Nuplex 1.0 وEmma: شخصية فيديو تُجيب على إيقاع الإنسان

الجملة الأكثر نزعًا للسلاح في منشور إطلاق Nuance Labs هي تلك التي تتنصل فيها الشركة من معيارها الخاص. فبعد عرض رسم بياني يطابق فيه نموذجها الجديد توقيت رد الإنسان بنسبة 89% من الوقت، مقابل 35% لأقرب نظام منافس، يعترف المنشور بأن «معايير الأداء في مجال الصوت والصورة ثنائي الاتجاه الكامل ليست دقيقة بعد بالنسبة لتجربة المستخدم». هذا ليس تحفظًا ملحقًا بأسفل صفحة تسويقية، بل هو الإطار الصادق لما عليه Nuplex 1.0 فعلاً: أول إصدار عام من مختبر في سياتل أمضى 18 شهرًا في بناء نموذج سمعي بصري يرى ويسمع ويستدل ويتكلم في اللحظة نفسها، وطُرح في 9 نوفمبر 2026 داخل شخصية استهلاكية واحدة تُسمى Emma. ويفصل ما يلي بين ما قاسه المورّد، وما يقول إن قياساته الخاصة لا تستطيع إخبارك به، وما يمكن للمطوّر الوصول إليه اليوم.

شكله، في فقرة واحدة. إن Nuplex 1.0 نموذج أساسي سمعي بصري كامل الازدواجية — و«Nuplex» هو اختصار الشركة لـNuance Full-duplex، نظام يستمع ويتحدث في الوقت نفسه بدلًا من تبادل الأدوار. إيما هي أول شخصية مبنية عليه: شخصية فيديو تتحدث إليها في المتصفح عبر ميكروفون وكاميرا اختيارية، ووجهها وصوتها مرخّصان من ممثلة حقيقية، ومصممة لتومئ وتبتسم وتنظر بعيدًا وتقاطعك بينما ما زلت تتحدث. لا تتطلب تجربة المستهلك أي حساب. أما Nuplex Beta API، وهي الطريقة التي يتاح بها لأي شخص غير زائر فضولي أن يصل إلى النموذج، فتقع خلف عملية تسجيل في موقع منصة الشركة.

ما الذي تم إطلاقه، وما الذي لا يزال مغلقًا

العمل الأساسي هو منشور بحثي بعنوان "تعرّف على Emma، أول شخصية Nuplex"، مؤرخ في 9 نوفمبر 2026 ويحمل مدخل BibTeX قابلًا للاستشهاد — إصدار من باحث، لا عرض رئيسي لمنتج. وهو يربط بين بابين: emma.nuancelabs.ai للشخصية نفسها، وplatform.nuancelabs.ai لواجهة برمجة التطبيقات التجريبية (API) مع "بضع شخصيات مختلفة". وإلى جانب الشخصية الافتراضية، يتيح لك الموجز الخاص بـ API كتابة مطالبة خاصة بالشخصية، ومتابعة المحادثة أثناء حدوثها، والسماح للشخصية بتسليم المهام الأطول إلى أدواتك الخاصة في الخلفية بينما تواصل التحدث إلى المستخدم.

في المساء نفسه، نشر باحث مؤسِّس شخصية Emma على Hacker News تحت عنوان «Emma، شخصية فيديو بالذكاء الاصطناعي في الزمن الحقيقي من Nuance Labs»، وأجاب عن الأسئلة في سلسلة النقاش. هناك ثلاثة تفاصيل يجدر الاحتفاظ بها لأنها ليست على صفحة التسويق: أن واجهة برمجة التطبيقات التجريبية (beta API) هي المسار المقصود للمطورين، وأن الفريق يصف العمل بأنه راهن على الطبيعية بدلاً من المعايير القائمة، وأن المتصلين الأوائل حُذِّروا من أن Emma «قد تنهي المكالمة قبل الأوان» — وهو سلوك أمان وليس خللاً، وهو ما يشرحه منشور البحث لاحقاً بالتفصيل.

