Voxtral
معرفی مدلهای متنباز پیشرو در فهم گفتار
زمان انتشار: ۱۵ ژوئیه ۲۰۲۵
نویسنده: Mistral AI
صدای انسان: رابط کاربری اصلی:
صدا پیش از نوشتن یا تایپ، نخستین واسط انسان و ماشین بوده — ابزاری برای اشتراکگذاری ایدهها، هماهنگی فعالیتها و برقراری ارتباط. با پیشرفت سیستمهای دیجیتال، صدا بار دیگر به طبیعیترین شکل تعامل انسان و کامپیوتر باز میگردد.
با این حال، سیستمهای کنونی محدود، غیرقابل اعتماد، مالکیتی و شکننده هستند. برای پر کردن این فاصله، نیاز به مدلهایی با قابلیتهای استثنایی در رونوشتنویسی دقیق، درک معنایی عمیق، پشتیبانی چندزبانه و انعطاف در بهکارگیری است.
از این رو، Mistral AI مدلهای Voxtral را عرضه کرده است:
- دو نسخه: یکی با ۲۴ میلیارد پارامتر برای استفاده در محیطهای تولیدی (Production-scale)، و نسخه دیگری با ۳ میلیارد پارامتر برای استقرار در محیطهای لینکی و دستگاههای لبه (Edge).
- هر دو نسخه با مجوز Apache 2.0 منتشر شدهاند.
- مدلها از طریق API Mistral نیز قابل دسترسی هستند و یک نقطهی پایانی (endpoint) بهینهسازی شده مخصوص رونوشتنویسی نیز ارائه شده که از نظر هزینه بسیار مقرون بهصرفه است.
قابلیتهای برجسته Voxtral
- دقت بالاتر در کنار درک معنایی:
- با بیش از دو برابر سرعت و دقت نسبت به Whisper، GPT-4o-mini و Gemini 2.5 Flash.
- در بسیاری از زبانها از جمله انگلیسی، فرانسوی، اسپانیایی، پرتغالی، هندی، آلمانی و غیره بهصورت چندزبانه عمل میکند.
- مدیریت محتوای صوتی طولانی:
- توانایی پردازش تا ۳۰ دقیقه بهصورت رونوشتنویسی، و تا ۴۰ دقیقه برای درک و خلاصهسازی محتوا .
- پشتیبانی از سوال و پاسخ و خلاصهسازی:
- بدون نیاز به ترکیب چند مدل، شما مستقیماً میتوانید دربارهی محتوای صوت سؤال کنید یا آن را خلاصه کنید .
- تشخیص زبان خودکار و چندزبانه:
- تشخیص خودکار زبان گفتار و عملکرد سطح بالا در زبانهای مختلف .
- قابلیت Function Calling:
- امکان راهاندازی مستقیم توابع، تماس با APIها یا اجرای فرایندهای پسزمینه براساس اهداف گفتاری کاربر، بدون نیاز به مرحلهی واسطهگری.
- درک متن دقیق:
- با استفاده از هسته زبان پایه Mistral Small 3.1، مدل میتواند جایگزین مناسبی برای مدلهای متنی Mistral باشد، خصوصاً برای درک کامل محتوای گفتاری.
موارد کاربرد
- استفاده از مدلهای مینی در محل (edge): مناسب برای دستگاهها یا اپلیکیشنهایی که آفلاین یا قرنطینهشده هستند.
- نسخهی تولیدی (Small): مناسب استفاده در فضای ابری و محیطهای سازمانی.
- ویژگیهای شرکتی: شامل قابلیتهایی مانند تشخیص بلندگوی صوت، حالتهای احساسی، diarization (تشخیص و جداسازی بلندگوها)، امنیت و قابلیت استقرار در محیط داخلی (on-premise) .
مقرونبهصرفگی
- Voxtral نیمبهای سرویسهای صوتی API بسته مانند Whisper یا GPT-4o-mini عمل میکند.
- نسخهی Mini برای رونوشتنویسی صوت تا نیمی از هزینهی Whisper را دارد، در حالی که نسخهی Small تقریباً همرده با ElevenLabs Scribe و باز هم نصف قیمت آن است.
شروع سریع برای توسعهدهندگان
- دانلود از Hugging Face: هر دو مدل ۲۴B و ۳B قابل دریافت و اجرا هستند.
