العاطفة في Speechify Text to Speech API: ما الذي تدعمه النماذج الحالية
كليف وايتزمان
الرئيس التنفيذي ومؤسس Speechify
واجهة برمجة تطبيقات سبيتشيفاي: زمن وسيط 106 مللي ثانية حتى أول صوت على Coval، مع أصوات بجودة بشرية
جائزة آبل للتصميم لعام 2025وصلت تقنيات تحويل النص إلى كلام الحديثة إلى مستوى عالٍ من الوضوح منذ سنوات. ويشير تحدي Blizzard، وهو معيار سنوي يتابع تطور هذه التقنيات منذ 2005، إلى أنه بحلول 2021 أصبح الكلام الاصطناعي شبه مطابق للكلام الطبيعي من حيث الوضوح، وقريبًا جدًا منه من حيث الطبيعية أيضًا (Perrotin وآخرون، 2024). لذلك انتقل الاهتمام في هذا المجال إلى تحديات جديدة. لم يعد السؤال الأهم هل يمكنك فهم الصوت، بل هل يبدو الصوت وكأنه يقصد ما يقوله. يجيب Speechify Studio عن هذا بتقديم تحويل نص إلى كلام تعبيري إلى جانب التحويل العادي. أما في واجهة برمجة التطبيقات للمطورين، فالأمر يعتمد على النموذج، والنماذج الحالية لا تدعم أنماط العاطفة.
أنماط العاطفة ميزة في Simba 1.6
في واجهة البرمجة، تأتي أنماط العاطفة عبر وسم SSML <speechify:style>، ولا يدعمها إلا نموذجا Simba 1.6: simba-english و simba-multilingual. والقيم الثلاث عشرة لهذا الوسم هي: غاضب، مبتهج، حزين، مذعور، مسترخٍ، خائف، مندهش، هادئ، حازم، نشيط، دافئ، مباشر، ومشرق. وقد أُوقف Simba 1.6 للمساحات الجديدة، واعتبارًا من 21 نوفمبر 2026 سيشير كلا المعرّفين إلى النماذج الحالية، التي تقبل الوسم من دون تطبيقه. راجع دليل الانتقال من Simba 1.6.
استخدام العواطف في مولد الصوت بالذكاء الاصطناعي من Speechify
يعمل مولد الصوت بالذكاء الاصطناعي داخل Speechify Studio، وهو الأداة التي يستخدمها المبدعون في الدبلجة الصوتية، وفيديوهات التسويق، والكتب الصوتية، ومقاطع البودكاست. ما عليك سوى لصق النص، واختيار الصوت، ثم تطبيق نمط عاطفي على المقطع بالكامل أو على جزء محدد منه. وبما أن المشاعر تُضبط لكل تحديد، يمكن للمقطع نفسه أن يبدأ بمقدمة مبتهجة، ثم ينتقل إلى عرض حازم للقيمة، ويختتم بنبرة دافئة من دون تغيير الصوت.
ومن أبرز حالات الاستخدام العملية هنا: أن فيديوهات التسويق التي تُنتج داخل أدوات مثل CapCut تحتاج عادةً إلى أكثر من طبقة نبرية، مثل الجذب، والوعد، والدعوة إلى اتخاذ إجراء. وبدلًا من تسجيل عدة مقاطع بأداءات مختلفة، يمكنك إنتاج دبلجة واحدة مع تغيير العاطفة سطرًا بسطر. أما الكتب الصوتية ورواية القصص، فتستفيد أكثر من ذلك، إذ يمكن أن يحمل الحوار بين الشخصيات مشاعر مختلفة من دون الحاجة إلى عدة مؤدين. وفي الشروحات، تسهم قراءة الجزء الأساسي بنبرة هادئة في تعزيز الوضوح أكثر من محاولة إبقاء الصوت "مثيرًا" طوال الوقت.
ما الذي تدعمه Speechify API اليوم
في النماذج الحالية، simba-3.2 و simba-3.0، تقبل Speechify API وسم <speechify:style> وتُرجع 200، لكنها تقرأ النص داخل الوسم من دون أي نمط. وينطبق الأمر نفسه على <prosody pitch> و<prosody volume> و<emphasis>. ولا تُطبَّق فعليًا سوى ثلاثة وسوم SSML: <break> للوقفات، و<prosody rate> لسرعة النطق، و<sub alias> لضبط النطق الصحيح. ويبيّن دليل SSML ما الذي يدعمه كل نموذج.
على سبيل المثال: <speak>تم شحن طلبك. <break time="500ms" /> <prosody rate="slow">اقرأ <sub alias="أسئلة شائعة">FAQ</sub> لمعرفة مواعيد التوصيل.</prosody></speak> هنا ستكون هناك وقفة لمدة نصف ثانية، ثم تُقرأ الجملة الثانية ببطء، ويُنطق "أسئلة شائعة" بدلًا من "FAQ".
يعتمد الإلقاء في النماذج الحالية على النص والصوت. فعلامات الترقيم وبناء الجمل يحددان النبرة، لذلك اكتب كل سطر بالطريقة التي تريد أن يُنطق بها، وأضف <break> حين تحتاج إلى وقفة أطول. كما أن الصوت الذي تختاره يحدد الطابع الأساسي. وفي سيناريوهات مثل التعلّم الإلكتروني، قد تشير الإجابة الصحيحة إلى جملة قصيرة وواضحة، مع <prosody rate="slow"> عند تقديم تلميح، و<break> قبل الشرح.
