تحويل النص العربي إلى كلام بالمشاعر: صوت ذكي يضحك ويتنهد ويغيّر مزاجه وسط الجملة

الصوت الرتيب يستطيع قراءة النص، لكنه لا يستطيع بيع عرض نهاية الأسبوع، ولا مواساة عميل، ولا إضحاك طفل في قصة قبل النوم. وكان هذا سقف تحويل النص العربي إلى كلام بالمشاعر حتى وقت قريب: عربية صحيحة، لكنها غير محسوسة. ونموذج nutq-speak-3، أحدث نماذج نُطق، يغيّر ذلك بأن تكتب الإحساس في النص نفسه.

ما هو nutq-speak-3؟

nutq-speak-3 هو النموذج الافتراضي في نُطق للأصوات الخليجية. يفعل كل ما فعله النموذج المعبّر السابق، مع ثلاث إضافات تهم الإنتاج الحقيقي:

• مدى عاطفي أوسع — الفرق بين "سعيد قليلًا" وحماس حقيقي.
• ضحك حقيقي حيث تكتب [laughter]، لا كلمة تشبه الضحك.
• قراءات طويلة أثبت، فتحافظ الإعلانات والكتب الصوتية والدراما على الصوت نفسه من أول سطر إلى آخره.

ويقرأ كذلك الكلمات الإنجليزية داخل العربية بالإنجليزية، وهذا مهم لأسماء المنتجات وللمزج الخليجي بين اللغتين.

ما المشاعر التي يؤديها الصوت العربي الذكي؟

وبجانبها صوتان: [laughter] لضحكة حقيقية، و[sigh] لتنهيدة مسموعة. والوقفات [pause] (نصف ثانية)، و[pause:800] بالملّي ثانية، و[pause:1.5s].

كيف تكتب نصًا عربيًا بالمشاعر؟

يسري الإحساس من موضع كتابته حتى الإحساس التالي أو المتحدث التالي. فرسالة صوتية واحدة يمكن أن تتقلب:

[amused] هههه لا والله ما توقعت. [pause:700] [sad] بس صراحة… [sigh] ضايقني الموضوع شوي.

وإعلان إذاعي:

[excited] عرض نهاية الأسبوع وصل! [pause:400] خصم خمسين بالمية على كل شي.
[tender] لأنك تستاهل. [pause] [neutral] العرض لين يوم الأحد بس.

ومشهد بصوتين، يبدأ كل سطر باسم الصوت:

[Hamdan] [scared] سمعت هالصوت؟ [pause:900]
[Alia] [tender] لا تخاف، هذي الريح بس.
[Hamdan] [surprised] الريح ما تدق الباب!

أربع قواعد تبقيه طبيعيًا:

1. إحساس واحد لكل مقطع. ثلاث إشارات على جملة واحدة تبدو تمثيلًا متكلفًا.
2. الإشارات بالإنجليزية دائمًا. [حزين] ستُقرأ كلمةً.
3. لا توجيهات مسرحية بين أقواس عادية أو نجوم — فهي تُنطق أيضًا.
4. اكتب باللهجة التي يتكلمها المستمع. نحو 13 حرفًا تساوي ثانية من الكلام.

كيف تستدعيه من البرنامج؟

curl -X POST https://nutq.dev/v1/speech \
  -H "Authorization: Bearer $NUTQ_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text":"[excited] وصلت الشحنة أخيرًا! [laughter]","voice":"alia"}' \
  --output line.wav

nutq-speak-3 هو الافتراضي، فلا حاجة لتسميته. مرّر "emotion": "tender" لتحدد الإحساس الأول للنص كله، ودع الإشارات داخل النص تتجاوزه. وللمكالمات المباشرة، stream: true يستخدم افتراضيًا nutq-speak-2-flash بأول صوت بعد نحو ثانية من الطلب؛ وسمِّ nutq-speak-3 لتبثّ مداه الأوسع بأول صوت بعد نحو أربع ثوانٍ.

أي الأصوات تدعم المشاعر؟

كل الأصوات الخليجية الستة عشر — عالية وهند وميثاء وآمنة ونورة وعائشة وحمدان وسلطان وفيصل وغيرها — تقبل المشاعر مع nutq-speak-3. أما الصوت المصري فيقرأ بدونها. ويمكنك كذلك استنساخ صوت من ست إلى ثماني ثوانٍ وتوجيهه بالطريقة نفسها. اسمعها في مكتبة الأصوات، أو اكتب سطرًا في صفحة تحويل النص إلى صوت.

كم يكلّف؟

0.05 دولار لكل ألف حرف، في كل النماذج؛ المشاعر لا تكلّف شيئًا إضافيًا، وصمت الوقفات لا يُحتسب. والرصيد البالغ 5 دولارات عند التسجيل يغطي 100 ألف حرف — ما يكفي لعشرات النصوص الإعلانية. قادم من وسوم مزوّد آخر؟ راجع بديل ElevenLabs بالعربي، ولأفكار الإنتاج اقرأ التعليق الصوتي العربي بالذكاء الاصطناعي للإعلانات والريلز والكتب الصوتية.