- استفاده از API: با یک فراخوان ساده میتوانید Voxtral را در اپلیکیشن خود ادغام کنید—قیمت از $0.001/دقیقه آغاز میشود.
- استفاده از Le Chat: قابلیت جدید به حالت صوتی در پلتفرم Le Chat افزوده شده؛ امکان بارگذاری صوت، رونوشت، سوال و خلاصهسازی فراهم است.
قابلیتهای پیشرفته سازمانی
- پیادهسازی خصوصی (on‑premise) در مقیاس سازمانی با پشتیبانی Mistral برای تنظیم چند GPU یا Node با تمرکز بر بهرهوری و هزینه.
- فاینتون تخصصی (Domain-specific fine-tuning) برای حوزههایی مانند حقوقی، پزشکی، پشتیبانی مشتری و رزومهسازی دادهها.
- مدیریت پیشرفتهی محتوا: شامل تشخیص سخنگو، احساسی، diarization پیشرفته یا پشتیبانی از پنجرههای زمانی طولانیتر.
- پشتیبانی یکپارچه: دسترسی به منابع مهندسی و مشاوره برای ادغام Voxtral در فرایندهای موجود سازمان.
آینده نزدیک
- برگزاری وبینار مشترک با Inworld در ۶ آگوست برای نمایش قابلیت گفتار-به-گفتار (speech-to-speech).
- بهزودی ویژگیهایی نظیر: جداسازی بلندگو، برچسبهای زمانی دقیق (timestamps)، تشخیص احساسات و صداهای غیرکلامی به پلتفرم اضافه خواهد شد.
جمعبندی
Mistral AI با Voxtral گام بزرگی در مسیر دموکراتیزهسازی AI صوتی برداشته، با مدلی متنباز، قدرتمند، چندزبانه، و مقرونبهصرفه که برای مقیاسپذیری و استفاده سازمانی نیز آماده است. این حرکت، مرزبانی جدیدی در فضای ASR ارائه داده و مسیر توسعه برنامههای صوتی خلاقانه و کاربردی را هموار میکند.
ویژگیهای کلیدی
- متنباز با مجوز Apache 2.0: هر دو نسخه قابل دسترسی و توسعه آزاد هستند.
- پردازش طولانیمدت: توانایی درک و تبدیل تا ۳۰ دقیقه صوت (transcription) یا ۴۰ دقیقه تحلیل و Q&A .
- چندزبانه بودن: پشتیبانی از انگلیسی، اسپانیایی، فرانسوی، پرتغالی، هندی، آلمانی، هلندی، ایتالیایی و غیره .
- درک معنایی و عملکرد Q&A: امکان خلاصهسازی، پاسخ به پرسشها و راهاندازی تابع و فرآیند پسزمینه via speech-enabled API.
مزیت رقابتی
- قیمتگذاری مقرونبهصرفه: نسخه API از $0.001 در دقیقه شروع میشود؛ کمتر از نیمی از هزینه مدلهایی همچون OpenAI Whisper یا GPT‑4o‑mini.
- عملکرد برجسته: مؤلفهی Small در تمام بنچمارکها بر Whisper، GPT‑4o‑mini و Gemini 2.5 Flash برتری دارد، و Mini نیز در بخش transcription ارزانتر و دقیقتر از Whisper عمل میکند.
کاربردهای واقعی
- استقرار در محل: نسخه Mini مناسب پردازش آفلاین و edge computing است، در حالیکه نسخه Small برای سرورهای ابری یا محیطهای تولیدی مناسب است .
- قابلیتهای سازمانی افزوده: شامل امنیت، پشتیبانی از سناریوهای خاص، شناسایی گوینده، تشخیص احساسات و diarization صوتی برای مشتریان شرکتی .
تحلیل اجمالی
- تحقق وعدهٔ صدا به عنوان رابط اصلی: Mistral با Voxtral گامی جدی در جهت جایگزینی مدلهای بسته صوتی با یک راهکار متنباز و هوشمند برداشته.
- پیشروی در بازار ASR: با قیمت پایینتر و عملکرد رقابتی، احتمال جذب کسبوکارهای کوچک و متوسط زیاد است؛ فقدان انحصار رقبای بزرگ را نشانهٔ قابل توجهی است.
