لقد وصلت حلول تحويل النص إلى كلام الحديثة إلى مستوى عالٍ من الوضوح منذ سنوات. ويشير تحدي بلزارد، وهو معيار سنوي يتتبع تطور توليد الكلام منذ 2005، إلى أنه بحلول عام 2021 أصبح من المتعذر عمليًا التمييز بين الكلام الاصطناعي والطبيعي من حيث الوضوح، كما أصبحا متقاربين جدًا من حيث الطبيعية (Perrotin et al., 2024). لذلك انتقل المجال إلى مرحلة جديدة. لم يعد السؤال الأساسي هل يمكنك فهم الصوت، بل أصبح هل يبدو الصوت وكأنه يقصد ما يقوله. وتقدم Speechify Studio إجابة على ذلك عبر تحويل النص إلى كلام عاطفي، إلى جانب التحويل الصوتي المعتاد. أما في واجهة برمجة التطبيقات للمطورين، فالأمر يعتمد على النموذج، إذ إن النماذج الحالية لا تطبق أنماط العواطف.
أنماط العواطف ميزة في Simba 1.6
في واجهة البرمجة، تُستمد أنماط العواطف من الوسم <speechify:style> في SSML، ولا تطبقها إلا نماذج Simba 1.6 مثل simba-english و simba-multilingual. وتدعم ثلاثة عشر نمطًا: الغاضب، المبهج، الحزين، المذعور، المسترخي، الخائف، المتفاجئ، الهادئ، الحازم، النشيط، الدافئ، المباشر، والمشرق. وقد أُوقف Simba 1.6 للعملاء الجدد، واعتبارًا من 21 نوفمبر 2026 ستعمل معرّفاته على النماذج الحالية التي تقبل الوسم من دون تطبيقه. راجع دليل الانتقال من Simba 1.6.
استخدام العواطف في مولّد الصوت بالذكاء الاصطناعي من Speechify
يتوفر مولّد الصوت بالذكاء الاصطناعي داخل Speechify Studio، وهي أداة مخصصة للمبدعين لإنجاز الدبلجة، وفيديوهات التسويق، والكتب الصوتية، وحلقات البودكاست. ما عليك سوى لصق النص، ثم اختيار الصوت، ثم إضافة نمط عاطفي للمقطع بالكامل أو لجزء محدد منه. وبما أن العواطف تُطبّق على مستوى كل جزء، يمكن للدبلجة نفسها أن تبدأ بنبرة مبهجة، ثم تنتقل إلى نبرة حازمة، وتنتهي بلمسة دافئة من دون تغيير الصوت.
ومن أبرز حالات الاستخدام العملية أن فيديوهات التسويق المُنتجة عبر أدوات مثل CapCut تحتاج غالبًا إلى نبرتين أو ثلاث، مثل لفت الانتباه، وتقديم الوعد، ثم الدعوة إلى اتخاذ إجراء. وبدل تسجيل ثلاثة أصوات منفصلة، يمكنك إنتاج دبلجة واحدة تتبدل فيها المشاعر من سطر إلى آخر. وتستفيد الكتب الصوتية والسرد القصصي أكثر من ذلك، إذ يمكن أن تحمل حوارات الشخصيات أوزانًا عاطفية مختلفة من دون الحاجة إلى عدة رواة. وفي المحتوى الشارح، يكون الصوت الهادئ الذي يقرأ مقطعًا كثيفًا بالمعلومات أوضح من الصوت نفسه إذا حاول أن يبدو "متحمسًا" طوال الوقت.
ما الذي تطبقه Speechify API اليوم
في النماذج الحالية، simba-3.2 و simba-3.0، تقبل Speechify API الوسم <speechify:style> وتُرجع 200، لكنها تنطق النص من دون تطبيق نمط العاطفة. وينطبق الأمر نفسه على <prosody pitch> و <prosody volume> و <emphasis>. وهناك ثلاثة وسوم SSML فقط تُطبَّق فعليًا: <break> للوقفات، و <prosody rate> لسرعة القراءة، و <sub alias> للنطق. ويوضح دليل SSML الوسوم التي يدعمها كل نموذج.
على سبيل المثال، <speak>تم شحن طلبك. <break time="500ms" /> <prosody rate="slow">اقرأ <sub alias="الأسئلة المتكررة">FAQ</sub> لمعرفة أوقات التسليم.</prosody></speak> يضيف وقفة مدتها نصف ثانية، ثم يقرأ الجملة الثانية ببطء وينطق "الأسئلة المتكررة" بدل FAQ.
في النماذج الحالية، يعتمد أداء الصوت على النص والصوت المختار. فالعلامات والترقيم وبنية الجملة تحدد طريقة الإلقاء، لذا اكتب كل سطر كما تريد أن يُقال، وأضف <break> حيث تريد وقفة أطول من المعتاد. أما الصوت الذي تختاره، فهو الذي يحدد الطابع العام. وفي التعليقات الصوتية للتعليم الإلكتروني، قد يعني ذلك صياغة جملة قصيرة وواضحة للإجابة الصحيحة، واستخدام <prosody rate="slow"> للتلميح، ثم <break> قبل الشرح.
