# SeamlessM4T-v2

## نظرة عامة

قُدِّم نموذج SeamlessM4T-v2 في [Seamless: Multilingual Expressive and Streaming Speech Translation](https://huggingface.co/papers/2312.05187) من قِبل فريق Seamless Communication التابع لـ Meta AI.

SeamlessM4T-v2 هي مجموعة من النماذج مصممة لتقديم ترجمة عالية الجودة، مما يتيح للأشخاص من مجتمعات لغوية مختلفة التواصل بسهولة عبر الكلام والنص. وهي تحسّن على [الإصدار السابق](./seamless_m4t). لمزيد من التفاصيل حول الفروق بين v1 وv2، راجع القسم [الفرق مع SeamlessM4T-v1](#difference-with-seamlessm4t-v1).

يتيح SeamlessM4T-v2 تنفيذ مهام متعددة دون الاعتماد على نماذج منفصلة:

- الترجمة من الكلام إلى الكلام (S2ST)
- الترجمة من الكلام إلى النص (S2TT)
- ترجمة النص إلى كلام (T2ST)
- الترجمة من نص إلى نص (T2TT)
- التعرف التلقائي على الكلام (ASR)

يمكن لـ [SeamlessM4Tv2Model](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model) تنفيذ جميع المهام المذكورة أعلاه، لكن لكل مهمة نموذج فرعي مخصص لها.

المستخلص من الورقة البحثية هو كالتالي:

*أدت التطورات الأخيرة في الترجمة الآلية للكلام إلى توسيع تغطية اللغات بشكل كبير، وتحسين القدرات متعددة الوسائط، وتمكين مجموعة واسعة من المهام والوظائف. ومع ذلك، تفتقر أنظمة الترجمة الآلية للكلام واسعة النطاق اليوم إلى ميزات أساسية تساعد على جعل التواصل الوسيط الآلي يبدو سلساً عند مقارنته بالحوار بين البشر. في هذا العمل، نعرّف عائلة من النماذج التي تتيح ترجمات نهائية إلى نهائية معبّرة ومتعددة اللغات بطريقة تدفّقية. أولاً، نساهم في إصدار محسّن من نموذج SeamlessM4T متعدد اللغات والوسائط على نطاق واسع—SeamlessM4T v2. تم تدريب هذا النموذج الأحدث، الذي يدمج إطار UnitY2 المحدّث، على المزيد من بيانات اللغات منخفضة الموارد. يضيف الإصدار الموسّع من SeamlessAlign 114,800 ساعة من البيانات المحاذاة آلياً ليصل إجماليها إلى 76 لغة. يوفر SeamlessM4T v2 الأساس الذي تُبنى عليه أحدث نموذجين لنا، وهما SeamlessExpressive وSeamlessStreaming. يتيح SeamlessExpressive ترجمة تحافظ على أنماط الصوت والإيقاع. مقارنةً بالمحاولات السابقة في أبحاث الكلام المعبّر، يعالج عملنا جوانب معينة غير مستكشفة بشكل كافٍ من الإيقاع، مثل سرعة الكلام والتوقفات، مع الحفاظ أيضاً على أسلوب الصوت. أما بالنسبة لـ SeamlessStreaming، فيستفيد نموذجنا من آلية Efficient Monotonic Multihead Attention (EMMA) لتوليد ترجمات الهدف منخفضة الكمون دون انتظار اكتمال عبارات المصدر. بوصفه الأول من نوعه، يتيح SeamlessStreaming الترجمة المتزامنة من الكلام إلى الكلام/النص لعدة لغات مصدر وهدف. لفهم أداء هذه النماذج، جمعنا بين مقاييس آلية جديدة وإصدارات معدّلة من المقاييس القائمة لتقييم الإيقاع والكمون والمتانة. ولتقييمات البشر، عدّلنا بروتوكولات قائمة مصمّسة لقياس أكثر السمات صلة بالحفاظ على المعنى والطبيعية والتعبيرية. ولضمان استخدام نماذجنا بأمان ومسؤولية، نفّذنا أول جهد معروف لفريق الاختراق الأحمر (red-teaming) للترجمة الآلية متعددة الوسائط، ونظاماً لكشف وتخفيف السمية المضافة، وتقييماً منهجياً للتحيز الجنسي، وآلية علامة مائية محلية غير مسموعة مصمّمة لتقليل تأثير التزييف العميق. ونتيجةً لذلك، نجمع المكونات الرئيسية من SeamlessExpressive وSeamlessStreaming لنشكّل Seamless، وهو أول نظام متاح علنياً يفتح الباب أمام التواصل المعبّر عبر اللغات في الوقت الفعلي. باختصار، يمنحنا Seamless نظرة محورية على الأساس التقني المطلوب لتحويل المترجم الشامل للكلام من مفهوم خيال علمي إلى تقنية واقعية. أخيراً، المساهمات في هذا العمل—بما في ذلك النماذج والكود وكاشف العلامة المائية—متاحة علنياً ويمكن الوصول إليها عبر الرابط أدناه.*

## الاستخدام

في المثال التالي، سنقوم بتحميل عينة صوتية بالعربية وعينة نصية بالإنجليزية وتحويلهما إلى كلام بالروسية ونص بالفرنسية.

أولاً، حمّل المعالج ونقطة تحقق من النموذج:

```python
from transformers import AutoProcessor, SeamlessM4Tv2Model

processor = AutoProcessor.from_pretrained("facebook/seamless-m4t-v2-large")
model = SeamlessM4Tv2Model.from_pretrained("facebook/seamless-m4t-v2-large", device_map="auto")
```

يمكنك استخدام هذا النموذج بسلاسة على النص أو على الصوت، لتوليد نص مترجم أو صوت مترجم.

إليك كيفية استخدام المعالج لمعالجة النص والصوت:

```python
# let's load an audio sample from an Arabic speech corpus
from datasets import load_dataset

dataset = load_dataset("halabi2016/arabic_speech_corpus", split="test", streaming=True)
audio_sample = next(iter(dataset))["audio"]

# now, process it
audio_inputs = processor(audio=audio_sample["array"], return_tensors="pt").to(model.device)

# now, process some English text as well
text_inputs = processor(text = "Hello, my dog is cute", src_lang="eng", return_tensors="pt").to(model.device)
```

### الخطاب

يمكن لنموذج [SeamlessM4Tv2Model](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model) توليد النص أو الكلام *بشكل سلس* مع تغييرات قليلة أو معدومة. لنستهدف ترجمة الصوت إلى الروسية:

```python
audio_array_from_text = model.generate(**text_inputs, tgt_lang="rus")[0].cpu().numpy().squeeze()
audio_array_from_audio = model.generate(**audio_inputs, tgt_lang="rus")[0].cpu().numpy().squeeze()
```

باستخدام نفس الكود تقريبًا، قمت بترجمة نص إنجليزي وكلام عربي إلى عينات كلامية باللغة الروسية.

### نص

وبالمثل، يمكنك توليد نص مترجم من ملفات صوتية أو من نص باستخدام نفس النموذج. عليك فقط تمرير `generate_speech=False` إلى [SeamlessM4Tv2Model.generate()](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model.generate). هذه المرة، لنقم بالترجمة إلى الفرنسية.

```python
# from audio
output_tokens = model.generate(**audio_inputs, tgt_lang="fra", generate_speech=False)
translated_text_from_audio = processor.decode(output_tokens[0].tolist()[0], skip_special_tokens=True)

# from text
output_tokens = model.generate(**text_inputs, tgt_lang="fra", generate_speech=False)
translated_text_from_text = processor.decode(output_tokens[0].tolist()[0], skip_special_tokens=True)
```

### نصائح

#### 1. استخدام نماذج مخصصة

[SeamlessM4Tv2Model](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model) هو النموذج الرئيسي في مكتبة transformers لتوليد الكلام والنص، لكن يمكنك أيضًا استخدام نماذج مخصصة تؤدي المهمة دون مكونات إضافية، مما يقلل من بصمة الذاكرة. على سبيل المثال، يمكنك استبدال مقتطف توليد الصوت-إلى-الصوت بالنموذج المخصص لمهمة S2ST، والباقي هو نفس الكود تمامًا:

```python
from transformers import SeamlessM4Tv2ForSpeechToSpeech

model = SeamlessM4Tv2ForSpeechToSpeech.from_pretrained("facebook/seamless-m4t-v2-large", device_map="auto")
```

أو يمكنك استبدال مقتطف توليد النص إلى النص بالنموذج المخصص لمهمة T2TT، حيث يكفي إزالة `generate_speech=False`.

```python
from transformers import SeamlessM4Tv2ForTextToText

model = SeamlessM4Tv2ForTextToText.from_pretrained("facebook/seamless-m4t-v2-large", device_map="auto")
```

لا تتردد في تجربة [SeamlessM4Tv2ForSpeechToText](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForSpeechToText) و [SeamlessM4Tv2ForTextToSpeech](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForTextToSpeech) أيضًا.

#### 2. تغيير هوية المتحدث

يمكنك تغيير المتحدث المستخدم في تركيب الكلام عبر الحجة `speaker_id`. بعض قيم `speaker_id` تعمل بشكل أفضل من غيرها مع بعض اللغات!

#### 3. تغيير استراتيجية التوليد

يمكنك استخدام [استراتيجيات توليد](../generation_strategies) مختلفة لتوليد النص، مثل `.generate(input_ids=input_ids, text_num_beams=4, text_do_sample=True)` الذي سيقوم بتنفيذ فك الترميز بالبحث الحزمي متعدد الحدود على نموذج النص. لاحظ أن توليد الكلام يدعم فقط الجشع - افتراضياً - أو العينة متعددة الحدود، والتي يمكن استخدامها مع مثلاً `.generate(..., speech_do_sample=True, speech_temperature=0.6)`.

#### 4. توليد الكلام والنص في الوقت نفسه

استخدم `return_intermediate_token_ids=True` مع [SeamlessM4Tv2Model](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model) لإرجاع كلٍّ من الكلام والنص!

## بنية النموذج

يتميز SeamlessM4T-v2 بهيكل معماري متعدد الاستخدامات يتعامل بسلاسة مع التوليد التسلسلي للنص والكلام. يتكون هذا الإعداد من نموذجين من نوع تسلسل إلى تسلسل (seq2seq). يقوم النموذج الأول بترجمة النمط المدخل إلى نص مترجم، بينما يولّد النموذج الثاني رموز الكلام، المعروفة بـ "رموز الوحدة" (unit tokens)، من النص المترجم.

يتميز كل نمط إدراكي بمشفر مخصص له بهيكل فريد. بالإضافة إلى ذلك، في حالة المخرجات الصوتية، يُوضع مُصوِّغ (vocoder) مستوحى من بنية [HiFi-GAN](https://huggingface.co/papers/2010.05646) فوق نموذج seq2seq الثاني.

