# تسجيل الأكل بالصوت: هل يشتغل فعلاً؟ (اختبار 2026)

> اختبار سرعة ودقّة لتسجيل الأكل بالصوت عبر اللهجات والبيئات الصاخبة وعدة لغات — مقارنة بتسجيل الصور والنص.

Canonical: https://www.mycallie.app/ar/blog/voice-food-logging-accuracy
Published: 2026-05-19 · Updated: 2026-09-28
Author: Md Sadab Wasim · Source: https://www.mycallie.app

التسجيل بالصوت هو الطريقة الأقل استكشافاً في متابعة الكالوري. أغلب التطبيقات لا زالت تنتظر الكتابة أو الصورة. السبب التاريخي وجيه — التعرّف الصوتي كان مو موثوق بالأماكن الصاخبة، والحصول على كمية من \"أكلت شوية دجاج\" صعب.

الاثنين انحلّوا إلى حد بعيد الحين. هذا اللي يشتغل فعلاً في 2026، بأرقام حقيقية.

## الجواب بـ30 ثانية

**إيه، لأغلب الوجبات.** في اختبارنا على 20 وجبة، الصوت كان أسرع طريقة للتسجيل: 10 ثوان وسيطاً لكل وجبة، مقابل 15 ثانية للصورة و22 للنص و45 للبحث بقاعدة بيانات بنمط MyFitnessPal. مع وصف محدّد، الصوت طلع بخطأ 8–12% مقارنة بميزان المطبخ، قريب من النص؛ والوصف المبهم مثل «شوية دجاج ورز» يوسّع الخطأ إلى 18–25%. الصوت لا زال يخسر في البارات الصاخبة، وفي الاجتماعات اللي ما تقدر تتكلّم فيها، ومع الأكل اللي ما تعرف توصفه، فاجمعه مع التسجيل بالصورة.

## اختبار السرعة

سجّلنا نفس الـ20 وجبة بأربع طرق: صوت، صورة، نص، وبحث بقاعدة بيانات تقليدية. الوقت الوسيط بالوجبة من البداية للنهاية:

| الطريقة | الوقت الوسيط | ملاحظات |
|---|---|---|
| صوت | **10 ثوان** | الأسرع لمّا تقدر تتكلّم |
| صورة | 15 ثانية | تصوير + تأكيد |
| نص (لغة طبيعية) | 22 ثانية | أبطأ من الصوت — الكتابة هي عنق الزجاجة |
| بحث بقاعدة بيانات (نمط MyFitnessPal) | 45 ثانية | لكل وجبة، لمستخدم بخبرة متوسطة |

ميزة الصوت هي سرعة الإدخال نفسه. الناس يتكلّمون بمعدّل ~150 كلمة بالدقيقة ويكتبون ~40. الحساب ميكانيكي.

## وين الصوت يكسب

- **منتصف اليوم، اليدين مشغولات.** غديت على مكتبك؛ تقدر تتمتم سجل سريع بدون ما تحط الساندويتش.
- **برجوع البيت بالسيارة.** ما تكتب وأنت تسوق — كلّم عبر CarPlay أو Android Auto.
- **قوائم مكوّنات طويلة.** \"أكلت سلطة يونانية فيها دجاج، خيار، طماطم، فيتا، زيتون، تتبيلة زيت زيتون، وشوية زيتون كالاماتا\" أسرع تنطقها من الكتابة أو تصحيح الصورة.
- **بيوت متعدّدة اللغات.** هذه النقطة الكبيرة. تفاصيل أكثر تحت.

## وين الصوت يخسر

- **البارات الصاخبة / الحفلات.** ASR لا زال يعاني لمّا نسبة الإشارة للضجيج تنزل تحت ~5 ديسيبل.
- **اجتماعات ما تقدر تتكلّم فيها بصوت عالي.** الصورة أو النص.
- **مطعم فخم.** بس صوّر، يا أخي.
- **أكل ما تقدر تصفه.** \"أكلت... شي مثل الكسرولة\". الصورة تكسب هنا.

## زاوية تعدّد اللغات

أغلب المتابعات تجبر المستخدمين على التسجيل بالإنجليزي. لمن لغته الأم عربي، فرنسي، إسباني، أو ألماني — أو أي من العشرات من اللغات اللي يطبخ فيها الناس فعلاً — هذا بطيء، ومفقد، وثقافياً غير لائق.

