ما هو مولّد الصوت بالذكاء الاصطناعي؟
أمامك إعلان يُبثّ الأسبوع القادم، ونصّه جاهز، والصوت وحده ناقص. هنا يبدأ عمل مولّد الصوت بالذكاء الاصطناعي. تعطيه النص، فيعيده إليك أداءً مسموعاً بصوت تختاره أنت. يقرأ النموذج السطر، ويضبط النبرة، ويوزّع التشديد، ويمسك بإيقاع الإلقاء. فتسمع إنساناً يتحدث، لا قراءة آلية رتيبة. تبدأ هذه الفئة عند تطبيق يقرأ لك مستنداً. وتنتهي عند استوديو ينتج تعليقاً للبث، وحوار شخصيات بعشرات اللغات.
والفرق بين أداة وأخرى يقوم على الواقعية والتحكم معاً. فهناك صوت طبيعي لكنه بلا انفعال، وصوت معبّر تسمع فيه نشازاً خفيفاً. الأدوات الأقوى تجمع جرساً مقنعاً مع يد تمسك بالانفعال والإيقاع. لذلك يتغيّر الاختيار بتغيّر المهمة. فقراءة مستند داخلي ليست كتعليق إعلان يراجعه العميل قبل البث. ويسبق ذلك كله سؤال يخصّ فريقاً في دبي أو الرياض. كيف تنطق الأداة العربية أصلاً؟
توليد الصوت بالذكاء الاصطناعي مقابل الاستعانة بمعلّق صوتي
الاستعانة بمعلّق صوتي تمنحك أداءً حقيقياً وأذناً بشرية تلتقط ما لا يُكتب. وتمنحك معه اختياراً للصوت، وموعداً في الاستوديو، وأجراً على كل مشروع. أما التوليد فيختصر الطريق. تلصق النص، وتختار الصوت، وتستلم قراءة نظيفة خلال دقائق. وإذا عاد العميل بتعديل جملة، أعدت التوليد بدل حجز جلسة لسطر واحد.
وتبقى لحظات لا يعوّضها التوليد. فحين يجلس المخرج مع الممثل ويوجّهه سطراً بعد سطر، يظهر فرق يلتقطه المستمع. من هذه اللحظات الفيلم المؤسسي الذي يمثّل العلامة كلها. ومنها صوت الشخصية الرئيسية في لعبة. وما عدا ذلك مساحة واسعة. فالفيديو التعليمي والدورة التدريبية والإعلان القصير يقترب فيها الصوت المولّد من النتيجة نفسها، بكلفة أقل. ويصحّ ذلك أيضاً عند توطين الحملة إلى لغة ثانية. لذلك تعمل فرق كثيرة بالطريقتين معاً. التوليد لقراءات كل يوم، ومعلّق بشري للحظة التي تستحقه. ويتضح هذا التقسيم في موسم رمضان. فحجم المواد المطلوبة يتضاعف في أسابيع قليلة.
كيف تعمل مولّدات الصوت بالذكاء الاصطناعي
تتدرب نماذج الصوت الحديثة على كميات ضخمة من الكلام المسجّل. ومنها تتعلم كيف يتحول الحرف إلى صوت، وكيف يتوزع الإيقاع والنبر. وتلتقط معها التفاصيل الصغيرة التي تجعل القراءة بشرية. ثم تركّب الموجة الصوتية مباشرة من النص الذي أعطيته. وتوجّه أدوات الانفعال والتشديد والإيقاع أداء كل سطر. وإلى جانبها نمط قريب اسمه صوت إلى صوت. يعيد نطق تسجيل قائم، ويحافظ على أداء الأصل.
ومن هنا يأتي وزن السؤال العربي الذي بدأنا منه. فالمخارج التي يتقنها نموذج تدرّب على الإنجليزية وحدها لا تشمل العين والضاد والقاف. جرّب إذاً نصاً يحمل هذه الحروف قبل أن تعتمد أي أداة. ثم يأتي سؤال اللهجة. الفصحى تناسب الإعلان المؤسسي والمادة التعليمية. أما جمهور المنصات القصيرة في الرياض ودبي فيتوقع لهجة خليجية.
وداخل Morphic تجتمع عدة نماذج صوتية رائدة في أداة الكلام نفسها. اختر النموذج، والصق النص، ووجّه القراءة بوسوم الانفعال وأدوات الإيقاع. ينزل التعليق بعدها على Canvas بجانب الفيديو والموسيقى. ورتّبه على Compose، وهو المسار الزمني المدمج. واضبط مستوى الصوت لكل مقطع. ثم صدّر النسخة النهائية دون أن تغادر مساحة العمل.