### الفرق مع SeamlessM4T-v1

تختلف بنية هذه النسخة الجديدة عن النسخة الأولى في عدة جوانب:

#### تحسينات على نموذج المرور الثاني

النموذج الثاني من نوع seq2seq، المسمى نموذج النص إلى الوحدات، أصبح غير ذاتي التكرار، مما يعني أنه يحسب الوحدات في **مرور أمامي واحد**. وقد تمكّن هذا الإنجاز بفضل:

- استخدام **تضمينات على مستوى الأحرف**، أي أن لكل حرف من النص المترجم المتوقع تضميناته الخاصة، والتي تُستخدم بعد ذلك للتنبؤ بوحدات الرموز.
- استخدام متنبئ مدة وسيط، يتنبأ بمدة الكلام على مستوى **الحرف** في النص المترجم المتوقع.
- استخدام مُفكِّك جديد من النص إلى الوحدات يمزج بين الالتفافات والانتباه الذاتي للتعامل مع سياقات أطول.

#### الفرق في مُشفِّر الكلام

يتمايز مُشفّر الكلام، الذي يُستخدم أثناء عملية التوليد في المرور الأول للتنبؤ بالنص المُترجَم، بشكل رئيسي عن مُشفّر الكلام السابق من خلال هذه الآليات:

- استخدام قناع الانتباه المقسّم إلى أجزاء لمنع الانتباه عبر الأجزاء، مما يضمن أن كل موضع ينتبه فقط إلى المواضع ضمن جزئه الخاص وعدد ثابت من الأجزاء السابقة.
- استخدام تمثيلات المواقع النسبية التي تأخذ بعين الاعتبار المسافة بين عناصر التسلسل بدلاً من المواقع المطلقة. يُرجى الرجوع إلى [Self-Attention with Relative Position Representations (Shaw et al.)](https://huggingface.co/papers/1803.02155) لمزيد من التفاصيل.
- استخدام التمرير العمقي السببي بدلاً من التمرير غير السببي.

### عملية التوليد

إليك كيفية عمل عملية التوليد:

- يتم معالجة النص أو الكلام المُدخل عبر مُشفِّرِه الخاص.
- ينشئ المُفكِّك رموز نصية باللغة المطلوبة.
- إذا كانت توليد الكلام مطلوباً، فإن نموذج seq2seq الثاني يولّد رموز الوحدات بطريقة غير ذاتية التكرار.
- تُمرَّر رموز الوحدات هذه بعد ذلك عبر مُصنِّع الصوت النهائي لإنتاج الكلام الفعلي.

تمت مساهمة هذا النموذج من قِبل [ylacombe](https://huggingface.co/ylacombe). يمكن العثور على الكود الأصلي [هنا](https://github.com/facebookresearch/seamless_communication).

## SeamlessM4Tv2Model[[transformers.SeamlessM4Tv2Model]]

#### transformers.SeamlessM4Tv2Model[[transformers.SeamlessM4Tv2Model]]

```python
transformers.SeamlessM4Tv2Model(config: SeamlessM4Tv2Config, current_modality = 'text')
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L3665)

**المعاملات:**

config ([SeamlessM4Tv2Config](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Config)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

current_modality (`str`، *اختياري*، الافتراضي `"text"`) : النمط الافتراضي. يُستخدم لتهيئة النموذج.

نموذج SeamlessM4Tv2 الأصلي الذي يمكن استخدامه لكل المهام المتاحة (S2ST، S2TT، T2TT، T2ST).

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### generate[[transformers.SeamlessM4Tv2Model.generate]]

```python
generate(input_ids: typing.Optional[torch.Tensor] = None, input_features: typing.Optional[torch.Tensor] = None, return_intermediate_token_ids: bool | None = None, tgt_lang: str | None = None, speaker_id: int | None = 0, generate_speech: bool | None = True, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L3859)

**المعاملات:**

input_ids (`torch.LongTensor` من الشكل `(batch_size, sequence_length)`، *اختياري*) : فهارس رموز تسلسل الإدخال في قاموس الكلمات. يمكن الحصول على الفهارس باستخدام [SeamlessM4TTokenizer](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TTokenizer) أو [SeamlessM4TProcessor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TProcessor). راجع [PreTrainedTokenizer.encode()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) و [PreTrainedTokenizer.__call__()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) للتفاصيل. [ما هي معرّفات الإدخال؟](../glossary#input-ids)

input_features (`torch.Tensor` من الشكل `(batch_size, sequence_length, num_banks)`، *اختياري*) : ميزات الصوت المدخلة. يجب أن يُعاد هذا من فئة [SeamlessM4TFeatureExtractor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor) أو فئة [SeamlessM4TProcessor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TProcessor). راجع [SeamlessM4TFeatureExtractor.__call__()](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor.__call__) للتفاصيل.

return_intermediate_token_ids (`bool`، *اختياري*) : إذا كان `True`، تُعاد النصوص الوسيطة المولّدة ورموز الوحدة أيضًا. اضبطه على `True` إذا كنت ترغب في الحصول على النص المترجم إلى جانب الصوت. لاحظ أنه إذا كان `generate_speech=False`، سيتم تجاهل هذا المعامل وتُعاد رموز النص.

tgt_lang (`str`، *اختياري*) : اللغة المستخدمة كلغة الهدف للترجمة.

speaker_id (`int`، *اختياري*، القيمة الافتراضية 0) : المعرّف الخاص بالمستخدم المستخدم لتوليد الكلام. يجب أن يكون أقل من `config.vocoder_num_spkrs`.

generate_speech (`bool`، *اختياري*، القيمة الافتراضية `True`) : إذا كانت `False`، فسيُعاد رموز النص فقط ولن يتم توليد الكلام.

kwargs (*اختياري*) : قاموس المتبقية من حُجج الكلمات المفتاحية التي سيتم تمريرها إلى [GenerationMixin.generate()](/docs/transformers/v5.23.0/ar/main_classes/text_generation#transformers.GenerationMixin.generate). تنقسم حُجج الكلمات المفتاحية إلى نوعين: - بدون بادئة، سيتم إدخالها كـ `**kwargs` لطريقة `generate` لكل نموذج فرعي، باستثناء `decoder_input_ids` التي سيتم تمريرها فقط عبر المكونات النصية. - مع بادئة *text_* أو *speech_*، سيتم إدخالها لطريقة `generate` لنموذج النص ونموذج الكلام على التوالي. لها الأولوية على الكلمات المفتاحية بدون بادئة.  وهذا يعني أنه يمكنك، على سبيل المثال، تحديد استراتيجية توليد لتوليد واحد دون الآخر.

**يعيد:** `Union[SeamlessM4Tv2GenerationOutput, tuple[Tensor], ModelOutput]`

- إذا `generate_speech` و`return_intermediate_token_ids`، تُرجع `SeamlessM4Tv2GenerationOutput`.
- إذا كان `generate_speech` ولم يكن `return_intermediate_token_ids`، تُرجع دالةً مكوّنة من موجات صوتية على شكل `(batch_size, sequence_length)` و`waveform_lengths` التي تُحدد طول كل عينة.
- إذا كان `generate_speech=False`، فسيُرجع `ModelOutput`.

يولّد معرّفات الرموز المترجمة و/أو موجات الصوت المترجمة.

تستدعي هذه الطريقة بشكل متتابع دالة `.generate` لنموذجين فرعيين مختلفين. يمكنك تحديد معاملات الكلمات المفتاحية على مستويين مختلفين: معاملات عامة تُمرَّر إلى كلا النموذجين، أو معاملات مُسبقة البادئة تُمرَّر إلى أحدهما.

على سبيل المثال، استدعاء `.generate(input_ids=input_ids, num_beams=4, speech_do_sample=True)` سيؤدي تباعًا إلى فك الترميز باستخدام بحث الحزمة على نموذج النص، والعينة متعددة الحدود باستخدام بحث الحزمة على نموذج الكلام.

لمراجعة عامة لاستراتيجيات التوليد وأمثلة الأكواد، راجع [الدليل التالي](./generation_strategies).

## SeamlessM4Tv2ForTextToSpeech[[transformers.SeamlessM4Tv2ForTextToSpeech]]

#### transformers.SeamlessM4Tv2ForTextToSpeech[[transformers.SeamlessM4Tv2ForTextToSpeech]]

```python
transformers.SeamlessM4Tv2ForTextToSpeech(config: SeamlessM4Tv2Config)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L2984)

**المعاملات:**

config ([SeamlessM4Tv2Config](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Config)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

نموذج SeamlessM4Tv2 لتحويل النص إلى كلام، وهو نموذج تحويلي يمكن استخدامه لتحويل النص إلى كلام (T2ST).

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### generate[[transformers.SeamlessM4Tv2ForTextToSpeech.generate]]

```python
generate(input_ids: typing.Optional[torch.Tensor] = None, return_intermediate_token_ids: bool | None = None, tgt_lang: str | None = None, speaker_id: int | None = 0, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L3118)

**المعاملات:**

input_ids (`torch.LongTensor` من الشكل `(batch_size, sequence_length)`) : فهارس رموز تسلسل الإدخال في قاموس الكلمات. يمكن الحصول على الفهارس باستخدام [SeamlessM4TTokenizer](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TTokenizer) أو [SeamlessM4TProcessor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TProcessor). راجع [PreTrainedTokenizer.encode()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) و [PreTrainedTokenizer.__call__()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) للتفاصيل. [ما هي معرّفات الإدخال؟](../glossary#input-ids)

return_intermediate_token_ids (`bool`، *اختياري*) : إذا كان `True`، تُعاد النصوص الوسيطة المولّدة ورموز الوحدة أيضًا. اضبطه على `True` إذا كنت ترغب في الحصول على النص المُترجم إلى جانب الصوت.

tgt_lang (`str`، *اختياري*) : اللغة المستخدمة كلغة الهدف للترجمة.

speaker_id (`int`، *اختياري*، القيمة الافتراضية 0) : المعرّف الخاص بالمستخدم المستخدم لتوليد الكلام. يجب أن يكون أقل من `config.vocoder_num_spkrs`.

kwargs (*اختياري*) : قاموس المتبقية من حُجج الكلمات المفتاحية التي سيتم تمريرها إلى [GenerationMixin.generate()](/docs/transformers/v5.23.0/ar/main_classes/text_generation#transformers.GenerationMixin.generate). تنقسم حُجج الكلمات المفتاحية إلى نوعين: - بدون بادئة، سيتم إدخالها كـ `**kwargs` لطريقة `generate` لكل نموذج فرعي، باستثناء `decoder_input_ids` التي سيتم تمريرها فقط عبر المكونات النصية. - مع بادئة *text_* أو *speech_*، سيتم إدخالها لطريقة `generate` لنموذج النص ونموذج الكلام على التوالي. لها الأولوية على الكلمات المفتاحية بدون بادئة.  وهذا يعني أنه يمكنك، على سبيل المثال، تحديد استراتيجية توليد لتوليد واحد دون الآخر.