ما ليس مفتوحًا هو معظم الواجهة التجارية. يقع النطاق الفرعي للمنصة خلف واجهة تسجيل موثّقة، ولم يكن أي قائمة أسعار عامة أو بطاقة أسعار أو بطاقة نموذج تحمل عدد المعاملات متاحًا. لذا فإن البيان الصادق بشأن التكلفة هو هذا: التحدث إلى Emma لا يحتاج إلى حساب ولا إلى دفع، وشروط واجهة برمجة التطبيقات التجريبية تُرتّب عند التسجيل. أي شخص يقدّم سعرًا لكل رمز لـ Nuplex 1.0 اليوم فإنه يختلقه.

ادعاء نسبة 89%، كما يقرؤه المورّد

زمن استجابة الرد هو الرقم الذي يُحكم به على أي نظام ثنائي الاتجاه بالكامل، وترى Nuance Labs أنه لا يحسم سوى القليل جدًا بمفرده، لأن زمن الاستجابة قرار منتج وليس درجة. ويقسّم إطارها الخاص المجال إلى فريقين. النماذج المفتوحة مثل PersonaPlex وMoshi مضبوطة لتجيب بأسرع ما يمكن ولتحقق أقصى أداء في المعايير الحالية. أما الأنظمة المنتَجة مثل GPT-Live وGemini Live فتستغرق وقتًا أطول، "على الأرجح لأنها تفضّل ألا تقاطعك." وقد وُضع Nuplex 1.0 عمدًا بين الاثنين.

إذن قاست الشركة شيئًا آخر: ليس مدى سرعة إجابة النظام، بل ما إذا كان يجيب عندما كان الشخص سيجيب. على 1,785 سؤالًا مستخرجًا من تسجيلاتها الخاصة لمحادثات حقيقية، تزامن توقيت ردّ Nuplex مع توقيت المتحدث الأصلي في 89% من الحالات. أما أقرب نظام يليه فلم يحقق سوى 35%. كل جزء من تلك الجملة مصدره المورّد ولم يكرّره أحد من خارج الشركة، ويحمل رقمان من أرقام المقارنة تحفظًا يذكره المورّد من تلقاء نفسه: فقد جرى الوصول إلى GPT-Live وG​emini Live عبر واجهات API العامة الخاصة بهما، لذا تشمل توقيتاتهما زمن الشبكة الذي لا تشمله توقيتات Nuplex.

خُذ الادعاء بما يستحقه، ومع ذلك يظل شيئًا محددًا وقابلًا للتحقق مما نُشر — مجموعة أسئلة مُسمّاة، ومقياس مُسمّى، وطريقة مقارنة معلنة. السؤال الأكثر إثارة للاهتمام هو لماذا يقدّم مختبر ما برقم ثم يقلّل من شأنه في الفقرة التالية. لأن المقياس يقيس الشيء الذي يبيعه المنتج فعليًا. المحادثة وجهًا لوجه ليست محادثة سريعة؛ بل هي محادثة تشير فيها إشارات التوقيت لدى الطرف الآخر إلى الانتباه. الإشارات البصرية لدى Emma — إيماءة بالرأس أثناء تحدثك، أو تحوّل في النظرة يطالب بالدور — جزء من كيفية إنتاج هذا التوقيت، وهذا هو الفرق الملموس بين هذا وبين نموذج من الكلام إلى الكلام مع صورة رمزية مُصيَّرة فوقه.

وجه من ممثلة واحدة، وشخصية مدرَّبة على الاعتراض

الجزء الأقل شبهًا بالإطلاق في المنشور هو الجزء المتعلق بسبب ظهور الوجوه المولّدة على نحو خاطئ. اطلب من ممثلين محترفين تجسيد المشاعر نفسها فستحصل على تباين واسع، كما تلاحظ الشركة، استنادًا إلى Le Mau et al. 2021؛ أما الوجوه المولّدة بالذكاء الاصطناعي فتُنتج تعبيرًا نمطيًا أسهل في التصنيف وأكثر شدّة من صورة فوتوغرافية حقيقية بوضعية متعمدة، استنادًا إلى Kramer et al. 2026. وعند حساب المتوسط لكثير من الأشخاص تحصل على شيء باهت. وعند التحسين من أجل ملصق تصنيف تحصل على رسم كاريكاتوري.