- فضای توسعه جامعهمحور: انتشار بر Hugging Face و حضور در پلتفرم Le Chat مستقیماً توانایی توسعهدهندگان را افزایش میدهد.
جمعبندی
| نکته | نتیجه |
|---|---|
| نوع محصول | مدل صوتی متنباز حرفهای مبتنی بر LLM |
| بازار هدف | کسبوکارها، توسعهدهندگان، صنایع edge/enterprise |
| برتری اصلی | ارزانتر و با کیفیتتر نسبت به رقیبان بسته |
| خطرات | نیاز به پشتیبانی اجتماعی، رقابت سخت با اکوسیستمهای بسته و سرمایهگذاری کمتر فعلی |
معنی دقیق “دموکراتیزه کردن AI صوتی”
| محور | توضیح |
|---|---|
| دسترسی آزاد | انتشار مدلهای هوش مصنوعی صوتی بهصورت متنباز (مثل Voxtral از Mistral)، تا افراد و شرکتها بدون هزینه یا محدودیت خاص از آن استفاده کنند. |
| کاهش وابستگی به انحصار | شکستن سلطه شرکتهایی مانند OpenAI، Google، Amazon و Anthropic که اغلب مدلهای صوتی را بهصورت بسته و تجاری ارائه میدهند. |
| توانمندسازی توسعهدهندگان مستقل | امکان ساخت اپلیکیشنها، ابزارها و سرویسهای محلی و خلاقانه توسط برنامهنویسان و استارتاپها، حتی در کشورهای در حال توسعه. |
| افزایش شفافیت | با انتشار کد و معماری مدلها، امکان ارزیابی، اصلاح و بهینهسازی مدلهای صوتی توسط جامعه متنباز فراهم میشود. |
| افزایش رقابت و نوآوری | مدلهای متنباز باعث رشد سریعتر اکوسیستم هوش مصنوعی صوتی میشوند؛ زیرا موانع ورود پایین میآید. |
نمونههایی از کاربرد دموکراتیزهسازی AI صوتی
- ساخت دستیارهای صوتی بومی (مثلاً به زبان فارسی، عربی، هندی)
- ایجاد اپلیکیشنهای آموزشی برای نابینایان یا سالمندان
- توسعه رباتهای گفتوگو در بازیها یا دنیای متاورس
- پیادهسازی سیستمهای تبدیل گفتار به متن برای کسبوکارهای محلی
در مقابل چه چیزی قرار دارد؟
- مدلهای انحصاری مانند Whisper از OpenAI که با مجوز محدود و کد بسته منتشر شدهاند.
- APIهای پولی که دسترسی رایگان یا دائمی به فناوری صوتی ندارند.
- مدلهایی که فقط در فضای ابری خاصی قابل اجرا هستند و در دستگاههای محلی یا Edge اجرا نمیشوند.
نتیجهگیری:
دموکراتیزه کردن AI صوتی به معنای ایجاد عدالت دیجیتال در دسترسی به فناوریهای صوتی هوشمند است؛ حرکتی که میتواند باعث توسعه متوازنتر، خلاقیت بیشتر، و استفاده کاربردیتر از هوش مصنوعی در سراسر جهان شود.
نمونههایی از پروژههای مبتنی بر دموکراسی صوتی (Democratized Audio AI)
| نام پروژه | توضیحات | سازمان/سازنده | حوزه کاربرد |
|---|---|---|---|
| Mozilla DeepSpeech | پروژهای متنباز برای تبدیل گفتار به متن با استفاده از شبکههای عصبی عمیق | Mozilla | آموزش، دستیارهای صوتی، نرمافزارهای دسترسپذیر |
| Coqui TTS | پروژه متنباز مبتنی بر Tacotron2 و WaveGlow برای تبدیل متن به گفتار (TTS) | تیم سابق Mozilla TTS | دستیارهای صوتی، تولید محتوای صوتی، رباتها |
| Whisper by OpenAI | مدل متنباز تشخیص گفتار با دقت بسیار بالا و پشتیبانی از چندین زبان | OpenAI | زیرنویس خودکار، پادکستنویسی، رونوشت جلسات |
| ElevenLabs Open Access Voice Cloning | ابزار تولید صدای شبیه انسان با امکان تمرین روی صدای کاربر | ElevenLabs (محدود متنباز) | تولید صدا، دوبله، آموزش |
| Voxtral by Mistral | مدل صوتی جدید متنباز با قابلیت چندوظیفهای مانند STT و TTS | Mistral AI (2025) | اپلیکیشنهای چندزبانه صوتی، رباتها، ترجمه آنی |
فواید دموکراتیزه کردن هوش مصنوعی صوتی
- کاهش هزینه توسعه: استارتاپها و کسبوکارهای کوچک بدون نیاز به تیمهای پیشرفته یا بودجه کلان میتوانند از AI صوتی استفاده کنند.
