كيف تصنع فيديو بصوتك أنت بالذكاء الاصطناعي
سجّل نحو دقيقة من القراءة الواضحة، وأنشئ منها صوتًا مخصصًا، ثم دعه يروي أي نص. ماذا تسجّل، وماذا تقول الأبحاث، وما القواعد.
بقلم فريق Chasca 5 دقائق للقراءة
لتصنع فيديو بصوتك أنت بالذكاء الاصطناعي، سجّل نحو دقيقة من القراءة الواضحة في غرفة هادئة، ودع الأداة تنشئ منها صوتًا مخصصًا، ثم اختر هذا الصوت ليروي نصك. في Chasca تفتح «My voices»، وتقرأ نصًا قصيرًا يظهر على الشاشة، فيجهز صوتك في نحو دقيقة. ومن بعدها يمكن أن يُروى أي فيديو تصنعه بصوتك، باللغة التي سجّلته بها. وإن كنت قد سجّلت التعليق الصوتي نفسه من قبل، فيمكنك الاستغناء عن الاستنساخ وجعل ذلك التسجيل يروي الفيديو بدلًا منه.
ما الصوت المخصص بالذكاء الاصطناعي؟
الصوت المخصص، ويُسمّى غالبًا الصوت المستنسخ، نموذج صوتي يُصنع من تسجيل لك. تقرأ فقرة قصيرة، فتتعلّم الأداة طبقة صوتك ولهجتك وإيقاعك، ومن بعدها تستطيع قراءة أي نص جديد بصوت يشبه صوتك.
وهذا يغيّر ما يكلّفك إياه النص. فمن دون صوت مستنسخ، يعني كل فيديو جديد، وكل تصحيح لفيديو قديم، أن تجهّز الميكروفون وتسجّل من جديد. أما معه، فتعدّل الكلمات كنص، ويتبعها التعليق الصوتي.
لماذا تروي الفيديو بصوتك أنت؟
لأن الناس يعرفون صوتك. فطلاب المعلم، وجمهور صانع المحتوى، وعملاء المؤسس، سمعوك من قبل، والصوت المألوف ينقل شيئًا من تلك الثقة إلى الفيديو.
وكانت أبحاث التعلّم تقدّم حجة أقوى في السابق. ففي عام 2003، وجد Richard Mayer وزملاؤه أن الطلاب الذين سمعوا رسومًا متحركة مروية بصوت بشري أدّوا أفضل في اختبار لحل المشكلات من الطلاب الذين سمعوا صوتًا حاسوبيًا، وكان الأثر كبيرًا. وفي مراجعة لاحقة لـMayer، صمد «مبدأ الصوت» هذا في 5 من 6 مقارنات تجريبية، بحجم أثر وسيط بلغ d = 0.74.
ومنذ ذلك الحين تحسّنت الأصوات الاصطناعية. فحين كرّر Scotty Craig وNoah Schroeder المقارنة باستخدام صوت حديث لتحويل النص إلى كلام، رأى المتعلّمون أنه موثوق بقدر صوت بشري مسجّل، وتعلّموا منه بالقدر نفسه على الأقل، ووجدت دراسة لاحقة أن الصوت الحديث والصوت البشري لم يختلفا اختلافًا ذا دلالة إحصائية في معظم المقاييس.
لذا لم يعد الصوت الاصطناعي الجيد يكلّف مشاهديك شيئًا. والسبب الذي يدعوك إلى استخدام صوتك أنت هو الهوية: أن يأتي الفيديو بصوت من صنعه.
كم تحتاج من التسجيل الصوتي؟
أقل مما يتوقعه معظم الناس. فأدوات الاستنساخ الفوري للصوت تطلب عادةً ما بين بضع ثوانٍ وبضع دقائق من الكلام النقي. وهناك أصوات مستنسخة باحترافية الاستوديو تُدرَّب على الصوت لساعات، لكنها منتج مختلف بسعر مختلف.
والأهم أن تكون العيّنة نقية:
- متحدث واحد. بلا محاور، ولا مقدّم مشارك، ولا جمهور.
- بلا موسيقى ولا ضوضاء في الخلفية. فصوت المروحة أو الثلاجة أو الشارع المزدحم ينتهي به الأمر داخل الصوت المستنسخ.
- إيقاعك الطبيعي. اقرأ بالطريقة التي تشرح بها الأشياء، لا بالطريقة التي تقرأ بها إشعارًا قانونيًا.
في Chasca، يطلب المسجّل دقيقة واحدة، ويحتاج إلى 20 ثانية على الأقل، ويتوقف تلقائيًا عند دقيقة واحدة. والدقيقة الكاملة من القراءة الواضحة تعطيك أقرب صوت إلى صوتك.
كيف تسجّل عيّنة صوتية جيدة؟
لا تحتاج إلى استوديو. فغرفة هادئة وبضع عادات توصلك إلى معظم ما تريد:
- اختر غرفة صغيرة فيها مفروشات ناعمة. فالستائر والسجادة والأريكة تمتص الصدى، أما الجدران العارية والأرضية المبلّطة فتردّه إلى الميكروفون.
