🔬 العلم وراءه

كيف يعمل NightSnore
فعلًا.

للشخير بصمة صوتية فريدة وثّقتها عقود من الأبحاث بالتفصيل. يجمع NightSnore بين معالجة الإشارات الكلاسيكية ومصنّف أصوات بالذكاء الاصطناعي يعمل على الجهاز — وهو نهج التعلم العميق نفسه الذي تحققت منه دراسات محكّمة — ويعمل بالكامل على iPhone، بلا سحابة ولا حساب ولا اشتراك.

من الميكروفون إلى تقرير الصباح.

في كل ثانية من نومك، تعمل في الخلفية عملية هادئة من أربع مراحل. إليك ما يحدث.

🎧

خط أساس ضوضاء تكيفي

يقدّر NightSnore ضوضاء خلفية غرفتك باستمرار طوال الليل بطريقة المئينات على نافذة منزلقة. لا انتظار 30 ثانية — يتكيف بصمت من اللحظة الأولى ويواصل الضبط مع تغيّر الظروف.

🎙️

إنصات في الخلفية

بفضل الصوت الخلفي في iOS، يبقى الميكروفون نشطًا والشاشة مطفأة. يُحلَّل الصوت لحظيًا؛ ولا يُحفظ سوى مقاطع قصيرة حول الأحداث الصوتية المكتشفة — وليس الليل كاملًا أبدًا.

🤖

تعرّف صوتي بالذكاء الاصطناعي

شبكة عصبية مدرّبة على ملايين عينات الأصوات الواقعية تقيّم كل صوت مكتشف مقابل أكثر من 500 فئة — فتميّز الشخير وأصوات التنفس المرتبطة به عن كل ما تنتجه غرفة النوم من أصوات أخرى.

📊

تقرير الصباح

تُجمَّع الأحداث في مقاطع، ويُحسب مؤشر الشخير، ويُبنى خط زمني كامل — جاهز للمراجعة لحظة استيقاظك.

الشخير لا يشبه أي صوت آخر.

ينشأ الشخير في مجرى الهواء العلوي — الجزء نفسه من جسمك الذي ينتج الكلام. وهذا يمنح الشخير بنية شبه توافقية مميزة: تردد أساسي منخفض (عادة دون 500 هرتز) ترافقه سلسلة من النغمات التوافقية، أشبه بنغمة تُعزف على آلة موسيقية.[1]

أما التقلّب في السرير وحفيف اللحاف والانقلاب من جنب إلى جنب فتنتج أصواتًا مختلفة تمامًا: دفعات قرعية قصيرة تتوزع طاقتها على كل الترددات — أقرب إلى ضربة صنج منها إلى نغمة. هذا الفرق الفيزيائي هو بالضبط نوع البصمة التي تعلّم نموذج الذكاء الاصطناعي في NightSnore التعرف عليها.

تؤكد الأبحاث أن حدث الشخير يدوم عادة بين 0.3 و3 ثوانٍ.[2]يرشّح NightSnore الأصوات العابرة الأقصر من 0.3 ثانية — طقّة باب، ارتطام الهاتف بالمنضدة — قبل أن تصل إلى المصنّف أصلًا، فلا تلوّث الطرقات القصيرة تقريرك.

الأنماط الترددية
الشخير — الطاقة متركزة في التوافقيات المنخفضة
ضوضاء السرير — الطاقة موزعة على كل الترددات
50–500 هرتز — النطاق الأساسي النموذجي للشخير
البنية التوافقية — بصمة المجرى الصوتي التي يركّز عليها نموذج الذكاء الاصطناعي
الشكل الطيفي — الشخير النغمي يتمايز عن ضوضاء السرير عريضة النطاق
خط أنابيب الاكتشاف
المرحلة 1 — اكتشاف الأحداث
معالجة إشارات خفيفة تتتبع خط أساس ضوضاء تكيفيًا لغرفتك طوال الليل. أي صوت يرتفع فوقه بوضوح يصبح حدثًا مرشحًا.
المرحلة 2 — تصنيف بالذكاء الاصطناعي
شبكة عصبية على الجهاز تقيّم الصوت مقابل أكثر من 500 فئة: شخير، أم صوت متعلق بالتنفس، أم شيء آخر تمامًا.
قرار الشخير
يُحتسب الصوت شخيرًا إذا كان الذكاء الاصطناعي واثقًا أنه شخير — أو إذا روت أصوات التنفس المرتبطة بالشخير مجتمعةً القصة نفسها.
المعالجة اللاحقة
تُدمج الأحداث المتقاربة في مقاطع. والأصوات التي لم يستطع الذكاء الاصطناعي نسبتها إلى الشخير لا تُهمل — بل تُحفظ ضمن «أصوات أخرى» لتراجعها بنفسك.

معالجة الإشارات تجد الصوت.
والذكاء الاصطناعي يقرر ما هو.

التطبيقات البسيطة المعتمدة على مستوى الصوت تعتبر كل صوت مرتفع شخيرًا. لهذا تلتقط تقلّب شريكك في السرير، أو شاحنة تمر، أو بابًا يُغلق في آخر الممر.

يقسم NightSnore المهمة إلى قسمين — وهي البنية المتتالية نفسها التي توصي بها الأبحاث الأكاديمية في اكتشاف الأحداث الصوتية.[3]طبقة معالجة إشارات خفيفة، مبنية حول خط أساس ضوضاء تكيفي يعيد تعلّم غرفتك بهدوء مع تغيّر الظروف، تقرر متى حدث شيء ما. ثم تأتي شبكة عصبية على الجهاز — مدرّبة على ملايين عينات الأصوات الواقعية عبر أكثر من 500 فئة — لتقرر ما كان: شخيرًا، أم صوتًا متعلقًا بالتنفس، أم مجرد صرير أو سعال أو حفيف.

