استنساخ الصوت بالذكاء الاصطناعي بالعربي يعني أن تسجّل دقيقة أو دقيقتين من صوتك، فتصنع منها الأداة صوتًا يقرأ أي نص عربي تكتبه.
في ElevenLabs تبدأ من حساب مجاني في ElevenLabs، ثم تضيف صوتك من قسم Voices بالاستنساخ الفوري (Instant Voice Clone).
النموذج ينقل لهجتك كما هي، فإن سجّلت بالمصرية قرأ بالمصرية، وإن سجّلت بالفصحى قرأ بالفصحى.
والشرط الأول قبل أي خطوة: أن يكون الصوت صوتك أنت، أو صوت شخص أعطاك إذنه الصريح.
ما الذي تحتاجه قبل استنساخ الصوت بالذكاء الاصطناعي بالعربي؟
ثلاثة أشياء فقط: حساب، وتسجيل نظيف، وخطة تسمح بالاستنساخ. الحساب سهل، والتسجيل هو ما يحدد جودة النتيجة، والخطة فيها نقطة تحتاج انتباهك.
صفحة الأسعار الرسمية تضع «Instant Voice Cloning» في قائمة ما تضيفه خطة Starter فوق المجانية، ولا تذكره في الخطة المجانية. في المقابل، صفحة الاستنساخ التسويقية على موقع الشركة نفسه تقول إن الخطط المجانية تسمح عادةً بصنع نسخ صوتية. لن أحسم لك تناقضًا لم تحسمه الشركة. افتح الحساب المجاني أولًا، واذهب إلى قسم الأصوات، وانظر هل يظهر لك خيار الاستنساخ الفوري. إن ظهر فابدأ مجانًا، وإن لم يظهر فاعرف أن صفحة الأسعار تضعه في Starter.
أما اللغة، فالتوثيق يقول إن الاستنساخ الفوري يعمل في أي لغة يدعمها نموذجا Flash v2.5 أو Multilingual v2. وصفحة النماذج تضع العربية في قائمة Multilingual v2 بصيغة «Arabic (Saudi Arabia, UAE)»، ونموذج Flash v2.5 يرث كل لغات نماذج v2. أي أن العربية مدعومة رسميًا في الاستنساخ، وهذا يكفي لتبدأ.
وقبل أن تسجّل، خذ قرارًا واحدًا: ما اللهجة التي ستكتب بها نصوصك لاحقًا؟ لأن هذا القرار هو الذي يحدد كيف تسجّل، كما سأشرح في القسم التالي.
كيف تسجّل عيّنة عربية تصلح للاستنساخ؟
هنا يخطئ أغلب الناس. يرفعون مقطعًا من ريل قديم فيه موسيقى خلفية، أو مكالمة مسجلة، أو عشر دقائق من بث مباشر، ثم يستغربون أن الصوت المستنسخ فيه صدى أو يبدو متعبًا.
التوثيق الرسمي للاستنساخ الفوري يطلب دقيقة على الأقل، ويوصي بدقيقة إلى دقيقتين من صوت واضح بلا صدى ولا تشويش ولا ضجيج خلفي من أي نوع. ويحذّر من تجاوز ثلاث دقائق، لأن العيّنة الأطول قد تضر بثبات النسخة بدل أن تحسّنها. فالأطول ليس الأفضل هنا.
والجملة الأهم في التوثيق كله أن الذكاء الاصطناعي ينسخ كل ما يسمعه: سرعتك، وتنغيمك، ولكنتك، ونبرتك، وحتى أنفاسك وطقطقة فمك. فكل عيب في التسجيل يصير جزءًا من صوتك المستنسخ إلى الأبد، لأن التوثيق يقول أيضًا إنك لا تستطيع تغيير لكنة النسخة أو نبرتها بعد صنعها.
لهذا أنصحك بهذه القواعد عند التسجيل:
- سجّل في غرفة صغيرة فيها أثاث وستائر، لا في غرفة فارغة جدرانها عارية، لأن الغرفة الفارغة تعطي صدى.
