AI delivery
معالجة اللغة العربية الطبيعية وAI اللغوي
تبني كوربشور الإمارات بيانات اللغة وتقيّمها لتطبيقات AI العربية والمتعددة اللغات من دبي وأبوظبي. يمتد العمل ليشمل العربية الفصحى، ولهجات الخليج واللهجات الأوسع، واللغات محدودة الموارد، ويدعم التعرّف على الكلام وتوليده بما يراعي اللهجة. تندر البيانات العربية النظيفة والموسومة، وحُسن الحصول عليها هو جوهر هذه الخدمة.
تمثّل العربية مسألة صعبة أمام AI، ومعظم الصعوبة بشري قبل أن يكون تقنياً. فالمعيار المكتوب واللهجات المنطوقة يتباعدان، ويحمل النص علامات تشكيل اختيارية، وتتبدل اللهجة عبر الخليج والشام ومصر والمغرب. فالنموذج المدرّب على العربية الفصحى وحدها سيتعثر أمام رسالة صوتية خليجية. وإتقان ذلك يتطلب متحدثين أصليين يؤدون عملاً بيانياً دقيقاً وموجّهاً، لا نصاً مكشوطاً من الويب يُمرَّر عبر مرشّح.
تنتدب كوربشور هذا العمل البياني بلغويين وواسمين من متحدثين أصليين للعربية ولهجاتها، وتمدّ الانضباط نفسه إلى اللغات محدودة الموارد حيث تكاد البيانات الموسومة تنعدم. تغذّي المخرجات مسارات NLP والتعرّف على الكلام وتوليده والتقييم. تُبقي الجبهة الإماراتية العمل اللهجي والمنظّم قريباً من الديار، فيما توفّر شبكة كوربشور لـAI الأوسع التي تضم أكثر من 15,000 مقعد الاتساع والوصول إلى اللغات النادرة.
What this service covers
وسم النصوص العربية
وسم للكيانات المسماة والمشاعر والقصد والصرف والتشكيل وتحديد اللهجة عبر العربية الفصحى واللهجات الإقليمية، وفق إرشادات يكتبها لغويون.
بيانات اللهجات وتحديدها
جمع ووسم بيانات اللهجات الخليجية والشامية والمصرية والمغاربية، بحيث يتمكن النموذج من التعرّف على السجل الذي يستخدمه المتحدث فعلاً والاستجابة به.
بيانات التعرّف على الكلام
تفريغ وتقطيع ووسم للكلام العربي ومتعدد اللغات، بما يشمل الصوت اللهجي والمتناوب بين اللغات، لدعم تدريب التعرّف الآلي على الكلام وتقييمه.
دعم توليد الكلام
إعداد بيانات تحويل النص إلى كلام ومراجعة جودتها، بما يشمل مراجعة النطق والتنغيم والتشكيل بأيدي متحدثين أصليين، بحيث يبدو الصوت العربي المولّد سليماً.
بيانات اللغات محدودة الموارد
توفير وجمع ووسم للغات التي تندر فيها البيانات الموسومة، بما يشمل اللغات النادرة وقليلة الخدمة، باستخدام متحدثين أصليين وجمع موجّه.
بيانات الترجمة الآلية
إنشاء ومراجعة بيانات ثنائية اللغة ومتوازية للعربية وأزواج لغوية أخرى، بما يشمل تسوية اللهجة إلى المعيار وتقييم الجودة.
ضمان الجودة اللغوي
مراجعة مخرجات النموذج ومجموعات البيانات بأيدي متحدثين أصليين مقابل معيار لغوي، مع تتبّع اتفاق الواسمين في مهام اللهجة والتشكيل حيث يتباين الحكم.
بيانات NLP متعددة اللغات
وسم النصوص وتقييمها عبر مزيج اللغات الذي يخدمه النموذج، منسّقاً بحيث تبقى الإرشادات ومعايير الجودة متسقة بين اللغات.
How it is delivered from the UAE
Delivered from Dubai and Abu Dhabi with native Arabic linguists and annotators, and the wider Corpshore AI network behind it for over thirty languages including rare and underserved ones. Work runs as managed datasets or dedicated language teams, with dialect, government-adjacent and regulated data kept onshore.
