كيفية إنشاء تعليق صوتي ذكي اصطناعي (مع تفاصيل الترخيص التي يتجاهلها معظم الدروس)

تجاوزت تقنية التحويل من النص إلى كلام الحدَّ الفاصل بين الطابع الآلي والطابع المقنع، وبشكلٍ حديثٍ جدًّا لدرجة أن
انطباع معظم الناس عنها قديمٌ الآن. فإذا كنت بحاجة إلى تعليق صوتي لفيديو أو دورة تدريبية أو مقدمة بودكاست أو نسخة صوتية لمقال، فهذه هي الخطوات الفعلية لهذه العملية.
مقدمة بودكاست أو نسخة صوتية لمقال، وهذا ما يشمله هذا الإجراء فعليًّا.

كيف تُنشئ تعليقًا صوتيًّا اصطناعيًّا؟

الصق نصك في أداة تحويل النص إلى كلام، واختر الصوت المناسب، ثم حمّل الملف الصوتي. ولا يوجد أي تسجيل، ولا حاجة لميكروفون، ولا خطوة تحرير. ويستغرق إعداد تعليقٍ صوتي مدته دقيقة واحدة أقل من دقيقتين من البداية إلى النهاية، ومعظم هذا الوقت يُستهلك في اختيار الصوت.
الإحباط الأكثر شيوعًا هو استخدام أداة ممتازة لقراءة نصٍّ كُتب ليُقرأ بصمت. وهما ليسا متماثلين.
الجمل القصيرة.

اكتب النص ليُقرأ بالأذن

الجملة التي يمكنك قولها في نفس واحد تبدو طبيعية. أما الجملة التي تحتوي على ثلاثة عناصر (أو جُمل فرعية) فهي لا تبدو كذلك.
علامات الترقيم تُحدِّد الإيقاع.

• النقطة تعني وقفة، والفصلة تعني إيقاعًا قصيرًا. وهذه هي وسيلتك الرئيسية للتحكم في سرعة القراءة، وهي أكثر فعالية من أي إعداد في واجهة الأداة. اكتب الأرقام على هيئة كلمات
  عندما يكون النطق غامضًا. فقد يُقرَأ «١٩٩٠» إما كسنة أو كـ «ألف وتسعمئة وتسعين».
• اقرأ النص بصوتٍ عالٍ مرة واحدة بنفسك. في أي مكان تتعثّر فيه، سيتعثّر النموذج أيضًا.
  عادةً ما تُحتسب تكلفة تقنية التحويل من النص إلى كلام لكل حرف وليس لكل دقيقة. وتُعد الخطط المنشورة من ElevenLabs مرجعًا مفيدًا:
• ترخيص تجاري ٦ دولارات / شهر
  الرصيد الواحد يعادل تقريبًا حرفًا واحدًا، لذا فإن ١٠٬٠٠٠ رصيد تساوي نحو ١٠٬٠٠٠ حرف — أي عدة دقائق من التعليق الصوتي، وهي كافية تمامًا لتقرير ما إذا كانت النتيجة مناسبة لك أم لا.
• العمود الأوسط هو الأهم في الجدول. الخطة المجانية لا تتضمّن ترخيصًا تجاريًّا.

ما تكلّفه، وفخ الترخيص

إذا ظهر الصوت في فيديو مدرّ للدخل، أو في مشروع عميل، أو في أي محتوى يروّج لنشاط تجاري، فإن الخطة المجانية ليست الخيار المناسب — وهذه التفصيلة غالبًا ما يغفل عنها معظم الدلائل.
أنفق وقتك هنا بدلًا من الضبط عبر الإعدادات. واستمع إلى ثلاث نقاط باستخدام الجملة نفسها من نصك الأصلي لكل صوت مرشّح:

الخطة	الرصيد الشهري	الإيقاع.	السعر
مجاني	10,000	لا	$0
مبتدئ	30,000	نعم	عادةً ما يبدو الإيقاع الأبطأ مما تشعر أنه طبيعي في العرض التمهيدي مناسبًا عند دمجه مع الفيديو.

الائتمان الواحد يعادل تقريبًا حرفًا واحدًا، لذا فإن ١٠٠٠٠ ائتمان تُعادل حوالي ١٠٠٠٠ حرف — عدة
دقائق من السرد الصوتي، وهناك ما يكفي لاتخاذ قرارٍ بشأن ما إذا كانت النتيجة كافيةٌ بالنسبة لك أم لا.

