> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# نموذج RE-USE المفتوح من NVIDIA ينظف الكلام من الضجيج والصدى بـ9.6M معامل فقط
- URL: https://globalfeed.ai/ar/nmwdhj-re-use-lmftwh-mn-nvidia-ynzf-lklm-mn-ldjyj-wlsd-b9-6m-maaml-fqt/
- Published: 2026-10-31T02:07:25.000Z
- Updated: 2026-10-31T02:07:25.000Z
- Description: يصلح نموذج RE-USE من NVIDIA، المتاح للاستخدام التجاري، الضجيج والصدى والتسجيلات التالفة. وفي اختبار بطاقة النموذج يتقدم في خمسة مقاييس رغم صغر حجمه، ويتأخر في ثلاثة ويتعادل في واحد من تسعة.
- Author: GlobalFeed Editor
- Tags: NVIDIA, RE-USE, تحسين الكلام, نموذج مفتوح, x-NVIDIAAI, dil-ar, elle

أصدرت NVIDIA على [Hugging Face](https://huggingface.co/nvidia/NVIDIA-NemotronLabs-RE-USE?ref=globalfeed.ai) النموذج NemotronLabs RE-USE الذي ينظف تسجيلات الكلام، برخصة OpenMDW 1.1\. وتحدد بطاقة النموذج تاريخ الإصدار بيوم 22 أكتوبر 2026، وأعلنت عنه الشركة على X في 30 أكتوبر. وتذكر البطاقة أن النموذج جاهز للاستخدام التجاري. وتتيح [صفحة تجريبية](https://huggingface.co/spaces/nvidia/NVIDIA-NemotronLabs-RE-USE?ref=globalfeed.ai) على Hugging Face رفع صوت أو فيديو مشوش والاستماع إلى النتيجة. وبما أنه نموذج مفتوح، يمكن للمؤسسات تشغيله أيضا على عتادها الخاص.

## نموذج واحد يستهدف أنواعا كثيرة من التلف

لا يقتصر RE-USE على ضجيج الخلفية. فبحسب بطاقة النموذج، يهدف أيضا إلى إصلاح الصدى والقص ومحدودية عرض النطاق وتشوهات الترميز وفقدان الحزم وضعف جودة الميكروفونات. ويقبل معدلات أخذ عينات 8 و16 و22.05 و24 و32 و44.1 و48 كيلوهرتز، ويمكنه توسيع عرض النطاق اختياريا. والمدخلات والمخرجات ملفات .wav أحادية القناة. وعندما يتحدث عدة أشخاص معا، دُرب النموذج على إبقاء المتحدث الرئيسي وكبت الآخرين، لذلك قد تُحذف أيضا الأحاديث الخلفية في تسجيلات الاجتماعات. ولحفظ الضحك بشكل أفضل تقدم NVIDIA [نسخة laughter](https://huggingface.co/nvidia/NVIDIA-NemotronLabs-RE-USE-laughter?ref=globalfeed.ai) منفصلة.

## الجدول يبين نقاط قوة النموذج الصغير وحدوده

تقارن بطاقة النموذج RE-USE في مجموعة اختبار URGENT 2025 مع Sidon بحجم 250M معامل وUniPASE بحجم 500M معامل. وعلى المجموعة الكاملة يسجل RE-USE أعلى الدرجات في NISQA بواقع 4.33 وPESQ بواقع 2.57 وSTOI بواقع 0.78 وتشابه المتحدث بواقع 0.86 ودقة الأحرف في التعرف على الكلام بواقع 89.17\. وتبلغ دقة الأحرف للتسجيلات التالفة 81.29\. ويتقدم Sidon في DNSMOS بنتيجة 3.34 مقابل 3.29، وفي UTMOS بنتيجة 3.21 مقابل 2.94\. ويتقدم UniPASE في SBERT بنتيجة 0.89 مقابل 0.88، ويتعادلان في LPS عند 0.85\. وهكذا يتقدم النموذج رغم صغره في مقاييس كثيرة، لكنه ليس الأفضل فيها جميعا.

## بيانات التدريب والطريقة

يجمع النموذج بين بنية Mamba ثنائية الاتجاه من 30 طبقة ومشفر ومفكك التفافيين. واستخدم التدريب نحو 2,500 ساعة من الكلام و180 ساعة من الضجيج ونحو 60 ألف استجابة غرفة محاكاة. ويأتي الكلام من مجموعات مثل LibriTTS وVCTK وMultilingual LibriSpeech وCommonVoice، إضافة إلى بيانات NVIDIA الداخلية. واللغات المذكورة في البطاقة هي الألمانية والإنجليزية والإسبانية والفرنسية والصينية، وتقول البطاقة إن النموذج يهدف إلى العمل بصورة مستقلة عن اللغة.

وتبرز [الورقة](https://arxiv.org/abs/2603.02641?ref=globalfeed.ai) المقبولة في NeurIPS 2026 ثلاث نقاط. ففي إزالة الصدى يعطي استهداف كلام نظيف بلا صدى ومزاح زمنيا نتيجة أفضل من الكلام ذي الانعكاسات المبكرة. ويهدف تصميم من مرحلتين إلى تقليل التشويه عند مستوى معين من الجودة المدركة. أما مجموعات البيانات الكبيرة غير المنتقاة فتضع سقفا لقدرة النموذج على إزالة العيوب الدقيقة.

## لمن يناسب

تستهدف NVIDIA صناع المحتوى والباحثين الذين ينظفون بيانات الكلام. وتقول الورقة إن الطريقة فعالة في تحسين بيانات تدريب توليد الكلام. كما أن التسجيلات القديمة والمكالمات الهاتفية والتصوير داخل السيارات والبودكاست استخدامات طبيعية. وللمكالمات المباشرة يوجد نموذج [Real-time RE-USE](https://huggingface.co/nvidia/Real-time%5FRE-USE?ref=globalfeed.ai) المنفصل، وتشرح [ورقته](https://arxiv.org/abs/2606.25621?ref=globalfeed.ai) ملاءمة نموذج واحد لميزانيات تأخير مختلفة. وللملفات الأطول من 30 ثانية تقترح البطاقة نصا يعمل على مقاطع، لأن النموذج دُرب على مقاطع أقل من 10 ثوان.

ولا يزال الإعداد موجها إلى المطورين. وتذكر البطاقة Linux وعتاد NVIDIA Ampere، وتشير إلى A100 مرجعا، وتقترح Docker لبيئة Mamba. ولا تقدم أرقاما عن التشغيل على المعالج. والمقارنات مأخوذة من جدول NVIDIA نفسها. وللحصول على صورة أشمل، تابعوا أيضا تقييمات الباحثين المستقلين.

المصادر: [Hugging Face (بطاقة النموذج)](https://huggingface.co/nvidia/NVIDIA-NemotronLabs-RE-USE?ref=globalfeed.ai), [الصفحة التجريبية](https://huggingface.co/spaces/nvidia/NVIDIA-NemotronLabs-RE-USE?ref=globalfeed.ai), [ورقة arXiv](https://arxiv.org/abs/2603.02641?ref=globalfeed.ai), [Real-time RE-USE](https://huggingface.co/nvidia/Real-time%5FRE-USE?ref=globalfeed.ai)