**يعيد:** `Union[SeamlessM4Tv2GenerationOutput, tuple[Tensor]]`

- إذا كان `return_intermediate_token_ids`، تُرجع `SeamlessM4Tv2GenerationOutput`.
- إذا لم يكن `return_intermediate_token_ids`، تُرجع الدالة مجموعة (tuple) تتألف من موجات صوتية (waveforms) بأبعاد `(batch_size, sequence_length)` و`waveform_lengths` التي تحدد طول كل عينة.

يولّد موجات صوتية مترجمة.

تستدعي هذه الطريقة بشكل متتابع دالة `.generate` لنموذجين فرعيين مختلفين. يمكنك تحديد معاملات الكلمات المفتاحية على مستويين مختلفين: معاملات عامة تُمرَّر إلى كلا النموذجين، أو معاملات مُسبقة البادئة تُمرَّر إلى أحدهما.

على سبيل المثال، استدعاء `.generate(input_ids, num_beams=4, speech_do_sample=True)` سيؤدي تباعًا إلى فك الترميز باستخدام بحث الحزمة على نموذج النص، والعينة متعددة الحدود باستخدام بحث الحزمة على نموذج الكلام.

لمراجعة عامة لاستراتيجيات التوليد وأمثلة الأكواد، راجع [الدليل التالي](./generation_strategies).

## SeamlessM4Tv2ForSpeechToSpeech[[transformers.SeamlessM4Tv2ForSpeechToSpeech]]

#### transformers.SeamlessM4Tv2ForSpeechToSpeech[[transformers.SeamlessM4Tv2ForSpeechToSpeech]]

```python
transformers.SeamlessM4Tv2ForSpeechToSpeech(config: SeamlessM4Tv2Config)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L3322)

**المعاملات:**

config ([SeamlessM4Tv2Config](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Config)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

نموذج SeamlessM4Tv2 لتحويل الكلام إلى كلام، وهو نموذج تحويلي يمكن استخدامه في مهام S2ST.

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### generate[[transformers.SeamlessM4Tv2ForSpeechToSpeech.generate]]

```python
generate(input_features: typing.Optional[torch.Tensor] = None, return_intermediate_token_ids: bool | None = None, tgt_lang: str | None = None, speaker_id: int | None = 0, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L3455)

**المعاملات:**

input_features (`torch.Tensor` من الشكل `(batch_size, sequence_length, num_banks)`) : ميزات الصوت المدخلة. يجب أن يُعاد هذا من فئة [SeamlessM4TFeatureExtractor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor) أو فئة [SeamlessM4TProcessor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TProcessor). راجع [SeamlessM4TFeatureExtractor.__call__()](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor.__call__) للتفاصيل.

return_intermediate_token_ids (`bool`، *اختياري*) : إذا كان `True`، تُعاد النصوص الوسيطة المولّدة ورموز الوحدة أيضًا. اضبطه على `True` إذا كنت ترغب في الحصول على النص المُترجم إلى جانب الصوت.

tgt_lang (`str`، *اختياري*) : اللغة المستخدمة كلغة الهدف للترجمة.

speaker_id (`int`، *اختياري*، القيمة الافتراضية 0) : المعرّف الخاص بالمستخدم المستخدم لتوليد الكلام. يجب أن يكون أقل من `config.vocoder_num_spkrs`.

kwargs (*اختياري*) : قاموس المتبقية من حُجج الكلمات المفتاحية التي سيتم تمريرها إلى [GenerationMixin.generate()](/docs/transformers/v5.23.0/ar/main_classes/text_generation#transformers.GenerationMixin.generate). تنقسم حُجج الكلمات المفتاحية إلى نوعين: - بدون بادئة، سيتم إدخالها كـ `**kwargs` لطريقة `generate` لكل نموذج فرعي، باستثناء `decoder_input_ids` التي سيتم تمريرها فقط عبر المكونات النصية. - مع بادئة *text_* أو *speech_*، سيتم إدخالها لطريقة `generate` لنموذج النص ونموذج الكلام على التوالي. لها الأولوية على الكلمات المفتاحية بدون بادئة.  وهذا يعني أنه يمكنك، على سبيل المثال، تحديد استراتيجية توليد لتوليد واحد دون الآخر.

**يعيد:** `Union[SeamlessM4Tv2GenerationOutput, tuple[Tensor]]`

- إذا كان `return_intermediate_token_ids`، تُرجع `SeamlessM4Tv2GenerationOutput`.
- إذا لم يكن `return_intermediate_token_ids`، تُرجع الدالة مجموعة (tuple) تتألف من موجات صوتية (waveforms) بأبعاد `(batch_size, sequence_length)` و`waveform_lengths` التي تحدد طول كل عينة.

يولّد موجات صوتية مترجمة.

تستدعي هذه الطريقة بشكل متتابع دالة `.generate` لنموذجين فرعيين مختلفين. يمكنك تحديد معاملات الكلمات المفتاحية على مستويين مختلفين: معاملات عامة تُمرَّر إلى كلا النموذجين، أو معاملات مُسبقة البادئة تُمرَّر إلى أحدهما.

على سبيل المثال، استدعاء `.generate(input_features, num_beams=4, speech_do_sample=True)` سيؤدي تباعًا إلى فك الترميز باستخدام بحث الحزمة على نموذج النص، والعينة متعددة الحدود باستخدام بحث الحزمة على نموذج الكلام.

لمراجعة عامة لاستراتيجيات التوليد وأمثلة الأكواد، راجع [الدليل التالي](./generation_strategies).

## SeamlessM4Tv2ForTextToText[[transformers.SeamlessM4Tv2ForTextToText]]

#### transformers.SeamlessM4Tv2ForTextToText[[transformers.SeamlessM4Tv2ForTextToText]]

```python
transformers.SeamlessM4Tv2ForTextToText(config: SeamlessM4Tv2Config)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L2501)

**المعاملات:**

config ([SeamlessM4Tv2Config](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Config)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

نموذج SeamlessM4Tv2 لتحويل النص إلى نص، وهو نموذج تحويلي يمكن استخدامه في مهمة T2TT.

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### forward[[transformers.SeamlessM4Tv2ForTextToText.forward]]

```python
forward(input_ids: typing.Optional[torch.LongTensor] = None, attention_mask: typing.Optional[torch.Tensor] = None, decoder_input_ids: typing.Optional[torch.LongTensor] = None, decoder_attention_mask: typing.Optional[torch.LongTensor] = None, encoder_outputs: tuple[tuple[torch.Tensor]] | None = None, past_key_values: transformers.cache_utils.Cache | None = None, inputs_embeds: typing.Optional[torch.Tensor] = None, decoder_inputs_embeds: typing.Optional[torch.Tensor] = None, labels: typing.Optional[torch.LongTensor] = None, use_cache: bool | None = None, **kwargs: *<class 'transformers.utils.generic.TransformersKwargs'>)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L2537)

**المعاملات:**

input_ids (`torch.LongTensor` من الشكل `(batch_size, sequence_length)`، *اختياري*) : فهارس رموز تسلسل الإدخال في قاموس الكلمات. سيتم تجاهل الحشو افتراضيًا. يمكن الحصول على الفهارس باستخدام [AutoTokenizer](/docs/transformers/v5.23.0/ar/model_doc/auto#transformers.AutoTokenizer). راجع [PreTrainedTokenizer.encode()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) و [PreTrainedTokenizer.__call__()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) للتفاصيل. [ما هي معرّفات الإدخال؟](../glossary#input-ids)

attention_mask (`torch.Tensor` من الشكل `(batch_size, sequence_length)`، *اختياري*) : قناع لتجنب تنفيذ الانتباه على فهارس رموز الحشو. قيم القناع المختارة من `[0, 1]`: - 1 للرموز التي **ليست مقنّعة**، - 0 للرموز التي **مقنّعة**.  [ما هي أقنعة الانتباه؟](../glossary#attention-mask)

decoder_input_ids (من نوع `torch.LongTensor` بأبعاد `(batch_size, target_sequence_length)`، *اختياري*) : فهارس رموز تسلسل مدخلات المُفكِّك في القاموس. يمكن الحصول على الفهارس باستخدام [AutoTokenizer](/docs/transformers/v5.23.0/ar/model_doc/auto#transformers.AutoTokenizer). راجع [PreTrainedTokenizer.encode()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) و[PreTrainedTokenizer.__call__()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) للتفاصيل. [ما هي معرّفات مدخلات المُفكِّك؟](../glossary#decoder-input-ids) يستخدم Bart الرمز `eos_token_id` كرمز بدء لتوليد `decoder_input_ids`. إذا تم استخدام `past_key_values`، فيمكن اختيارياً إدخال آخر `decoder_input_ids` فقط (انظر `past_key_values`). في تدريب الترجمة والتلخيص، يجب تقديم `decoder_input_ids`. إذا لم يتم تقديم `decoder_input_ids`، سيقوم النموذج بإنشاء هذه المصفوفة بإزاحة `input_ids` إلى اليمين للتدريب المسبق على إزالة الضوضاء وفقاً للورقة البحثية.

decoder_attention_mask (`torch.LongTensor` بشكل `(batch_size, target_sequence_length)`، *اختياري*) : السلوك الافتراضي: توليد متجه يتجاهل رموز الحشو في `decoder_input_ids`. سيتم استخدام قناع السببية أيضًا بشكل افتراضي. إذا أردت تغيير سلوك الحشو، فيجب عليك قراءة `modeling_bart._prepare_decoder_attention_mask` وتعديله حسب احتياجاتك. راجع الشكل 1 في [الورقة البحثية](https://huggingface.co/papers/1910.13461) لمزيد من المعلومات حول الاستراتيجية الافتراضية.

encoder_outputs (`tuple[tuple[torch.Tensor]]`، *اختياري*) : يتكوّن المصفوفة من (`last_hidden_state`، *اختياري*: `hidden_states`، *اختياري*: `attentions`) `last_hidden_state` من الشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) هو تسلسل من حالات الإخفاء عند مخرج الطبقة الأخيرة من المُشفِّر. يُستخدم في الانتباه المتقاطع (cross-attention) في المُفكِّك.

past_key_values (`~cache_utils.Cache`، *اختياري*) : حالات مخفية محسوبة مسبقًا (المفاتيح والقيم في كتل الانتباه الذاتي وكتل الانتباه المتقاطع) يمكن استخدامها لتسريع فك الترميز التسلسلي. يتكوّن هذا عادةً من `past_key_values` التي يعيدها النموذج في مرحلة سابقة من فك الترميز، عندما يكون `use_cache=True` أو `config.use_cache=True`. يُسمح فقط بتمرير كائن [Cache](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.Cache) كمدخل، راجع [دليل ذاكرة kv](https://huggingface.co/docs/transformers/en/kv_cache). إذا لم يتم تمرير `past_key_values`، فسيتم تهيئة [DynamicCache](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.DynamicCache) افتراضيًا. سيُخرج النموذج نفس تنسيق الذاكرة المؤقتة المُدخل. إذا تم استخدام `past_key_values`، يُتوقع من المستخدم إدخال `input_ids` غير المعالجة فقط (تلك التي لم تُعطَ حالات مفاتيح وقيم سابقة لها في هذا النموذج) بأبعاد `(batch_size, unprocessed_length)` بدلاً من جميع `input_ids` بأبعاد `(batch_size, sequence_length)`.