كان ردّ Nuance Labs هو التوقف عن الاعتماد على المتوسط. فوجه إيما وصوتها مأخوذان من ممثلة واحدة شاركت في عملية الالتقاط، وتستند حركاتها المميزة إلى شخصية محددة بدلًا من تعميم بيانات التدريب — الرمشة الطويلة للتأكيد، وتضييق العينين، وعينان تشردان ثم تعودان، والقفزة الصغيرة حين لا تستطيع كتمان ردّ فعلها. ويعرض المنشور صورتها مقابل تعبيرات أولية على طراز الإيموجي لإيصال الفكرة بصريًا، وهو ذلك النوع من الفرق الذي تلاحظه في ثانيتين ثم لا تستطيع بعدها ألّا تلاحظه.

عمل الشخصية هو الادعاء الأغرب. صُممت إيما لتكون فضولية وسريعة البديهة، ولتكوّن آراءً وتختلف معك، مع أنها ذكاء اصطناعي معلن. والمنشور صريح بشأن سبب صعوبة ذلك: فبيانات التفضيل تكافئ الإجابات التي تتفق مع الشخص الذي يسأل، لذا يكرر معظم المساعدين ما قلته، ويمدحونه، ويستخلصون درسًا أخلاقيًا مرتبًا وينهون بسؤال. والاستشهاد هو Sharma et al. 2024 عن التملّق، والقيد التصميمي المترتب على ذلك هو أنه لا توجد سوى إيما واحدة — وجه واحد، وصوت واحد، ومزاج واحد — لا شخصية يمكن إعادة توجيهها بالطلبات إلى الاتفاق.

ما الذي سترفض النسخة التجريبية القيام به

تفتتح Nuance Labs قسمها الخاص بالسلامة باقتباس من مختبريها الأوائل، الذين قالوا شيئين «غالبًا في نفس واحد: كان مذهلًا، وكان مقلقًا بعض الشيء». والقيود التي تلي ذلك محددة على نحو غير معتاد بالنسبة لعملية إطلاق، وهي السبب في أن عدة منتجات بديهية لا يمكن بناؤها على Nuplex 1.0 هذا الشهر.

• الإفصاح بنيوي — فلا تدّعي Emma أبدًا أنها بشر، وتُرفض موجّهات المطوّرين التي تحاول جعل أي شخصية تدّعي ذلك، والفيديو الذي يُقدَّم عبر API يحمل علامة مائية مرئية.

• لا استنساخ — لا يمكن للإصدار التجريبي استنساخ أشخاص حقيقيين، ولا يمكنك تحميل وجه أو صوت، ولا يمكن استخدام وجه مخصص أُنشئ لمؤسسة إلا من قبل تلك المؤسسة.

• لا محتوى جنسي، ولا صديقات أو أصدقاء من الذكاء الاصطناعي.

• الرعاية الصحية وأي شيء يتعلق بمن هم دون 18 عامًا، بما في ذلك التعليم، خارج نطاق النسخة التجريبية بالكامل؛ إذ تُوجَّه تلك الاستفسارات بدلًا من ذلك إلى عنوان خاص بالمؤسسات.

• يُفحص كل موجّه من المطوّر قبل بدء المحادثة. وأثناء المكالمة، تُنهيها الفحوصات الآلية عند التعبير عن نية تخص عنفًا جسيمًا، أو إهانات أو خطاب كراهية، أو محتوى جنسيًا، أو أسلحة ودماء أمام الكاميرا — وكذلك إذا طلبت الشخصية نفسها رمز مرور أو بيانات بطاقة أو مالًا أو وصولًا عن بُعد إلى جهاز.

