Nemotron 3.5 Transcribe: نموذج NVIDIA اللغوي للكلام يتفوّق على سلسلة تحديد المتحدثين — في 13 لغة

أطلقت NVIDIA Nemotron 3.5 Transcribe في 28 أكتوبر 2026 بموجب ترخيص مفتوح، والرقم الوارد في كل عنوان رئيسي عنه هو 40: أربعون لغة، ونقطة تفتيش واحدة، مع تضمين تسميات المتحدثين. أما الرقم الذي يغيّر فعليًا طريقة بناء حزمة النسخ لديك فهو 15.80. فهو متوسط cpWER للنموذج على مجموعة الاختبار المعيارية متعددة المتحدثين الخاصة بـ NVIDIA، مقابل 16.83 لأفضل نظام متسلسل متخصص قارنت به الشركة — مُعرّف كلامي بالإضافة إلى خط معالجة منفصل لتحديد المتحدثين، مربوطين معًا بالطريقة التي لا تزال معظم أنظمة نسخ الاجتماعات الإنتاجية تُبنى بها. وتزعم NVIDIA أن هذا أول نموذج لغوي كبير كلامي يتفوق على ذلك الترتيب، وهو الادعاء الذي يستحق الاختبار، لأنه الادعاء الذي يزيل مكوّنًا من بنيتك المعمارية بدلًا من إضافة لغة إلى قائمة.

رقم اللغات الأربعين حقيقي، لكنه أضيق نطاقًا مما توحي به قراءته. إسناد المتحدث — وهو الجزء الذي يستبدل التتابع المتسلسل — مُدرَّب على ثلاث عشرة لغة، لا أربعين. ولا يقرأ النموذج سوى الملفات المسجلة، بمدة تصل إلى ساعة في المرة الواحدة، دون أي مسار معالجة تدفقية. وليس تنزيلًا صغيرًا: 34 مليار معامل إجمالًا، ونحو 4.3 مليار معامل نشط لكل رمز، مع H100 80GB كخط أساس معلن لخدمة BF16. هذه القيود الثلاثة تحدد ما إذا كانت نتيجة تمييز المتحدثين شيئًا يمكنك استخدامه هذا الربع أو شيئًا تدوّنه للربع القادم.

ما الذي أصدرته NVIDIA فعليًا

تُنشر نقطة التفتيش باسم NVIDIA-Nemotron-3.5-Transcribe-30B-A4B، والفرق بين هذا الاسم وعدد المعاملات المنشور هو أول ما يجب توضيحه. النموذج مبني على Nemotron 3.5 Lightning 30B-A3B، وهو نموذج لغوي هجين من نوع mixture-of-experts يجمع بين Mamba-2 وTransformer؛ وتذكر بطاقة نموذج NVIDIA إجمالي 34 مليار معامل، مع نحو 4.3 مليار معامل نشط بما في ذلك منظومة الصوت. والزيادة في عدد المعاملات على 30B المذكور في الاسم تعود إلى المشفرات: نحو 600 مليون معامل لمحول ASR ونحو 99 مليون معامل لمشفر المتحدث، أي نحو 800 مليون معامل معًا، ما يترك العمود الفقري اللغوي عند نحو 3.5 مليار معامل نشط. وقد أفادت عدة تقارير بأن هذا يمثل عدم اتساق؛ وهو ليس كذلك، بل هو اسم يحتسب LLM وبطاقة تحتسب النظام بأكمله.

من الناحية المعمارية، العنصر الجدير بالفهم هو المُشفِّر الخبير المتوازي. يُنتج نموذج Nemotron 3 Diarization المُجمَّد تمثيلات لنشاط المتحدثين، وتُحقن هذه التمثيلات في مخرجات مُشفِّر ASR، بحيث يرى النموذج اللغوي كلاً من الكلمات ومَن يُرجَّح أن يكون متحدثها في تمريرة واحدة. بعد ذلك، يقوم مهايئ CTC خفيف بمحاذاة النص المولَّد مع الصوت لإنتاج طوابع زمنية للكلمات منسوبة إلى المتحدثين. لا توجد مرحلة محاذاة ثانية ولا استدعاء pyannote في المنتصف. كما يعمل التنبؤ الأصلي متعدد الرموز بوصفه مسودة لفك التشفير التخميني داخل vLLM، وتوفّر NVIDIA أيضًا نموذج مسودة DFlash2 مدرَّبًا بشكل منفصل.

