صناعة فيديو بالذكاء الاصطناعي باللغة العربية وبصوتك: الاستنساخ والأفاتار والإفصاح

صناعة فيديو بالذكاء الاصطناعي باللغة العربية وبصوتك تحتاج ثلاث قطع: سكربت قصير مكتوب للأذن لا للعين، وصوت مستنسخ من تسجيل لصوتك مدته دقيقة أو دقيقتان في الاستنساخ الفوري، ثم صورة تتحرك على الصوت سواء أفاتار بوجهك أو مشاهد بلا وجه، وقبل النشر إفصاح في المنصة حين يبدو المقطع واقعياً.

هذا المقال يمشي معك من الفكرة إلى زر النشر: كيف تستنسخ صوتك وما الذي تشترطه الأدوات قبل ذلك، ومتى تختار الفصحى ومتى اللهجة، وما الذي تقوله يوتيوب وميتا وتيك توك بنصوصها عن المحتوى المولّد، وفي منتصفه أداة تخطط لك سكربت مقطع 15 أو 30 أو 60 ثانية بعدد الكلمات الذي يناسب سرعة نطقك.

ماذا تحتاج لصناعة فيديو بالذكاء الاصطناعي باللغة العربية؟

قبل الأدوات، هذه القطع الخمس وما يخرّبها إن أهملتها، فأغلب المقاطع الضعيفة تسقط في قطعة واحدة منها لا في الأداة.

القطعة	خياراتك	ما يخرّبها
السكربت	تكتبه بنفسك، أو تحوّل مقالاً إلى نص منطوق	جمل طويلة كُتبت للقراءة، وخطاف عام
الصوت	صوتك المستنسخ، أو صوت جاهز من مكتبة الأداة، أو صوتك مسجلاً مباشرة	نطق خاطئ للأسماء والأرقام، ولهجة لا تشبه جمهورك
الصورة	أفاتار بوجهك، أو مشاهد وصور، أو نص متحرك	أفاتار بلا موافقة موثقة، وصور لا تمثل الموضوع
الترجمة المكتوبة	محروقة في الصورة أو ملف منفصل	حروف عربية منفصلة أو اتجاه مقلوب
الإفصاح	إعداد الإفصاح في كل منصة	نسيانه في مقطع يبدو واقعياً

استنساخ الصوت بالذكاء الاصطناعي بالعربي: فوري أم احترافي؟

أوضح مثال على الفرق بين النوعين صفحة استنساخ الصوت في توثيق ElevenLabs، وهي من أشهر أدوات الصوت، وهذا ملخصها بأرقامها.

وجه المقارنة	الاستنساخ الفوري	الاستنساخ الاحترافي
التسجيل المطلوب	دقيقة إلى دقيقتين من صوت نظيف	من 30 إلى 180 دقيقة من صوت نظيف
وقت التجهيز	فوري	تدريب يستغرق عادة من 3 إلى 6 ساعات
الجودة	جيدة لأغلب الأصوات، وقد تتعثر مع اللكنات غير الشائعة	أقرب إلى صوتك الحقيقي
التحقق	—	تقرأ جملاً بصوتك لتثبت أن الصوت لك
أول خطة تتيحه	Starter بستة دولارات شهرياً	Creator بـ22 دولاراً شهرياً

الأسعار من صفحة أسعار ElevenLabs اليوم، وتعرض الصفحة خصماً على الشهر الأول في خطة Creator، فراجعها قبل الاشتراك، أما العربية فيذكرها توثيق النماذج في نماذجها الأحدث، ويضعها النموذج متعدد اللغات بلكنتين: السعودية والإماراتية.

والجملة الأهم في توثيق الاستنساخ الاحترافي ليست تقنية: لا يمكنك أن تصنع نسخة احترافية إلا من صوتك أنت، حتى لو وافق صاحب الصوت الآخر، وعليه أن يصنع نسخته بنفسه ثم يشاركها معك، وهذه القاعدة تختصر عليك نصف أسئلة الأخلاقيات في هذا المقال.

كيف تسجّل عينة صوت تعطيك نسخة جيدة؟

• غرفة صغيرة فيها أثاث وستائر أفضل من غرفة فارغة يتردد فيها الصدى.
• سجّل باللهجة والسرعة التي ستستعملها في مقاطعك، فالنسخة تقلد ما تسمعه.
• اقرأ نصاً فيه أسماء مدن وأرقام وكلمات من مجالك، لا نصاً أدبياً بعيداً عنه.
• اترك مسافة ثابتة بينك وبين الميكروفون، ولا تغيّر الجهاز بين أجزاء التسجيل.
• استمع للعينة قبل رفعها، فكل نفَس عالٍ أو نقرة سيتكرر في كل مقطع بعدها.

الفصحى أم اللهجة؟ وكيف تضبط نطق الأسماء

صفحة الصوت العربي في HeyGen تقترح قاعدة عملية: الفصحى للتعليم والأخبار والمحتوى الموجه للعالم العربي كله، واللهجة للمحتوى الخفيف في المنصات، وتنصحك أن تجرّب الاثنين على سكربتك قبل أن تختار، وهذا ما أنصحك به أيضاً لأن الحكم هنا للأذن لا للصفحة.