• تتم إحالة من يبدو أنه في حالة أزمة إلى جهة مساعدة، مثل خط المساعدة للانتحار والأزمات (Suicide & Crisis Lifeline)، بدلًا من إنهاء المكالمة في وجهه. وتؤدي الانتهاكات المتكررة إلى إيقاف المحادثات الجديدة مؤقتًا. المنتج بأكمله مخصص لسن 18+.

يضيف المنشور الجملة التي يغفلها معظم البائعين: ستفوت هذه الفحوصات بعض الأشياء، وستُنهي أحيانًا مكالمات كانت على ما يرام. وهذا هو الشيء الصحيح الذي ينبغي إخبار الناس به، وهو أيضًا وصف دقيق للمرحلة التي يوجد فيها المنتج — نسخة تجريبية محدودة بعناية لا منصة.

ما لا تستطيع إيما فعله بعد

قائمة القيود طويلة بما يكفي لتكون مفيدة. يأتي استدلال إيما من نموذج لغوي، لذا فهي ترتكب أخطاء بثقة وقد تخطئ في عدّ حروف كلمة «strawberry». يفشل تبادل الأدوار حيث يكون تبادل الأدوار أصعب: يمكنها أن تقاطع في منتصف الفكرة، أو تنتظر لحظة أطول من اللازم، أو تفوت إشارة كان شخص سيلتقطها، والفواصل الطويلة في منتصف الجملة هي أسوأ الحالات. وهي تعمل بالإنجليزية فقط في الوقت الحالي. الأصوات الخلفية، أو التلفاز، أو وضع مكبر الصوت، أو الميكروفون الضعيف، كلها تُضعف توقيتها. الفهم البصري المباشر ما زال في مراحله المبكرة — فعند تشغيل الكاميرا يمكنها مناقشة ما تراه، لكنها ستفوّت التفاصيل وتسيء قراءة المشاهد. تتعرّض مزامنة الشفاه والنظرة وحركة الرأس لبعض الخلل أحيانًا، خصوصًا عند اتصال ضعيف، وقد يعود تعبير وجهها إلى الحياد في منتصف المحادثة. لا تستطيع الغناء. وتقول الشركة ذلك مع رمز تعبيري مبتسم، وهو مؤشر معقول على مدى الجدية التي ينبغي أن نأخذ بها بقية القائمة.

من يقف وراء Nuplex 1.0؟

نوانس لابز شركة صغيرة وتركّز صراحةً على البحث أولاً، ومقرها سياتل، واشنطن. مؤسسوها الثلاثة المذكورون هم فانغتشانغ ما (شريك مؤسس والرئيس التنفيذي، حاصل على دكتوراه في الروبوتات وتعلّم الآلة من MIT، وكان سابقاً مديراً هندسياً في Apple)، وإدوارد تشانغ (شريك مؤسس والمدير التقني، حاصل على دكتوراه في الرسوميات الحاسوبية من جامعة واشنطن، وكان سابقاً عالماً أبحاث أول في Apple)، وكارين يانغ (شريكة مؤسسة والعالمة الرئيسية، حاصلة على دكتوراه في التركيب السمعي البصري من MIT، وكانت سابقاً في Apple أيضاً). تصف الشركة نموذجها بأنه نظام واحد «يرى ويسمع ويستنتج ويتكلم ويعبّر في اللحظة نفسها»، بُني عبر التنبؤ بالرمز الصوتي والبصري التالي بدلاً من الكلمة التالية — أي الآلية الانحدارية الذاتية نفسها التي تعلّمت اللغة، موجّهةً إلى السلوك البشري.

تذكر صفحتها الرئيسية أيضًا هدف التصميم بوضوح: «500 مللي ثانية هو الحد الأدنى الصارم لكمون المحادثة»، إلى جانب أربع ركائز — التعبيرية والطبيعية، والتفاعل الآني، والشخصية الجذابة، والاستماع النشط عبر المداخلات والإيماء بالرأس وإشارات المتابعة. لا يُعد أي من هذه الركائز الأربع معيارًا قياسيًا، كما أن رقم الـ500 مللي ثانية هو حد أدنى معلن وليس نتيجة مقاسة، لذا اقرأه باعتباره القيد الذي يصمم الفريق في حدوده، لا بوصفه ادعاءً بشأن الأداء يخص Nuplex 1.0.