• إجمالي المعاملات والمعاملات النشطة — 34B إجمالًا، و~4.3B نشطة لكل توكن، منها ~3.5B تشكّل العمود الفقري اللغوي

• السياق والصوت — 65,536 رمزًا، وتسجيلات تصل مدتها إلى ساعة واحدة بتردد 16 كيلوهرتز أحادي القناة، تُفكُّ شفرتها في أجزاء داخلية مدة كل منها 30 ثانية

• تغطية اللغات — 40 لغة للنسخ، و32 للترجمة من الإنجليزية وإليها، و13 للنسخ مع إسناد المتحدث

• الترخيص — OpenMDW-1.1، يُسمح بالاستخدام التجاري وغير التجاري

• خط أساس الخدمة — بطاقة H100 80GB واحدة بدقة BF16؛ إصدارات BF16 وFP8 وNVFP4 منشورة.

• البث المتدفق — لا يوجد؛ هذا نموذج يستقبل ملفًا ويُخرج نصًا مكتوبًا

يتألف هذا الإصدار من منتجين اثنين، ويجدر الحفاظ على الفصل بينهما لأن معظم التغطية تخلط بينهما. إلى جانب النموذج، نشرت NVIDIA إصدار Granary v2، وهو إصدار لخط أنابيب بيانات كلام وليس نقطة تحقق: 463,062 ساعة عبر 48 لغة و16 مجموعة بيانات مصدرية، ارتفاعًا من 25 لغة في Granary v1، بُني باستخدام NeMo Curator وصدر مع بيان عام. يحمل كل سجل ثلاثة أشكال من النصوص المنقولة — نص حرفي مُطبّع نصيًا، ونص معكوس التطبيع مع اضطرابات الكلام، ونص معكوس التطبيع بدونها — إضافة إلى تسميات المهام، وأزواج أسئلة وأجوبة مستندة إلى الكلام، ومصطلحات تحييز سياقي، وعلامة جودة لكل سجل. إنها البيانات التي تتوقعها وصفات الضبط الدقيق، وليست أوزانًا يمكنك تشغيلها. لا يزال يتعين تنزيل الصوت المصدر بموجب ترخيص كل مجموعة بيانات على حدة، لذا فإن Granary v2 مفتوح بمعنى أن بيانه وخط أنابيبه مفتوحان، وليس بمعنى أن الصوت حر في إعادة التوزيع.

يُعدّ الترخيص مهمًّا بقدر أهمية الأوزان. يسمح OpenMDW-1.1 بالاستخدام التجاري، ما يضعه في الفئة نفسها التي تضم سلسلة Voxtral من Mistral، بدلًا من الطرف المخصّص للأبحاث فقط في طيف النماذج مفتوحة الأوزان. ودعم وقت التشغيل عند الإطلاق أوسع من معظم إصدارات نماذج اللغة الكبيرة الخاصة بالكلام: يُمثّل vLLM 0.32.0 المسار الأساسي، وهو الوحيد الذي يمنحك مجموعة الميزات الكاملة، حيث تتطلب الطوابع الزمنية للكلمات استخدام مشغّل V1 والبرمجية الوسيطة للطوابع الزمنية، ولا يدعم DFlash2. ويتولى SGLang-Omni 0.2.0 على SGLang 0.5.22 نسخ الملفات كاملةً عبر نقطة نهاية الصوت المتوافقة مع OpenAI، لكنه لا يدعم الطوابع الزمنية للكلمات، أو الإخراج المنسوب إلى المتحدثين، أو الترجمة، أو فك التشفير التخميني. ويوفّر NeMo Speech مجموعة أدوات الضبط الدقيق، ويدعم Transformers الاستخدام داخل العملية من تثبيت المصدر، ويغطي بناء GGML أجزاءً مختارة من Blackwell بما في ذلك RTX 5090 وRTX PRO 6000.

