التعرف على قراء القرآن من خلال تحليل الصوت والتعلم العميق

الملخص

في السنوات الأخيرة، شهد مجال الذكاء الاصطناعي (AI) تقدمًا هائلًا، لا سيما في تقنيات التعلم العميق التي حققت نتائج مذهلة في مختلف المجالات، بما في ذلك معالجة الصور والتعرف على الكلام ومعالجة النصوص والرؤية الحاسوبية. يهدف هذا البحث إلى الاستفادة من إمكانيات التعلم العميق لتطوير نظام تلقائي للتعرف على قرّاء القرآن الكريم استنادًا إلى أصواتهم الفريدة، وذلك باستخدام الشبكات العصبية الالتفافية العميقة (CNNs) وLog Mel   Spectrograms  كمستخرج لميزات الصوت. تقدم دراستنا مجموعة من النماذج المصممة لتصنيف قرّاء القرآن بناءً على خصائصهم الصوتية الفريدة. ولتعزيز إمكانية الوصول للمستخدمين، قمنا بتطوير تطبيق أندرويد قادر على تشغيل هذه النماذج دون الحاجة إلى الاتصال بالإنترنت. حقق نموذجنا دقة بلغت 98% عند اختبار الأصوات النقية لـ 23 قارئًا. ومع ذلك، اكتشفنا أن إضافة الضوضاء الخلفية إلى الأصوات النقية، كما اقترحت دراسات سابقة، لم يكن كافيًا لتمثيل التسجيلات الحقيقية بدقة. نظرًا للوقت الطويل الذي تتطلبه عمليات التسجيل اليدوية، نوصي بتطوير محاكاة أكثر تقدمًا للضوضاء الصوتية، بحيث تأخذ في الاعتبار التشويشات الشائعة التي تحدث في التسجيلات عبر الأجهزة المحمولة. يمكن أن يشمل ذلك توليد ضوضاء الخلفية النموذجية، والعيوب الناتجة عن التسجيل، وتأثيرات الصدى الصوتي، والظواهر الصوتية الأخرى في العالم الحقيقي، مما يساهم في إنشاء بيانات تدريب أكثر واقعية للنماذج القائمة على التعلم العميق.