inputs_embeds (`torch.Tensor` من الشكل`(batch_size, sequence_length, hidden_size)`، *اختياري*) : بدلاً من تمرير `input_ids`، يمكنك اختيار تمرير تمثيل مضمّن مباشرةً. هذا مفيد إذا كنت ترغب في الحصول على مزيد من التحكم في كيفية تحويل فهارس `input_ids` إلى المتجهات المرتبطة بها، مقارنةً بمصفوفة البحث المضمّنة الداخلية للنموذج. labels (`torch.LongTensor` من الشكل `(batch_size, sequence_length)`، *اختياري*): تسميات لحساب خسارة نمذجة اللغة المقنّعة. يجب أن تكون الفهارس ضمن `[-100, 0, ..., config.vocab_size]` (انظر `input_ids` docstring) يتم تجاهل الرموز التي تم ضبط فهارسها على `-100` (تُقنَّع)، ولا تُحسب الخسارة إلا للرموز التي تسمياتها ضمن `[0, ..., config.vocab_size]`

decoder_inputs_embeds (`torch.Tensor` بشكل `(batch_size, target_sequence_length, hidden_size)`، *اختياري*) : اختياريًا، بدلاً من تمرير `decoder_input_ids` يمكنك اختيار تمرير تمثيل مضمّن مباشرة. إذا تم استخدام `past_key_values`، فلا يتعين إدخال سوى آخر `decoder_inputs_embeds` (انظر `past_key_values`). يكون هذا مفيدًا إذا أردت مزيدًا من التحكم في كيفية تحويل فهارس `decoder_input_ids` إلى المتجهات المرتبطة بها مقارنةً بمصفوفة البحث التضمينية الداخلية للنموذج. إذا كان كل من `decoder_input_ids` و`decoder_inputs_embeds` غير مضبوطين، فإن `decoder_inputs_embeds` يتخذ قيمة `inputs_embeds`.

labels (`torch.LongTensor` من الشكل `(batch_size, sequence_length)`، *اختياري*) : تسميات لحساب خسارة نمذجة اللغة المقنّعة. يجب أن تكون الفهارس إما ضمن `[0, ..., config.vocab_size]` أو -100 (انظر `input_ids` docstring). يتم تجاهل الرموز التي تكون فهارسها مضبوطة على `-100` (مقنّعة)، ولا تُحسب الخسارة إلا للرموز التي تسمياتها ضمن `[0, ..., config.vocab_size]`.

use_cache (`bool`، *اختياري*) : إذا تم ضبطه على `True`، تُعاد حالات المفاتيح والقيم `past_key_values` ويمكن استخدامها لتسريع فك الترميز (انظر `past_key_values`).

**يعيد:** [Seq2SeqLMOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.modeling_outputs.Seq2SeqLMOutput) أو `tuple(torch.Tensor)`

[Seq2SeqLMOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.modeling_outputs.Seq2SeqLMOutput) أو مجموعة من `torch.Tensor` (إذا تم تمرير `return_dict=False` أو عندما يكون `config.return_dict=False`) وتتضمن عناصر مختلفة اعتماداً على الإعداد ([SeamlessM4Tv2Config](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Config)) والمدخلات.

تتجاوز طريقة [SeamlessM4Tv2ForTextToText](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForTextToText) الخاصة بالتقديم (forward) الطريقة الخاصة `__call__`.

على الرغم من أنه يجب تعريف وصفة المرور الأمامي داخل هذه الدالة، إلا أنه ينبغي استدعاء كائن `Module` بدلاً من هذه الدالة، لأن الكائن يتولى تنفيذ خطوات المعالجة المسبقة والمعالجة اللاحقة، بينما تتجاهل الدالة هذه الخطوات بصمت.

- **loss** (`torch.Tensor` من الشكل `(1,)`، *اختياري*، يُعاد عند تقديم `labels`) -- خسارة نمذجة اللغة.
- **logits** (`torch.Tensor` من الشكل `(batch_size, sequence_length, config.vocab_size)`) -- درجات التنبؤ لرأس نمذجة اللغة (درجات لكل رمز في المفردات قبل SoftMax).
- **past_key_values** (`EncoderDecoderCache`، *اختياري*، يُعاد عند تمرير `use_cache=True` أو عند `config.use_cache=True`) -- هو كائن من نوع [EncoderDecoderCache](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.EncoderDecoderCache). لمزيد من التفاصيل، راجع [دليل ذاكرة kv](https://huggingface.co/docs/transformers/en/kv_cache).

  تحتوي على حالات مخفية محسوبة مسبقًا (مفاتيح وقيم في كتل الانتباه الذاتي وكتل الانتباه المتقاطع) يمكن استخدامها (انظر مدخل `past_key_values`) لتسريع فك الترميز التسلسلي.
- **decoder_hidden_states** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`.

  حالات المخفية (Hidden states) لمفكّك الترميز (decoder) عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي (initial embedding).
- **decoder_attentions** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) من الشكل `(batch_size, num_heads, sequence_length, sequence_length)`.

  أوزان الانتباه في المفكّك، بعد softmax الانتباه، المستخدمة لحساب المتوسط المرجّح في رؤوس الانتباه الذاتي.
- **cross_attentions** (`tuple(torch.Tensor)`، *اختياري*، يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) من الشكل `(batch_size, num_heads, sequence_length, sequence_length)`.

  أوزان الانتباه في طبقة الانتباه المتقاطع للمفكّك، بعد softmax للانتباه، وتُستخدم لحساب المتوسط المرجّح في رؤوس الانتباه المتقاطع.
- **encoder_last_hidden_state** (`torch.Tensor` بشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) -- سلسلة من حالات الإخفاء عند مخرجات الطبقة الأخيرة من المُشفِّر في النموذج.
- **encoder_hidden_states** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`.

  حالات المخفية للمشفّر عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي.
- **encoder_attentions** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) من الشكل `(batch_size, num_heads, sequence_length, sequence_length)`.

  أوزان الانتباه للمُشفِّر، بعد softmax للانتباه، المُستخدَمة لحساب المتوسط الموزون في رؤوس الانتباه الذاتي.

#### generate[[transformers.SeamlessM4Tv2ForTextToText.generate]]

```python
generate(input_ids = None, tgt_lang = None, generation_config = None, logits_processor = None, stopping_criteria = None, prefix_allowed_tokens_fn = None, synced_gpus = False, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L2619)

**المعاملات:**

input_ids (`torch.Tensor` ذو شكل متغير حسب النمط، *اختياري*) : فهارس رموز تسلسل الإدخال في قاموس الكلمات. يمكن الحصول على الفهارس باستخدام [SeamlessM4TTokenizer](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TTokenizer) أو [SeamlessM4TProcessor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TProcessor). راجع [PreTrainedTokenizer.encode()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) و [PreTrainedTokenizer.__call__()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) للتفاصيل. [ما هي معرّفات الإدخال؟](../glossary#input-ids)

tgt_lang (`str`، *اختياري*) : اللغة المستخدمة كلغة الهدف للترجمة.

generation_config (`~generation.GenerationConfig`، *اختياري*) : إعدادات التوليد التي سيتم استخدامها كإعدادات أساسية لاستدعاء التوليد. أي `**kwargs` تُمرَّر إلى generate وتتطابق مع سمات `generation_config` ستُلغي قيمها. إذا لم يتم تقديم `generation_config`، فسيتم استخدام الإعدادات الافتراضية، والتي لها أولوية تحميل كالتالي: 1) من ملف النموذج `generation_config.json`، إذا كان موجودًا؛ 2) من إعدادات النموذج. يرجى ملاحظة أن المعلمات غير المحددة ستورث القيم الافتراضية لـ [GenerationConfig](/docs/transformers/v5.23.0/ar/main_classes/text_generation#transformers.GenerationConfig)، والتي يجب الرجوع إلى توثيقها لإعداد التوليد.

logits_processor (`LogitsProcessorList`، *اختياري*) : معالجات logits مخصصة تكمل معالجات logits الافتراضية المبنية من الحُجج وإعدادات التوليد. إذا تم تمرير معالج logits تم إنشاؤه مسبقًا باستخدام الحُجج أو إعدادات التوليد، فسيتم طرح خطأ. هذه الميزة مخصصة للمستخدمين المتقدمين.

stopping_criteria (`StoppingCriteriaList`، *اختياري*) : معايير إيقاف مخصصة تكمل معايير الإيقاف الافتراضية المبنية من الحجوزات وإعدادات التوليد. إذا تم تمرير معيار إيقاف تم إنشاؤه مسبقًا باستخدام الحجوزات أو إعدادات التوليد، فسيتم طرح خطأ. هذه الميزة مخصصة للمستخدمين المتقدمين.

prefix_allowed_tokens_fn (`Callable[[int, torch.Tensor], list[int]]`، *اختياري*) : إذا تم توفيره، فإن هذه الدالة تُقيّد بحث الحزمة (beam search) على الرموز المسموح بها فقط في كل خطوة. وإذا لم يُوفَّر، فلا يُطبَّق أي قيد. تتلقى هذه الدالة حجتين: معطّف الدفعة `batch_id` و`input_ids`. ويجب أن تُرجع قائمة بالرموز المسموح بها لخطوة التوليد التالية، مشروطةً بمعطّف الدفعة `batch_id` والرموز المولَّدة سابقًا `inputs_ids`. يُعدّ هذا الحُجّة مفيدًا للتوليد المقيد المشروط على البادئة، كما هو موصوف في [Autoregressive Entity Retrieval](https://huggingface.co/papers/2010.00904).

synced_gpus (`bool`، *اختياري*، القيمة الافتراضية `False`) : ما إذا كان يجب مواصلة تشغيل حلقة while حتى max_length (مطلوب لتجنب الجمود مع `FullyShardedDataParallel` وDeepSpeed ZeRO Stage 3).

kwargs (`dict[str, Any]`، *اختياري*) : تخصيص مؤقت لـ `generate_config` و/أو معاملات إضافية خاصة بالنموذج سيتم تمريرها إلى دالة `forward` الخاصة بالنموذج.

**يعيد:** [ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) أو `torch.LongTensor`

[ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) (إذا كان `return_dict_in_generate=True` أو عندما يكون `config.return_dict_in_generate=True`) أو `torch.Tensor`. الأنواع الممكنة لـ [ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) هي:
- [GenerateEncoderDecoderOutput](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.generation.GenerateEncoderDecoderOutput)،
- [GenerateBeamEncoderDecoderOutput](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.generation.GenerateBeamEncoderDecoderOutput)

يولّد تسلسلات من معرّفات الرموز.

تُضبط معظم المعلمات التي تتحكم في التوليد في `generation_config`، والتي إذا لم تُمرَّر، فسيتم ضبطها على إعدادات التوليد الافتراضية للنموذج. يمكنك تجاوز أي `generation_config` عن طريق تمرير المعلمات المقابلة إلى generate()، على سبيل المثال `.generate(inputs, num_beams=4, do_sample=True)`.

لمراجعة عامة لاستراتيجيات التوليد وأمثلة الأكواد، راجع [الدليل التالي](./generation_strategies).

## SeamlessM4Tv2ForSpeechToText[[transformers.SeamlessM4Tv2ForSpeechToText]]

#### transformers.SeamlessM4Tv2ForSpeechToText[[transformers.SeamlessM4Tv2ForSpeechToText]]

```python
transformers.SeamlessM4Tv2ForSpeechToText(config: SeamlessM4Tv2Config)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L2736)

**المعاملات:**

config ([SeamlessM4Tv2Config](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Config)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

نموذج SeamlessM4Tv2 لتحويل الكلام إلى نص، وهو نموذج تحويلي يمكن استخدامه لتحويل الكلام إلى نص.