- افزایش تنوع زبانی و فرهنگی: گروهها و ملتهایی با زبانهای کمکاربرد نیز میتوانند مدلهای بومی ایجاد کنند.
- افزایش نوآوری: باز بودن مدلها سبب خلق راهکارهای خلاقانه در آموزش، سلامت، سرگرمی و تعامل انسانماشین میشود.
- توسعه مسئولانهتر: دسترسی عمومی میتواند شفافیت و بررسی همتاها را افزایش دهد و از سوءاستفاده جلوگیری کند.
جدول تحلیل پروژههای AI صوتی برای بازار ایران و آموزش زبان فارسی
| نام پروژه / مدل | کاربرد در آموزش زبان فارسی | نقاط قوت فنی | چالشها و محدودیتها | میزان تطبیق با نیاز بازار ایران | پتانسیل بومیسازی |
|---|---|---|---|---|---|
| Voxtral (Mistral) | مناسب برای تولید محتوای صوتی آموزشی | متن باز، سبک، توانایی پردازش real-time | نبود پشتیبانی مستقیم از زبان فارسی | متوسط | بالا (با fine-tuning) |
| Whisper (OpenAI) | عالی در تشخیص گفتار فارسی | دقت بالا، پشتیبانی از چند زبان | سنگین بودن مدل، نیاز به سختافزار قوی | بالا | بسیار بالا |
| Coqui STT / TTS | قابل استفاده در آموزش مکالمه فارسی | متن باز، ماژولار، توسعهپذیر | مدلهای آماده فارسی ضعیف | متوسط | بالا |
| Mozilla DeepSpeech | مفید برای یادگیری تلفظ فارسی | جامعه متن باز فعال، سادهسازی آموزش | پروژه متوقف شده، نیاز به دیتای بومی | پایین | متوسط (نیاز به احیا) |
| Google Speech-to-Text / TTS | خوب در سرویسدهی فارسی | دقت بالا، API قدرتمند | هزینه بالا، عدم دسترسی در ایران | متوسط | پایین |
| Meta MMS (Massively Multilingual Speech) | پوشش گسترده زبانی | تحت پوشش دهها زبان | فارسی ضعیف پوشش داده شده | کم | متوسط (با تقویت داده) |
جمعبندی:
- بهترین گزینهها برای آموزش زبان فارسی:
- Whisper برای تشخیص گفتار
- Voxtral برای تولید صدای تعاملی و سریع
- Coqui برای ایجاد سامانههای سفارشیسازیشده با هزینه پایینتر
- پروژههای با بیشترین پتانسیل بومیسازی:
- Coqui و Voxtral به دلیل ماهیت متنباز و پشتیبانی از fine-tuning
پیشنهاد کاربردی برای ایران
| نوع نیاز | پیشنهاد مناسب |
|---|---|
| تشخیص گفتار فارسی (Speech-to-Text) | Whisper + DeepSpeech با دیتاست فارسی (مثل Common Voice یا FARSIDAT) |
| تولید گفتار فارسی (Text-to-Speech) | Coqui TTS یا آموزش مجدد روی Voxtral |
| دستیار صوتی یا ربات فارسیگو | ترکیب Coqui TTS + DeepSpeech یا Voxtral |
| کتاب صوتی یا آموزش محتوای گفتاری | Coqui + ElevenLabs (برای پروژههای خاص) |
| پژوهش یا توسعه بومی AI صوتی فارسی | Voxtral + DeepSpeech + دیتاست سفارشی |
تحلیل کاربردی پروژهها برای بازار ایران و آموزش زبان فارسی
- DeepSpeech:
- قابلیتها: از آنجا که DeepSpeech متنباز است، این پروژه میتواند در ایران برای ساخت سیستمهای گفتار به متن با استفاده از دیتاستهای فارسی مانند Common Voice و FARSIDAT کاربرد داشته باشد. این مدل بهطور خاص برای توسعه اپلیکیشنهای آفلاین و دستگاههای محلی (بدون نیاز به اینترنت) مفید است.