نتيجة فصل المتحدثين هي القصة

جدول NVIDIA متعدد المتحدثين هو حيث تكمن مقارنة التتالي، وهو مفصّل على نحو غير معتاد بالنسبة لمنشور إطلاق. يبلغ متوسط cpWER عبر المجموعة 15.80 مقابل 16.83 لـ DiCoW v3.3 المقترن بـ DiariZen. تُظهر الأرقام حسب كل حالة من أين يأتي الهامش ومن أين لا يأتي: يبلغ AMI في ظروف التحدث القريب 10.29، وAMI بميكروفون مسافة واحدة 17.34، وCALLHOME CH109 11.50، وMixer 6 القناة 4 14.80، وNOTSOFAR-1 التحدث القريب 14.94 والقناة الواحدة 25.91، مع AISHELL-4 عند 32.91 cpCER وAliMeeting عند 34.95. حالة الاجتماع عريض النطاق ومتعدد القنوات قوية؛ أما ميكروفون واحد بعيد المدى والصوت الصيني للاجتماعات فأضعف بكثير، وهو وصف عادل للمكان الذي تعاني فيه كل أنظمة تمييز المتحدثين.

التأكيد الذي يبدو مستقلًا والذي تستند إليه NVIDIA هو Diarization-Bench من VoiceArena، حيث يُبلِغ النموذج عن cpWER بنسبة 32.4% عبر الجلسات الكاملة الإنجليزية، في المركز الأول من أصل أربعة عشر نظامًا. صاحب المركز الثاني، Multitalker Parakeet المقترن بـ Nemotron 3 Diarization، عند 34.2%، أما بقية المتنافسين فتتراوح من 34.7% إلى 71.9%. تُبلِغ NVIDIA أيضًا عن حذف كلمات بنسبة 8.32% من الكلمات المرجعية مقابل وسيط في الميدان يبلغ نحو 31%. هذا الرقم الثاني هو الأكثر فائدة لأي شخص سبق أن أصدر نصًا مفرغًا: يمكن التلاعب بـ cpWER عبر إسقاط الكلمات التي لست متأكدًا منها، والنظام الذي يحتفظ بـ 92% من الكلمات المرجعية بينما يفوز بالمقياس يفعل الشيء الأصعب. كلا الرقمين أرقام يعلنها المورّد على اختبار معياري من طرف ثالث، وليسا تقييمًا مستقلًا للنموذج.

الحد هو عدد اللغات. يتم تدريب إسناد المتحدثين على ثلاث عشرة لغة — الإنجليزية والفرنسية والألمانية والهندية والإيطالية والكورية والبرتغالية والروسية والإسبانية واليابانية والتايلاندية والعربية والصينية — ويدعم ما يصل إلى ثمانية متحدثين. إذا كانت تسجيلاتك اجتماعات بالإنجليزية أو بإحدى تلك اللغات الاثنتي عشرة الأخرى، فإن حجة استبدال التتابع صالحة. أما إذا كان صوتك بالبولندية أو التركية أو الفيتنامية، فستحصل على نسخ دون تمييز المتحدثين، وستظل بحاجة إلى المكوّن الثاني.

أين يتصنّف فعليًا: ثلاث لوحات تصنيف، وثلاث إجابات مختلفة

يعتمد الرقم الوارد بالإنجليزية على أي صفحة من صفحات NVIDIA تقرأها، ويجدر بنا أن نكون دقيقين في ذلك بدلًا من اختيار الرقم الأفضل. متوسط معدل خطأ الكلمات على مجموعات الاختبار التسع في بطاقة النموذج هو 4.71%، ويأتي Qwen3-ASR-1.7B في المرتبة التالية بنسبة 4.94%. وتذكر تدوينة NVIDIA على Hugging Face الصادرة في اليوم نفسه نسبة 5.33% كمتوسط معدل خطأ الكلمات على لوحة Open ASR Leaderboard الخاصة بـ Hugging Face، عند RTFx قدره 462.09، مع تسجيل Qwen3-ASR-1.7B نسبة 5.4%. والرقمان كلاهما من أرقام البائع نفسه، ونُشرا في غضون ساعات من بعضهما البعض، والفرق بينهما هو مجموعات الاختبار المشمولة في المتوسط. لا تأخذ متوسطهما، ولا تطرح أحدهما من الآخر، ولا تعامل الرقم العشري على أنه أمر محسوم. وما يظل قائمًا في كلا التأطيرين هو الموضع: الأول بين النماذج المفتوحة الأوزان على تلك اللوحة.