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### forward[[transformers.SeamlessM4Tv2ForSpeechToText.forward]]

```python
forward(input_features: typing.Optional[torch.LongTensor] = None, attention_mask: typing.Optional[torch.Tensor] = None, decoder_input_ids: typing.Optional[torch.LongTensor] = None, decoder_attention_mask: typing.Optional[torch.LongTensor] = None, encoder_outputs: tuple[tuple[torch.Tensor]] | None = None, past_key_values: transformers.cache_utils.Cache | None = None, inputs_embeds: typing.Optional[torch.Tensor] = None, decoder_inputs_embeds: typing.Optional[torch.Tensor] = None, labels: typing.Optional[torch.LongTensor] = None, use_cache: bool | None = None, **kwargs: *<class 'transformers.utils.generic.TransformersKwargs'>)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L2774)

**المعاملات:**

input_features (`torch.Tensor` من الشكل `(batch_size, sequence_length, num_banks)`) : ميزات الصوت المدخلة. يجب أن يُعاد هذا من فئة [SeamlessM4TFeatureExtractor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor) أو فئة [SeamlessM4TProcessor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TProcessor). راجع [SeamlessM4TFeatureExtractor.__call__()](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor.__call__) للتفاصيل.

attention_mask (`torch.Tensor` من الشكل `(batch_size, sequence_length)`، *اختياري*) : قناع لتجنب تنفيذ الانتباه على فهارس رموز الحشو. قيم القناع المختارة من `[0, 1]`: - 1 للرموز التي **ليست مقنّعة**، - 0 للرموز التي **مقنّعة**.  [ما هي أقنعة الانتباه؟](../glossary#attention-mask)

decoder_input_ids (من نوع `torch.LongTensor` بأبعاد `(batch_size, target_sequence_length)`، *اختياري*) : فهارس رموز تسلسل مدخلات المُفكِّك في القاموس. يمكن الحصول على الفهارس باستخدام [AutoTokenizer](/docs/transformers/v5.23.0/ar/model_doc/auto#transformers.AutoTokenizer). راجع [PreTrainedTokenizer.encode()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) و[PreTrainedTokenizer.__call__()](/docs/transformers/v5.23.0/ar/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) للتفاصيل. [ما هي معرّفات مدخلات المُفكِّك؟](../glossary#decoder-input-ids) يستخدم Bart الرمز `eos_token_id` كرمز بدء لتوليد `decoder_input_ids`. إذا تم استخدام `past_key_values`، فيمكن اختيارياً إدخال آخر `decoder_input_ids` فقط (انظر `past_key_values`). في تدريب الترجمة والتلخيص، يجب تقديم `decoder_input_ids`. إذا لم يتم تقديم `decoder_input_ids`، سيقوم النموذج بإنشاء هذه المصفوفة بإزاحة `input_ids` إلى اليمين للتدريب المسبق على إزالة الضوضاء وفقاً للورقة البحثية.

decoder_attention_mask (`torch.LongTensor` بشكل `(batch_size, target_sequence_length)`، *اختياري*) : السلوك الافتراضي: توليد متجه يتجاهل رموز الحشو في `decoder_input_ids`. سيتم استخدام قناع السببية أيضًا بشكل افتراضي. إذا أردت تغيير سلوك الحشو، فيجب عليك قراءة `modeling_bart._prepare_decoder_attention_mask` وتعديله حسب احتياجاتك. راجع الشكل 1 في [الورقة البحثية](https://huggingface.co/papers/1910.13461) لمزيد من المعلومات حول الاستراتيجية الافتراضية.

encoder_outputs (`tuple[tuple[torch.Tensor]]`، *اختياري*) : يتكوّن المصفوفة من (`last_hidden_state`، *اختياري*: `hidden_states`، *اختياري*: `attentions`) `last_hidden_state` من الشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) هو تسلسل من حالات الإخفاء عند مخرج الطبقة الأخيرة من المُشفِّر. يُستخدم في الانتباه المتقاطع (cross-attention) في المُفكِّك.

past_key_values (`~cache_utils.Cache`، *اختياري*) : حالات مخفية محسوبة مسبقًا (المفاتيح والقيم في كتل الانتباه الذاتي وكتل الانتباه المتقاطع) يمكن استخدامها لتسريع فك الترميز التسلسلي. يتكوّن هذا عادةً من `past_key_values` التي يعيدها النموذج في مرحلة سابقة من فك الترميز، عندما يكون `use_cache=True` أو `config.use_cache=True`. يُسمح فقط بتمرير كائن [Cache](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.Cache) كمدخل، راجع [دليل ذاكرة kv](https://huggingface.co/docs/transformers/en/kv_cache). إذا لم يتم تمرير `past_key_values`، فسيتم تهيئة [DynamicCache](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.DynamicCache) افتراضيًا. سيُخرج النموذج نفس تنسيق الذاكرة المؤقتة المُدخل. إذا تم استخدام `past_key_values`، يُتوقع من المستخدم إدخال `input_ids` غير المعالجة فقط (تلك التي لم تُعطَ حالات مفاتيح وقيم سابقة لها في هذا النموذج) بأبعاد `(batch_size, unprocessed_length)` بدلاً من جميع `input_ids` بأبعاد `(batch_size, sequence_length)`.

inputs_embeds (`torch.Tensor` من الشكل`(batch_size, sequence_length, hidden_size)`، *اختياري*) : بدلاً من تمرير `input_ids`، يمكنك اختيار تمرير تمثيل مضمّن مباشرةً. هذا مفيد إذا كنت ترغب في الحصول على مزيد من التحكم في كيفية تحويل فهارس `input_ids` إلى المتجهات المرتبطة بها، مقارنةً بمصفوفة البحث المضمّنة الداخلية للنموذج. labels (`torch.LongTensor` من الشكل `(batch_size, sequence_length)`، *اختياري*): تسميات لحساب خسارة نمذجة اللغة المقنّعة. يجب أن تكون الفهارس ضمن `[-100, 0, ..., config.vocab_size]` (انظر `input_ids` docstring) يتم تجاهل الرموز التي تم ضبط فهارسها على `-100` (تُقنَّع)، ولا تُحسب الخسارة إلا للرموز التي تسمياتها ضمن `[0, ..., config.vocab_size]`

decoder_inputs_embeds (`torch.Tensor` بشكل `(batch_size, target_sequence_length, hidden_size)`، *اختياري*) : اختياريًا، بدلاً من تمرير `decoder_input_ids` يمكنك اختيار تمرير تمثيل مضمّن مباشرة. إذا تم استخدام `past_key_values`، فلا يتعين إدخال سوى آخر `decoder_inputs_embeds` (انظر `past_key_values`). يكون هذا مفيدًا إذا أردت مزيدًا من التحكم في كيفية تحويل فهارس `decoder_input_ids` إلى المتجهات المرتبطة بها مقارنةً بمصفوفة البحث التضمينية الداخلية للنموذج. إذا كان كل من `decoder_input_ids` و`decoder_inputs_embeds` غير مضبوطين، فإن `decoder_inputs_embeds` يتخذ قيمة `inputs_embeds`.

labels (`torch.LongTensor` من الشكل `(batch_size, sequence_length)`، *اختياري*) : تسميات لحساب خسارة نمذجة اللغة المقنّعة. يجب أن تكون الفهارس إما ضمن `[0, ..., config.vocab_size]` أو -100 (انظر `input_ids` docstring). يتم تجاهل الرموز التي تكون فهارسها مضبوطة على `-100` (مقنّعة)، ولا تُحسب الخسارة إلا للرموز التي تسمياتها ضمن `[0, ..., config.vocab_size]`.

use_cache (`bool`، *اختياري*) : إذا تم ضبطه على `True`، تُعاد حالات المفاتيح والقيم `past_key_values` ويمكن استخدامها لتسريع فك الترميز (انظر `past_key_values`).

**يعيد:** [Seq2SeqLMOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.modeling_outputs.Seq2SeqLMOutput) أو `tuple(torch.Tensor)`

[Seq2SeqLMOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.modeling_outputs.Seq2SeqLMOutput) أو مجموعة من `torch.Tensor` (إذا تم تمرير `return_dict=False` أو عندما يكون `config.return_dict=False`) وتتضمن عناصر مختلفة اعتماداً على الإعداد ([SeamlessM4Tv2Config](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Config)) والمدخلات.

تتجاوز طريقة [SeamlessM4Tv2ForSpeechToText](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForSpeechToText) الخاصة بالتقديم (forward) الطريقة الخاصة `__call__`.

على الرغم من أنه يجب تعريف وصفة المرور الأمامي داخل هذه الدالة، إلا أنه ينبغي استدعاء كائن `Module` بدلاً من هذه الدالة، لأن الكائن يتولى تنفيذ خطوات المعالجة المسبقة والمعالجة اللاحقة، بينما تتجاهل الدالة هذه الخطوات بصمت.

- **loss** (`torch.Tensor` من الشكل `(1,)`، *اختياري*، يُعاد عند تقديم `labels`) -- خسارة نمذجة اللغة.
- **logits** (`torch.Tensor` من الشكل `(batch_size, sequence_length, config.vocab_size)`) -- درجات التنبؤ لرأس نمذجة اللغة (درجات لكل رمز في المفردات قبل SoftMax).
- **past_key_values** (`EncoderDecoderCache`، *اختياري*، يُعاد عند تمرير `use_cache=True` أو عند `config.use_cache=True`) -- هو كائن من نوع [EncoderDecoderCache](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.EncoderDecoderCache). لمزيد من التفاصيل، راجع [دليل ذاكرة kv](https://huggingface.co/docs/transformers/en/kv_cache).

  تحتوي على حالات مخفية محسوبة مسبقًا (مفاتيح وقيم في كتل الانتباه الذاتي وكتل الانتباه المتقاطع) يمكن استخدامها (انظر مدخل `past_key_values`) لتسريع فك الترميز التسلسلي.
- **decoder_hidden_states** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`.

  حالات المخفية (Hidden states) لمفكّك الترميز (decoder) عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي (initial embedding).
- **decoder_attentions** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) من الشكل `(batch_size, num_heads, sequence_length, sequence_length)`.

  أوزان الانتباه في المفكّك، بعد softmax الانتباه، المستخدمة لحساب المتوسط المرجّح في رؤوس الانتباه الذاتي.
- **cross_attentions** (`tuple(torch.Tensor)`، *اختياري*، يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) من الشكل `(batch_size, num_heads, sequence_length, sequence_length)`.

  أوزان الانتباه في طبقة الانتباه المتقاطع للمفكّك، بعد softmax للانتباه، وتُستخدم لحساب المتوسط المرجّح في رؤوس الانتباه المتقاطع.
- **encoder_last_hidden_state** (`torch.Tensor` بشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) -- سلسلة من حالات الإخفاء عند مخرجات الطبقة الأخيرة من المُشفِّر في النموذج.
- **encoder_hidden_states** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`.

  حالات المخفية للمشفّر عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي.
- **encoder_attentions** (`tuple(torch.Tensor)`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) من الشكل `(batch_size, num_heads, sequence_length, sequence_length)`.

  أوزان الانتباه للمُشفِّر، بعد softmax للانتباه، المُستخدَمة لحساب المتوسط الموزون في رؤوس الانتباه الذاتي.

مثال:

```python
>>> from transformers import AutoProcessor, SeamlessM4Tv2ForSpeechToText
>>> from datasets import load_dataset
>>> import torch

>>> dataset = load_dataset("hf-internal-testing/librispeech_asr_demo", "clean", split="validation")
>>> dataset = dataset.sort("id")
>>> sampling_rate = dataset.features["audio"].sampling_rate

>>> processor = AutoProcessor.from_pretrained("facebook/hf-seamless-m4t-medium")
>>> model = SeamlessM4Tv2ForSpeechToText.from_pretrained("facebook/hf-seamless-m4t-medium")

>>> # audio file is decoded on the fly
>>> inputs = processor(dataset[0]["audio"]["array"], sampling_rate=sampling_rate, return_tensors="pt")
>>> with torch.no_grad():
...     logits = model(**inputs).logits
>>> predicted_ids = torch.argmax(logits, dim=-1)

>>> # transcribe speech
>>> transcription = processor.batch_decode(predicted_ids)
>>> transcription[0]
...

>>> inputs["labels"] = processor(text=dataset[0]["text"], return_tensors="pt").input_ids

>>> # compute loss
>>> loss = model(**inputs).loss
>>> round(loss.item(), 2)
...
```

#### generate[[transformers.SeamlessM4Tv2ForSpeechToText.generate]]

```python
generate(input_features = None, tgt_lang = None, generation_config = None, logits_processor = None, stopping_criteria = None, prefix_allowed_tokens_fn = None, synced_gpus = False, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/modeling_seamless_m4t_v2.py#L2865)

**المعاملات:**

input_features (`torch.Tensor` من الشكل `(batch_size, sequence_length, num_banks)`) : ميزات الصوت المدخلة. يجب أن يُعاد هذا من فئة [SeamlessM4TFeatureExtractor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor) أو فئة [SeamlessM4TProcessor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TProcessor). راجع [SeamlessM4TFeatureExtractor.__call__()](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor.__call__) للتفاصيل.

tgt_lang (`str`، *اختياري*) : اللغة المستخدمة كلغة الهدف للترجمة.

generation_config (`~generation.GenerationConfig`، *اختياري*) : إعدادات التوليد التي سيتم استخدامها كإعدادات أساسية لاستدعاء التوليد. أي `**kwargs` تُمرَّر إلى generate وتتطابق مع سمات `generation_config` ستُلغي قيمها. إذا لم يتم تقديم `generation_config`، فسيتم استخدام الإعدادات الافتراضية، والتي لها أولوية تحميل كالتالي: 1) من ملف النموذج `generation_config.json`، إذا كان موجودًا؛ 2) من إعدادات النموذج. يرجى ملاحظة أن المعلمات غير المحددة ستورث القيم الافتراضية لـ [GenerationConfig](/docs/transformers/v5.23.0/ar/main_classes/text_generation#transformers.GenerationConfig)، والتي يجب الرجوع إلى توثيقها لإعداد التوليد.

logits_processor (`LogitsProcessorList`، *اختياري*) : معالجات logits مخصصة تكمل معالجات logits الافتراضية المبنية من الحُجج وإعدادات التوليد. إذا تم تمرير معالج logits تم إنشاؤه مسبقًا باستخدام الحُجج أو إعدادات التوليد، فسيتم طرح خطأ. هذه الميزة مخصصة للمستخدمين المتقدمين.

stopping_criteria (`StoppingCriteriaList`، *اختياري*) : معايير إيقاف مخصصة تكمل معايير الإيقاف الافتراضية المبنية من الحجوزات وإعدادات التوليد. إذا تم تمرير معيار إيقاف تم إنشاؤه مسبقًا باستخدام الحجوزات أو إعدادات التوليد، فسيتم طرح خطأ. هذه الميزة مخصصة للمستخدمين المتقدمين.

prefix_allowed_tokens_fn (`Callable[[int, torch.Tensor], list[int]]`، *اختياري*) : إذا تم توفيره، فإن هذه الدالة تُقيّد بحث الحزمة (beam search) على الرموز المسموح بها فقط في كل خطوة. وإذا لم يُوفَّر، فلا يُطبَّق أي قيد. تتلقى هذه الدالة حجتين: معطّف الدفعة `batch_id` و`input_ids`. ويجب أن تُرجع قائمة بالرموز المسموح بها لخطوة التوليد التالية، مشروطةً بمعطّف الدفعة `batch_id` والرموز المولَّدة سابقًا `inputs_ids`. يُعدّ هذا الحُجّة مفيدًا للتوليد المقيد المشروط على البادئة، كما هو موصوف في [Autoregressive Entity Retrieval](https://huggingface.co/papers/2010.00904).

synced_gpus (`bool`، *اختياري*، القيمة الافتراضية `False`) : ما إذا كان يجب مواصلة تشغيل حلقة while حتى max_length (مطلوب لتجنب الجمود مع `FullyShardedDataParallel` وDeepSpeed ZeRO Stage 3).

kwargs (`dict[str, Any]`، *اختياري*) : تخصيص مؤقت لـ `generate_config` و/أو معاملات إضافية خاصة بالنموذج سيتم تمريرها إلى دالة `forward` الخاصة بالنموذج.

**يعيد:** [ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) أو `torch.LongTensor`

[ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) (إذا كان `return_dict_in_generate=True` أو عندما يكون `config.return_dict_in_generate=True`) أو `torch.Tensor`. الأنواع الممكنة لـ [ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) هي:
- [GenerateEncoderDecoderOutput](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.generation.GenerateEncoderDecoderOutput)،
- [GenerateBeamEncoderDecoderOutput](/docs/transformers/v5.23.0/ar/internal/generation_utils#transformers.generation.GenerateBeamEncoderDecoderOutput)

يولّد تسلسلات من معرّفات الرموز.

تُضبط معظم المعلمات التي تتحكم في التوليد في `generation_config`، والتي إذا لم تُمرَّر، فسيتم ضبطها على إعدادات التوليد الافتراضية للنموذج. يمكنك تجاوز أي `generation_config` عن طريق تمرير المعلمات المقابلة إلى generate()، على سبيل المثال `.generate(inputs, num_beams=4, do_sample=True)`.

لمراجعة عامة لاستراتيجيات التوليد وأمثلة الأكواد، راجع [الدليل التالي](./generation_strategies).