ولا يقف الذكاء الاصطناعي عند الشخير النمطي. فهو يتعرف أيضًا على اللهاث والتنفس الثقيل وغيرهما من الأصوات التي كثيرًا ما تحيط بنوبات الشخير — فتُحتسب حتى الأحداث الأهدأ أو المتقطعة. وما لا يستطيع نسبته إلى الشخير لا يُرمى — بل يُحفظ ضمن «أصوات أخرى» في تقريرك، جاهزًا لمراجعتك.

رقم له معنى حقيقي.

لا يكتفي NightSnore بعدّ أحداث الشخير — بل يحسب مؤشر الشخير: عدد أحداث الشخير لكل ساعة نوم. وهو المقياس الأساسي نفسه المستخدم في مراقبة النوم السريرية، ما يجعل نتيجتك الليلية قابلة للمقارنة بين جلسات مختلفة الطول.

نمت 4 ساعات بدل 8؟ ما يخبرك به مؤشر الشخير عن شدة شخيرك لا يتغير. فهو معدل لا عدد خام — ولهذا تبقى الاتجاهات عبر الزمن ذات معنى حتى مع اختلاف الليالي.

تُستبعد الجلسات الأقصر من 30 دقيقة من حساب المؤشر: فالتسجيلات الأقصر لا تغطي دورة نوم خفيف كاملة وقد تعطي نتائج مضللة.

النطاقات المرجعية لمؤشر الشخير
المؤشر المستوى ما يعنيه
< 10 خفيف شخير عرضي؛ تأثير منخفض على جودة النوم
10 – 30 متوسط شخير متكرر؛ يستحق متابعة الاتجاهات
> 30 شديد شخير متكرر جدًا؛ فكّر في استشارة طبيب

للاسترشاد فقط. NightSnore ليس جهازًا طبيًا وليس مخصصًا لتشخيص اضطرابات النوم.

اكتشاف الشخير بالهاتف الذكي يعمل فعلًا.

تحققت دراسات مستقلة من اكتشاف الشخير عبر ميكروفون الهاتف الذكي على مئات المشاركين وآلاف الساعات من تسجيلات النوم.

~95%

الدقة في ظروف مضبوطة

حقق نموذج تعلم عميق CNN+RNN لاكتشاف الشخير بالهاتف دقة نحو 95%، مع حساسية نحو 92% وخصوصية نحو 98% — ودرس مباشرة أثر مسافة وضع الميكروفون.

Xie et al., Computer Methods and Programs in Biomedicine, 2020. doi:10.1016/j.cmpb.2020.105917

~90%

الحساسية في منازل حقيقية + مستشفى

دراسة هاتفية عام 2025 باستخدام Vision Transformer، تم التحقق منها على تسجيلات مستشفيات ومنازل لمئات المشاركين، أفادت بحساسية وخصوصية تقاربان 90% على مجموعة اختبار محجوزة.

Hong et al., Nature and Science of Sleep, 2025. doi:10.2147/NSS.S514631

~99%

الخصوصية تجاه الأصوات غير الشخيرية

وجد تقييم مستقل عام 2025 لخوارزمية تجارية لاكتشاف الشخير حساسية نحو 86% وخصوصية نحو 99% على مجموعة اختبار متنوعة تتضمن ملفات غير شخيرية مُحاكاة — أي إنذارات كاذبة قليلة جدًا.

Brown et al., JMIR mHealth and uHealth, 2025. doi:10.2196/67861

هذه الأرقام من دراسات أكاديمية مستقلة، وليست من اختبارات NightSnore الخاصة. وتعتمد الدقة الفعلية على موضع الهاتف وصوتيات الغرفة وأنماط الشخير الفردية. وقد بُني NightSnore على الفئة نفسها من تصنيف الصوت بالتعلم العميق على الجهاز التي تحققت منها هذه الأبحاث.

🔒

كل هذا يحدث على هاتفك.

لا يغادر أي صوت يلتقطه NightSnore جهازك أبدًا. لا تُرفع بيانات الميكروفون، ولا تُرسل التسجيلات إلى أي خادم، ولا حاجة لأي حساب. خط الأنابيب بأكمله — التتبع التكيفي للضوضاء، تصنيف الأصوات بالذكاء الاصطناعي، تسجيل الأحداث — يعمل محليًا عبر أطر Apple على الجهاز. حتى استدلال الشبكة العصبية يجري على iPhone مباشرة. ويمكنك حذف كل شيء من الإعدادات في أي وقت.

NightSnore

جرّبه الليلة.

ضع iPhone على المنضدة، اضغط ابدأ، ونَم.
استيقظ وصورة ليلتك واضحة أمامك.

نزّله من App Store

iOS 17.6 والأحدث · شراء لمرة واحدة · ليس جهازًا طبيًا

المراجع
  1. Aarts, R.M. et al., "Snoring: sources and correlates." Acta Acustica (2010). Available at: sps.tue.nl (PDF)
  2. González-Martínez et al., "Improving snore detection under different sleep conditions through harmonic/percussive source separation." Applied Acoustics (2024). doi:10.1016/j.apacoust.2023.109811
  3. MDPI Engineering Proceedings: "Cascaded false-positive rejection for snore event detection." doi:10.3390/engproc2022011008
  4. Xie et al., "Audio-based snore detection using deep neural networks." Computer Methods and Programs in Biomedicine (2020). doi:10.1016/j.cmpb.2020.105917
  5. Hong et al., "Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach." Nature and Science of Sleep (2025). doi:10.2147/NSS.S514631
  6. Brown et al., "Accuracy of Smartphone-Mediated Snore Detection." JMIR mHealth and uHealth (2025). doi:10.2196/67861