التعليق الصوتي عبر ElevenLabs: سرد واقعي بالذكاء الاصطناعي

ElevenLabs شركة صوتيات بالذكاء الاصطناعي تشتهر بتحويل النص إلى كلام بصوت يبدو طبيعيًا، بنبرة وإيقاع وانفعال مقنعة. وحول هذا الجوهر تقدم مكتبة أصوات جاهزة، وأدوات لتصميم الأصوات أو استنساخها، ومغيّر صوت يحوّل تسجيلًا إلى صوت آخر، ودبلجة تلقائية إلى لغات أخرى، ومحررًا للنصوص الطويلة كالكتب الصوتية والبودكاست، وتوليدًا للمؤثرات الصوتية، وتحويل الكلام إلى نص. ويستطيع المطورون استخدام التقنية نفسها عبر واجهة برمجية (API)، ومنها الوكلاء الصوتيون الحواريون.

ومن المستخدمين المعتادين صنّاع الفيديو الذين يحتاجون إلى سرد، وفرق التعلم الإلكتروني، والمسوّقون الذين ينتجون إعلانات وفيديوهات شرح، ومطورو الألعاب الذين يمنحون شخصياتهم أصواتًا، والناشرون الذين ينتجون كتبًا صوتية، ومن يعتمدون على الكلام الاصطناعي لأغراض إتاحة المحتوى.

ويُقاس الاستخدام بوحدات (credits) تتوقف على حجم النص الذي تحوّله والميزات التي تستخدمها. وتختلف الخطط في حصصها وفي الأدوات والحقوق التي تتضمنها، فراجع صفحة الخطط الحالية قبل أن تختار.

تقدم ElevenLabs عدة نماذج للكلام. بعضها يعطي الأولوية للتعبير والجودة، وبعضها الآخر مضبوط لزمن استجابة منخفض في التطبيقات التي تعمل في الوقت الحقيقي. وللتعليقات الصوتية المسجلة اختر نموذجًا يركّز على الجودة؛ فأسرع النماذج مخصصة للاستخدام المباشر، حيث يهم زمن الاستجابة أكثر من دقة الأداء.

اكتب للأذن لا للصفحة. تُقرأ الجمل القصيرة بطبيعية أكبر من الطويلة، وتحدد علامات الترقيم الإلقاء: فالفاصلة والنقطة تصنعان وقفات، والشرطة والنقاط الثلاث تغيّران الإيقاع، وعلامة الاستفهام ترفع النغمة. واكتب الأرقام والتواريخ والاختصارات والرموز كما تريد أن تُنطق، وأعد كتابة الأسماء غير المألوفة صوتيًا إذا تعثّر الصوت فيها. وبالنسبة لأسماء العلامات التجارية والمصطلحات التقنية المتكررة، يوفر قاموس النطق عناء التصحيح المتكرر.

وتضبط إعدادات الصوت النتيجة بدقة. فالثبات المنخفض يعطي قراءة أكثر تعبيرًا وتنوعًا، بينما يبدو الثبات المرتفع أكثر اتساقًا لكنه قد يصبح رتيبًا. ويتحكم إعداد التشابه في مدى التزام المخرج بالصوت الأصلي، وتضبط عناصر التحكم في الأسلوب والسرعة التركيز والإيقاع. وتقبل بعض النماذج الأحدث أيضًا إشارات قصيرة بين أقواس مربعة تصف الإلقاء، كالهمس أو الضحك. ولّد نسختين أو ثلاثًا للأسطر الصعبة، وأعد توليد الأجزاء التي تحتاج إلى ذلك فقط.

تضم مكتبة الأصوات مجموعة كبيرة من الأصوات، بعضها أنشأته ElevenLabs والكثير منها شاركه المجتمع. ويمكنك التصفية بحسب اللغة واللهجة والجنس والعمر وحالة الاستخدام، مثل السرد أو المحتوى الحواري أو القراءة بأسلوب الأخبار أو الشخصيات. وقبل بناء سلسلة كاملة على صوت مشترك، اقرأ أي ملاحظات أرفقها صاحبه، وضع في اعتبارك أن الصوت المشترك قد يُزال من المكتبة لاحقًا.

ويُنشئ تصميم الصوت صوتًا اصطناعيًا جديدًا من وصف مكتوب. قد تطلب راويًا دافئًا هادئ الإيقاع بطبقة منخفضة وبحّة خفيفة، أو مقدّمًا شابًا مشرقًا نشيطًا. وتولّد الأداة عدة معاينات، وتحفظ ما يناسبك منها. وبما أن النتيجة لا تعود إلى شخص حقيقي، فإن تصميم الصوت طريقة جيدة للحصول على صوت مميز لعلامتك دون استنساخ أي أحد.

وأيًّا كان اختيارك، حافظ على الاتساق. استخدم الصوت والنموذج والإعدادات نفسها في السلسلة كلها، ودوّنها، واختبر النصوص الجديدة بعينة قصيرة قبل توليد حلقة كاملة.