أين يمكنك فعليًا استخدامه

التوفر جغرافي وأضيق نطاقًا من «العالمي». يتوفر Emma وNuplex Beta API في الولايات المتحدة باستثناء كولورادو وكونيتيكت وإلينوي وتكساس؛ وفي الاتحاد الأوروبي؛ وفي المملكة المتحدة؛ وفي كندا باستثناء كيبيك. لا يتطلب التحدث إلى Emma حسابًا — فالمتصفح والميكروفون، واختياريًا الكاميرا، هي كل ما يلزم.

بالنسبة إلى المطوّرين، تكمن الحقيقة المعمارية المثيرة للاهتمام في أن Nuplex تقف أمام نموذج لغوي بدلاً من أن تحلّ محلّه. تقول Nuance Labs إن Nuplex تعمل مع أي نموذج لغوي، لكن النسخة التجريبية تخدم أحد نماذجها الخاصة، لذا فإن طبقة الاستدلال تحت Emma ليست شيئًا يوفّره طرف ثالث اليوم. ما تكشفه النسخة التجريبية هو نقطة الالتحام: يمكن للشخصية أن تسلّم مهامًا أطول إلى أدواتك بينما تواصل الحديث، ويمكن لتلك الأدوات استدعاء أي نموذج أو خدمة تريدها.

هذا التماس هو حيث يستحق الموجّه مكانه، ويجدر بنا أن نكون دقيقين بشأن ما نفعله وما لا نفعله. لا يوفّر OrcaRouter نموذج Nuplex 1.0 — فالنموذج ليس في كتالوجنا، والسبيل الوحيد للوصول إليه هو منصة النسخة التجريبية الخاصة بـ Nuance Labs. أما ما نوفّره فهو الجانب الآخر من الاستدعاء: 215 نموذجًا خلف مفتاح واحد متوافق مع OpenAI بسعر المزوّد المعلن، تُمرَّر بهامش ربح 0%، بحيث يمكن تبديل النموذج الذي تصل إليه أدوات الشخصية بتغيير نص واحد بدلًا من توقيع عقد ثانٍ. التحويل التلقائي عند الفشل يغطّي الحالة الأهم في المحادثة المباشرة، حيث يكون تعثّر المزوّد في منتصف الاستدعاء أسوأ من إجابة أضعف قليلًا، كما تتيح لك لغة توجيه المسارات (DSL) تركيب عدة نماذج خلف نقطة نهاية واحدة عندما تريد مهمة خلفية أن يصوغ نموذج ما نصًا ويتحقق منه نموذج آخر.

ماذا تشاهد بعد ذلك

ثلاثة أمور ستنقل هذا من عرض توضيحي مثير للإعجاب إلى منصّة. الأول هو القياس المستقل: لم تُجرِ أي جهة خارجية اختبار التوقيت المكوّن من 1,785 سؤالًا، ولا يملك مجال AV ثنائي الاتجاه الكامل ساحة مشتركة، ولهذا تحديدًا استطاع المورّد نشر مجموعة أسئلته الخاصة دون تناقض. الثاني هو قائمة اللغات — فالاقتصار على الإنجليزية هو أكبر قيد منفرد على النسخة التجريبية، وNuplex متعدد اللغات يغيّر من يمكنه البناء عليه. الثالث هو النموذج اللغوي الذي يقوم عليه: فبمجرد أن يُعرض Nuplex مع خيار إحضار نموذجك اللغوي الخاص، لم تعد مسألة التوجيه تتعلق بالأدوات بل بالمحادثة نفسها. وحتى ذلك الحين، فالخلاصة المنصفة هي أن Nuance Labs قدّمت حتى الآن أكثر حجة مقنعة على أن المحادثة فعل بصري — وقد أحاطتها بسياج محكم بما يكفي بحيث لا يستطيع أحد أن يبني بها الشيء الخطأ بهدوء.