مولد الصوت بالذكاء الاصطناعي مقابل Speechify API: أيهما تختار؟
متى تُحدث الأصوات العاطفية فرقًا فعليًا في ما يمكنك إنشاؤه
يشكل تحويل النص إلى كلام عاطفي الحلقة المفقودة في العمل الإبداعي. فأن يروي صوت واحد بأسلوب المشاهير كتابًا صوتيًا كاملًا، أو أن تلقي شخصية كرتونية نكتة أو تعبر عن الحزن، أو أن يضبط مقدم بودكاست الإيقاع، كل ذلك لم يكن ممكنًا بالصوت المسطح. أما الآن فأصبح ممكنًا، لأن الإحساس صار جزءًا من الصوت نفسه، لا مجرد ملاحظة في النص. وبالنسبة للمبدعين الذين يستخدمون أصوات المشاهير والشخصيات في Speechify، فإن أنماط العواطف هي ما يصنع الفارق بين صوت يشبه المرجع فحسب وصوت يتفاعل فعلًا كالشخصية.
هل الإلقاء العاطفي يحسّن الاستيعاب فعليًا؟
نعم، ويمكن قياس ذلك خارج سياق الذكاء الاصطناعي أيضًا. ففي دراسة أُجريت عام 2022 على أطفال تتراوح أعمارهم بين 11 و13 عامًا، ثم أُعيدت في 2025، وجد الباحثان ديلمان وشامبو-لارسون أن المستمعين أجابوا عن عدد أكبر من الأسئلة بشكل صحيح عندما قُرئت المادة نفسها بنبرة إيجابية بدلًا من نبرة محايدة (Dylman et al., 2025). وكان أثر الفهم واضحًا، واستمر في التذكر الفوري والمؤجل. وبالنسبة للمواد التعليمية، والشروحات، وأي محتوى صوتي تكون فيه المحافظة على المعلومة مهمة، فإن الصوت العاطفي المناسب يعزز الفهم فعلًا.
الأسئلة الشائعة
ما هو تحويل النص إلى كلام مع العواطف؟
هو صوت اصطناعي يحمل نبرة عاطفية محددة، مثل الفرح أو الحزن، إلى جانب الكلمات نفسها، ما يتيح إلقاء الجملة ذاتها بطرق متعددة. وفي مولد الصوت الذكي داخل Speechify Studio، يمكنك اختيار العاطفة لكل جزء. أما النماذج الحالية في Speechify API فلا تطبق أنماط العواطف.
كم عدد العواطف التي تدعمها Speechify API؟
في النماذج الحالية، لا تدعم أي عاطفة: إذ تقبل simba-3.2 و simba-3.0 الوسم <speechify:style> وتنطق النص من دون تطبيق النمط. أما القيم الثلاث عشرة، من غاضب إلى مشرق، فهي تعمل فقط في نماذج Simba 1.6 المتوقفة. أما مولد الصوت في Speechify Studio، فله منتقي عواطف خاص كما هو موضح أعلاه.
أين أتحكم بالعاطفة في مولد الصوت الذكي؟
داخل Speechify Studio، وبعد إدخال النص، يظهر منتقي العاطفة بجانب اختيار الصوت. طبّقه على المقطع كاملًا أو على جزء محدد، ثم أعد التوليد.
هل يمكنني تعيين العاطفة في Speechify API؟
ليس في النماذج الحالية. إذ تقبل simba-3.2 و simba-3.0 الوسم <speechify:style emotion="..."> وتُرجع 200، لكنها تنطق النص من دون تطبيق النمط. ويمكنك التحكم في الإلقاء عبر النص، والصوت الذي تختاره، واستخدام الوسوم المدعومة: <break> و <prosody rate> و <sub alias>. راجع دليل SSML.
هل يمكنني دمج عدة عواطف في دبلجة واحدة؟
في Speechify Studio، تُطبّق العواطف على كل جزء تحدده، فتخرج الدبلجة متعددة النبرات. أما في النماذج الحالية للواجهة، فلا تُطبّق أنماط العواطف. وما يمكنك تعديله هو سرعة القراءة عبر <prosody rate> والوقفات عبر <break>.
هل الأصوات العاطفية تبدو طبيعية مثل المحايدة؟
هي قريبة جدًا من ذلك. فقد حصلت النماذج العاطفية الحديثة على تقييم 3.94/5.0 للتعبير و3.98/5.0 للطبيعية، ما يعني أن المستمعين رأوها متقاربة جدًا في الجانبين.
هل الإلقاء العاطفي يساعد فعلًا على تذكّر المحتوى؟
تشير الأبحاث على المتحدثين البشر إلى ذلك. فقد عززت النبرة الإيجابية تذكّر الحقائق في دراسات مضبوطة. وينطبق هذا أيضًا على دبلجات الذكاء الاصطناعي عندما تُوجَّه جيدًا.
هل يمكنني استخدام الأصوات العاطفية للدبلجة التجارية؟
تغطي رخصة Speechify الاستخدام التجاري للدبلجة المُولدة، بما في ذلك الأنماط العاطفية. وتحقق من خطتك لمعرفة حدود طول المخرجات.
ما الفرق بين ذلك وبين تغيير السرعة أو الطبقة الصوتية؟
في Simba 1.6، تغيّر أنماط العواطف الإلقاء بالكامل، بما في ذلك الوقفات، والتشديد، والمنحنى النغمي، والطاقة؛ لذلك لا يبدو الصوت "الغاضب" مجرد نسخة أسرع وأحدّ من الصوت المحايد. أما في النماذج الحالية، فالمتغير الوحيد هو السرعة: إذ يعمل <prosody rate>، بينما يُقبل <prosody pitch> وأنماط العواطف من دون تطبيق.
