بنيت تطبيق ترجمة يعمل بالكامل على هاتفك. بلا سحابة. بلا استدعاءات API. بلا بيانات تغادر الجهاز. 108 لغات. ترجمة صوتية وبالكاميرا وللشاشة، ومحادثات جماعية دون إنترنت عبر البلوتوث.
بدأ الأمر لأنني لم أجد ما أحتاجه، ثم تحوّل إلى شيء أكبر مما توقعت.
المشكلة
أعيش في هونغ كونغ. حياتي اليومية تشمل الكانتونية والماندرين والإنجليزية، وأحياناً اليابانية. عائلة شريكتي تتحدث الكانتونية. عملي بالإنجليزية. نماذج الحكومة بالصينية التقليدية. قوائم المطاعم في الحي كثيراً ما تكون بالصينية المبسطة أو اليابانية.
جربت كل مترجم في السوق:
Google Translate يؤدي غرضه على الإنترنت، لكن جودته تتراجع كثيراً في وضع عدم الاتصال. فضلاً عن ذلك يدمج الكانتونية ضمن "الصينية"، وهو أمر يعرف كل متحدث للكانتونية أنه مثل إدراج البرتغالية ضمن "الإسبانية". يتشاركان الحروف لكن لا النطق ولا القواعد ولا المفردات.
Pocketalk يكلف 323 دولاراً ويحتاج إنترنتاً لكل ترجمة. لا أستطيع استخدامه في مترو هونغ كونغ (MTR) حيث لا إشارة في نصف المحطات.
Apple Translate تصميمه رائع ومعالجته على الجهاز جيدة، لكنه يدعم نحو 20 لغة فقط. لا كانتونية. في مدينة يتحدث 95% من سكانها الكانتونية. هذا يقول لك كل شيء عن أولويات شركات التقنية الكبرى في اللغات.
iTranslate يضع الميزات الأساسية خلف جدار دفع بـ50 دولاراً سنوياً. DeepL لا يدعم حتى الصوت أو الكاميرا.
لم يستطع أيٌّ منها التعامل مع عشاء مع عائلة شريكتي حين يتنقل الناس بين الكانتونية والماندرين والإنجليزية في منتصف الحديث. لم يستطع أيٌّ منها ترجمة الرسائل الصوتية الكانتونية التي أتلقاها على واتساب. لم يعمل أيٌّ منها بشكل موثوق في المناطق ذات الاتصال الضعيف.
فبدأت أبني.
النسخة الأولى كانت سيئة
كان النموذج الأولي تطبيق Flutter بنموذج ASR واحد (Whisper يعمل على الجهاز عبر sherpa-onnx) وترجمة NMT أساسية. كان يدعم ربما 15 لغة. التعرف على الصوت كان بطيئاً. الترجمات كانت متواضعة. الواجهة كانت قبيحة.
لكنه عمل دون إنترنت. وهذه الحقيقة الواحدة، أنني استطعت ترجمة جملة كانتونية إلى إنجليزية على متن طائرة بلا واي فاي، هي ما أبقاني أكمل.
متاهة البنية التقنية
حين تلتزم بالذكاء الاصطناعي على الجهاز، تغوص في متاهة عميقة.
ASR (التعرف على الكلام): نموذج واحد لا يناسب كل اللغات. انتهى بي الأمر بشحن ثلاثة: Parakeet (مُحسَّن للإنجليزية، مُضمَّن في التطبيق)، وWhisper.cpp (متعدد اللغات بنطاق واسع، قابل للتنزيل)، وQwen3-ASR (مُحسَّن للغات CJK، قابل للتنزيل). يوجه التطبيق إلى أفضل نموذج تلقائياً بناءً على لغة المصدر.
الترجمة: نماذج ML التقليدية تغطي 61 زوجاً من اللغات الجيدة التأهيل. أما الـ47 لغة المتبقية (اليوروبا والأمهرية واللاوية والميانمارية وغيرها)، فيتولى ترجمتها نموذج LLM مضغوط من Gemma يعمل محلياً. كان هذا هو المفتاح الذي رفع عدد اللغات من 61 إلى 108.
التعرف الضوئي على النص بالكاميرا: محركان. ML Kit للتعرف السريع. PaddleOCR للتعرف المعمق على النصوص المعقدة. استلزمت إضافة pods خاصة بكل نص على iOS يدوياً لأن Apple تضمّن فقط نموذج اللاتينية افتراضياً. استغرق تصحيح ذلك يوماً كاملاً لأن الفشل يقع في صمت تام.
المحادثة الجماعية: شبكة Bluetooth تصل إلى 7 أجهزة. كل هاتف يتولى ASR والترجمة بنفسه. تُبث الرسائل إلى جميع الأجهزة. لا خادم يدير شيئاً.
إدارة الذاكرة: التحدي الهندسي الحقيقي. ثلاثة نماذج ASR ونماذج ترجمة ونموذج LLM ومحركات التعرف الضوئي لا يمكنها جميعاً العيش في ذاكرة الهاتف في آنٍ واحد. يمتلك التطبيق مخطط ميزانية ذاكرة يحمّل النماذج ويُخرجها بناءً على ما يفعله المستخدم الآن.