بقية المجموعة التي أبلغ عنها المورّد متسقة في الشكل. متوسط معدل خطأ الكلمات (WER) متعدد اللغات هو 4.62% عبر سبع لغات، مقابل 6.49% لـ Qwen3-ASR-1.7B. متوسط النصوص الطويلة هو 10.98% مقابل 13.37% لـ Parakeet-TDT-0.6B-v3. يسجّل تحكم الأسلوب 7.56% افتراضيًا و6.16% عند إعطاء التعليمات، مقابل Canary-Qwen عند 8.16% و8.36%. ينقل التلقين السياقي ContextASR-Bench من 3.33% دون سياق إلى 1.71% مع سياق مفصّل، وينقل نسخ مكالمات الأرباح من 12.54% إلى 9.58% مع توفير سياق محلي.

تسرد المراجعة المستقلة رواية أقل إطراءً، وهي الرواية التي ينبغي قراءتها إذا كنت تختار بين النماذج هذا الأسبوع. على مؤشر معدل خطأ الكلمات غير المتدفق لدى Artificial Analysis، الذي جرى التحقق منه في 29 أكتوبر، يسجل Nemotron 3.5 Transcribe نسبة 2.8%. ويسجل Voxtral Small Transcribe 3 نسبة 2.1% وMAI-Transcribe-2 نسبة 2.0% في العرض نفسه، بينما يقف Gemini 3.5 Transcribe عند 2.6%. وصياغة NVIDIA «متعادل في المركز الأول بين النماذج مفتوحة الأوزان» قابلة للدفاع عنها إزاء النموذج المحدد الذي تسميه — Voxtral Small، الذي يُظهره المؤشر نفسه أيضًا عند 2.8%، والذي تصفه NVIDIA بأنه نموذج 24B مقابل نحو 4B من المعاملات النشطة لهذا النموذج — لكن لوحة الصدارة تجاوزت تلك المقارنة الثنائية قبل إصدار هذا النموذج. أما النموذج الشقيق الأحدث من Mistral، Voxtral Small Transcribe 3، فمعدل خطأه أقل بنحو الربع في العرض نفسه. وهذا لا يجعل نتيجة فصل المتحدثين خاطئة، لأن Voxtral لا يقوم بإسناد المتحدثين في تمريرة واحدة. لكنه يعني أن الجملة الصحيحة هي «أفضل نموذج مفتوح الأوزان في التعرف على الكلام بإسناد المتحدثين» وليس «أفضل ناسخ مفتوح الأوزان».

الذيل الخاص بكل لغة هو حيث تتعطل عمليات النشر.

التغطية والتكافؤ ادعاءان مختلفان، وتنشر بطاقة نموذج NVIDIA تفاصيل كافية لكل لغة لرؤية المسافة بينهما. تضم مصفوفة اللغات 41 صفًا؛ وتظهر النرويجية فيها دون علامات صح للمهام، ما يترك 40 لغة موسومة فعليًا للتعرف الآلي على الكلام (ASR). وعبر FLEURS، تتراوح معدلات الخطأ بين 1.41% و63.76% — و63.76 هي النرويجية. تبلغ الإيطالية 1.41، والإسبانية 2.20، والألمانية 2.73، والفرنسية 3.16، والإنجليزية 3.35، والعربية 6.35، والهندية 7.47؛ وتسجل اليابانية 4.42 CER، والكورية 2.78 CER، والصينية 8.62 CER. وفي المتوسطات الخاصة بكل لغة على لوحة الصدارة متعددة اللغات، تسجل الهندية 9.15 OIWER مقابل 5.96 للهولندية و2.81 للألمانية.

التبديل اللغوي، الذي تدّعي البطاقة توفّره لجميع اللغات الأربعين، غير متساوٍ بالمثل: يبلغ ASCEND Mandarin-English 18.74% خطأ مختلطًا، وMUCS Hindi-English 19.28%، وMUCS Bengali-English 35.46%، مع Monsoon Hindi عند 9.40% على مقياس OIWER. وتمتد جودة الترجمة عبر نطاق واسع أيضًا — إذ يتراوح BLEU من FLEURS إلى الإنجليزية بين 6.40 و44.33، ومن الإنجليزية إلى FLEURS بين 8.70 و42.65، ومن CoVoST2 إلى الإنجليزية بين 6.95 و54.46. أما المتانة على مجموعة HALAS فهي 31.50% WER، وهو الرقم الذي ينبغي أن يحدّ من أي خطة مبنية على تسجيلات ميدانية بلكنة أو ضجيج.