Small
5 to 15 specialistsA single-language pod of native annotators with a linguist lead and a quality lead, suited to a dialect dataset or a speech-recognition transcription batch.
Mid-market
15 to 50 specialistsDedicated teams by dialect or language, each with a linguist, native annotators, a transcription or speech specialist and a quality lead running agreement metrics on the harder judgement tasks.
Enterprise
50 specialists and aboveA multi-dialect, multi-language operation with a delivery manager, a linguistics and calibration layer, ML-ops support and an account director, blended across the UAE and the wider network.
Compliance and data handling
- تُعالَج البيانات الشخصية في مجموعات بيانات اللغة والكلام بموجب المرسوم بقانون اتحادي رقم 45 لسنة 2021 (PDPL)، مع تطبيق قانون حماية البيانات في DIFC لسنة 2020 أو لوائح حماية البيانات في ADGM لسنة 2021 حيثما يقع العميل أو نشاط المعالجة هناك.
- يخضع النقل العابر للحدود لبيانات الكلام والنصوص لأساس موثّق واتفاقية للتعامل مع البيانات، مع تطبيق اللائحة العامة لحماية البيانات في الاتحاد الأوروبي GDPR حيثما خضع لها أصحاب البيانات، بحيث تنتقل الأصوات والنصوص التي تغادر الإمارات على أساس قابل للدفاع عنه.
- تُسجَّل الموافقة والترخيص للبيانات الصوتية والنصية المجموعة، بما يشمل موافقة المتحدث على الصوت، بحيث يُوثَّق مصدر البيانات والاستخدام المسموح به لكل مجموعة بيانات.
- تُطبَّق إزالة الهوية والتحكم في الوصول على الكلام والنصوص الحساسة، بحيث لا يرى الواسمون واللغويون سوى ما تتطلبه المهمة.
Technology
- The client's own annotation, transcription and evaluation platforms, operated by our teams
- Text-annotation and morphology tooling for Arabic and multilingual work
- Speech transcription, segmentation and audio-labelling tooling
- Linguistic quality-audit and inter-annotator agreement tooling
KPIs and reporting
- Annotation and transcription throughput. By language, dialect and task, per shift and per project, against forecast.
- Inter-annotator agreement. Per dialect and per judgement task, with disagreement analysis feeding guideline updates.
- Linguistic quality and acceptance rate. Against the client's rubric, sampled by a native-speaker quality lead.
- Diacritisation and dialect accuracy. On the tasks where it applies, reviewed by linguists against a reference standard.
- Turnaround time. From batch release to accepted delivery, per batch, against the agreed service level.
Governance cadence
اجتماعات إنتاج يومية موجزة، ومراجعة تسليم أسبوعية تشمل الإنتاجية والاتفاق والجودة اللغوية، ومراجعة أعمال شهرية مقابل اتفاقية مستوى الخدمة SLA، وجلسات معايرة كلما جرى تنقيح إرشاد أو حد لهجي. تُتتبَّع إصدارات الإرشادات بحيث يمكن رد أي تحوّل في الجودة إلى تغيير بعينه.
Industry applications
الحكومة والقطاع العام
بيانات NLP وكلام عربية أولاً للخدمات الموجهة للمواطنين، مع بناء إقامة البيانات والموافقة وإثبات المصدر في صميم العمل.
الاتصالات
بيانات كلام ونصوص لهجية للمساعدات الصوتية وأتمتة الدعم التي تخدم قاعدة مشتركين خليجية متعددة اللغات.
الخدمات المصرفية والمالية
بيانات قصد وكيانات ومشاعر بالعربية للدعم والأتمتة المنظّمين، مع إخفاء البيانات والتحكم في الوصول على النصوص الحساسة.
التقنية والشركات الناشئة
مجموعات بيانات عربية ولغات محدودة الموارد للفرق التي تبني نماذج يصعب فيها توفير بيانات موسومة نظيفة من مصادر أخرى.