Speechify AI Voice Generator مقابل Speechify API: أيهما الأنسب
أين تغيّر الأصوات العاطفية فعليًا إمكانياتك الإبداعية
يُعد تحويل النص إلى كلام العاطفي عنصرًا أساسيًا في الأعمال الإبداعية. فصوت واحد بنبرة نجم مشهور يقرأ كتابًا صوتيًا، أو شخصية متحركة تمزج بين الفكاهة والحزن، أو مقدمة بودكاست تصل إلى الإيقاع المناسب، كلها أمور لم تكن ممكنة بالأصوات الاصطناعية الخالية من المشاعر. أما الآن فأصبحت ممكنة، لأن العاطفة صارت جزءًا من الصوت نفسه، لا مجرد توجيه في النص. وبالنسبة لمن يستخدمون أصوات المشاهير والشخصيات في Speechify بالفعل، فإن أنماط العاطفة هي ما يصنع الفارق بين صوت يشبه المرجع وصوت يتفاعل بواقعية.
هل الإلقاء العاطفي يحسن الفهم فعلًا؟
نعم، ويمكن قياس ذلك حتى خارج مجال الذكاء الاصطناعي. ففي دراسة أُجريت عام 2022 على أطفال تتراوح أعمارهم بين 11 و13 عامًا، ثم أُعيدت في 2025، وجد الباحثان Dylman وChambers-Larson أن المستمعين أجابوا عن عدد أكبر من أسئلة المحتوى بشكل صحيح عندما سمعوا المعلومات نفسها بنبرة عاطفية إيجابية مقارنة بالنبرة المحايدة (Dylman وآخرون، 2025). وكانت الزيادة في الفهم واضحة، سواء فورًا أو بعد فترة. وفي المحتوى التعليمي، والشروحات، وكل صوت طويل المدة يهم فيه ترسيخ المعلومة، يُعد الصوت العاطفي دعمًا حقيقيًا للفهم.
الأسئلة الشائعة
ما هو تحويل النص إلى كلام مع العواطف؟
هو صوت اصطناعي يحمل نبرة عاطفية مختارة، مثل الفرح أو الحزن، بحيث يمكن نطق الجملة نفسها بطرق مختلفة. وفي مولد الصوت بالذكاء الاصطناعي داخل Speechify Studio يمكنك اختيار العاطفة لكل تحديد. أما النماذج الحالية في Speechify API فلا تدعم الأنماط العاطفية.
كم عدد العواطف المدعومة في Speechify API؟
في النماذج الحالية: لا شيء. فـ simba-3.2 وsimba-3.0 يقبلان وسم <speechify:style> ويقرآن النص من دون نمط. أما القيم الثلاث عشرة، من الغضب إلى الإشراق، فلا يدعمها إلا Simba 1.6 المتوقف. ولدى مولد الصوت في Speechify Studio أداة مستقلة للتحكم بالعواطف كما هو موضح أعلاه.
أين أتحكم بالعاطفة في مولد الصوت بالذكاء الاصطناعي؟
داخل Speechify Studio، بعد إدخال النص، سيظهر محدد العاطفة بجانب اختيار الصوت. ويمكنك تطبيقه على المقطع كاملًا أو على جزء محدد، ثم إعادة التوليد.
هل يمكنني تحديد عاطفة في Speechify API؟
ليس في النماذج الحالية. فـ simba-3.2 وsimba-3.0 يقبلان <speechify:style emotion="..."> ويُرجعان 200، لكن النص يُنطق من دون نمط. ويمكنك ضبط الإلقاء عبر النص نفسه والصوت الذي تختاره، مع استخدام الوسوم المدعومة: <break> و<prosody rate> و<sub alias>. راجع دليل SSML.
هل يمكنني دمج عواطف في دبلجة صوتية واحدة؟
في Speechify Studio، تُطبَّق العواطف على مستوى التحديد، لذلك يمكن لتسجيل واحد أن يغيّر النبرة سطرًا بسطر. أما في النماذج الحالية للـ API فلا تُطبَّق أنماط العاطفة. ويمكنك فقط تغيير سرعة الكلام عبر <prosody rate> وإضافة الوقفات عبر <break> لكل جزء.
هل تُسمع الأصوات العاطفية طبيعية مثل المحايدة؟
نعم، إلى حد كبير. إذ تسجل نماذج تحويل النص إلى كلام العاطفي الحديثة نحو 3.94/5.0 في التعبيرية و3.98/5.0 في الطبيعية، ما يعني أن المستمعين يقيمونها بمستوى متقارب جدًا في الجانبين.
هل الإلقاء العاطفي يساعد فعلًا في حفظ المحتوى؟
تشير الأبحاث على المتحدثين البشريين إلى أن الجواب نعم. فالنبرة الإيجابية تعزز تذكر الحقائق في الدراسات المحكمة. وينطبق المبدأ نفسه على الدبلجات المعتمدة على الذكاء الاصطناعي عندما تُوجَّه جيدًا.
هل يمكنني استخدام أصوات عاطفية في دبلجة تجارية؟
تغطي رخصة Speechify الاستخدام التجاري للتسجيلات المنتجة، بما في ذلك الأنماط العاطفية. راجع خطة اشتراكك لمعرفة حدود مدة الإخراج.
ما الفرق بين ذلك وبين ضبط السرعة أو النغمة فقط؟
في Simba 1.6، تؤثر أنماط العاطفة في الإلقاء ككل، بما يشمل الوقفات، والتشديد، ونمط التنغيم، والطاقة، لذلك لا تبدو نبرة "الغاضب" مجرد نسخة أسرع وأعلى من النبرة المحايدة. أما في النماذج الحالية، فلا يمكنك سوى تعديل السرعة: <prosody rate> يعمل، بينما <prosody pitch> وأنماط العاطفة تُقبل من دون تطبيق.
وصول سريع وسهل إلى أصوات سبيتشيفاي المفضلة عبر واجهة برمجة التطبيقات – سريعة، قابلة للتوسّع، وسهلة الاستخدام للمطورين