## SeamlessM4Tv2Config[[transformers.SeamlessM4Tv2Config]]

#### transformers.SeamlessM4Tv2Config[[transformers.SeamlessM4Tv2Config]]

```python
transformers.SeamlessM4Tv2Config(transformers_version: str | None = None, architectures: list[str] | None = None, output_hidden_states: bool | None = False, return_dict: bool | None = True, dtype: str | torch.dtype | None = None, chunk_size_feed_forward: int = 0, id2label: dict[int, str] | dict[str, str] | None = None, label2id: dict[str, int] | dict[str, str] | None = None, problem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = None, is_encoder_decoder: bool = True, vocab_size: int = 256102, t2u_vocab_size: int = 10082, char_vocab_size: int = 10943, hidden_size: int = 1024, initializer_range: float = 0.02, layer_norm_eps: float = 1e-05, use_cache: bool = True, max_position_embeddings: int = 4096, encoder_layerdrop: float | int = 0.05, decoder_layerdrop: float | int = 0.05, activation_function: str = 'relu', dropout: float | int = 0.1, attention_dropout: float | int = 0.1, activation_dropout: float | int = 0.0, scale_embedding: bool = True, encoder_layers: int = 24, encoder_ffn_dim: int = 8192, encoder_attention_heads: int = 16, decoder_layers: int = 24, decoder_ffn_dim: int = 8192, decoder_attention_heads: int = 16, decoder_start_token_id: int = 3, max_new_tokens: int | None = 256, pad_token_id: int | None = 0, bos_token_id: int | None = 2, eos_token_id: int | list[int] | None = 3, speech_encoder_layers: int = 24, speech_encoder_attention_heads: int = 16, speech_encoder_intermediate_size: int = 4096, speech_encoder_hidden_act: str = 'swish', speech_encoder_dropout: float | int = 0.0, add_adapter: bool = True, speech_encoder_layerdrop: float | int = 0.1, feature_projection_input_dim: int = 160, adaptor_kernel_size: int = 8, adaptor_stride: int = 8, adaptor_dropout: float | int = 0.1, num_adapter_layers: int = 1, position_embeddings_type: str = 'relative_key', conv_depthwise_kernel_size: int = 31, left_max_position_embeddings: int = 64, right_max_position_embeddings: int = 8, speech_encoder_chunk_size: int = 20000, speech_encoder_left_chunk_num: int = 128, t2u_bos_token_id: int | None = 0, t2u_pad_token_id: int | None = 1, t2u_eos_token_id: int | list[int] | None = 2, t2u_encoder_layers: int = 6, t2u_encoder_ffn_dim: int = 8192, t2u_encoder_attention_heads: int = 16, t2u_decoder_layers: int = 6, t2u_decoder_ffn_dim: int = 8192, t2u_decoder_attention_heads: int = 16, t2u_max_position_embeddings: int = 4096, t2u_variance_predictor_embed_dim: int = 1024, t2u_variance_predictor_hidden_dim: int = 256, t2u_variance_predictor_kernel_size: int = 3, t2u_variance_pred_dropout: float | int = 0.5, sampling_rate: int = 16000, upsample_initial_channel: int = 512, upsample_rates: list[int] | tuple[int, ...] = (5, 4, 4, 2, 2), upsample_kernel_sizes: list[int] | tuple[int, ...] = (11, 8, 8, 4, 4), resblock_kernel_sizes: list[int] | tuple[int, ...] = (3, 7, 11), resblock_dilation_sizes: list | tuple = ((1, 3, 5), (1, 3, 5), (1, 3, 5)), leaky_relu_slope: float = 0.1, unit_hifi_gan_vocab_size: int = 10000, unit_embed_dim: int = 1280, lang_embed_dim: int = 256, spkr_embed_dim: int = 256, vocoder_num_langs: int = 36, vocoder_num_spkrs: int = 200, variance_predictor_kernel_size: int = 3, var_pred_dropout: float | int = 0.5, vocoder_offset: int = 4, tie_word_embeddings: bool = True)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/seamless_m4t_v2/configuration_seamless_m4t_v2.py#L24)

**المعاملات:**

is_encoder_decoder (`bool`، *اختياري*، الافتراضي هو `True`) : ما إذا كان النموذج يُستخدم كمُشفِّر/مُفكِّك أم لا.

vocab_size (`int`، *اختياري*، القيمة الافتراضية `256102`) : حجم مفردات النموذج. يحدد عدد الرموز المختلفة التي يمكن تمثيلها بواسطة `input_ids`.

t2u_vocab_size (`int`، *اختياري*، القيمة الافتراضية 10082) : حجم مفردات الوحدة لنموذج SeamlessM4Tv2. يحدد عدد رموز "الوحدة" المختلفة التي يمكن تمثيلها بواسطة `inputs_ids` المُمررة عند استدعاء نموذج الفرع Text-To-Units الخاص بـ [~SeamlessM4Tv2Model](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model) أو [~SeamlessM4Tv2ForSpeechToSpeech](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForSpeechToSpeech) أو [~SeamlessM4Tv2ForTextToSpeech](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForTextToSpeech).

char_vocab_size (`int`، *اختياري*، القيمة الافتراضية 10943) : حجم مفردات الأحرف لنموذج SeamlessM4Tv2. يحدد عدد رموز الأحرف المختلفة التي يمكن تمثيلها بواسطة `char_inputs_ids` المُمررة عند استدعاء نموذج Text-To-Units الفرعي من [~SeamlessM4Tv2Model](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model) أو [~SeamlessM4Tv2ForSpeechToSpeech](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForSpeechToSpeech) أو [~SeamlessM4Tv2ForTextToSpeech](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForTextToSpeech).

hidden_size (`int`، *اختياري*، القيمة الافتراضية `1024`) : بُعد التمثيلات المخفية.

initializer_range (`float`، *اختياري*، القيمة الافتراضية `0.02`) : الانحراف المعياري لـ truncated_normal_initializer المستخدم في تهيئة جميع مصفوفات الأوزان.

layer_norm_eps (`float`، *اختياري*، القيمة الافتراضية `1e-05`) : قيمة الإيبسلون المستخدمة في طبقات تطبيع الطبقة.

use_cache (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب على النموذج إرجاع قيم المفاتيح/القيم الأخيرة للانتباه (لا تستخدمها جميع النماذج). لا ينطبق إلا إذا كان `config.is_decoder=True` أو عندما يكون النموذج نموذجًا توليديًا يعتمد على المُفكِّك فقط.

max_position_embeddings (`int`، *اختياري*، القيمة الافتراضية `4096`) : الحد الأقصى لطول التسلسل الذي قد يُستخدم به هذا النموذج على الإطلاق.

encoder_layerdrop (`Union[float, int]`، *اختياري*، القيمة الافتراضية `0.05`) : احتمال LayerDrop للمُشفِّر. راجع [ورقة LayerDrop](see https://huggingface.co/papers/1909.11556) لمزيد من التفاصيل.

decoder_layerdrop (`Union[float, int]`، *اختياري*، القيمة الافتراضية `0.05`) : احتمال LayerDrop لفك الترميز. راجع [ورقة LayerDrop](see https://huggingface.co/papers/1909.11556) لمزيد من التفاصيل.

activation_function (`str`، *اختياري*، الافتراضي هو `relu`) : دالة التنشيط غير الخطية (دالة أو نص) في المُفكِّك. على سبيل المثال، `"gelu"`، `"relu"`، `"silu"`، وغيرها.

dropout (`Union[float, int]`، *اختياري*، القيمة الافتراضية هي `0.1`) : النسبة لجميع طبقات dropout.

attention_dropout (`Union[float, int]`، *اختياري*، القيمة الافتراضية `0.1`) : نسبة الإسقاط (dropout) لاحتمالات الانتباه.

activation_dropout (`Union[float, int]`، *اختياري*، القيمة الافتراضية `0.0`) : نسبة الإسقاط (dropout) للتفعيلات داخل الطبقة المتصلة بالكامل.

scale_embedding (`bool`، *اختياري*، القيمة الافتراضية `True`) : هل يتم تحجيم التضمينات بقسمة على sqrt(d_model).

encoder_layers (`int`، *اختياري*، القيمة الافتراضية `24`) : عدد الطبقات المخفية في مُشفِّر Transformer. سيستخدم القيمة نفسها لـ`num_layers` إذا لم يتم ضبطه.

encoder_ffn_dim (`int`، *اختياري*، القيمة الافتراضية `8192`) : بُعد طبقة "الوسيطة" (التي تُسمّى غالبًا طبقة التغذية الأمامية) في المُشفِّر.

encoder_attention_heads (`int`, *اختياري*, القيمة الافتراضية هي `16`) : عدد رؤوس الانتباه في كل طبقة انتباه داخل مُشفِّر Transformer.

decoder_layers (`int`, *اختياري*, الافتراضي `24`) : عدد الطبقات المخفية في مُفكِّك Transformer. سيُستخدم نفس قيمة `num_layers` إذا لم يتم تعيينها.

decoder_ffn_dim (`int`، *اختياري*، القيمة الافتراضية `8192`) : بُعد طبقة "الوسيطة" (التي تُسمّى غالبًا طبقة التغذية الأمامية) في المُفكِّك.

decoder_attention_heads (`int`، *اختياري*، القيمة الافتراضية `16`) : عدد رؤوس الانتباه في كل طبقة انتباه داخل مُفكِّك Transformer.

decoder_start_token_id (`int`، *اختياري*، القيمة الافتراضية `3`) : إذا بدأ نموذج المُشفِّر-المُفكِّك (encoder-decoder) عملية فك التشفير برمز مختلف عن `bos`، فإن هذا هو المعرّف الخاص بذلك الرمز.

max_new_tokens (`int`، *اختياري*، القيمة الافتراضية 256) : الحد الأقصى لعدد رموز النص التي سيتم توليدها، مع تجاهل عدد الرموز في الاستعلام.

pad_token_id (`int`، *اختياري*، القيمة الافتراضية `0`) : معرّف الرمز المستخدم للتعبئة في المفردات.

bos_token_id (`int`، *اختياري*، القيمة الافتراضية `2`) : معرّف الرمز المستخدم لبدء البث في المفردات.

eos_token_id (`Union[int, list[int]]`، *اختياري*، القيمة الافتراضية `3`) : معرّف الرمز المستخدم لنهاية البث في المفردات.

speech_encoder_layers (`int`، *اختياري*، القيمة الافتراضية 24) : عدد الطبقات المخفية في مُشفِّر الكلام Transformer.

speech_encoder_attention_heads (`int`، *اختياري*، القيمة الافتراضية 16) : عدد رؤوس الانتباه لكل طبقة انتباه في مُشفّر الكلام الخاص بـ Transformer.

speech_encoder_intermediate_size (`int`، *اختياري*، القيمة الافتراضية 4096) : بُعد طبقة "الوسط" (أي طبقة التغذية الأمامية) في مُشفِّر الكلام الخاص بـ Transformer.

speech_encoder_hidden_act (`str` أو `function`، *اختياري*، القيمة الافتراضية `"swish"`) : دالة التنشيط غير الخطية (دالة أو نص) في مشفّر الكلام. إذا كان نصًا، فالدوال المدعومة هي `"gelu"`، `"relu"`، `"selu"`، `"swish"` و`"gelu_new"`.

speech_encoder_dropout (`float`، *اختياري*، القيمة الافتراضية 0.0) : احتمال الإسقاط (dropout) لجميع الطبقات في مشفّر الكلام.