تستطيع نماذج ElevenLabs متعددة اللغات التحدث بعشرات اللغات، ويحتفظ الصوت عادةً بطابعه عند الانتقال من لغة إلى أخرى. ومع ذلك تتفاوت الجودة واللهجة من لغة إلى أخرى، فاجعل متحدثًا أصليًا يستمع قبل النشر، ولا سيما في الإعلانات أو المواد التعليمية، حيث يقوّض النبر الخاطئ أو العبارة الغريبة الثقة.

وتأخذ أداة الدبلجة ملف فيديو أو صوت، وتفرّغه نصيًا وتترجمه وتعيد التعليق عليه بالصوت في اللغة المستهدفة، مع محاولة الحفاظ على طابع صوت كل متحدث وتوقيته. راجع النص المفرَّغ والترجمة قبل التصيير النهائي، فالتعابير الاصطلاحية وأسماء المنتجات والنكات نادرًا ما تنجو من الترجمة الآلية سليمة.

وعند التوطين تذكّر أن الرسالة نفسها قد تكون أطول بوضوح في بعض اللغات منها في غيرها. اختصر النص المترجم عند الحاجة ليتلاءم التعليق مع الصورة، بدلًا من تسريع الصوت حتى يبدو متعجلًا.

تقدم ElevenLabs نوعين من الاستنساخ. الاستنساخ السريع يُنشأ من عينة قصيرة ويلتقط الصوت العام لصوت ما. أما الاستنساخ الاحترافي فيُدرَّب على مجموعة أطول من التسجيلات عالية الجودة ويبدو أقرب إلى الأصل، وتطلب الخدمة منك التحقق من أن الصوت صوتك قبل إنشائه.

والموافقة قاعدة لا تقبل المساومة. لا تستنسخ إلا صوتك أو صوت من منحك إذنًا صريحًا ومستنيرًا، ويفضّل أن يكون مكتوبًا، يغطي ما سيقوله الصوت المستنسخ وأين سيُستخدم ولأي مدة وبأي شروط. وتشترط شروط ElevenLabs أن تملك الحقوق والموافقات اللازمة لأي صوت ترفعه. واستنساخ صوت مشهور أو سياسي أو زميل أو قريب دون إذنه يخالف تلك الشروط وقد يكون مخالفًا للقانون بموجب قوانين الاحتيال والتشهير وحقوق الشخصية.

ويتطلب العمل مع الممثلين الصوتيين العناية نفسها. أدرج استخدام أصواتهم المستنسخة في العقد، والتزم بقواعد النقابات أو الوكالات، ولا تستخدم الصوت المستنسخ في محتوى لم يوافقوا عليه. وإذا استنسخت صوتك أنت، فسجّل في غرفة هادئة على مسافة ثابتة من ميكروفون جيد، دون موسيقى أو صدى، بأسلوب حديث يطابق المحتوى الذي تنوي إنتاجه.

أخبر جمهورك بأن الصوت اصطناعي في المواقف التي يفترض فيها المستمع بوجه معقول أنه بشري، مثل الإعلانات وخطوط خدمة العملاء والمحتوى بأسلوب الأخبار وكل ما قد يؤثر في قرارات الناس. وتشترط منصات كثيرة كذلك وسم الوسائط الواقعية المولّدة بالذكاء الاصطناعي.

ولا تستخدم صوتًا اصطناعيًا لانتحال شخصية أحد أو تلفيق تأييد أو إجراء مكالمات خادعة. وعمليات الاحتيال باستنساخ الصوت، حيث يقلّد المتصل فردًا من العائلة أو مديرًا تنفيذيًا ويطلب مالًا، مشكلة حقيقية ومتنامية. وقد وضعت ElevenLabs إجراءات حماية، وأطلقت أداة تساعد على اكتشاف الصوت المنتج بنماذجها، وقد تؤدي إساءة الاستخدام إلى تعليق الحساب وإلى عواقب قانونية.

ومن المفيد أيضًا أن تحمي نفسك وأسرتك. اتفقوا على كلمة سرية خاصة للطلبات العاجلة التي تأتي عبر الهاتف، وتحقق من أي طلب مفاجئ للمال بالاتصال مجددًا على رقم تعرفه مسبقًا.

تتوقف الحقوق التجارية على خطتك. فالفئة المجانية أكثر تقييدًا، مثلًا فيما يخص الإشارة إلى المصدر والاستخدام التجاري، فراجع الشروط الحالية قبل نشر فيديوهات مربحة أو إعلانات أو دورات مدفوعة بصوت من ElevenLabs.

ويبدو سير العمل الموثوق هكذا: أنجز النص النهائي، واختبر بضعة أسطر ممثلة، ثم ولّد السرد الكامل على أجزاء، ثم حرّر الصوت في محرر فيديو أو محطة عمل صوتية. عدّل مستوى الجهارة، وأزل النقرات والأنفاس الغريبة، وأضف الموسيقى وصوت الغرفة، واستمع مرة أخيرة بالسماعات وعبر مكبر صوت الهاتف قبل التصدير.

واحتفظ بسجلات لكل مشروع، تشمل الصوت والنموذج والإعدادات، ووثائق الموافقة لأي صوت مستنسخ. فهي تسهّل التعديلات، وتمنحك إجابة واضحة إذا سألك عميل أو منصة يومًا عن مصدر الصوت.