Callie يجي بواجهة محلّية كاملة بالـ**عربي، الإنجليزي، الفرنسي، الإسباني، الألماني، والياباني** (مع تخطيط RTL)، والمدرّب الذكي يكلّمك فوق ذلك بأي لغة تقريباً. اختبرنا 25 وجبة صوتية بخمس من لغات واجهتنا:

| الوجبة (منطوقة بـ) | اتحلّلت صح؟ | كالوري مقدّرة |
|---|---|---|
| \"Une omelette aux champignons et une tranche de pain\" (FR) | ✓ | 320 |
| \"Un plato de paella con pollo, mediano\" (ES) | ✓ | 540 |
| \"Zwei Brötchen mit Käse und ein Apfel\" (DE) | ✓ | 410 |
| \"شاورما بطحينية، وسط\" (عربي/إنجليزي مخلوط) | ✓ | 580 |
| \"Bowl of oatmeal with banana and almonds\" (EN) | ✓ | 350 |

نفس الوجبات منطوقة بمتابعات كبيرة ثانية (بالإنجليزي فقط): إما فشلت بالتحليل، خلطت طبق غلط، أو طلبت إعادة الإدخال بالإنجليزي. الصوت متعدد اللغات الأصلي هو أوضح ميزة عملية في Callie.

## الدقّة: صوت vs نص vs صورة

لمّا الوصف **محدّد** (\"صدر دجاج مشوي 170 جرام، كوب رز بني، كوب بروكلي مطبوخ بالبخار\")، الثلاث طرق تنزل في 10% من قياس ميزان المطبخ. طبقة النسخ الصوتي تضيف أقل من 1% خطأ في صوت نظيف.

لمّا الوصف **مبهم** (\"شوية دجاج ورز\")، الثلاثة يعتمدون على تاريخ المستخدم ومتوسّطات المجتمع. الدقّة تتسع لـ15–25%. الحل نفسه بأي طريقة: كن محدّداً.

| الطريقة | وصف محدّد | وصف مبهم |
|---|---|---|
| صوت | 8–12% MAE | 18–25% MAE |
| نص | 7–11% MAE | 18–25% MAE |
| صورة | 9–14% MAE | 15–20% MAE (الإشارات البصرية تعوّض) |

من المفاجئ، **الصورة تتعامل مع الإدخالات المبهمة أفضل** لأن الإشارات البصرية تملأ التفاصيل اللي ما عبّرت عنها. الورك فلو الفائز يبقى صورة + تصحيح صوتي للحالات الغامضة.

## الورك فلو الهجين

أكثر المستخدمين استمراريةً اللي شفناهم ما يختارون طريقة وحدة. يخلطون:

- فطور بالبيت → صورة للصحن (~10 ثواني).
- قهوة بالمشي للشغل → صوت (\"لاتيه بحليب الشوفان، نص لتر\").
- غدا من مطعم → صورة + تصحيح صوتي (\"حصة الدجاج أكبر\").
- سناك بالمكتب → نص (\"حفنة لوز\").
- عشا عائلي → صورة لصحنك بعد ما تخدمت.

إجمالي وقت التسجيل اليومي: ~3 دقايق. هذه العتبة اللي تحتها المتابعة فعلاً تنجو من أسبوع مشغول.

## كيف يشتغل التسجيل الصوتي في Callie

اضغط الميكروفون، انطق الوجبة، احصل على مسودة لحظية. تقدر تصحّح الكميات بالصوت (\"ضاعف الرز\") أو بالضغط. النموذج يستخدم أنماطك التاريخية ليملأ الكميات الضمنية (\"غدا الثلاثاء\" غالباً يعني غداك الموحّد بالشغل).

تعدّد اللغات مفعّل افتراضياً. الواجهة محلّية للعربي والإنجليزي والفرنسي والإسباني والألماني، والمدرّب الذكي يرد بأي لغة تستخدمها.

## قراءة ذات صلة

- [كيف تتابع الكالوري من صورة](/blog/how-to-track-calories-from-a-photo) — قطعة مرافقة عن ورك فلو الصور.
- [الدليل الكامل لمتابعة الكالوري بالذكاء الاصطناعي](/guides/ai-calorie-tracking) — تمهيد كامل عن التقنية.
- [Callie ضد MyFitnessPal](/compare/callie-vs-myfitnesspal) — مقارنة مع متابع الإدخال اليدوي المهيمن.

## المصادر

1. بنشمارك Callie الداخلي لسرعة ودقّة التسجيل (مايو 2026). 20 وجبة × 4 أساليب × مستخدم واحد؛ تم تسجيل الأوقات الوسيطة.
2. Radford A, et al. (2022). \"Robust Speech Recognition via Large-Scale Weak Supervision.\" (ورقة Whisper.) https://arxiv.org/abs/2212.04356
3. USDA FoodData Central. https://fdc.nal.usda.gov/