add_adapter (`bool`، *اختياري*، القيمة الافتراضية `True`) : إضافة طبقة مُكيّف فوق مُشفّر الكلام.

speech_encoder_layerdrop (`float`، *اختياري*، القيمة الافتراضية 0.1) : احتمال LayerDrop لمُشفِّر الكلام. راجع [ورقة LayerDrop](see https://huggingface.co/papers/1909.11556) لمزيد من التفاصيل.

feature_projection_input_dim (`int`، *اختياري*، القيمة الافتراضية 160) : بُعد المدخلات لمشروع ميزات المدخلات في مُشفِّر الكلام، أي البُعد بعد معالجة تسجيلات الصوت المدخلة باستخدام [SeamlessM4TFeatureExtractor](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t#transformers.SeamlessM4TFeatureExtractor).

adaptor_kernel_size (`int`، *اختياري*، القيمة الافتراضية 8) : حجم النواة للطبقات التلافيفية في شبكة المحوّل. لا ينطبق إلا إذا كان `add_adapter is True`.

adaptor_stride (`int`، *اختياري*، القيمة الافتراضية 8) : خطوة طبقات الالتفاف في شبكة المحوّل. لا ينطبق إلا إذا كان `add_adapter is True`.

adaptor_dropout (`float`، *اختياري*، القيمة الافتراضية 0.1) : احتمال الإسقاط (dropout) لجميع الطبقات في مُكيّف الكلام.

num_adapter_layers (`int`، *اختياري*، القيمة الافتراضية 1) : عدد طبقات الالتفاف التي يجب استخدامها في شبكة المحوّل. لا ينطبق إلا إذا كان `add_adapter is True`.

position_embeddings_type (`str`، *اختياري*، القيمة الافتراضية `"relative_key"`) : يمكن تحديده إلى `relative_key`. إذا تُرك عند `None`، فلن يُطبَّق تضمين موضع نسبي. يُطبَّق على مُشفِّر الكلام فقط. لمزيد من المعلومات حول `"relative_key"`، يُرجى الرجوع إلى [Self-Attention with Relative Position Representations (Shaw et al.)](https://huggingface.co/papers/1803.02155).

conv_depthwise_kernel_size (`int`، *اختياري*، القيمة الافتراضية 31) : حجم النواة للطبقة التلافيفية أحادية البعد العميقة (depthwise) في كتل Conformer. يُطبَّق على مُشفِّر الكلام فقط.

left_max_position_embeddings (`int`، *اختياري*، القيمة الافتراضية 64) : قيمة القص اليسرى للمواضع النسبية.

right_max_position_embeddings (`int`، *اختياري*، القيمة الافتراضية 8) : قيمة القص اليمنى للمواضع النسبية.

speech_encoder_chunk_size (`int`، *اختياري*، القيمة الافتراضية 20000) : حجم كل جزء من أجزاء الانتباه.

speech_encoder_left_chunk_num (`int`، *اختياري*، القيمة الافتراضية 128) : عدد المقاطع على اليسار التي يُسمح بالنظر إليها مسبقًا حتى هذا الحد.

t2u_bos_token_id (`int`، *اختياري*، القيمة الافتراضية 0) : المعرّف الخاص برمز وحدة _بداية البث_. يُطبَّق فقط على نموذج التحويل من نص إلى وحدة (seq2seq).

t2u_pad_token_id (`int`، *اختياري*، القيمة الافتراضية 1) : المعرّف الخاص برمز وحدة _padding_. يُطبَّق فقط على نموذج seq2seq من النص إلى الوحدة.

t2u_eos_token_id (`int`، *اختياري*، القيمة الافتراضية 2) : المعرّف الخاص برمز وحدة _نهاية البث_. يُطبَّق فقط على نموذج التحويل من نص إلى وحدة.

t2u_encoder_layers (`int`، *اختياري*، القيمة الافتراضية 6) : عدد الطبقات المخفية في مُشفِّر النص إلى وحدة Transformer.

t2u_encoder_ffn_dim (`int`، *اختياري*، القيمة الافتراضية 8192) : بُعد طبقة "الوسيطة" (أي طبقة التغذية الأمامية) في مُشفِّر النص إلى الوحدات في Transformer.

t2u_encoder_attention_heads (`int`، *اختياري*، القيمة الافتراضية 16) : عدد رؤوس الانتباه لكل طبقة انتباه في مُشفِّر النص إلى وحدة في Transformer.

t2u_decoder_layers (`int`، *اختياري*، القيمة الافتراضية 6) : عدد الطبقات المخفية في مُفكِّك النص إلى وحدة في Transformer.

t2u_decoder_ffn_dim (`int`، *اختياري*، القيمة الافتراضية 8192) : بُعد طبقة "الوسيطة" (أي طبقة التغذية الأمامية) في مُفكِّك النص إلى وحدات Transformer.

t2u_decoder_attention_heads (`int`، *اختياري*، القيمة الافتراضية 16) : عدد رؤوس الانتباه لكل طبقة انتباه في مُفكِّك النص إلى وحدة في Transformer.

t2u_max_position_embeddings (`int`، *اختياري*، القيمة الافتراضية 4096) : الحد الأقصى لطول التسلسل الذي قد يُستخدم معه هذا المكوّن النصي إلى الوحدات في النموذج. يُنصح عادةً بإعداد هذه القيمة إلى رقم كبير احتياطًا (مثل 512 أو 1024 أو 2048).

t2u_variance_predictor_embed_dim (`int`، *اختياري*، القيمة الافتراضية 1024) : بُعد الإسقاط (projection dimension) لمُتنبئ المدة (duration predictor) الخاص بتحويل النص إلى وحدات.

t2u_variance_predictor_hidden_dim (`int`، *اختياري*، القيمة الافتراضية 256) : البُعد الداخلي لمُتنبئ المدة الخاص بتحويل النص إلى وحدة.

t2u_variance_predictor_kernel_size (`int`، *اختياري*، القيمة الافتراضية 3) : حجم النواة للطبقات التلافيفية في متنبئ المدة الخاص بتحويل النص إلى وحدة.

t2u_variance_pred_dropout (`float`، *اختياري*، القيمة الافتراضية 0.5) : احتمال الإسقاط (dropout) لمُتنبئ المدة الخاص بتحويل النص إلى وحدة.

sampling_rate (`int`، *اختياري*، القيمة الافتراضية `16000`) : معدل أخذ العينات الذي يجب أن تُرقَم به ملفات الصوت، ويُعبَّر عنه بالهرتز (Hz).

upsample_initial_channel (`int`، *اختياري*، القيمة الافتراضية 512) : عدد قنوات الإدخال إلى شبكة رفع العينات في hifi-gan. ينطبق على مُصوِّت الصوت فقط.

upsample_rates (`tuple[int]` أو `list[int]`، *اختياري*، القيمة الافتراضية `[5, 4, 4, 2, 2]`) : مجموعة من الأعداد الصحيحة تُعرّف الخطوة (stride) لكل طبقة تجميعية أحادية البعد في شبكة رفع العينات (upsampling) الخاصة بمولّد الصوت (vocoder). يحدد طول *upsample_rates* عدد الطبقات التجميعية، ويجب أن يطابق طول *upsample_kernel_sizes*. ينطبق على مولّد الصوت فقط.

upsample_kernel_sizes (`tuple[int]` أو `list[int]`، *اختياري*، القيمة الافتراضية `[11, 8, 8, 4, 4]`) : مجموعة من الأعداد الصحيحة تُعرّف حجم النواة لكل طبقة تجميع أحادية البعد في شبكة رفع العينات الخاصة بمولّد الصوت. يحدد طول *upsample_kernel_sizes* عدد طبقات التجميع، ويجب أن يطابق طول *upsample_rates*. ينطبق على مولّد الصوت فقط.

resblock_kernel_sizes (`tuple[int]` أو `list[int]`، *اختياري*، القيمة الافتراضية `[3, 7, 11]`) : مجموعة من الأعداد الصحيحة تحدد أحجام النواة لطبقات الالتفاف أحادية البعد في وحدة المصوّر ضمن وحدة دمج الحقول الاستقبالية المتعددة (MRF). ينطبق على وحدة المصوّر فقط.

resblock_dilation_sizes (`tuple[tuple[int]]` أو `list[list[int]]`، *اختياري*، القيمة الافتراضية هي `[[1, 3, 5], [1, 3, 5], [1, 3, 5]]`) : مجموعة tuples متداخلة من الأعداد الصحيحة تحدد معدلات التمدد (dilation rates) لطبقات الالتفاف أحادية البعد المتمددة في وحدة المصوّر (vocoder) ضمن وحدة دمج الحقول متعددة الاستقبال (MRF). ينطبق على وحدة المصوّر فقط.

leaky_relu_slope (`float`، *اختياري*، القيمة الافتراضية 0.1) : زاوية الميل السالب المستخدمة في تفعيل Leaky ReLU داخل المُصوِّت (vocoder). ينطبق على المُصوِّت فقط.

unit_hifi_gan_vocab_size (`int`، *اختياري*، القيمة الافتراضية 10000) : حجم مفردات مُنشِّئ الكلام (vocoder) في SeamlessM4Tv2. يحدد عدد رموز الوحدات المختلفة التي يمكن تمثيلها بواسطة `inputs_ids` المُمرَّرة عند استدعاء مُنشِّئ الكلام الخاص بـ [~SeamlessM4Tv2Model](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2Model) أو [~SeamlessM4Tv2ForSpeechToSpeech](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForSpeechToSpeech) أو [~SeamlessM4Tv2ForTextToSpeech](/docs/transformers/v5.23.0/ar/model_doc/seamless_m4t_v2#transformers.SeamlessM4Tv2ForTextToSpeech).

unit_embed_dim (`int`، *اختياري*، القيمة الافتراضية 1280) : بُعد الإسقاط للمعرّفات المدخلة المُقدَّمة إلى مُنشِّد الصوت hifi-gan. ينطبق على مُنشِّد الصوت فقط.

lang_embed_dim (`int`، *اختياري*، القيمة الافتراضية 256) : بُعد الإسقاط للغة الهدف المُعطى لمُصوِّت hifi-gan. ينطبق على المُصوِّت فقط.

spkr_embed_dim (`int`، *اختياري*، القيمة الافتراضية 256) : بُعد الإسقاط لمعرّف المتحدث المُعطى لمُصوِّغ hifi-gan. ينطبق على المُصوِّغ فقط.

vocoder_num_langs (`int`، *اختياري*، القيمة الافتراضية 36) : عدد اللغات المدعومة بواسطة مُصنِّع الصوت. قد يختلف عن `t2u_num_langs`.

vocoder_num_spkrs (`int`، *اختياري*، القيمة الافتراضية 200) : عدد المتكلمين الذين يدعمهم مُولّد الصوت.

variance_predictor_kernel_size (`int`، *اختياري*، القيمة الافتراضية 3) : حجم النواة (Kernel size) لمُتنبئ المدة (duration predictor). يُطبَّق على مُصنِّع الصوت (vocoder) فقط.

var_pred_dropout (`float`، *اختياري*، القيمة الافتراضية 0.5) : احتمال الإسقاط (dropout) لمُتنبئ المدة. يُطبَّق على مُصنِّع الصوت (vocoder) فقط.

vocoder_offset (`int`، *اختياري*، القيمة الافتراضية 4) : يُزاح معرّفات رموز الوحدة بهذا العدد لمراعاة رموز الرمز. ينطبق على مُصنِّع الصوت فقط.

tie_word_embeddings (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب ربط ترميزات الأوزان وفقاً لخريطة `tied_weights_keys` الخاصة بالنموذج.

هذه فئة الإعدادات المخزنة لإعدادات نموذج SeamlessM4Tv2Model. تُستخدم لاستحداث نموذج Seamless M4T V2 وفقاً للحجج المحددة، مع تعريف بنية النموذج. إن استحداث إعدادات باستخدام القيم الافتراضية سيؤدي إلى إعدادات مشابهة لتلك الخاصة بـ [facebook/hf-seamless-m4t-medium](https://huggingface.co/facebook/hf-seamless-m4t-medium)

ترث كائنات الإعداد من [PreTrainedConfig](/docs/transformers/v5.23.0/ar/main_classes/configuration#transformers.PreTrainedConfig) ويمكن استخدامها للتحكم في مخرجات النموذج. اقرأ التوثيق الخاص بـ [PreTrainedConfig](/docs/transformers/v5.23.0/ar/main_classes/configuration#transformers.PreTrainedConfig) لمزيد من المعلومات.

```python
>>> from transformers import SeamlessM4Tv2Model, SeamlessM4Tv2Config

>>> # Initializing a SeamlessM4Tv2 "" style configuration
>>> configuration = SeamlessM4Tv2Config()

>>> # Initializing a model from the "" style configuration
>>> model = SeamlessM4Tv2Model(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config
```