- محدودیتها: دقت مدل در زبان فارسی بستگی به دیتاست و منابع آموزشی دارد، بنابراین ممکن است نیاز به زمان و منابع زیادی برای آموزش مدل داشته باشد.
- Coqui TTS:
- قابلیتها: به دلیل توانایی این پروژه در تولید صدای طبیعی و همچنین قابلیت شخصیسازی و آموزش مجدد، برای پروژههایی که نیاز به تولید محتوای صوتی به زبان فارسی دارند (مثل کتابهای صوتی یا گویاسازی برای وبسایتها)، مناسب است.
- محدودیتها: نیاز به دادههای صوتی فارسی از پیش ضبطشده برای آموزش صدای طبیعی دارد. این یعنی اگر منابع صوتی کافی نباشد، کیفیت تولید صدا پایین خواهد آمد.
- Whisper by OpenAI:
- قابلیتها: Whisper میتواند بهسرعت در پروژههای تبدیل گفتار به متن (STT) در ایران بهویژه در محیطهای آموزشی، جلسات، و پادکستها برای زبان فارسی کاربرد داشته باشد.
- محدودیتها: محدودیتهایی در دقت و سفارشیسازی وجود دارد، بهویژه اگر بخواهیم زبان فارسی را به دقت بهصورت خاص پردازش کنیم.
- ElevenLabs:
- قابلیتها: تولید صدای طبیعی برای پروژههای دوبله فیلم و تولید محتوای صوتی با صداهای فارسی. این پروژه میتواند به تولید محتوای آموزشی صوتی و صدای گویندههای فارسی کمک کند.
- محدودیتها: برای دسترسی به ویژگیها، نیاز به اشتراک ماهانه است و قابلیت دسترسی به مدل برای استفاده آزاد ندارد.
- Voxtral by Mistral:
- قابلیتها: با تواناییهای متعدد در پردازش گفتار و متن، Voxtral میتواند در پروژههای پیچیدهتر فارسیسازی و تولید گفتار یا تبدیل گفتار به متن برای کاربردهای مختلف مانند رباتهای گفتگو و پشتیبانی مشتری به زبان فارسی استفاده شود.
- محدودیتها: بهدلیل تازه بودن این پروژه، منابع آموزشی و پشتیبانی فارسی ممکن است محدود باشد، اما پتانسیل بالایی برای رشد و توسعه دارد.
پیشنهادات برای بازار ایران
- آموزش زبان فارسی: استفاده از DeepSpeech یا Whisper برای ایجاد اپلیکیشنهای آموزشی که نیاز به دقت بالا در تشخیص و تبدیل گفتار به متن دارند.
- تولید محتوای صوتی: استفاده از Coqui TTS و ElevenLabs برای ساخت محتوای صوتی (کتابهای صوتی، گویاسازی، و دوبله).
- دستیارهای صوتی فارسی: پروژههای مبتنی بر Voxtral میتوانند راهحلهای مناسبی برای ساخت دستیارهای صوتی و رباتهای گفتگو به زبان فارسی ارائه دهند.
عنوان طرح:
“هوشآوا” – پلتفرم تولید محتوای تعاملی فارسی مبتنی بر هوش مصنوعی صوتی
خلاصه اجرایی (Executive Summary):
هوشآوا یک پلتفرم SaaS است که با بهرهگیری از مدلهای متنباز مانند Voxtral، Whisper و Coqui TTS/STT، به تولیدکنندگان محتوا، معلمان، موسسات آموزشی و برندها امکان میدهد محتوای صوتی تعاملی با کیفیت، سریع و کمهزینه در زبان فارسی تولید کنند. این سرویس در قالب وب اپلیکیشن، API، و پلاگین برای پلتفرمهایی مانند WordPress و LMSها عرضه میشود.
