ما هو تحويل النص إلى كلام؟ دليل بلغة بسيطة

تحويل النص إلى كلام (TTS)، ويُسمّى أيضًا تركيب الكلام، هو برنامج يقرأ النص بصوت مسموع. تعطيه جملة، فيعيد إليك ملفًا صوتيًا أو بثًا مباشرًا لصوت ينطق تلك الجملة. وهذا الصوت ليس تسجيلًا لشخص يقرأ كلماتك بعينها، بل يُولَّد في اللحظة نفسها بواسطة نموذج حاسوبي تعلّم كيف ينطق صوتٌ معيّن الأصوات والكلمات والجمل.

من شبه المؤكد أنك سمعت تحويل النص إلى كلام من قبل: في إرشادات الملاحة GPS، وقوائم الهاتف الآلية، وقارئات الشاشة التي يستخدمها المكفوفون وضعاف البصر، وميزات «القراءة بصوت عالٍ» في الكتب الإلكترونية، وبصورة متزايدة في التعليق الصوتي على YouTube والمقاطع القصيرة.

تعمل معظم الأنظمة الحالية على ثلاث مراحل عامة. لن تراها أبدًا، لكن معرفتها تساعدك على فهم سبب تسبّب بعض النصوص في مشكلات.

1. قراءة النص وتوحيد صيغته

يحدد النظام أولًا ما الذي يجب نطقه فعلًا. فاختصار «د.» قد يعني «دكتور» أو «دقيقة»؛ و«2026» تُقرأ عادةً «عام ألفين وستة وعشرين» إن كانت سنة، لكنها تُقرأ عددًا عاديًا إن كانت كمية؛ و«5$» تصبح «خمسة دولارات». كما يقسّم النص إلى جمل ويقرر كيف تُنطق كل كلمة مكتوبة، وهذا أصعب مما يبدو: فكلمة «علم» غير المشكولة قد تُقرأ «عِلْم» في «طلب العلم» أو «عَلَم» في «رفع العلم».

2. تخطيط الصوت

بعد ذلك تتنبأ شبكة عصبية بالطريقة التي يجب أن تبدو بها الجملة: أي المقاطع تُنبَر، وأين ترتفع طبقة الصوت وتنخفض، وكم يستغرق كل صوت، وأين تقع الأنفاس القصيرة. يُسمّى هذا اللحن والإيقاع التنغيم (prosody)، وهو الفرق الأساسي بين صوت يبدو بشريًا وآخر يبدو كآلة تقرأ قائمة.

3. إنتاج الصوت

وأخيرًا، يحوّل نموذج آخر (يُسمّى غالبًا المُرمِّز الصوتي أو vocoder) هذا المخطط إلى موجة صوتية فعلية يمكنك تشغيلها. كانت الأنظمة القديمة تلصق معًا مقاطع صغيرة مسجّلة مسبقًا من الكلام، ولهذا كانت تبدو متقطعة. أما الأنظمة العصبية فتولّد الموجة الصوتية مباشرة، ولهذا تبدو الأصوات الحالية سلسة.

• التنغيم. الإيقاع والنبرة الطبيعيان أهم من جودة الصوت الخام. فالصوت النقي الرتيب يبقى مصطنعًا.
• ملاءمة اللغة واللهجة. الصوت المدرَّب على لغة ما يتعثر عادةً في كلمات لغة أخرى. اختر صوتًا يطابق لغة نصك، ويُفضَّل أن يطابق اللهجة التي يتوقعها مستمعوك.
• النص نفسه. الاختصارات والأسماء غير المألوفة وغياب علامات الترقيم والجمل الطويلة جدًا هي أكثر أسباب النتائج الغريبة شيوعًا. ويشرح دليلنا عن كتابة النصوص لتحويل النص إلى كلام كيفية إصلاحها.
• إعدادات السرعة وطبقة الصوت. التعديلات الصغيرة تُحدث فرقًا كبيرًا؛ أما الإعدادات المتطرفة فتجعل أي صوت يبدو غريبًا.

• إمكانية الوصول. الاستماع بدلًا من القراءة يساعد ضعاف البصر والمصابين بعسر القراءة أو الإرهاق أو غيرها من صعوبات القراءة. راجع تحويل النص إلى كلام لإمكانية الوصول.
• التعليق الصوتي على الفيديو. يستخدم صنّاع المحتوى تحويل النص إلى كلام في مقاطع الشرح والدروس والمقاطع القصيرة على YouTube حين لا يستطيعون تسجيل أصواتهم أو لا يرغبون في ذلك. راجع إعداد تعليق صوتي ليوتيوب.
• تعلّم اللغات. سماع جملة بصوت ذي لكنة أصلية، وبسرعة أبطأ، يساعد على تحسين النطق. راجع تحويل النص إلى كلام لتعلّم اللغات.
• التدقيق اللغوي. الاستماع إلى ما كتبته وهو يُقرأ عليك من أسرع الطرق لاكتشاف الجمل الركيكة والكلمات الناقصة.
• الكتب الصوتية والاستماع إلى النصوص الطويلة. راجع سرد كتاب صوتي بتحويل النص إلى كلام.

حتى أصوات الذكاء الاصطناعي الجيدة قد تخطئ في نطق الأسماء النادرة وأسماء العلامات التجارية والكلمات المستعارة من لغات أخرى. وهي لا تفهم نصك كما يفهمه الراوي البشري، لذلك كثيرًا ما تخرج النكات والسخرية والمشاعر القوية بنبرة محايدة. ولأن الأصوات الاصطناعية أصبحت واقعية، فلا يجوز أبدًا استخدامها لانتحال شخصية إنسان حقيقي أو لخداع المستمعين.

الحل العملي لمعظم هذه القيود هو تعديل النص لا مصارعة الصوت: اكتب الأسماء الصعبة كما تُنطق، وقسّم الجمل الطويلة، وأضف علامات الترقيم حيث تريد وقفة.

في الاستوديو يمكنك لصق ما يصل إلى 2,000 حرف في المرة الواحدة، والاختيار من بين 583 صوتًا في 76 لغة، وضبط السرعة وطبقة الصوت، والاستماع، ثم تنزيل النتيجة. لا حاجة إلى حساب. وإن لم تكن متأكدًا من الصوت الذي تبدأ به، فاقرأ كيف تختار صوت الذكاء الاصطناعي المناسب.