تحويل النص إلى كلام بالذكاء الاصطناعي

تحويل النص إلى كلام، أو TTS، يحوّل النص المكتوب إلى صوت منطوق. كانت تقنيات TTS القديمة تقرأ الكلمات واحدة تلو الأخرى بصوت رتيب. أما تحويل النص إلى كلام بالذكاء الاصطناعي الحديث فيقرأ المقطع كاملًا أولًا، فيفهم أي كلمة يجب التشديد عليها، ومتى تتحول الجملة إلى سؤال، ومتى يخدم الصمت المعنى، ويتحدث بنَفَس الإنسان وإيقاعه.

في Mage، يعمل تحويل النص إلى كلام عبر Eleven Speech، وهو أحدث نموذج من ElevenLabs، أي Eleven v4. تلصق ما يصل إلى 5,000 حرف، وتختار واحدًا من 16 صوتًا، فتحصل على ملف MP3 تستغرق مدته بقدر القراءة تمامًا. أما الوسوم الصوتية بين أقواس مربعة، مثل [whispers] أو [laughs] أو [excited]، فتوجّه الأداء دون أن تُقرأ بصوت عالٍ.

وهو موجود في الحساب نفسه مع نماذج الصور والفيديو في Mage. يمكن وضع السرد الصوتي مباشرة تحت فيديو، أو على شخصية بوصفه صوتها، أو في تطبيق Lipsync لجعل صورة شخصية تنطق به.

يقرأ تحويل النص إلى كلام ما تعطيه بالضبط، لذا اكتب للأذن. اكتب ما يجب نطقه بالشكل الذي يجب أن يُسمع به: «اثنتا عشرة ساعة» بدلًا من «12س»، و«عام ألفين وستة وعشرين» إذا كان الرقم يُقرأ كسنة، وكلمات كاملة للاختصارات التي لا تُنطق حرفًا حرفًا. قسّم الجمل الطويلة إلى جمل أقصر، فالمستمع لا يستطيع الرجوع إلى الأعلى.

علامات الترقيم أسهل طريقة للتحكم في الإيقاع. الفاصلة نفَس قصير، والنقطة نفَس أطول، والحذف (...) تردد، والشرطة انقطاع مفاجئ. وعلامة الاستفهام تغيّر نغمة الجملة كلها، فتأكد من أن الأسئلة تنتهي بها فعلًا.

• اكتب الأرقام حروفًا عندما تهمّ طريقة قراءتها
• اجعل الجمل قصيرة وبأسلوب منطوق
• استخدم علامة الحذف للوقفات والشرطة للانقطاع
• اقرأ النص بصوت عالٍ مرة قبل التوليد
• قسّم النصوص الطويلة جدًا إلى فصول

تغطي الأصوات الـ16 أكثر الاستخدامات شيوعًا. للسرد الطويل والكتب الصوتية، اختر راويًا هادئًا مثل Darian أو Florence أو Sawyer. وللأخبار والتدريب والشروحات، مذيعًا واضح النبرة مثل Alicia أو Eldrin. وللإعلانات وفيديوهات التواصل الاجتماعي، صوتًا حيويًا عصريًا مثل Elowen أو Jade أو Lawrence. وللألعاب، صوت شخصية مثل Kaelen.

يتحدث كل صوت جميع اللغات المدعومة، فنص بالإسبانية أو اليابانية يعمل مع أي منها. ولّد أول جملتين أو ثلاث بعدة أصوات وقارن بينها، ثم شغّل النص كاملًا بالصوت الأنسب.

يقرأ Eleven v4 الوسوم الموضوعة بين أقواس مربعة كتوجيهات. [excited] و[nervous] و[sarcastic] و[softly] تغيّر العاطفة؛ و[whispers] و[shouting] تغيّران مستوى الصوت؛ و[sighs] و[laughs] و[gulps] تضيف ردة فعل؛ و[door creaks] أو [applause] تضيف صوتًا داخل القراءة. ضع الوسم قبل الجملة التي يغيّرها مباشرة، واستخدم وسمًا أو اثنين لكل جملة.

تجعل الوسوم الحوار وكلام الشخصيات نابضًا بالحياة، بينما السرد العادي لا يحتاج إليها غالبًا. أما أصوات الشخصيات التي يجب أن تبقى كما هي في كل فيديو، ففي دليل مولّد الأصوات بالذكاء الاصطناعي ما تحتاج إليه، وللأغاني والموسيقى الخلفية ففي دليل مولّد الموسيقى بالذكاء الاصطناعي.

تعمل الأصوات نفسها عبر واجهة Mage البرمجية: أرسل النص والصوت إلى POST /v1/eleven_speech/generate لتحصل على ملف MP3، ويُحتسب السعر بكتل من 250 حرفًا. صفحة Mage API المفاتيح والأسعار. وعند ربط خادم Mage MCP، يمكن لـ Claude وChatGPT ومساعدين آخرين قراءة النص بصوت عالٍ لك داخل المحادثة، بعد ذكر عدد Gems التي تكلّفها.