- اقترب من الميكروفون مسافة ثابتة، ولا تحرك رأسك يمينًا ويسارًا أثناء القراءة.
- اقرأ بالنبرة التي تريدها في الفيديوهات، فإن سجّلت بصوت متعب أو هامس خرجت كل نصوصك متعبة.
- لا تخلط في العيّنة بين صوت رسمي وصوت ضاحك، لأن التوثيق يطلب ثبات النبرة والأداء بين المقاطع.
- صوت واحد فقط في التسجيل. لا مقاطع حوار ولا بودكاست فيه ضيف.
وعن الملف نفسه، يوصي التوثيق بصيغة MP3 بجودة 128 kbps أو أعلى، ويذكر قسم الأسئلة في الصفحة نفسها 192 kbps أو أعلى. ويقول إن ملفات WAV غير المضغوطة لا تحسّن الجودة غالبًا وقد تسبب مشاكل في الرفع. ومستوى الصوت المثالي عنده بين -23 و-18 ديسيبل RMS، مع ذروة لا تتجاوز -3 ديسيبل. لو لم تفهم هذه الأرقام فلا بأس: المهم ألا يكون التسجيل منخفضًا جدًا ولا مرتفعًا حتى يتشوّه.
ماذا تقرأ في الدقيقتين؟ نصًا عاديًا بلهجتك، فيه جمل قصيرة وطويلة، وفيه أرقام وأسماء، لأن هذا ما ستكتبه لاحقًا. هذا نص مقترح بالفصحى البيضاء، غيّره إلى لهجتك إن كنت ستنشر بها:
مرحبًا، أنا أسجّل هذا المقطع لأصنع نسخة من صوتي.
أقرأ بهدوء وبالسرعة التي أتكلم بها عادةً في الفيديوهات.
اليوم الخميس، والساعة الآن العاشرة والنصف صباحًا.
في هذا المقطع سأشرح ثلاث خطوات بسيطة، ثم أعطيك نصيحة أخيرة.
الخطوة الأولى أن تجهّز المكان، والثانية أن تختبر الميكروفون، والثالثة أن تبدأ.
لو عندك سؤال، اكتبه في التعليقات وسأرد عليك.اقرأ هذا النص مرتين أو ثلاثًا بالنبرة نفسها، ثم احذف الأخطاء والسكتات الطويلة، فيصير عندك دقيقة ونصف تقريبًا.
خطوات الاستنساخ الفوري في ElevenLabs
هذه الخطوات من صفحة التوثيق الرسمية للاستنساخ الفوري، وأسماء الأقسام والأزرار كما وردت فيها.
1. افتح حسابك في ElevenLabs، أو أنشئ حسابًا جديدًا إن لم يكن عندك.
2. من القائمة على اليسار اختر قسم Voices، ثم اضغط أيقونة الإضافة (علامة +).
3. من النافذة التي تظهر اختر Instant Voice Clone.
4. اتبع التعليمات على الشاشة لترفع ملفك أو تسجّل مباشرة من المتصفح. أنصح بالرفع، لأنك تتحكم في نظافة الملف قبل أن يصل.
5. اكتب اسمًا للصوت وأضف وسومه، ثم أكّد أن لك الحق والإذن في استنساخ هذا الصوت، واضغط Save voice.
6. ارجع إلى Voices، ثم My Voices، واضغط Use voice على صوتك الجديد.
7. في أداة تحويل النص إلى كلام اكتب نصًا عربيًا قصيرًا، واختر نموذج Multilingual v2، واسمع النتيجة.
في الخطوة السابعة لا تبدأ بفقرة طويلة. كل حرف يخصم رصيدًا، فصفحة الأسعار تقول إن الحرف الواحد برصيد واحد في نماذج Multilingual v2. جملتان أو ثلاث تكفي لتعرف هل النسخة تشبهك.
