تشغّل Mihu منظومة وكلاء الذكاء الاصطناعي بالكامل — من الكلام والاستدلال إلى الهاتفة والإجراءات — داخل بنيتك التحتية. ولا يلزم أن تغادر بيانات العملاء بيئتك.
Mihu AI On-Premise هو عرض مؤسسي يتيح للمؤسسات تشغيل منظومة وكلاء Mihu AI بالكامل داخل بنيتها التحتية الخاصة.
يمكن لمعالجة الكلام واستدلال الذكاء الاصطناعي والتنسيق والهاتفة وعمليات التكامل وخدمات التطبيقات وتخزين البيانات أن تعمل جميعها دون أن تغادر بيانات العملاء بيئة المؤسسة.
يُسلَّم النشر بالكامل كخدمات Docker في حاويات ويعمل على بنية تحتية يديرها العميل، منشورًا على Kubernetes باستخدام Rancher أو Helm.
توفر Mihu نماذجها الصوتية الخاصة — Mihu STT (تحويل الكلام إلى نص) وMihu TTS (تحويل النص إلى كلام) — بالكامل on-premise. في عمليات النشر المدعومة:
تعمل هذه اللغات السبع بالكامل على نماذج STT وTTS الخاصة بـ Mihu داخل بنيتكم التحتية. وتدعم منصة Mihu السحابية أكثر من 40 لغة عبر نماذج صوتية إضافية.
صُمِّمت بنية الكلام التحتية لدى Mihu لإبقاء متطلبات الاستدلال منخفضة. وبحسب اللغة وإعدادات النموذج، تبلغ سعة نماذج الكلام المنشورة نحو 66M – 143M معامل.
وهذا يتيح تشغيل أحمال STT وTTS على بنية تحتية قائمة على CPU دون الحاجة إلى وحدات GPU مخصّصة لكل حمل صوتي.
تُحدَّد أرقام التزامن لكل عملية نشر عبر اختبارات الأداء على العتاد المستهدف، ولا تُذكر كنسبة ثابتة بين CPU وعدد المكالمات.
تبقى بيانات الكلام المملوكة وأصوات العلامة التجارية على بنية تحتية تسيطر عليها أنت.
يمكن للمؤسسات التي تمتلك بيانات كلام عالية الجودة أن تخصّص طبقة الكلام بدرجة أكبر. وتستطيع Mihu إجراء ضبط دقيق لنماذج STT/TTS المدعومة مباشرةً باستخدام بنية تحتية يسيطر عليها العميل، بحيث لا يلزم نقل مجموعات البيانات المملوكة إلى مزوّد استدلال خارجي.
مفيد بوجه خاص للمؤسسات ذات المفردات المتخصصة أو اللهجات الإقليمية أو المتطلبات الصارمة لإقامة البيانات.
يدعم Mihu On-Premise أيضاً استنساخ الصوت الخاص. ويمكن استخدام عينات الصوت المقدّمة لإنشاء أصوات خاصة بالمؤسسة، تُستضاف بعد ذلك داخل البنية التحتية الخاصة بالعميل.
ويمكن أن تبقى كل من التسجيلات المصدرية والنموذج الصوتي الناتج خاصة.
وهذا يسمح للمؤسسات بإنشاء أصوات متسقة تعبّر عن علامتها التجارية دون الاعتماد على مزوّد TTS خارجي أثناء الاستدلال في بيئة الإنتاج.
متطلبات عينة الصوت: نحو 30 ثانية من الكلام الواضح، مسجّلة دون توقفات طويلة أو فجوات بين الجمل.
نماذج الكلام الخفيفة العاملة على CPU هي في الأساس نماذج خاصة بكل لغة وليست نموذجاً واحداً متعدد اللغات. ولوكلاء الذكاء الاصطناعي الذين يحتاجون إلى تبديل اللغات ديناميكياً أثناء التفاعل نفسه، تدعم Mihu عدة استراتيجيات للنشر.
تعمل عدة نماذج كلام خاصة بكل لغة في وقت واحد. وتكتشف طبقة التنسيق لدى Mihu اللغة النشطة أو تتلقاها، ثم توجّه معالجة الكلام ديناميكياً إلى النموذج المناسب.
كما يمكن لتجاوزات على مستوى النظام أن تتحكم في اختيار النموذج أثناء التفاعل.
في السيناريوهات التي تتطلب محادثات متعددة اللغات وشديدة الديناميكية، يمكن بدلاً من ذلك نشر نماذج كلام أكبر متعددة اللغات على بنية تحتية قائمة على GPU.