- استخدم أفضل ميكروفون لديك. فميكروفون USB أو سماعة رأس بميكروفون أفضل من الميكروفون المدمج في الحاسوب المحمول. وحتى سماعات الأذن الخاصة بالهاتف المزوّدة بميكروفون تتفوق عادةً على الحاسوب المحمول.
- حافظ على المسافة نفسها. نحو عرض كفّ من الميكروفون، ولا تلتفت بعيدًا عنه وأنت تقرأ.
- سجّل تجربة أولًا. واستمع إليها بسماعات الرأس قبل أن تسجّل التسجيل الحقيقي. فإن سمعت صدى الغرفة، فانتقل إلى مكان آخر.
- اقرأ كأنك تشرح. ابتسم قليلًا، وحافظ على حيويتك، ودع جملك تنتهي بشكل طبيعي. فالصوت المستنسخ ينسخ طريقة أدائك مع صوتك.
كيف تصنع فيديو بصوتك أنت مع Chasca؟
- افتح «My voices» في التطبيق، واختر «Add a voice».
- اختر اللغة التي سيتحدث بها هذا الصوت.
- اقرأ النص الظاهر على الشاشة. يبدأ بسطر قصير تقول فيه إن هذا الصوت صوتك، فتبقى موافقتك محفوظة في التسجيل نفسه. ويتوقف المسجّل عند دقيقة واحدة.
- استمع إلى تسجيلك، وأعد التسجيل إن شئت، ثم أرسله. يجهز صوتك في نحو دقيقة، ومعه عيّنة مدتها دقيقة واحدة لتتحقق منه.
- اصنع فيديو. اكتب موضوعًا أو أفلت مستندًا، ثم اختر صوتك من خيارات التعليق الصوتي، فوق الرواة. يكتب Chasca النص، ويرسم كل مشهد، ويرويه بصوتك.
وتشمل كل الخطط الأصوات المخصصة دون أي تكلفة إضافية: صوت واحد في Free وSolo، و3 في Plus، و5 في Pro، و10 في Max، و30 في Team وEnterprise. وتجد التفاصيل في صفحة الأصوات المخصصة.
هل يستطيع صوتك التحدث بلغات أخرى؟
في Chasca، لا: يتحدث كل صوت مخصص باللغة التي سُجّل بها، لذا يكون الفيديو الذي يرويه بتلك اللغة. فإن كنت تدرّس أو تبيع بلغتين، فسجّل صوتًا بكلٍّ منهما. وتستطيع بعض الأدوات أن تجعل الصوت المستنسخ يتحدث لغات لا تتحدثها أنت، لكن من الصعب أن تتحقق من اللكنة والنطق إن لم تكن تتحدث تلك اللغة بنفسك.
وإن احتجت إلى درس بلغات كثيرة، فكل راوٍ من رواة Chasca الـ30 يتحدث اللغات الـ79 كلها بالصوت نفسه، فتحافظ الدورة على راوٍ واحد من الإنجليزية إلى العربية.
ما القواعد التي تحكم استنساخ الصوت؟
باختصار: صوتك ملكك وتستخدمه كما تشاء، أما صوت أي شخص آخر فيحتاج إلى إذنه.
- الموافقة. أضاف قانون ELVIS في ولاية تينيسي، الذي وُقّع في مارس 2024، صوتَ الإنسان، بما في ذلك محاكاته، إلى الحقوق التي تحميها الولاية، وهو يطال من ينشرون صوتًا دون تصريح، والأدوات المصمَّمة لإنتاجه. ولأماكن أخرى قوانينها الخاصة بحقوق الشخصية والخصوصية.
- الإفصاح في الاتحاد الأوروبي. تُلزم المادة 50 من قانون الذكاء الاصطناعي الأوروبي، التي تُطبَّق اعتبارًا من 2 أغسطس 2026، مزوّدي أنظمة الذكاء الاصطناعي التي تولّد صوتًا اصطناعيًا بوسمه بطريقة يمكن للآلات قراءتها، وتُلزم من ينشرون صوتًا مولَّدًا بالذكاء الاصطناعي يوحي زيفًا بأنه لشخص حقيقي بأن يفصحوا عن ذلك.
- الاحتيال. نظّمت لجنة التجارة الفيدرالية الأمريكية (FTC) تحدّيًا لاستنساخ الصوت (Voice Cloning Challenge) في عام 2024، لأن الأصوات المستنسخة تُستخدم في عمليات الاحتيال. فلا تستخدم أي صوت أبدًا لانتحال شخصية أحد.
وفي فيديوهات الشرح الخاصة بك، يكفي سطر في الوصف مثل «رُوي بصوت مولَّد بالذكاء الاصطناعي من صوتي أنا» ليبقى المشاهدون على علم، ولا يكلّفك ذلك شيئًا.