القراءة العملية هي أن «40 لغة» ادعاء تغطية يمكنك التخطيط للسعة على أساسه، وليس ادعاء جودة يمكنك التخطيط للمنتج على أساسه. اختبر اللغة المحددة وظروف التسجيل المحددة التي تهمك على بضع مئات من مقاطعك الخاصة قبل الالتزام. دراسة حالة الضبط الدقيق الواردة في بطاقة النموذج نفسها هي القالب: على معيار للكلام الطبي الهندي، كان الخطأ الجاهز 30.8%، وجعله طلب تسمية الإنجليزية والنص اللاتيني يصل إلى 23.8%، وأدى التكيّف على نحو 245 ساعة من البيانات إلى 11.8% — أي أقل بنحو 62% من الأخطاء، وذلك خلال 14 ساعة GPU من GB300 واحدة. وانتقل المتحدثون المحتجزون من 22.44% إلى 12.17%، أي انخفاض نسبي 45.8%، بينما تراجعت LibriSpeech test-clean من 1.54% إلى 1.69%، وهي العلامة المعتادة على تكيّف ضيق.

ما تكلفة التشغيل، وأين يندرج التوجيه

لم تنشر NVIDIA سعرًا لهذا النموذج. لا يوجد سعر لكل دقيقة على صفحة البحث أو بطاقة النموذج، والأوزان مجانية بموجب OpenMDW-1.1، والوصول المستضاف عند الإطلاق يتم عبر نقطة نهاية NIM الخاصة بـ NVIDIA بالإضافة إلى عدة منصات طرف ثالث تحدد أسعارها بنفسها. لذا فإن سؤال التكلفة هو سؤال يتعلق بوحدة معالجة الرسومات (GPU)، وأرقامه مكتملة على نحو غير معتاد.

على خادم RTX PRO 6000 Blackwell Server Edition واحد، تعالج نسخة NVFP4 المبنية مع مسودة DFlash2 ما يصل إلى 2,238 ثانية من الصوت في الثانية الواحدة — إذ تُنجز تسجيلًا مدته 30 ثانية في 0.13 ثانية — مما يجعل معالجة 100 ساعة من الصوت تتم في أقل من ثلاث دقائق. هذا هو مسار NIM المحسّن، وتذكر NVIDIA أن تكامل vLLM المفتوح أبطأ بنحو الضعف. على H100 مع BF16، تكون أرقام RTFx لهذه البطاقة 410 مع تخمين برمزين، و270 مع ثمانية، و340 مع DFlash2 عند K=7 و260 عند K=15. وعند أعلى هذا النطاق، تغطي ساعة واحدة من H100 نحو 410 ساعات من الصوت، لذا فإن ألف ساعة من النسخ تعادل نحو ساعتين ونصف من حوسبة GPU. ويعتمد ما إذا كان ذلك يتفوق على سعر الاستضافة لكل دقيقة كليًا على مدى الحفاظ على البطاقة مشبعة: عند بضع مئات من الساعات شهريًا، تكون بطاقة GPU خاملة بسعة 80GB هي الخيار الأكثر تكلفة، ولا تنقلب المعادلة الحسابية إلا عندما يظل طابور الانتظار ممتلئًا.

التكيّف رخيص بمعايير هذه الفئة. تذكر NVIDIA أن التكيّف يستغرق من 0.5 إلى 2.3 ساعة GPU لكل مهمة على وحدة GPU واحدة للغات أو المجالات أو أنماط الإخراج الجديدة، بتقييم عبر 17 مهمة، مع تطبيق LoRA على نموذج اللغة والتدريب على المُرمِّز والإسقاط. وهذا رقم صغير بما يكفي بحيث ينبغي التعامل مع تكييف المجال كجزء من النشر بدلاً من مشروع بحثي — الحالة الطبية أعلاه تستغرق 14 ساعة GPU من البداية إلى النهاية.