وإن خرجت النتيجة بعيدة عن صوتك، فالسبب في الغالب في العيّنة لا في الأداة. ارجع إلى التسجيل وابحث عن ضجيج المكيف، أو صدى الغرفة، أو اختلاف النبرة بين المقاطع. احذف النسخة وأعد صنعها بعيّنة أنظف، فالاستنساخ الفوري لا يدرّب نموذجًا خاصًا ولا يحتاج انتظارًا.
وكيف تحكم على النسخة بعدل؟ اكتب جملة لم تقرأها في العيّنة، فيها رقم واسم علم وحرف حلقي، لأن هذه أول ما يكشف ضعف النسخة. اسمعها بسماعة لا بمكبر الهاتف. ثم أسمعها لشخص يعرف صوتك جيدًا دون أن تخبره، واسأله: من هذا؟ إن عرفك من أول جملة فالنسخة جاهزة للعمل. وإن تردد، فارجع إلى التسجيل قبل أن تلوم الأداة. واحفظ ملف العيّنة الأصلي عندك، لأنك ستحتاجه لو أردت إعادة صنع النسخة بعد أشهر.
ولو كنت جديدًا على الأداة كلها ولم تجرّب تحويل النص إلى صوت قبل الآن، فابدأ من شرح ElevenLabs بالعربي لتتعرف على الشاشة أولًا.
هل يحتفظ الصوت المستنسخ بلهجتي المصرية أو الخليجية؟
نعم، وهذا أهم ما يميز الاستنساخ عن اختيار صوت جاهز من المكتبة. التوثيق يقول إن النموذج ينسخ لكنتك من التسجيل، والأصوات الجاهزة في الأداة أصلها إنجليزي، فتقرأ العربية بلكنة أجنبية. أما صوتك المستنسخ فيحمل مخارجك أنت.
لكن انتبه إلى نقطتين.
الأولى أن اللهجة تأتي من طريقة نطقك ومن النص الذي تكتبه معًا. لو سجّلت بالمصرية ثم كتبت نصوصك بالفصحى، فستسمع خليطًا غريبًا: كلمات فصحى بنَفَس مصري. اكتب بالطريقة التي سجّلت بها. فإن كنت ستكتب سكريبتاتك بالعامية المصرية، فسجّل العيّنة بالعامية المصرية، وإن كانت قناتك بالفصحى فسجّل بالفصحى.
الثانية أن التوثيق نفسه يعترف بأن الاستنساخ الفوري قد يتعثر مع اللكنات غير الشائعة أو الأصوات المميزة جدًا، وينصح في هذه الحالة بالاستنساخ الاحترافي. فلو كانت لهجتك أقل انتشارًا في التسجيلات العامة، وخرجت النسخة الفورية مقبولة لكن ليست مقنعة، فهذا هو الطريق التالي.
ورأيي أن تبدأ بالفوري دائمًا. هو سريع ورخيص، ويكشف لك في دقائق هل صوتك ولهجتك يخرجان جيدًا. لا تدفع في الاحترافي قبل أن تعرف أن الفوري لا يكفيك.
الاستنساخ الفوري أم الاحترافي؟ وكم يكلّف؟
الفرق بينهما في كمية الصوت التي تعطيها، وفي الوقت، وفي الخطة.
| الاستنساخ الفوري | الاستنساخ الاحترافي | |
|---|---|---|
| طول التسجيل | دقيقة إلى دقيقتين | من ٣٠ إلى ١٨٠ دقيقة |
| وقت التجهيز | فوري، بلا تدريب | التدريب يأخذ غالبًا من ٣ إلى ٦ ساعات |
| التحقق | تأكيد الإذن قبل الحفظ | تحقق إلزامي أن الصوت صوتك |
| الخطة في صفحة الأسعار | Starter وما فوقها | Creator وما فوقها |
| اللغات | لغات Flash v2.5 أو Multilingual v2 | لغات عائلة Eleven v4، أكثر من ٩٠ لغة |
الاحترافي ليس لكل الناس. ساعة إلى ثلاث ساعات من التسجيل النظيف عمل حقيقي، والتوثيق يقول إنه لا يمكنك صنع نسخة احترافية إلا من صوتك أنت، حتى لو أعطاك شخص آخر إذنه. هذا خيار من يبني قناة أو كتابًا صوتيًا طويلًا بصوته.