متى يكون الأفضل أن تسجّل التعليق الصوتي بنفسك؟
الصوت المخصص هو الأفضل للنصوص التي ستكتبها وتعدّلها كنص: الدروس، وشروحات المنتجات، والتحديثات. أما إن كنت قد سجّلت شيئًا يستحق أن يبقى كلمةً بكلمة، مثل محاضرة أو كلمة ألقيتها أو تعليق صوتي احترافي، فاستخدم التسجيل نفسه.
في Chasca، أرفق التسجيل في صفحة Create وفعّل خيار «Use as the narration». يحتفظ الفيديو بكل كلمة كما قلتها، وتظهر الرسوم على السبورة بالتزامن مع صوتك، لمدة تصل إلى دقيقة واحدة في Free و30 دقيقة في الخطط المدفوعة. ويتناول دليلنا عن تحويل التسجيل الصوتي إلى فيديو هذا الطريق.
قائمة تحقق لعيّنتك الصوتية
- غرفة هادئة فيها مفروشات ناعمة.
- أفضل ميكروفون لديك، على مسافة ثابتة.
- متحدث واحد، وبلا موسيقى.
- نحو دقيقة من القراءة بإيقاعك الطبيعي.
- تسجيل تجريبي، تستمع إليه بسماعات الرأس.
- صوتك أنت فقط، أو صوت لديك إذن باستخدامه.
المصادر
- Mayer, R. E., Sobko, K., & Mautone, P. D. (2003). Social cues in multimedia learning: Role of speaker’s voice. Journal of Educational Psychology, 95(2), 419–425.
- Mayer, R. E. (2014). Principles based on social cues in multimedia learning: Personalization, voice, image, and embodiment principles. In The Cambridge Handbook of Multimedia Learning (2nd ed.). Cambridge University Press.
- Craig, S. D., & Schroeder, N. L. (2017). Reconsidering the voice effect when learning from a virtual human. Computers & Education, 114, 193–205.
- Craig, S. D., & Schroeder, N. L. (2019). Text-to-speech software and learning: Investigating the relevancy of the voice effect. Journal of Educational Computing Research, 57(6), 1534–1548.
- Office of the Governor of Tennessee (2024). Gov. Lee signs ELVIS Act into law.
- European Commission. Transparency obligations under Article 50 of the AI Act.
- US Federal Trade Commission (2024). Approaches to address AI-enabled voice cloning.
التفريغ النصي للفيديو ما يقوله الراوي في فيديو الشرح أعلاه الذي مدته 0:58.
Picture a microphone that’s already set up whenever you change your script. How do you make a video in your own voice with AI? Record about a minute of clear reading in a quiet room, make a custom voice, then choose it to narrate your script.
In Chasca, open My voices and read the short script on screen. Your voice is ready in about a minute. A custom voice is a model made from your recording: it learns your pitch, accent and rhythm, then reads new text in a voice that sounds like yours.
Without it, every new video or fix means setting up the microphone and recording again. With it, you change the script as text instead. That's the difference. Do you record again to fix one line? No. Edit the text, and the narration follows.
أسئلة يطرحها الناس
نعم. تتعلّم أداة استنساخ الصوت كيف يبدو صوتك من تسجيل قصير، ثم تقرأ أي نص جديد بذلك الصوت. في Chasca تقرأ نصًا قصيرًا بصوت مرتفع لمدة دقيقة تقريبًا، وبعدها يستطيع صوتك المخصص أن يروي أي فيديو تصنعه، باللغة التي سجّلته بها.
عادةً ما بين بضع ثوانٍ وبضع دقائق من الكلام النقي، بحسب الأداة. والنقاء أهم من الطول. يطلب Chasca دقيقة واحدة من القراءة، ويحتاج إلى 20 ثانية على الأقل.
استنساخ صوتك أنت لاستخدامه في فيديوهاتك جائز عمومًا، أما استنساخ صوت شخص آخر دون إذنه فلا. فقد جعل قانون ELVIS في ولاية تينيسي صوت الإنسان حقًا محميًا من حقوق الملكية في عام 2024، ومنذ 2 أغسطس 2026 يشترط قانون الذكاء الاصطناعي الأوروبي (EU AI Act) الإفصاح عن الصوت المولَّد بالذكاء الاصطناعي الذي يحاكي شخصًا حقيقيًا. لا تسجّل إلا صوتك أنت، أو صوتًا لديك إذن مكتوب باستخدامه.
مع أصوات اليوم، لا تجد الدراسات فرقًا يُذكر. فقد وجدت الأبحاث المبكرة أن الناس تعلّموا من الصوت البشري أكثر مما تعلّموا من صوت حاسوبي آلي، لكن الدراسات التي استخدمت أصواتًا اصطناعية حديثة لم تجد فجوة ذات معنى في معظم المقاييس. لذا يصبح الاختيار في الغالب مسألة ثقة وهوية، وهنا يفيدك صوتك أنت.
