تحويل النص إلى كلام. كيف يعمل؟

ليست فكرة تحويل النص إلى كلام — أي البرامج التي يمكنها قراءة ما يظهر على الشاشة بصوت مسموع — جديدة، لكنها شهدت فعلًا ثورة خلال السنوات القليلة الماضية.

وفقًا لدراسة حديثة، قُدّرت قيمة سوق تحويل النص إلى كلام بحوالي 2 مليار دولار في عام 2020 — ويرجع ذلك جزئيًا إلى تداعيات جائحة كوفيد-19. وليس ذلك فحسب، بل يُقدّر أن ترتفع القيمة إلى 5 مليارات دولار بحلول عام 2026، بمعدل نمو سنوي مركب لافت يبلغ 14.6٪.

يُعزى جزء كبير من ذلك إلى الكيفية التي تُساعِد بها حلول تحويل النص إلى كلام الأشخاص ذوي مجموعة واسعة من الإعاقات البصرية. ووفقًا لمراكز السيطرة على الأمراض والوقاية منها، يبلغ عدد الأشخاص فوق سن الأربعين في الولايات المتحدة الذين يعانون نوعًا من مشكلات معالجة المعلومات البصرية نحو 12 مليون شخص. ومن بين هذا العدد، هناك مليون مصابون بإعاقة بصرية شديدة، وثمانية ملايين يعانون مشكلات في الإبصار بسبب أخطاء انكسارية غير مصححة. وقد ارتفع هذا الرقم من 4.2 مليون في عام 2012.

كل هذا يعني أن تقنية تحويل النص إلى كلام قد أثبتت جدواها على مر السنين. العديد من الحلول مثل Speechify تقدّم باقة من الأصوات عالية الجودة ليختار المستخدم ما يناسب احتياجاته. لكن كيف تعمل هذه الحلول وكيف توفّر كل هذه الخيارات الصوتية؟ الإجابة عن هذه الأسئلة تتطلّب وضع بعض الأمور الأساسية في الحسبان.

العمل الداخلي لتحويل النص إلى كلام

قبل أن تتعرّف على الأصوات الفعلية وراء تحويل النص إلى كلام، من المهم أن تفهم كيف تعمل هذه الحلول من حيث المبدأ.

تستخدم تقنية تحويل النص إلى كلام الذكاء الاصطناعي والتعلّم الآلي وتقنيات مشابهة لتحويل الكلمات المكتوبة على صفحة أو شاشة إلى محتوى صوتي يُقرأ بصوت مسموع. ويشمل ذلك ليس فقط محتوى مواقع الويب أو المقالات، بل أيضًا النصوص المكتوبة في تطبيقات مثل Microsoft Word وغيرها.

يُولَّد المحتوى الصوتي نفسه بالكامل بواسطة الجهاز المستخدم. وإضافةً إلى العمل على أجهزة سطح المكتب واللابتوب، يتوفر تحويل النص إلى كلام أيضًا على معظم الهواتف الذكية والأجهزة اللوحية وغيرها من الأجهزة المحمولة المتاحة في السوق اليوم.

في الغالبية العظمى من الحلول، تتم معالجة تحويل النص إلى كلام محليًا على نفس الجهاز. وهذا يجعل تحويل النص إلى كلام مفيدًا حتى عند غياب اتصال بالإنترنت.

إضافةً إلى تمكين ذوي الإعاقات البصرية من الوصول إلى المحتوى المكتوب وفهمه، يُعد تحويل النص إلى كلام مفيدًا أيضًا لأن طبقة الصوت وإيقاع النطق وسرعته قابلة للتحكم. إن رغبت في إبطاء السرعة لتفهم بشكل أفضل فبوسعك ذلك. وبالمثل، إن أردت تسريع الصوت لتصفّح المحتوى بسرعة أكبر، يمكنك فعل ذلك أيضًا.

أصوات تحويل النص إلى كلام: تفصيل الأمور

عندما يتعلق الأمر بالصوت المستخدم فعليًا في حلول تحويل النص إلى كلام، فالأمر في النهاية يعود إلى مفهوم يُسمى المُركّب الصوتي.

ما هو المُركّب الصوتي؟

التوليد الصوتي هو شكل من أشكال الإخراج يجعل الكمبيوتر (أو أي جهاز آخر) يقرأ الكلمات بصوت مسموع وبصوت مُختار مسبقًا. ومن حيث المبدأ، لا يختلف كثيرًا عن قراءة الكلمات على صفحة بنفسك أو حتى طباعتها — فالمسألة تتعلّق بكيفية إخراج الكمبيوتر للمعلومات المطلوبة. لكن بدلًا من فعل ذلك عبر النص فقط، فإنه يقدّمها من خلال صوت تسمعه عبر مكبرات الصوت أو السماعات.

