نماذج MFCC—LSTM الهجين للتقييم الآلي لثلاثة أحكام تجويد أساسية في تلاوة القرآن الكريم

الملخص

يهدف هذا البحث إلى تطوير نظام ذكاء اصطناعي لتقييم وتصحيح تلاوة القرآن الكريم آلياً، بهدف تيسير عملية تعلم أحكام التجويد وضمان دقة الأداء الصوتي. يعتمد النظام المقترح على معالجة الإشارات الصوتية عبر استخلاص سمات دقيقة باستخدام تقنية معاملات التردد الميلية  (MFCC) [1]، وتحليلها بواسطة نموذج التعلم العميق لشبكات الذاكرة طويلة وقصيرة المدى (LSTM) [2]. تم استخدام مجموعة البيانات العامة QDAT [3]، التي تحتوي على أكثر من 1500 مقطع صوتي مركزة على ثلاثة أحكام تجويدية رئيسية هي: المد المنفصل، والغنة المشددة، والإخفاء. تم تقسيم البيانات بنسبة 70% للتدريب، و 15% للتحقق، و 15% للاختبار. وقد حققت نماذج LSTM المستقلة أداءً متبايناً بين الأحكام، حيث سجل نموذج المد المنفصل أعلى دقة كلية بلغت 77.0%، بينما سجل نموذج الإخفاء دقة 66.1%، وسجل نموذج الغنة المشددة أدنى دقة إجمالية بلغت 59.4%، ولكنه تميز بأعلى مستوى دقة (Precision) وصل إلى  98.7%. وتؤكد هذه النتائج على فعالية شبكات LSTM  في مهام التعرف الصوتي المعقدة الخاصة بالتجويد، وتبرز أهمية تحليل مقاييس الأداء التفصيلية كالدقة والاستدعاء للكشف عن نقاط القوة والضعف في النماذج. وكمساهمة إضافية لدعم الأبحاث المستقبلية في هذا المجال، قام الباحثون بجمع وتطوير مجموعة بيانات جديدة تحتوي على 1500 تسجيلاً للآيات الثلاث الأولى من سورة المطففين، وهي متاحة للجمهور عبر مستودع GitHub .