ما تاريخ تقنية تحويل النص إلى كلام وتوليد الصوت؟

قد تبدو تقنية تحويل النص إلى كلام (TTS) وتوليد الصوت كأنها حديثة العهد، لكنها في الواقع تمتد إلى تاريخ طويل يعود لقرون.

من المحاولات الأولى لمحاكاة الكلام البشري بأجهزة ميكانيكية إلى نماذج الذكاء الاصطناعي والتعلّم العميق المتقدمة اليوم، كانت رحلة تطوّر TTS لافتة فعلًا.

في هذا المقال، نستعرض تاريخ تحويل النص إلى كلام وتوليد الصوت، ونتناول الآفاق المستقبلية الواعدة في هذا المجال.

تحويل النص إلى كلام وتوليد الصوت: من البدايات إلى الاستخدامات الحديثة

القرنان الثامن عشر والتاسع عشر

يمكن تتبّع تاريخ تحويل النص إلى كلام وتوليد الصوت إلى القرنين الثامن عشر والتاسع عشر، حين ظهرت محاولات مبكرة لاستخدام أجهزة ميكانيكية لتوليد الكلام. ففي سبعينيات القرن الثامن عشر، اخترع المخترع المجري وولفغانغ فون كيمبلين آلة سُمّيت "آلة الكلام الصوتية-الميكانيكية" لمحاكاة الجهاز الصوتي البشري، وكانت تستخدم منفاخًا وقصبة وأنابيب لإنتاج أصوات الحروف المتحركة والصامتة.

وفي أواخر القرن الثامن عشر، ابتكر الفيزيائي الإنجليزي تشارلز ويتستون نسخة ميكانيكية أكثر تطورًا من آلة كيمبلين، أطلق عليها اسم "آلة الكلام". وكان الجهاز قادرًا على إنتاج أصوات متنوعة. ورغم أنه لم يُصمَّم خصيصًا لتوليد الكلام، فإنه عزّز فكرة إنتاج الصوت بواسطة الأجهزة الميكانيكية.

وفي القرن التاسع عشر، طُوِّرت أجهزة أخرى عدة، مثل آلة فابر للكلام الصناعي، واعتمدت هذه الأجهزة على أنظمة ميكانيكية وهوائية لإنتاج أصوات الكلام.

بداية القرن العشرين وأول توليد كهربائي كامل للكلام

في أوائل القرن العشرين، أصبحت تقنيات توليد الصوت أكثر تطورًا مع ابتكار أول نظام كهربائي بالكامل لتوليد الكلام: جهاز الفوكودر الذي طوّره هومر ددلي في مختبرات بيل (Bell Labs) في نيوجيرسي.

اعتمد فوكودر ددلي على سلسلة من الرنانات والمرشحات لإنتاج كلام اصطناعي. وقد عُرض الجهاز، المعروف باسم الفودر (Voder)، في معرض نيويورك العالمي 1939-1940، وكان يُشغَّل عبر لوحة مفاتيح ودواسات قدم لإنتاج الكلام.

من أوائل الخمسينيات حتى أواخر السبعينيات: صعود أجهزة التوليف

في عام 1951، ألهم عمل ددلي الدكتور فرانكلين إس. كوبر في مختبرات هاسكنز لتطوير جهاز pattern playback. كان هذا النظام يحلّل الصوت المسجّل، مثل كلمة أو جملة منطوقة، ويفككه إلى أنماط صوتية أو "أنماط طيفية"، ثم تُخزَّن هذه الأنماط على شريط مغناطيسي وتُعاد لإنتاج نسخة اصطناعية من الصوت الأصلي.

وفي عام 1976، طُرح أول نظام تجاري ناجح لتحويل النص إلى كلام على يد Kurzweil Reading Machine. استخدم النظام تقنية التوليف التجميعي، حيث تُدمج أصوات وحروف مسجّلة مسبقًا لإنتاج كلام اصطناعي. وكان الجهاز موجّهًا أساسًا لمساعدة ذوي الإعاقة، لكنه سرعان ما أصبح شائعًا كأداة للقراءة.

واعتبارًا من عام 1978، بدأت شركة Texas Instruments تطوير شريحة لتوليد الكلام لاستخدامها في ألعاب الفيديو وتطبيقات الكمبيوتر. واعتمدت الشريحة أيضًا على التوليف التجميعي، إذ كانت تجمع بين أصوات مسجّلة، أو ما يُعرف بالديفونات، لإنتاج كلام قريب من الطبيعي. واستُخدمت هذه التقنية لاحقًا في نظام DECtalk، الذي وفّر كلامًا اصطناعيًا عالي الجودة للأشخاص ذوي الإعاقة.

أنظمة تحويل النص إلى كلام الحديثة

من أبرز الابتكارات في السنوات الأخيرة استخدام الشبكات العصبية لتوليد الكلام الاصطناعي. فقد طوّرت شركات مثل Google وMicrosoft أنظمة TTS عالية الجودة تعتمد على خوارزميات التعلّم العميق لتحليل كميات ضخمة من الأصوات البشرية وإنتاج كلام طبيعي بدرجة كبيرة.