بشكل عام، يعمل التوليد الصوتي بأن يمر الحل الذي تستخدمه بعدة خطوات أساسية ومهمة. أولها يتضمن تحليل النص على الصفحة إلى كلمات.

الخطوة 1: المعالجة المسبقة

في هذه المرحلة من العملية، تقوم حلول تحويل النص إلى كلام بتحليل المحتوى الذي تريد قراءته، فتأخذ الحروف — التي هي في الأساس مجرد رموز — وتحوّلها إلى كلمات. هذه المرحلة مهمة، إذ قد يكون للكلمة المكتوبة أحيانًا قدر من الغموض أكثر مما يدرك الناس. فبعض الكلمات أو العبارات قد تعني أشياء متعددة. وبالمثل، يحتاج الكمبيوتر إلى أن "يفهم" الفرق بين كلمات مثل "their" و"there" و"they're" — ثلاث كلمات تُنطق بالطريقة نفسها لكنها قد تغيّر سياق الجملة كليًا.

هنا يتدخل الذكاء الاصطناعي والتعلّم الآلي. من خلال الذكاء الاصطناعي، يمكن "تدريب" حلول تحويل النص إلى كلام على تقليل هذا الغموض قدر الإمكان. وتُسمّى هذه المرحلة من عملية الصوت في تحويل النص إلى كلام "المعالجة المسبقة"، لأنها تجري "خلف الكواليس" قبل أن يقرأ التطبيق أي شيء بصوت مسموع.

هذه أيضًا المرحلة التي ستفرّق فيها حلول تحويل النص إلى كلام بين الكلمات التي قد تُكتب بالشكل نفسه لكنها تُنطق بشكل مختلف بحسب الاستخدام. كلمة "read" مثال نموذجي على ذلك، فقد ترغب في قراءة كتاب هذا المساء للاسترخاء، رغم أنك قرأته مرات لا تُحصى في الماضي. يستطيع البشر التمييز بسهولة بين هذين المعنيين وفقًا للسياق — ويُسخَّر الذكاء الاصطناعي على الجانب الحاسوبي للوصول إلى نتيجة قريبة جدًا من ذلك.

وبالمثل، من التحديات في هذه المرحلة التعامل مع الأرقام والاختصارات والرموز وغيرها. فالرموز الخاصة مثل علامة الدولار أصعب أيضًا في «المعالجة» من الكلمة المكتوبة وحدها. لهذا تُعد مرحلة المعالجة المسبقة مهمة جدًا — إذ تساعد على التأكد من أن كل ما سيُقرأ بصوت عالٍ في النهاية منطقي ضمن السياق المقصود.

الخطوة 2: فهم النطق

بمجرد تحليل النص و«فهم» حل تحويل النص إلى كلام للكلمات التي ينبغي نطقها بصوت عالٍ، يبدأ الجزء التالي من العملية. في هذه المرحلة تُحوَّل تلك الكلمات إلى فونيمات — وبعبارة أخرى، يتعلّم النظام كيفية نطق الكلمات على نحو ملائم ضمن النص المعني.

هذا الجزء من العملية تطوّر كثيرًا على مر السنين. إذا أُتيحت لك يومًا فرصة استخدام حل لتحويل النص إلى كلام من التسعينات (أو شاهدت فيلمًا قديمًا من السبعينات أو الثمانينات يتضمّن مشهدًا مع تحويل نص إلى كلام)، فربما واجهت صوتًا حاسوبيًا بدا غير طبيعي. كان يسهل تمييزه كصوت مُولَّد حاسوبيًا، ورغم أنك قد تفهم ما يُقال، فغالبًا ما كانت كثير من الكلمات تُنطق على نحو غير دقيق.

الخطوة 3: يبدأ التحويل إلى كلام

بمجرد تحديد تلك الفونيمات، ينتقل حل تحويل النص إلى كلام إلى الجزء النهائي من العملية: تحويل تلك المعلومات إلى صوت يمكن تشغيله عبر مكبرات صوت الجهاز أو سماعات الأذن.

يحدث هذا بعدة طرق مختلفة بحسب الحل الذي تستخدمه. إحدى هذه الطرق تتضمن أن يقرأ ممثل أو ممثلة قائمة من الفونيمات بصوت عالٍ، ثم تُغذّى تلك التسجيلات مرة أخرى إلى الحاسوب وإلى الحل نفسه. ثم، بمجرد أن يقوم التطبيق بمسح كتلة نصية معينة، يمكنه مطابقة الفونيمات التي يجدها على الصفحة مع الفونيمات المسجّلة سابقًا. عندها يجمع بين هذين العنصرين لتشغيل نسخة صوتية للنص بطريقة أكثر طبيعية من أي وقت مضى.