تُحسَّن البنية إما لكفاءة CPU مع نماذج خاصة بكل لغة، أو لأقصى مرونة متعددة اللغات مع نماذج قائمة على GPU، وذلك بحسب حجم العمل.
ملاحظة: يتطلب كل من STT متعدد اللغات وTTS متعدد اللغات بنية تحتية GPU. ينطبق مسار الصوت على CPU فقط على نماذج Mihu STT وMihu TTS الخاصة بكل لغة.
تعمل طبقة الاستدلال بالكامل داخل بيئتك باستخدام نماذج LLM مفتوحة الأوزان: وهي نماذج تُنشر أوزانها علناً ويمكن تشغيلها دون اتصال بالإنترنت على أجهزتك الخاصة، ومن دون أي اتصال بمزوّد النموذج. وتقيّم Mihu باستمرار النماذج الجديدة مفتوحة الأوزان بدلاً من ربط منظومة On-Premise ربطاً دائماً بعائلة نماذج واحدة.
تتطلب عمليات نشر LLM عالية الأداء بنية تحتية قائمة على GPU في العادة. وقد يتغير النموذج الموصى به مع توافر نماذج جديدة، ويمكن لـ Mihu تحديث نموذج الاستدلال أو استبداله بمعزل عن باقي بنية الوكلاء التحتية.
البنية التحتية غير مرتبطة بنموذج بعينه. أفضل نموذج متاح قد يتغيّر؛ أما بنيتك المعمارية فلا يلزم أن تتغير.
يتم اختيار نموذج الاستدلال عند النشر من مجموعة التقييم الحالية. واعتبارًا من سبتمبر 2026، يُعد Kimi K2.6 Instant أحد التكوينات عالية الأداء المفضلة لدينا. ويعمل على بنية تحتية GPU مخصصة يتم توفيرها إضافةً إلى قاعدة 128 vCPU. ويمكن اختيار بدائل مفتوحة الأوزان من مزوّدين ومناطق أخرى، مثل Llama أو Mistral، حيثما تنطبق متطلبات الشراء أو متطلبات منشأ النموذج. ويتم تأكيد الاختيار في كل عرض نشر.
يتكون نشر Mihu On-Premise الكامل من عدة خدمات مستقلة. تُسلَّم جميع المكونات الأساسية كخدمات Docker في حاويات وتُنشر على Kubernetes باستخدام Rancher أو Helm.
بيئة تشغيل وكلاء الذكاء الاصطناعي الأساسية ومنطق الأعمال.
ينسّق بين نماذج الكلام ونماذج LLM والوكلاء وخدمات وقت التشغيل.
طبقة الاتصال الفوري بين الخدمات وجلسات الوكلاء.
تتولى الهاتفة المؤسسية والاتصال عبر SIP.
تدعم أحمال الاتصالات الصادرة وذات الحجم الكبير.
ينفّذ الأدوات وعمليات التكامل وإجراءات الوكلاء.
واجهة الإدارة والتهيئة والتشغيل.
تخزين دائم لبيانات التطبيقات والبيانات التشغيلية.
الحالة الفورية والتخزين المؤقت وتنسيق وقت التشغيل الموزّع.
يمكن أيضاً نشر إمكانات Mihu الإضافية في وضع On-Premise. وتتطلب هذه المكوّنات سعة خوادم إضافية بحسب الاستخدام.
لإنشاء وتشغيل خدمات وأكواد وتكاملات وسير عمل مخصصة. يتطلب تشغيل Builder سعة GPU إضافية على الخادم.
لإتاحة مساحة عمل Mihu وإمكاناتها لأنظمة الذكاء الاصطناعي المتوافقة مع MCP.
يربط نظام PBX أو نظام الهاتف الحالي لديكم ببنية SIP التحتية من Mihu للمكالمات الواردة والصادرة.
مطلوب إذا رغبتم في ربط قناة البريد الإلكتروني. تُرسل رسائل الوكلاء والإشعارات عبر خادم SMTP الخاص بكم.
ينبغي أن تتضمن عمليات النشر الإنتاجية بنية تحتية مخصّصة لقابلية المراقبة. وتوصي Mihu ببنية تحتية منفصلة للتسجيل والمراقبة المركزيين.
تُجمع مركزياً السجلات الواردة من Mihu Core وطبقة التنسيق وSIP وRelay وخوادم النماذج وخدمات التطبيقات.
تُراقَب مقاييس البنية التحتية والتطبيقات باستمرار. ويمكن إصدار تنبيهات عند تجاوز عتبات تشغيلية محددة مسبقاً.