السطر الأهم هو العمود الأوسط. الخطة المجانية لا تتضمّن أي ترخيص تجاري
. إذا انتهى الأمر باستخدام الصوت في فيديو مُدرِّ للربح، أو في مشروع عميلٍ ما، أو في أي محتوى
يروّج لنشاط تجاري، فإن الخطة المجانية ليست الخطة المناسبة لك — وهذه التفصيلة يغفل عنها معظم الدلائل
المُقدَّمة.

اختيار الصوت

أنفق وقتك هنا بدلًا من إضاعة الوقت في ضبط الإعدادات. استمع إلى ثلاثة أمور باستخدام الجملة نفسها من نصك الأصلي لكل مرشح صوتي:
الإيقاع.

• المعدل. عادةً ما يبدو الإيقاع الأبطأ مما يشعر المرء أنه طبيعي في العرض التمهيدي مناسبًا أكثر ما يكون عند الاستماع إليه
  فيديو.
• الدفء في مواجهة السلطة. التفسير شيء يستفيد من الدفء؛
  أما التعليمات فتستفيد من المباشرة. والانسجام غير الملائم في النبرة هو ما يجعل السرد يبدو اصطناعيًّا.
• الاتساق عبر نصٍّ طويل. بعض الأصوات تظل فعّالة على امتداد فقرةٍ كاملة
  أكثر مما قد توحي به جملة واحدة فقط. لذا يُوصى دائمًا باختبار الصوت باستخدام فقرة حقيقية، وليس جملة تجريبية وحيدة.

استنساخ صوتك الخاص

يمكن لأغلب الأدوات إنشاء صوتٍ من عيّنةٍ من كلامك الشخصي، وهي مفيدةٌ جدًّا إذا كنت تُنتج
ويتناول دليلنا الخاص بأدوات استنساخ الأصوات
الصوت القياسي لا يفعل ذلك: إذ يُشترط الحصول على الموافقة لأي صوت ليس صوتك، ويُعد التظاهر بصوت شخص آخر
من شروط.
توجد طبقات مجانية قابلة للاستخدام — فمثلًا تمنح ElevenLabs ١٠٠٠٠ رصيدًا شهريًّا. أما ما لا تشمله الطبقات المجانية عمومًا فهو الترخيص التجاري، الذي يبدأ سعره من ٦ دولارات أمريكيّة شهريًّا ضمن خطتهم الابتدائية (Starter plan). عادةً لا، إذا كان النص مكتوبًا جيدًا. فالعامل الذي يكشف عن طبيعة الصوت الاصطناعي غالبًا ما يكون النص نفسه — مثل الجمل الطويلة، أو غياب أوقات التوقف، أو عدم انسجام النبرة مع المحتوى — وليس عملية التركيب الصوتي ذاتها.
حوالي ١٠٠٠٠ محارف من الكلام المنطوق. والطول الزمني الدقيق يعتمد على نوع الصوت ومعدّله، لذا يُفضَّل التعامل معه على أنه عدة دقائق من السرد، بدلًا من اعتباره رقمًا ثابتًا.

جعله ينطق الكلمة بشكلٍ صحيح

الأسماء والمختصرات والمصطلحات التقنية هي المجالات التي يخطئ فيها الذكاء الاصطناعي في التوليد الصوتي أكثر ما يخطئ، والحل يكمن في النص المكتوب بدلًا من أي إعدادات تقنية.
اكتب الكلمة كما تُلفظ.

• كتابة اسمٍ صعب النطق بطريقة صوتية (فونيتية) في النص تُصلح المشكلة غالبًا بشكلٍ مباشر. فالمستمع يسمع الصوت لا تهجيتك أنت.
  افصل بين أحرف المختصرات
• التي تريد أن تُقرأ حرفًا حرفًا — مثل «A P I» بدلًا من «API» — واجمع الأحرف معًا عندما تريد أن تُقرأ ككلمة واحدة.
  استخدم أسماء الوحدات كاملة.
• قد يُقرأ اختصار «GB» على أنه «جي بي»، أما «جيجابايت» (gigabytes) فلا يُقرأ أبدًا خطأً.
  استخدم الفاصلة لإبطاء قراءة القوائم.
• ثلاثة عناصر منفصلة بالفواصل تُقرأ كعناصر منفصلة؛ أما بدون الفواصل فتندمج مع بعضها. أنشئ سطر اختبار قصير واحدًا يحتوي الكلمات الصعبة قبل أن تُرسل نصًّا طويلاً كاملاً.
  عشر ثوانٍ من التحقق توفر عليك إعادة توليد خمس دقائق من السرد.