وشهد مجال TTS أيضًا تطورًا مهمًا في استخدام تقنيات اختيار الوحدات والتوليف التجميعي. وتتيح هذه الأساليب إنتاج أصوات واقعية عبر دمج وحدات صغيرة من الكلام المسجّل، مثل الديفونات أو حتى كلمات كاملة، لتكوين جمل جديدة. وقد استُخدمت هذه التقنيات في تطبيقات TTS المعروفة مثل Speechify وSiri من Apple وAlexa من Amazon، إلى جانب أدوات أقدم مثل IBM ViaVoice.

كما شهدت تقنية التعرّف على الكلام تطورًا كبيرًا في السنوات الأخيرة، ما أتاح تطوير أنظمة TTS أكثر تقدمًا. ومن خلال خوارزميات التعرّف على الكلام التي تحوّل الكلام البشري إلى نص، باتت هذه الأنظمة قادرة على إنتاج انتقالات أكثر سلاسة وطبيعية في الكلام الاصطناعي.

وفي السنوات الأخيرة، شهدنا أيضًا دمج عناصر النبر والتنغيم، ما أتاح إنتاج كلام أكثر طبيعية مع وقفات مناسبة وتركيز ونبرة أوضح. ويُعدّ النبر مهمًا بشكل خاص في لغات مثل الإنجليزية، حيث يؤثر التنغيم والنبر بدرجة كبيرة في معنى الجملة.

التعلّم العميق وما بعده: مستقبل التقنية

يبدو مستقبل تقنية تحويل النص إلى كلام واعدًا ومليئًا بالإمكانات. ومع تطور الذكاء الاصطناعي والتعلّم العميق، نتوقع أصواتًا أقرب إلى الصوت البشري وقادرة على محاكاة الفروق الدقيقة في النطق.

ومن المجالات التي سيبرز فيها أثر هذا التطور تطوير المساعدين الافتراضيين وروبوتات الدردشة، إذ ستصبح أكثر تفاعلية، وسيتمكن المستخدمون من التواصل معها بطريقة أقرب إلى الطبيعة.

ومن المتوقع أيضًا إحراز تقدم في مجال التحويل الصوتي للنص، أو ما يُعرف بتحويل النص إلى وحدات صوتية. ومع تحسّن قدرة الأنظمة على التعرّف على الكلام البشري وفهمه، سترتفع دقة وكفاءة أنظمة تحويل الكلام إلى نص.

وأخيرًا، سنشهد انتشارًا أوسع لتقنية تحويل النص إلى كلام ودمجًا أكبر لها في حياتنا اليومية. ومع ربط المزيد من الأجهزة بإنترنت الأشياء، سنتمكن من التحكم بها صوتيًا في الوقت الفعلي، ما يجعل حياتنا أكثر راحة وكفاءة.

انضم إلى ثورة تحويل النص إلى كلام مع Speechify

إذا كنت تبحث عن خدمة تحويل النص إلى كلام تقدّم سردًا طبيعيًا وعالي الجودة، فلا داعي للبحث أكثر — جرّب Speechify.

بفضل تقنيته المتقدمة في التوليف الشكلي، يقدّم Speechify أصواتًا واقعية وطبيعية تختلف عن الأصوات الروبوتية التقليدية. وحتى الكتّاب البارزون مثل ستيفن هوكينج — الذي جرّب تقنيات تحويل النص إلى كلام — كانوا سينبهرون بإمكانات Speechify.

استخدام Speechify سهل — زر الموقع الرسمي أو نزّل التطبيق، ثم أدخل النص الذي تريد تحويله. بعد ذلك اختر الصوت المناسب واضبط السرعة والنبرة كما تريد. وسيتولى Speechify إنتاج سرد طبيعي ومتميز يناسب وحدات التعلّم الإلكتروني، وفيديوهات الشرح، والبودكاست، والعروض التقديمية. ويمكنك أيضًا الاختيار من بين مجموعة واسعة من أصوات الذكاء الاصطناعي الواقعية لمقاطع YouTube وغيرها من محتوى وسائل التواصل الاجتماعي.

لا تكتفِ بخدمات TTS المحدودة — جرّب Speechify اليوم واختبر مستقبل تقنيات تحويل النص إلى كلام.

الأسئلة الشائعة

من طوّر أول مولّد صوت في العالم؟

طوّر هومر ددلي أول مولّد صوت في العالم في أوائل الثلاثينيات في مختبرات بيل في نيويورك.

ما الهدف من توليد الصوت؟

يهدف توليد الصوت إلى إنتاج كلام اصطناعي من نص باستخدام معالجة اللغة وتحليل التردد الأساسي.

ما أبرز أربع استخدامات لتحويل النص إلى كلام؟

يمكن استخدام TTS لتحسين إمكانية الوصول، والترفيه، وتعلّم اللغات، وأتمتة الخدمات الصوتية.

ما بعض مزايا تحويل النص إلى كلام؟

يساعد تحويل النص إلى كلام على تعزيز إمكانية الوصول، وتحسين التعلّم، وزيادة الإنتاجية عبر الاستماع إلى المحتوى المكتوب.

ما أكثر اللحظات إثارة للدهشة في تطوّر توليد الصوت من النص؟

من أكثر اللحظات إثارة للدهشة في تطوّر تحويل النص إلى كلام اختراع تشارلز ويتستون لجهازه الميكانيكي لتوليد الصوت.