بيت يتذمّر: كيف تبني شخصية صوتية محلية بنماذج Nemotron

المستوى: متقدّم. وقت القراءة: 5 دقائق.

باب مرآب يتذمّر في وجه الأطفال بصوت سفينة قراصنة عجوز، ثم يلين حين يسمع كلمة «من فضلك». هذا هو MonsterHouse، مشروع هالوين تحكيه تدوينة من NVIDIA على Hugging Face، صُمّم ليعمل مكتفيًا بنفسه على محطة عمل واحدة. الكود نفسه غير منشور، لكن كل نماذجه متاحة، والتدوينة تقترح المسار التالي.

الخطوات

1. ابدأ بخطّ الصوت. انسخ مشروع Nemotron Voice Agent وشغّل مثال Generic Assistant. ستحصل على تفريغ كلام ونموذج لغوي وتحويل نص إلى كلام، مع كشف بداية الكلام ونهايته.
2. اجعل Bolt E4B هو العقل. يتضمّن المشروع إعدادات لهذا النموذج للسحابة والخوادم والـGPU الواحد. جرّب الوضع المحادثي للردود القصيرة، وعطّل الاستدلال المطوّل في الحوارات البسيطة.
3. أعطه شخصية. ابدأ بأمر نظام وأمثلة حوار قليلة. واحفظ حالة المحادثة، مثل من قال «من فضلك»، في تطبيقك لا في ذاكرة النموذج.
4. درّب محوّل LoRA عند الحاجة. إن لم يكفِ الأمر النصي، يقدّم NVIDIA NeMo AutoModel وصفة لهذا النموذج. وقد استخدم المشروع أكثر من 5,000 محادثة متعددة الأدوار.
5. أعطه صوتًا. يعتمد Magpie TTS Zeroshot على عيّنة مرجعية قصيرة بدل تدريب صوت كامل. واستخدم فقط الأصوات التي تملك إذنًا باستخدامها.
6. اخدع الزمن. احفظ ردودًا جاهزة وملفات صوت للجمل الشائعة، فهذا يجعل الوحش البطيء يبدو سريعًا. وأرسل النص إلى الصوت قبل اكتمال الجملة.

ما لا تقوله الوصفة

تستخدم التجربة بطاقتي RTX PRO، واحدة للغة والصوت وأخرى لـUnreal Engine وتحريك الوجه، فلن تعمل النسخة الكاملة على أي حاسوب. والتدوينة منشورة من داخل NVIDIA، فاقرأ اختيار النماذج بهذا الوعي. وتعترف التدوينة بأن الأداء أمام زوّار حقيقيين لم يُختبر كاملًا بعد.

جرّب بنفسك

ابدأ صغيرًا: شغّل مثال المساعد العام، ثم غيّر أمر النظام إلى شخصية متذمّرة، واكتب في تطبيقك قاعدة واحدة تليّنها بعد كلمة معيّنة. قبل أن تبني وحشًا، علّم بابك أن يقول «اذهب».

المصادر: Hugging Face — 2026-10-30