يستحق الأمر التصريح به بصراحة، لأن الأدوات لن تفعل ذلك:
أي محتوى يحمل وزنًا عاطفيًّا كبيرًا.

متى يكون السرد الآلي خيارًا غير مناسب

الحزن، والاعتذار، والحماس الصادق. فالتركيب الصوتي يقدّم حيادًا كفؤًا، والحياد في تلك السياقات يُفهم على أنه لا مبالاة.

• علامتك الشخصية الخاصة — إن كان جمهورك يعرف صوتك — فالبديل عنه يُلاحَظ بوضوح.
  الروايات الطويلة وكتب الصوت.
• فالاتساق يدوم لدقائق، وليس لساعات؛ إذ يصبح التكرار مسموعًا بوضوح خلال فصلٍ كامل.أما بالنسبة للسرد التفسيري، والشروحات، والدورات التعليمية، وشرح كيفية استخدام المنتجات، والوسائط الصوتية الخاصة بإمكانية الوصول — أي الغالبية العظمى من الاحتياجات الشائعة — فهو فعلاً جيّدٌ بما يكفي لكي تتوقف هذه المسألة عن أن تكون موضع اهتمام.
  استخدمه في ريلز بدون ظهور وجه
• واستنسخ صوتك الشخصي بدلًا من ذلك تستمر الاتساق لمدة دقائق، وليس ساعات؛
  ويصبح التكرار مسموعًا بوضوح خلال الفصل الواحد.

للتعليق الصوتي، والشروحات، والدورات التعليمية، وعرض المنتجات خطوة بخطوة، والوسائط الصوتية الخاصة بإمكانية الوصول — أي الغالبية العظمى من الاستخدامات التي يحتاجها الناس — فإن الجودة فعلاً كافية لدرجة أن السؤال يفقد اهتمامه.
تصبح الجودة فعلاً كافية لدرجة أن السؤال يفقد اهتمامه.
يُفقد اهتمام القارئ بالسؤال.

الأسئلة الشائعة

هل تعريف الصوت الاصطناعي مجاني؟

نعم، رهنًا بالترخيص المرتبط بخطتك الاشتراكية. فالفيديو الذي يدرّ أرباحًا يُعدّ استخدامًا تجاريًّا، وبالتالي يحتاج إلى خطة تمنح حقوق الاستخدام التجاري.
لا يشمل ترخيصًا تجاريًّا، يبدأ سعره من 6 دولارات أمريكيّة شهريًّا في خطتهم الابتدائية.

هل يستطيع الناس تمييز أنه صوت اصطناعي؟

لا، دون موافقته الصريحة. فجميع الموفِّرين الرئيسيين يشترطون ذلك ويحظرون تقليد الأصوات، وهذه إحدى القواعد القليلة في هذا المجال التي تُطبَّق بصرامةٍ وثبات.
جملٌ دون توقفات، ونبرة لا تتناسب مع المحتوى — بدلًا من مشكلة التوليف نفسه.

كم عدد الدقائق التي تساوي ١٠٬٠٠٠ رصيد؟

ما يقارب ١٠٠٠٠ حرف من الكلام. والمسافة الزمنية الدقيقة تعتمد على الصوت ومعدّله، لذا
اعتبرها عدة دقائق من السرد بدلًا من عدد ثابت من الدقائق.

هل يمكنني استخدام صوت اصطناعي في فيديو على يوتيوب؟

نعم، رهنًا بتراخيص خطتك. فالفيديو الذي يدرّ إيرادات يُعتبر استخدامًا تجاريًّا، وبالتالي يحتاج إلى
خطة تمنح حقوق الاستخدام التجاري.

هل يمكنني استنساخ صوت شخصٍ آخر؟

لا، إلا بموافقته الصريحة. فجميع الموفِّرين الرئيسيين يشترطون ذلك ويحظرن التمثيل الاحتيالي لأصوات الآخرين، و
هذه إحدى القواعد النادرة في هذا المجال التي تُطبَّق بصرامةٍ وثبات.

التالي: استخدمه في ريلز بدون ظهور الوجه · قم باستنساخ صوتك الخاص بدلاً من ذلك