الأرقام
- وقت التطوير: نحو 18 شهراً من أول commit إلى إطلاق App Store / Play Store
- اللغات: 108 (61 بالـML التقليدية + 47 بالذكاء الاصطناعي عبر Gemma)
- لغات ASR: 30 مع التعرف على الكلام على الجهاز
- لغات OCR: 92 مع التعرف على النص بالكاميرا
- حجم التطبيق: ~150MB أساسية + نماذج قابلة للتنزيل
- التسعير: طبقة مجانية بكل الميزات الأساسية. Premium بـ1.99 دولار/شهر أو 19.99 دولار/سنة للمحادثة الجماعية وتفريغ الملفات وملخصات الاجتماعات
- حجم الفريق: شخص واحد
ما أصبت فيه
الخصوصية كبنية تقنية لا كسياسة. "نحن لا نشارك بياناتك" هي سياسة. يمكن تغييرها. "بياناتك لا تغادر هاتفك لأنه لا يوجد خادم" هي بنية تقنية. لا يمكن تغييرها دون إعادة بناء التطبيق. يفهم المستخدمون هذا الفرق بحدسهم.
الكانتونية كلغة من الدرجة الأولى. معظم المترجمين يعاملون الكانتونية كصينية بلهجة مختلفة. Traverba لديها نموذج ASR مخصص للكانتونية. هذا أحدث صدىً قوياً لدى مستخدمي هونغ كونغ وقوانغدونغ الذين سئموا من معاملتهم كفكرة لاحقة.
الطبقة المجانية سخية. الترجمة الصوتية والكاميرا والشاشة والنصية كلها مجانية وغير محدودة. جدار الدفع يقتصر فقط على ميزات المحادثة الجماعية وتفريغ الملفات وملخصات الاجتماعات. هذا مهم لأن من يحتاجون الترجمة أكثر، المهاجرون والمسافرون في أماكن غير مألوفة والطلاب، كثيراً ما لا يقدرون على الاشتراكات المدفوعة.
التصميم offline-first. كل ميزة تعمل بلا إنترنت. الإنترنت ليس وضعاً متدهوراً. العمل دون إنترنت هو الوضع الأصلي. هذه ميزة بيع أقوى من "يعمل أيضاً دون إنترنت."
ما أخطأت فيه
التقليل من شأن الأجهزة منخفضة المواصفات. جرى التطوير على الهواتف الرائدة. أول مرة اختبرت على هاتف بذاكرة RAM 3 جيجابايت، تعطلت نصف الميزات. كان ينبغي أن تكون إدارة الذاكرة أول ما أبنيه، لا إضافة لاحقة.
عملية مراجعة iOS. رفضت Apple أول تقديم لعدم تطبيق App Tracking Transparency (ATT). على الرغم من أن Traverba لا تتتبع المستخدمين، فإن AdMob SDK يُشغّل هذا الاشتراط. ربط ATT بشكل صحيح عبر Flutter بالتوقيت المناسب (بعد إطلاق التطبيق، قبل تهيئة الإعلانات) استلزم تكرارات متعددة.
عدم الإطلاق مبكراً. قضيت أشهراً في صقل ميزات لم يطلبها المستخدمون قبل الإطلاق. كانت التعليقات التي تلقيتها بعد الإطلاق تتعلق بأشياء مختلفة تماماً عما توقعت. أطلق مبكراً، استمع، كرر. يقول الجميع هذا. ومع ذلك وقعت في الفخ.
فرصة السوق
تبلغ قيمة سوق الترجمة أكثر من 40 مليار دولار وهي في نمو. لكنه يهيمن عليه طرفان متناقضان:
- تطبيقات سحابية مجانية (Google Translate، Apple Translate) جيدة بما يكفي لمعظم الناس لكنها تتنازل عن الخصوصية والموثوقية دون إنترنت
- أجهزة باهظة الثمن (Pocketalk بـ323 دولاراً، Timekettle بـ299 دولاراً، Vasco بـ350 دولاراً وأكثر) تحتاج إنترنتاً وتحل مشكلة يحلها هاتفك أصلاً
الفجوة في المنتصف، تطبيق مجاني أو بأسعار معقولة مع معالجة كاملة على الجهاز تعمل فعلاً، فارغة بشكل مفاجئ. DeepL نصوص فقط. iTranslate يضع الميزات الأساسية خلف جدار دفع. معظم أدوات ترجمة الذكاء الاصطناعي تعتمد على السحابة فقط.
عبر الذكاء الاصطناعي على الجهاز عتبة الجودة. النماذج جيدة بما يكفي. الهواتف سريعة بما يكفي. الأطر البرمجية (CoreML وONNX وsherpa-onnx وLiteRT) ناضجة بما يكفي. ما كان ينقص هو شخص يبني طبقة المنتج فوقها.
ما القادم
خارطة الطريق الفورية:
- مزيد من لغات ASR. 30 بداية جيدة لكن اللغات الطرفية تحتاج التعرف الصوتي أيضاً.
- تحسين ترجمة LLM. Gemma 2B جيد. النماذج الأحدث والأصغر قد تكون أفضل. البنية تدعم تبديل النماذج دون تغيير التطبيق.
- تحسين iPad والأجهزة اللوحية. التطبيق يعمل على الأجهزة اللوحية لكن الواجهة لم تُحسَّن بعد للشاشات الأكبر.
- تسريع Vulkan على Android. يمتلك iOS محرك Metal وCoreML للاستدلال على GPU. قصة تسريع GPU على Android (Vulkan عبر whisper.cpp) تحتاج مزيداً من العمل.
الرؤية الكبرى: عالم لا تكون فيه اللغة حاجزاً أمام التواصل الإنساني، وحيث كسر هذا الحاجز لا يستلزم تسليم محادثاتك الخاصة إلى خوادم شركة تقنية.
إن وصلت إلى هنا، جرب التطبيق. إنه مجاني. أقرأ كل تعليق.
Traverba متاح على Google Play وApp Store. تعرف على المزيد على traverba.com. أسئلة أو ملاحظات أو طلبات ميزات: [email protected]