بعض الحلول لا تزال تتيح للحاسوب توليد الصوت ذاتيًا. لا يزال الأمر يعمل بالطريقة نفسها تقريبًا، لكن «الصوت» هنا ليس قائمًا على مقاطع مسجّلة مسبقًا، بل يُولَّد ببساطة عن طريق إنتاج ترددات صوتية محددة بالترتيب المناسب.

ومن هذه الناحية، لا يختلف الأمر كثيرًا عن الطريقة التي يتيح بها مُركّب صوتي للموسيقي محاكاة أصوات الآلات باستخدام لوحة مفاتيح موصولة بحاسوب. يمكنهم العزف على اللوحة كما يعزفون على البيانو، لكن بدلًا من صوت البيانو قد يحاكي كل مفتاح وترًا على غيتار أو صوت طبلة. لا يزال الحاسوب «يفهم» نية كل ضربة مفتاح ويربطها بالصوت المناسب، وإن كان ذلك في سياق مختلف.

خيارات الصوت وما بعدها

أحد أسباب كثرة خيارات الأصوات المختلفة المتاحة في هذه مولّدات الصوت لتحويل النص إلى كلام هو أنها ليست فعلًا صعبة الإنشاء كما يظن كثيرون. فأنواع الفونيمات اللازمة لعمل مولّد صوت بالذكاء الاصطناعي شائعة إلى حد كبير في اللغات البشرية. لذا يكفي أن يجلس ممثل أو ممثلة أمام ميكروفون ويقرأ نصًا قصيرًا يضم كل الفونيمات المطلوبة، ثم تُغذّى تلك المعلومات مرة أخرى إلى الحل نفسه.

ستتعرّف تقنية الكلام بالذكاء الاصطناعي على كل فونيم على حدة، و«تفكك» ذلك التسجيل إلى مجموع أجزائه وتستخدم ما يلزم منه لتوليد أصوات تحويل النص إلى كلام بدقة عندما يقرأ المستخدم موقع ويب أو أي شكل آخر من المحتوى.

بالطبع، هناك العديد من الاستخدامات المحتملة الأخرى لهذا النوع من مولّدات الصوت الطبيعي إلى جانب مساعدة المكفوفين. خلال السنوات القليلة الماضية، ازداد اهتمام الجمهور بتوليد الكلام وأصوات الذكاء الاصطناعي بفضل شبكات التواصل الاجتماعي مثل TikTok.

TikTok في الواقع واحدة من المنصات الكبرى التي تبنّت توليد أصوات الذكاء الاصطناعي، مما يتيح للمستخدمين تسجيل مقاطع فيديو، وإضافة نص فوق تلك المقاطع ثم جعل التخليق الصوتي يقرأ ذلك المحتوى بصوت عالٍ. إنها طريقة ممتعة لإضافة طبقة إضافية من الاندماج إلى المحتوى المنشور على TikTok، وهي وسيلة ستزداد شعبية مع مرور الوقت.

مستقبل تحويل النص إلى كلام وصل بالفعل

في المحصلة، تحويل النص إلى كلام صوتي أداة لا تُقدَّر بثمن لِما يتيحه من إمكانات. فهو يمكّن ذوي ضعف البصر من الاستمتاع بالمحتوى نفسه الذي يتصفّحه الآخرون، وبالطريقة التي تناسبهم. يمكنه تحويل أي تدوينة أو مقال أو مستند أو ورقة بيضاء أو أي محتوى مطبوع آخر إلى تجربة صوتية سهلة الاستماع، لتستمتع بها ليس في المنزل فحسب، بل خلال تنقلاتك، أو في صالة الرياضة، وغير ذلك.

لا يكتفي ذلك بجعل حياتنا أكثر إنتاجية، بل يساهم أيضًا في حل طيف من المشكلات الكبرى كما ذُكِر أعلاه. وبناءً على ما سبق، ليس من الصعب فهم سبب شيوع تقنيات تحويل النص إلى كلام وتوليد الصوت بالذكاء الاصطناعي خلال السنوات القليلة الماضية على نحوٍ خاص.

إذا كنت ترغب في معرفة المزيد عن أصوات تحويل النص إلى كلام، أو كنت تريد فقط استكشاف الطرق التي قد تفيدك بها هذه الحلول، فلا تؤجل الأمر - جرب Speechify مجانًا اليوم.

يُعد Speechify التطبيق رقم 1 على متجر التطبيقات بفضل أصواته شديدة الطبيعية وتجربة الاستخدام المميزة وكثرة الأصوات المخصصة.

يتوفر Speechify بعدة باقات: لـ المستخدمين الأفراد، المجموعات، أو عبر واجهة برمجة تطبيقات للشركات على اختلاف أحجامها.