تعمل جميع خدمات Mihu على خوادم داخل شبكة العميل الخاصة. ولا يلزم أي VPN أو نفق أو اتصال دائم بـ Mihu للتشغيل الإنتاجي.
لا تحتاج خدمات الذكاء الاصطناعي الداخلية إلى أي تعريض عام. تصل الاتصالات الهاتفية إلى بنية SIP التحتية عبر اتصال العميل الحالي بمشغّل الاتصالات أو نظام PBX، وتُحدَّد قواعد الشبكة بالكامل وفق سياسات البنية التحتية والأمان لدى العميل.
في التثبيت الإنتاجي لـ Mihu On-Premise، تُحدَّد إعدادات البنية التحتية الأولية وفقاً لمستوى التزامن وأحمال العمل المتوقعة.
تغطي القاعدة البالغة 128 vCPU خدمات Mihu Core وتقنيتي STT/TTS على CPU. ولا تغطي طبقة الاستدلال: يتطلب نموذج LLM عالي الأداء مستضاف ذاتيًا مثل Kimi K2.6 Instant بنية تحتية GPU مخصصة إضافةً إلى هذه القاعدة، يتم تحديد حجمها وفق النموذج المختار ومستوى التزامن المتوقع. ويؤدي اختيار نموذج أصغر مفتوح الأوزان إلى تقليل الحاجة إلى GPU وفقًا لذلك. كما تُضاف سعة GPU عند الحاجة إلى نماذج صوتية متعددة اللغات على GPU. يعتمد التخصيص الدقيق على عدد محادثات الذكاء الاصطناعي المتزامنة، وحمل STT/TTS، واللغات المنشورة، واختيار LLM، وتكوين التكرار، والخدمات الإضافية مثل Builder وMCP.
يُؤكَّد التخصيص بين الأنوية الفعلية وvCPU في عرض النشر.
تعتمد متطلبات التخزين في المقام الأول على ما إذا كانت تسجيلات المكالمات والوسائط الأخرى تُحفظ محلياً. وتحتاج قواعد بيانات تطبيقات Mihu إلى تخزين دائم، بينما تُحسب سعة التسجيلات بصورة منفصلة. وعلى العملاء الذين يحتفظون بتسجيلات لأشهر أو سنوات تخصيص وحدة تخزين مستقلة يُحدَّد حجمها وفقاً لسياسة الاحتفاظ لديهم.
يمكن تهيئة البنية الإنتاجية بتكرار احتياطي عبر خدمات Mihu الحيوية. ويتطلب بلوغ هذا الهدف الحفاظ على البنية الإنتاجية المتفق عليها وعلى متطلبات التكرار الاحتياطي والبنية التحتية.
تُسنَد مسؤولية تشغيلية مخصّصة لعمليات التثبيت المؤسسية في وضع On-Premise. وفي غياب أعطال البنية التحتية أو العتاد الأساسي الخارجة عن المسؤولية التشغيلية لـ Mihu، يُصمَّم النشر لبلوغ هدف توافرية الخدمة المتفق عليه وهو 99.9%. وتُحدَّد المسؤوليات طبقةً بطبقة في وثيقة SLA.
تُقدَّم منظومة Mihu الكاملة على هيئة خدمات Docker مُهيَّأة مسبقاً. ويتولى فريق الهندسة في Mihu إعداد النشر وتجهيزه للإنتاج بالتعاون مع فريق البنية التحتية لدى العميل. ويُسلَّم النشر النموذجي في وضع On-Premise خلال 3–6 أشهر، من تجهيز البنية التحتية وحتى الإنتاج، وهو متاح لعملاء المؤسسات.
Kubernetes: يمكن نشر المنظومة باستخدام مخططات Helm. والمسار القياسي والأسرع لدى Mihu هو نشر Kubernetes مُدار عبر Rancher.
يستخدم Mihu On-Premise إدارة إصدارات قائمة على الفروع: يعمل كل نشر للعميل على فرع إصدار خاص به، وتُسلَّم التحديثات كإصدارات شهرية. يتم التحقق من كل إصدار قبل طرحه وتطبيقه بالتنسيق مع فريق البنية التحتية لدى العميل، بحيث تكون الترقيات مجدولة لا مفروضة. ويشمل التحقق من الإصدار مجموعة الاختبارات القياسية؛ وقد تختلف بعض اختبارات الوحدة تبعاً للتخصيصات الخاصة بكل عميل.