اهداف کلیدی:
| بازه زمانی | هدف |
|---|---|
| 3 ماهه | ساخت MVP با قابلیت تبدیل متن به گفتار فارسی و بالعکس |
| 6 ماهه | راهاندازی پنل تولید محتوای تعاملی با خروجی صوتی و تصویری |
| 12 ماهه | جذب 100 مشتری سازمانی و 5000 کاربر فردی فعال |
مشکل / نیاز بازار:
- نبود ابزار حرفهای فارسیزبان برای تولید محتوای صوتی تعاملی
- هزینه بالای دوبله و ضبط صدا
- عدم دسترسی به ابزارهای AI پیشرفته به دلیل تحریمها
- نیاز به یادگیری تعاملی در آموزش آنلاین و محتوای دیجیتال
راهحل ما:
پلتفرم هوشآوا با تمرکز بر:
- تولید صدای انسانمانند فارسی (با انتخاب لحن، سرعت، سن، جنسیت)
- بازشناسی گفتار فارسی (STT) با دقت بالا
- تولید محتوای تعاملی (سوال و جواب، کوییز صوتی، تمرین گفتاری)
- آموزش مبتنی بر صدا برای یادگیری زبان، آموزش کارکنان، داستانگویی و …
بازار هدف:
| بخش بازار | مشخصات |
|---|---|
| آموزش آنلاین | مدارس، دانشگاهها، استارتاپهای آموزش زبان مثل فرادرس، نوار، فیدیبو |
| کسبوکارها | برندهایی که محتوای صوتی تولید میکنند (مثلاً فروشگاههای آنلاین یا پادکستها) |
| افراد | معلمان، یوتیوبرها، تولیدکنندگان محتوا در اینستاگرام و تلگرام |
مدل درآمدی (Revenue Model):
- اشتراک ماهانه SaaS (Basic، Pro، Enterprise)
- پرداخت به ازای استفاده API (در هر 1000 کاراکتر یا دقیقه صوتی)
- سفارشیسازی و خدمات B2B برای مدارس، پادکسترها، سازمانها
- فروش Voice Packهای اختصاصی (لهجه، شخصیت)
منابع فنی و مدلهای پایه:
| تکنولوژی | استفاده |
|---|---|
| Voxtral | تولید صدای سریع با inference پایین |
| Whisper | تبدیل گفتار به متن فارسی (STT) |
| Coqui TTS | تولید گفتار سفارشی با امکان آموزش صداهای جدید |
| HuggingFace Transformers | مدیریت و fine-tune مدلها |
| Python + FastAPI + Vue/React | توسعه پلتفرم |
تحلیل رقبا (خلاصه):
| رقیب | وضعیت در ایران | مزیت ما |
|---|---|---|
| Google TTS | تحریم، دسترسی محدود | دسترسی کامل داخلی |
| ElevenLabs | بدون زبان فارسی | تمرکز کامل بر زبان فارسی |
| ReSpeecher / Murf | قیمت بالا، بدون پشتیبانی فارسی | قیمت مناسب، فارسی محور |
| سرویسهای ایرانی (مثل گویندهیار) | کیفیت پایین | کیفیت AI استاندارد جهانی |
ساختار تیم اولیه پیشنهادی:
| نقش | نفرات پیشنهادی |
|---|---|
| مدیر محصول | 1 |
| توسعهدهنده AI | 1-2 |
| توسعهدهنده فرانتاند | 1 |
| پشتیبان فنی | 1 |
| بازاریاب دیجیتال | 1 |
برآورد مالی اولیه (3 تا 6 ماه اول):
| ردیف هزینه | مبلغ تقریبی (تومان) |
|---|---|
| سرور و GPU | 80,000,000 |
| توسعه اولیه MVP | 150,000,000 |
| مارکتینگ و تبلیغات اولیه | 60,000,000 |
| حقوق تیم (3 ماه) | 300,000,000 |
| کل تخمینی | 590,000,000 تومان |
استراتژی Go-To-Market:
- جذب کاربران اولیه از طریق همکاری با مدرسها و پادکسترهای ایرانی
- ارائه نسخه رایگان با امکانات محدود برای تست
- برگزاری کمپینهای مارکتینگ در آپارات، یوتیوب، اینستاگرام
- همکاری با پلتفرمهای آموزشی ایرانی مثل فرادرس، کارنکن، نوار
شاخصهای کلیدی موفقیت (KPIs):
- تعداد محتوای تولیدشده توسط کاربران
- نرخ بازگشت مشتریان
- تعداد API call روزانه
- رشد کاربران سازمانی