أما التكلفة، فصفحة الأسعار اليوم تضع Starter بستة دولارات شهريًا مع ثلاثين ألف رصيد، وتعرض الشهر الأول بدولار واحد حتى ١٨ أكتوبر. وخطة Creator باثنين وعشرين دولارًا شهريًا مع ١٢١ ألف رصيد، وفيها خانة واحدة للاستنساخ الاحترافي. والخطة المجانية فيها عشرة آلاف رصيد شهريًا، وتفاصيل ما يُسمح لك بنشره منها موجودة في هل ElevenLabs مجاني.
احسبها هكذا: عدد حروف السكريبتات التي تحولها إلى صوت في الشهر هو تقريبًا عدد الأرصدة التي تحتاجها بنموذج Multilingual v2. سكريبت ريل قصير لا يتجاوز بضع مئات من الحروف، فثلاثون ألف رصيد تكفي عددًا كبيرًا من الريلز.
ما الممنوع في استنساخ الأصوات؟
سياسة ElevenLabs واضحة، وأنا أتفق معها تمامًا. صفحة الاستنساخ تقول إن استنساخ صوت شخص آخر يحتاج موافقته الصريحة، وإن استعمال الأصوات المستنسخة في الاحتيال أو انتحال الشخصيات مخالف للقانون في أغلب الدول. وتوثيق المساعدة يشرح نظامًا اسمه «No-Go Voices» يمنع صنع نسخ تقارب أصوات الشخصيات العامة المعروفة، ويقول إن المخالفة قد تنتهي بتحذير أو حذف الصوت أو إيقاف الحساب.
يعني: لا مشاهير، ولا صوت صديقك بلا إذنه، ولا أي مقطع يوهم الناس أن شخصًا قال ما لم يقله. صوتك أنت هو الاستعمال الذي صُممت له الأداة.
ما لا يغطّيه هذا المقال
- الاستنساخ عبر الـ API ومعرّف الصوت (Voice ID)، فهذا موضوع مستقل لمن يربط الأداة ببرامج أخرى.
- خطوات التحقق في الاستنساخ الاحترافي بالتفصيل، لأنها تظهر داخل الحساب بعد رفع ساعات التسجيل.
- جودة النسخة على كل لهجة عربية بعينها، فالتوثيق لا ينشر مقارنة بين اللهجات، والحكم هنا لأذنك.
- مشاركة صوتك في مكتبة الأصوات العامة وشروطها، ولها ملحق خاص في شروط الخدمة.
- الأسعار والأرصدة من صفحة الأسعار الرسمية يوم ١٠ أكتوبر ٢٠٢٦، وهي تتغير.
أسئلة يطرحها الناس
هل استنساخ الصوت بالذكاء الاصطناعي مجاني؟
صفحة الأسعار تضع الاستنساخ الفوري في خطة Starter، بينما تقول صفحة أخرى للشركة إن الخطط المجانية تسمح به عادةً. افتح حسابًا مجانيًا وانظر هل يظهر لك خيار Instant Voice Clone في قسم Voices.
هل يمكن استنساخ الصوت باللهجة المصرية؟
نعم، الاستنساخ ينقل لكنتك كما سجّلتها. سجّل العيّنة بالعامية المصرية، واكتب نصوصك بها أيضًا، لتخرج النتيجة متسقة.
هل يمكن تقليد صوت أي شخص بالذكاء الاصطناعي؟
تقنيًا الأداة تنسخ ما تسمعه، لكن سياسة ElevenLabs تشترط موافقة صاحب الصوت الصريحة، وتمنع نسخ أصوات الشخصيات العامة. والاستنساخ الاحترافي لا يقبل إلا صوتك أنت.
كم دقيقة أحتاج لاستنساخ صوتي؟
للاستنساخ الفوري دقيقة إلى دقيقتين من صوت نظيف، ولا تتجاوز ثلاث دقائق. وللاحترافي من ٣٠ إلى ١٨٠ دقيقة.