لكل بيئة on-premise، تُخصّص Mihu فريق نجاح عملاء وفريق DevOps للعمل جنباً إلى جنب مع فريقكم. ويجري الدعم عبر مجموعة Slack مشتركة، بحيث تُعالَج الأسئلة التشغيلية وتنسيق الإصدارات والحوادث مباشرةً مع الأشخاص المطّلعين على تفاصيل النشر لديكم.
عرض من صفحة واحدة لما يعمل وأين يعمل في نشر Mihu On-Premise.
المنظومة الكاملة: تحويل الكلام إلى نص، وتحويل النص إلى كلام، واستنساخ الصوت، وطبقة الاستدلال القائمة على LLM، والتنسيق، وهاتفة SIP، وAction Server لعمليات التكامل، وتطبيق الإدارة، وطبقتا قاعدة البيانات وRedis. ولا يلزم أن تغادر بيانات العملاء بيئتك.
ليس لطبقة الكلام. يعمل STT وTTS على CPU بنماذج تتراوح سعتها تقريباً بين 66M و143M معامل. أما نماذج LLM مفتوحة الأوزان عالية الأداء فتتطلب عادةً بنية تحتية قائمة على GPU، وتُضاف سعة GPU أيضاً إذا اخترت نماذج كلام أكبر متعددة اللغات.
تدعم منظومة الكلام on-premise الحالية العاملة على CPU سبع لغات: الإنجليزية والألمانية والفرنسية والإسبانية والإيطالية والروسية والتركية. وتعمل نماذج Mihu STT وMihu TTS الخاصة بكل لغة على CPU دون الحاجة إلى GPU. ويحقق Mihu STT عادةً معدل خطأ في الكلمات (WER) يتراوح بين 5 و9% تقريبًا؛ وتعتمد القيمة الدقيقة على اللغة ومجموعة بيانات التقييم.
طبقة الاستدلال غير مرتبطة بنموذج بعينه وتعمل بنماذج مفتوحة الأوزان. وتوصي Mihu بنموذج اعتباراً من تاريخ النشر، ويمكن اختيار بدائل من مزوّدين ومناطق مختلفة، مثل Llama أو Mistral إلى جانب Kimi K2.6 Instant، لتلبية متطلبات الشراء أو منشأ النموذج. ويمكن تحديث النموذج أو استبداله بمعزل عن باقي بنية الوكلاء التحتية كلما توافرت نماذج أفضل مفتوحة الأوزان.
نعم. يمكن إجراء ضبط دقيق لنماذج STT وTTS المدعومة على بنية تحتية يسيطر عليها العميل باستخدام مجموعات بياناتكم الخاصة، بحيث لا تصل الملفات الصوتية المملوكة إلى أي مزوّد خارجي. وتبقى النماذج الناتجة خاصة بمؤسستكم.
تبدأ قاعدة الإنتاج النموذجية من 128 vCPU لخدمات Mihu الأساسية وطبقة الصوت على CPU. يتم تحديد حجم نموذج LLM المستضاف ذاتيًا بشكل منفصل ويتطلب بنية تحتية GPU مخصصة إضافةً إلى تلك القاعدة؛ كما تُضاف سعة GPU للنماذج الصوتية متعددة اللغات على GPU. يُحدد حجم التخزين وفق سياسة الاحتفاظ بالتسجيلات والنصوص لديكم. ويتم تأكيد الحجم الدقيق في عرض النشر.
يُسلَّم كل شيء كخدمات Docker مُهيأة مسبقًا ويعمل على خوادم العميل الخاصة. لا يلزم أي VPN أو اتصال عائد إلى Mihu للتشغيل الإنتاجي، ولا تحتاج أي خدمة ذكاء اصطناعي داخلية إلى تعريض عام. يتولى فريق هندسة Mihu إعداد النشر بالتعاون مع فريق البنية التحتية لديكم.
نعم. يمكن إضافة لغات جديدة عند الطلب. يختلف جهد التدريب حسب المجموعة اللغوية، ويتم تدريب STT وTTS كلٌّ على حدة. يمكن لـ Mihu توفير مجموعة بيانات التدريب أو شراؤها لكم، أو العمل بالبيانات التي تقدمونها. يتم التدريب على أجهزة توفرونها أنتم أو على بنية تحتية توفرها Mihu، ثم تُنشر نماذج Mihu STT وMihu TTS الناتجة داخل بيئتكم تمامًا مثل النماذج القياسية.
شاركنا مستوى التزامن المتوقع واللغات ومتطلبات إقامة البيانات لديك. وسيعود إليك فريق الهندسة لدينا بعرض لتحديد الأحجام وخطة للنشر.
