النص والصوت كيتولدو بجوج بطريقة متدفقة، والنص ديما سابق بنص خطوة، وهاد الشي كيجمع بين ميزة السرعة ديال الموديلات من البداية للنهاية، وبين وجود سجل نصي قابل للمراجعة لكل جملة، باش يسهل ربط استدعاء الأدوات والموديلات الخلفية الأكبر. كيتفكر شنو سمعتي بصح: تاريخ المحادثة كيحفظ التسجيلات الصوتية الحقيقية ديال الطرفين، ومنين كيقاطع المستخدم، كيتخلى غير على الجزء اللي سمعو فعلا، باش الجولة الموالية ما تربطش الكلام بالغلط وما تعاودش شي حاجة تقالت من قبل.

04كيفاش تستعمل Sophon-Realtime v1

تجهيز البيئة: تأكّد بلي النظام خدام بـ Linux + CUDA + Python 3.12، وشغّل pip install sophon-realtime.
تشغيل الخدمة: شغّل sophon-realtime serve؛ فالتشغيل اللول غادي يتهبطو أوتوماتيكياً أوزان Tag بحوالي 42GB، ومن بعد غادي تبقى الخدمة كتسمع فالبورت 8000.
استعمال الواجهة: تفاعل مع الموديل عبر ws://HOST:8000/v1/realtime (اتصال ثنائي الاتجاه) أو POST /v1/chat/completions (الصوت داخل، والنص + الصوت خارج).
تجربة الحوار: شغّل python client_example.py --wav سؤالي.wav --lang zh --voice vivian_zh باش تصيفط مقطع صوتي وتسمع الجواب.
الربط مع Live mode (اختياري): شغّل حدّا المحرّك cd sophon-realtime/live && BUILD=tag PORT=8000 LIVE_PORT=8780 bash start_live.sh، وغادي تقدر تربط الموديل اللغوي الكبير ديالك فالخلفية باستعمال بروتوكول OpenAI GPT-Live.
التخصيص بالتدريب الدقيق (اختياري): استعمل ms-swift للتدريب بطريقة LoRA على كارت شاشة بـ 80GB، ووجد بيانات حوار بصيغة jsonl (كتب الصوت، وزيد فالجواب وسوم بحال [laughter]...)، ومن بعد نفّذ أمر swift sft باش تبدّل الشخصية والمعرفة الخاصة بالمجال.

05المزايا الرئيسية ديال Sophon-Realtime v1

الأول فالمصدر المفتوح والدوبلكس الكامل: جاب 82.8 فـ VoiceBench، بحال GPT-4o-mini-Audio، وتفوّق على نماذج الدوبلكس الكامل الأخرى المفتوحة المصدر بحال MiniCPM-o 4.5 (76.1).
الأقوى فاستدلال الصوت: جاوب مزيان على 81.8% من 1,000 سؤال صوتي للاستدلال فـ Big Bench Audio، وبفارق كبير على أحسن نموذج مفتوح المصدر قبل منو، Raon SpeechChat (58%).
كيفهم النبرة: النموذج السمعي DuplexJev تصدّر الترتيب العام فالمعايير الفرعية ديال LISTEN وStressTest وMSPB (48.6)، متفوّق على Gemini 3.8 Flash وQwen3-Omni.
كيعبّر على النبرة: فـ NVV-SuperBench، نسخة Tag جابت 0.86 بالصينية و0.80 بالإنجليزية، وكانت الأكثر شبها فتمثيل الضحك، التنهد، وتنقية الحلق وغيرها.
كيخدم: وصل استدعاء الأدوات فـ Full-Duplex-Bench v3 إلى Pass@1 بنسبة 48%، أعلى من Grok (43%)، وكيدخل فالهضرة بنسبة 100% ملي كيكون خاصو يجاوب.
سريع وكيحمّل عدد كبير ديال المستخدمين: نسخة Flash كتحتاج 0.31 ثانية لأول حزمة، وكتدعم 40 اتصال متزامن فبطاقة وحدة؛ ونسخة Tag كتحتاج تقريباً 0.6 ثانية وكتدعم 16 اتصال متزامن.

06رابط مشروع Sophon-Realtime v1

مستودع GitHub: https://github.com/adventists-ai/sophon-realtime

07مجالات استعمال Sophon-Realtime v1

خدمة الزبناء الذكية: نسخة Flash كتوصّل بأول جواب فـ0.31 ثانية وكتدعم 40 مكالمة متزامنة فكل بطاقة، وكتفهم الحالة النفسية ديال الزبون وكتستعمل الأدوات على مراحل باش تقضي الغرض، وهادشي مناسب لمراكز النداء الكبيرة.
المرافقة بالذكاء الاصطناعي والشخصيات الافتراضية: نسخة Tag هي الأقوى فالتعبير على النبرة، كتضحك وكتتنهد، ومناسبة للمرافقة العاطفية، والحبيب الافتراضي، وشخصيات NPC فالألعاب.
المساعد الصوتي فالسيارة: كيدعم الحوار فالاتجاهين وكيقدر يقاطع فـأي وقت، وكيرد بسرعة وبلا كلمة تنبيه، كيفهم النبرة وكيعاون حتى فالتقدير ديال حالة السائق.
الأجهزة الطرفية الذكية بالذكاء الاصطناعي: التقنية ديال الفريق تطبقات فـأكثر من 300 منتوج من الأجهزة، ورخصة Apache-2.0 كتسمح بالاستعمال التجاري، وهادشي مناسب للدمج فالسماعات، واللعب، والروبوتات، وغيرها من الأجهزة.
الوكلاء الصوتيون ديال الشركات: وضع Live متوافق مع بروتوكول GPT-Live، وSophon كيتكلف بـ”السمع والهضرة”، وكيخلي الاستعلامات وقضاء الأغراض للنموذج الكبير فالخلفية، وهادشي مناسب للخدمات المخصصة فمجالات بحال البنوك، والإدارات العمومية، والطيران.

حلّ الموقع بلّغ على مشكل

Sophon-Realtime v1 خدام