Pricing and engagement models
Frequently asked questions
لماذا يصعب بناء البيانات للعربية أكثر من غيرها من اللغات؟
المعيار المكتوب واللهجات المنطوقة يتباعدان، ويحمل النص علامات تشكيل اختيارية، وتتبدل اللهجة عبر الخليج والشام ومصر والمغرب. فالنموذج المدرّب على العربية الفصحى وحدها يتعثر أمام الكلام الواقعي. تتطلب البيانات الجيدة متحدثين أصليين يؤدون عملاً موجّهاً، لا نصاً مكشوطاً يُمرَّر عبر مرشّح.
ما اللهجات العربية التي يمكن لكوربشور تغطيتها؟
تنتدب كوربشور متحدثين أصليين باللهجات الخليجية والشامية والمصرية والمغاربية إلى جانب العربية الفصحى. يُضبَط الملمح اللهجي لكل مجموعة بيانات ولكل مهمة أثناء تحديد النطاق، ويمكن أن يكون تحديد اللهجة نفسه إحدى مهام الوسم حين يحتاج النموذج إلى التوجيه وفق السجل.
هل يمكنكم إنتاج بيانات للتعرّف على الكلام العربي وتوليده؟
نعم. للتعرّف، تفرّغ الفرق الكلام العربي ومتعدد اللغات وتقطّعه وتوسمه، بما يشمل الصوت اللهجي والمتناوب بين اللغات. وللتوليد، يراجع متحدثون أصليون النطق والتنغيم والتشكيل، بحيث يبدو مخرج تحويل النص إلى كلام سليماً لا مجرد مفهوم.
هل تتعاملون مع اللغات محدودة الموارد والنادرة؟
نعم. تعمل شبكة كوربشور لـAI الأوسع بأكثر من ثلاثين لغة، بما يشمل النادرة وقليلة الخدمة. للغات التي تندر فيها البيانات الموسومة، تستخدم الفرق متحدثين أصليين وجمعاً موجّهاً لبناء مجموعات البيانات من الصفر بدلاً من الاعتماد على كشط غير متوفر لهذه اللغات.
كيف تُبقون الجودة متسقة في المهام العربية الذاتية؟
يُتتبَّع اتفاق الواسمين في المهام التي يتباين فيها الحكم، مثل اللهجة والتشكيل، ويأخذ مسؤول جودة من متحدثين أصليين عينات من المخرجات مقابل معيار لغوي. يغذّي تحليل الاختلاف تحديث الإرشادات، وتُتتبَّع إصدارات الإرشادات بحيث يمكن رد أي تحوّل في الجودة إلى مصدره.
كيف تُدار موافقة المتحدث للصوت المجموع؟
تُسجَّل موافقة المتحدث والترخيص للبيانات الصوتية المجموعة، بحيث يُوثَّق الاستخدام المسموح به لكل مجموعة بيانات. يُعالَج الصوت بموجب PDPL الإماراتي، وحيثما اتصل الأمر بموجب قانون DIFC أو ADGM وGDPR، مع تطبيق إزالة الهوية والتحكم في الوصول على التسجيلات الحساسة.
هل يمكن أن يغذّي ذلك نموذجاً تساعدوننا أيضاً في بنائه؟
نعم. يقع عمل البيانات العربية ومتعددة اللغات جنباً إلى جنب مع خدمات الاستراتيجية والضبط الدقيق والتقييم، بحيث يمكن للغويين أنفسهم الذين يوسمون البيانات مراجعة مخرج النموذج مقابل معيار لغوي. يبقي ذلك مسار البيانات والنموذج متوائمين على المعيار نفسه.
من أين يُنفَّذ العمل باللغة العربية؟
يُنفَّذ العمل اللهجي والمرتبط بالحكومة والمنظّم من دبي وأبوظبي بأيدي لغويين وواسمين من متحدثين أصليين بالعربية. أما العمل عالي الحجم والنادر اللغة فيُدار عبر الشبكة الأوسع، ضمن عقد واحد ومعيار جودة واحد، بحيث يجتمع الحكم داخل الديار واتساع الشبكة معاً.
Related services
Arabic linguist, annotation and speech-data roles across the UAE and the wider network are on the jobs board.
Scope this for your operation
نردّ على كل استفسارات الإمارات خلال ست ساعات.
Or explore roles on this team