استنساخ الصوت، تقنية تهدف إلى تكرار كلام الشخص بأكبر قدر من الواقعية، شهد تقدّمًا ملحوظًا عبر السنوات. باستخدام تقنية تُعرف باسم من التحقّق من المتحدث إلى تحويل النص إلى كلام (SV2TTS)، يمكن استخلاص صوت الشخص من حديثه بكفاءة واستعماله لتوليد كلام اصطناعي.
كيف يعمل برنامج استنساخ الصوت؟
تعتمد برامج استنساخ الصوت عادةً على إطار تعلّم عميق يُسمى PyTorch، وتحتاج في العادة إلى قدر كافٍ من البيانات (ملفات صوتية) لمتحدث معيّن لاستنساخ صوته بفاعلية. تُستخدم هذه المجموعة لاحقًا لتدريب نماذج المولّد والصوتي (synthesizer وvocoder) ضمن عملية تتضمن معلمات ومتطلبات متعددة.
في جوهرها، يتكوّن البرنامج من ثلاثة عناصر رئيسية: المشفّر (encoder)، والمولّد (synthesizer)، والصوتي (vocoder). يُنتج المشفّر تضمينات (embeds) لصوت المتحدث، ويستخدم المولّد هذه التضمينات لإنشاء مخطط طيفي (spectrogram)، ثم يحوّل الصوتي هذا المخطّط الطيفي إلى كلام مسموع.
تستطيع هذه التقنية العمل على كلٍّ من وحدة المعالجة المركزية (CPU) ووحدة المعالجة الرسومية (GPU)، مع توفّر حلول متوافقة مع CUDA لتسريع الأداء عبر GPU. وعلى الرغم من إمكانية التشغيل على CPU، يُنصح باستخدام GPU للمهام الآنية لاستنساخ الصوت نظرًا لقدراته المعالجة المتفوّقة.
انعكاسات استنساخ الصوت على GitHub
يستضيف GitHub، بوصفه منصة مفتوحة المصدر، عددًا من المستودعات لتطبيقات استنساخ الصوت. مشروعات استنساخ الصوت على GitHub مثل تلك التي يديرها CorentinJ وBenaAndrew توفّر مساحة للمطورين للتعاون، والتحسين، وتوزيع تقنيات استنساخ الصوت. غالبًا ما تتضمّن هذه المشاريع نماذج مدرَّبة مسبقًا، ما يُسهّل على المستخدمين استنساخ الأصوات دون الحاجة إلى موارد حوسبية كبيرة أو خبرة عميقة في التعلم العميق.
تقدّم العديد من مشاريع GitHub، مثل مستودع Real-Time-Voice-Cloning، مجموعة من سكربتات بايثون وأدوات لمهام تحويل النص إلى كلام (TTS) وتحويل الصوت. أدوات مثل demo_toolbox.py تمكّن المستخدمين من تجربة التقنية، بينما توفّر ملفات README.md معلومات شاملة حول تثبيت المشروع واستخدامه.
الأغراض والميزات في استنساخ الصوت
يخدم استنساخ الصوت أغراضًا متنوعة، من الترفيه والفن إلى إتاحة الوصول وكشف الاحتيال. يسمح بتحويل نص إلى كلام متعدد المتحدثين، ما يسهّل حوارات واقعية في المحتوى متعدد الوسائط. ويمكن أيضًا استخدامه لإعادة إنشاء أصوات أشخاص فقدوا قدرتهم على الكلام لأسباب طبية.
تشمل أبرز ميزات برامج استنساخ الصوت القدرة على محاكاة الفروق الدقيقة الفريدة في كلام الشخص، ودعم لغات متعددة، وضبط سرعة ونغمة الحديث، والتوافق مع أنظمة تشغيل مثل Linux. وغالبًا ما تتضمّن هذه البرامج واجهات برمجة التطبيقات (APIs) لتسهيل التكامل مع تطبيقات أخرى.
أفضل 9 برامج لاستنساخ الصوت
- استنساخ صوت Speechify: استنساخ صوت Speechify من بين الأفضل المتاحة. يستنسخ صوتك فورًا: اضغط زر التسجيل في متصفحك وتحدّث لـ 30 ثانية، وسيقوم Speechify AI باستنساخ صوتك على الفور.
- Real-Time-Voice-Cloning: مشروع مفتوح المصدر على GitHub يوفّر أداة مبنية بلغة بايثون تخلق استنساخًا صوتيًا شبه لحظي وبأقل قدر من البيانات.
- iSpeech: حل TTS عالي الجودة يقدّم خدمات استنساخ الصوت إلى جانب حزمة واسعة من خدمات الصوت.
- Resemble AI: منصة متقدمة توفّر استنساخ صوت مخصّص مع واجهة برمجة تطبيقات سهلة الاستخدام.
- Lyrebird: أصبحت الآن جزءًا من Descript، وكانت Lyrebird معروفة بقدراتها المميّزة في استنساخ الصوت، ما يتيح للمستخدمين إنشاء "أصوات رقمية" فريدة.
- CereVoice Me: خدمة من CereProc تتيح إنشاء صوت TTS فريد انطلاقًا من تسجيلات صوت المستخدمين.
- Voicepods: تستخدم ذكاءً اصطناعيًا متقدّمًا لتحويل النص إلى كلام واقعي وتقدّم ميزات استنساخ الصوت.
- Modulate: تتيح للمستخدمين إنشاء "أقنعة صوتية" فريدة وقابلة للتخصيص.
- Voicery: معروفة بتوليد كلام عالي الجودة، بما في ذلك الأصوات المخصّصة.
عمومًا، لاستخدام هذه البرامج، يلزمك تثبيت الحِزم المطلوبة عبر pip، وتلبية متطلبات ملف requirements.txt للتبعيات اللازمة، ثم اتباع التعليمات المرفقة. أغلب المشاريع متوافقة مع دفاتر Jupyter (ipynb)، وواجهة سطر الأوامر (CLI)، وحتى Google Colab.