ملاحظة معمارية واحدة تهمّ بالنسبة لما سيأتي: هذا النموذج يُخرج نصًا، والتلخيص واستخراج الكيانات ووسم الامتثال التي تعقب النص المنسوخ هي أعمال عادية من مهام نماذج اللغة الكبيرة. وتلك المرحلة اللاحقة هي الجزء الذي يغطيه OrcaRouter — واجهة API واحدة لأكثر من 200 نموذج بهامش ربح نسبته 0% فوق سعر القائمة لدى المزوّد، وتحويل تلقائي إلى بديل عند تدهور أداء أحد المزوّدين في منتصف خط المعالجة، ولغة DSL للتوجيه تتيح إرسال النصوص المنسوخة الطويلة والمقتطفات القصيرة إلى نماذج مختلفة دون تكامل ثانٍ في كل مرة. نحن لا نستضيف Nemotron 3.5 Transcribe؛ فهو نموذج كلام تشغّله على عتادك الخاص أو عبر نقطة نهاية NVIDIA. وتبدأ طبقة التوجيه حيث ينتهي النص المنسوخ.

يتشارك نموذجان الاسم نفسه، وواحد فقط هو هذا.

جزء كبير مما كُتب عن هذا الإصدار خلال اليوم الماضي يتعلق بنقطة حفظ مختلفة. تنشر NVIDIA أيضًا nemotron-3.5-asr-streaming-0.6b، وهي نقطة حفظ صغيرة للتعرف الآلي على الكلام بالبث مبنية لبيئات التشغيل على الجهاز والموجهة نحو المعالج، حيث تكون بنياتها المكمّمة صغيرة بما يكفي لتُضمّن داخل تطبيق. وهي ليست هذا النموذج، ولا تقوم بإسناد المتحدثين، وأرقام سرعتها ودقتها لا تنطبق عليه. نموذج اللغة الكلامية 30B-A4B هو المُعلن في 28 أكتوبر؛ ونموذج البث 0.6B هو الذي يعمل على حاسوب محمول. إذا كانت المقارنة التي تقرأها تذكر زمن استجابة أقل من ثانية أو تنزيلًا بحجم غيغابايت واحد إلى جانب الادعاء بدعم 40 لغة، فقد دمجت النموذجين.

من يجب أن يتصرف الآن، ومن يجب أن ينتظر

تحرّك الآن إذا كنت تدير اجتماعات أو مكالمات أو مقابلات مسجّلة بالإنجليزية أو بإحدى اللغات الاثنتي عشرة الأخرى لتمييز المتحدثين، في ملفات تقل مدتها عن ساعة، وكانت لديك بالفعل قدرة GPU من فئة 80GB أو نقطة نهاية مستضافة مستعد لدفع مقابلها. تكون الحجة أقوى حين تدير حالياً سلسلة من نموذجين: نقطة تحقق واحدة، وتمريرة واحدة، مع تسميات المتحدثين والطوابع الزمنية للكلمات، ضمن ترخيص يسمح بالاستخدام التجاري. قيّمه مقابل صوتك الخاص قبل أن تستغني عن pyannote — فأرقام الصوت البعيد والصوت ذي اللكنات أعلاه هي الأرجح أن تكون مخيبة للآمال.

انتظر إذا كنت بحاجة إلى البث المباشر، لأنه لا يوجد مسار للبث؛ وإذا كانت لغاتك تقع في الطرف الأخير من نطاق FLEURS ذلك؛ وإذا كانت التسجيلات تتجاوز ساعة؛ أو إذا لم تكن لديك وحدة GPU ولا رغبة في دفع فاتورة خدمة مستضافة تُحسب بالدقيقة. انتظر أيضًا إذا كانت منظومتك تعتمد بالفعل على أداة نسخ أحدث تسجّل خطأً أقل على Artificial Analysis ولا تحتاج إلى تمييز المتحدثين — فإسناد المتحدثين بتمرير واحد هو سبب الانتقال، وهو السبب الوحيد.

الأسئلة المفتوحة الجديرة بالمراقبة ضيقة وقابلة للتحقق. لا يزال التقييم المستقل بالدقة الكاملة محدودًا؛ إذ تصف التقارير المبكرة من الأشخاص الذين يشغّلون تكميمات 4-بت المجتمعية التباطؤ المعتاد وفقدان الدقة، وهو ما يقول أكثر عن التكميم مما يقول عن النموذج. ويحتاج SGLang-Omni إلى بلوغ تكافؤ الميزات قبل أن يصبح المسار غير vLLM بديلًا حقيقيًا. وثلاث عشرة لغة لتمييز المتحدثين هي الرقم الأكثر ترجيحًا للتغيّر أولًا، لأن الادعاء المعماري يتركّز هناك.