وأكثر ما يكشف الصوت المولّد ليس اللهجة بل الأخطاء الصغيرة المتكررة، فهذه طرق تعالجها في النص نفسه قبل أن تصل إلى الأداة:

• الأسماء المحلية: اكتب الاسم بالتشكيل حيث يلتبس، مثل «أَبْها» أو «الخُبَر»، وجرّب الجملة وحدها قبل المقطع كله.
• الأرقام: اكتبها كلمات كما تريد أن تُنطق، فـ«1447» قد تُقرأ أرقاماً متفرقة، و«ألف وأربعمئة وسبعة وأربعون» لا تلتبس.
• المختصرات: «م» و«هـ» و«ريال» تختلف قراءتها بين الأدوات، فاكتب «ميلادي» و«هجري» كاملة.
• الكلمات الإنجليزية: اكتب الاسم بالحروف العربية كما يُنطق إن كان جمهورك يقوله هكذا.

الأفاتار الذي يتكلم: متى يفيدك ومتى يضرك؟

الأفاتار نسخة متحركة من وجهك تنطق السكربت بصوتك، وهو مفيد حين يكون وجودك الشخصي جزءاً من الرسالة: شرح منتجك، أو رسالة لجمهورك، أو درس تعليمي، ويضرك حين يحل محل التصوير في محتوى يتوقع فيه الناس أن يروك حقيقة، كالرأي الشخصي والمواقف.

وصناعة أفاتار بوجهك ليست رفع صورة فقط، فمركز مساعدة HeyGen يشترط فيديو موافقة مع لقطات الأفاتار، بشروط واضحة: أقل من 30 ثانية، وتقرأ نص الموافقة كما هو حرفياً، والشخص في فيديو الموافقة هو نفسه في لقطات الأفاتار، وإن كنت تصنع أفاتاراً لشخص آخر فهو من يسجّل موافقته بنفسه، وتنص سياسة الإشراف على المحتوى عندهم على أن صناعة أفاتار لأشخاص آخرين دون موافقة صريحة ممنوعة منعاً تاماً.

وإن كنت لا تريد وجهاً في مقاطعك أصلاً، فالمقطع بلا وجه بمشاهد ونص متحرك وصوت واضح يكفي أغلب المحتوى التعليمي والإخباري، وهو أسرع وأقل حساسية.

من أدوات أيمن · ريلورامقاطع بصوت عربي بلا تصويرريلورا يحوّل مقالك إلى مقطع بصوت تختاره من ثمانية أصوات عربية، مع قاموس نطق يحفظ أسماءكشاهد المقاطع

مخطط سكربت الفيديو القصير: كم كلمة تكتب لـ15 أو 30 أو 60 ثانية؟

أكثر خطأ يتكرر في السكربت أن يكتب صاحبه فقرة كاملة لمقطع مدته 30 ثانية، ثم يسرّع الصوت حتى تتسع، فيخرج المقطع لاهثاً، وهذه الأداة تبدأ من الاتجاه المعاكس: تختار المدة وسرعة نطقك، فتعطيك هيكلاً زمنياً بالخطاف والنقاط والدعوة، وميزانية كلمات لكل جزء، وعدّاداً يخبرك وأنت تكتب هل تجاوزت.

سرعة النطق في الأداة افتراض تضبطه بنفسك لا رقم ثابت، والطريقة الأدق أن تقرأ فقرة من 50 كلمة بصوتك المعتاد وتحسب ثوانيها ثم تعدّل المنزلق، وإذا ظهرت حلقة الأداة باللون الأحمر فأنت فوق المدة، فاحذف قبل أن تسرّع، والجملة التي تستطيع حذفها دون أن يتغير المعنى يجب أن تُحذف.

الموافقة والأخلاقيات: خمس قواعد قبل أن تنشر

1. صوتك ووجهك فقط: لا تستنسخ صوت أحد ولا وجهه ولو كان صديقاً أو موظفاً عندك، فإن احتجته فليصنع نسخته بنفسه بحسابه وموافقته.
2. لا كلام على لسان غيرك: لا تجعل شخصية عامة أو عالماً أو مسؤولاً يقول شيئاً لم يقله، حتى على سبيل المزاح.
3. احفظ الأصل: احتفظ بالتسجيل الأصلي لصوتك وبملف موافقتك، فإن ادّعى أحد أن صوتك استُعمل دون إذن فعندك ما تثبت به.
4. لا تقلد الواقع في الأخبار: مشهد مولّد لحادث أو مكان حقيقي في مقطع إخباري يضلل المشاهد ولو كتبت تحته أنه مولّد.
5. أفصح حين يبدو واقعياً: وهذا تفصيله في القسم التالي، لأن كل منصة تشترط شيئاً مختلفاً قليلاً.

ماذا تشترط يوتيوب وميتا وتيك توك في الإفصاح عن المحتوى المولّد؟

المنصات الثلاث تتفق على المبدأ وتختلف في التفصيل، وهذا ما تقوله صفحاتها الرسمية اليوم.

المنصة	متى يجب الإفصاح	ما لا يحتاج إفصاحاً	إن لم تفصح
يوتيوب	محتوى واقعي يُظهر شخصاً حقيقياً يقول أو يفعل ما لم يفعله، أو يغيّر لقطات حدث أو مكان حقيقي، أو يولّد مشهداً واقعياً لم يحدث	المساعدة في السكربت والعنوان والصورة المصغرة، والفلاتر، والترجمة، واستنساخ صوتك أنت للتعليق أو الدبلجة	من يتكرر منه عدم الإفصاح قد يُضاف الوسم لمقطعه، أو يُحذف المحتوى، أو يُعلَّق من برنامج الشركاء
ميتا (فيسبوك وإنستغرام وثريدز)	فيديو واقعي أو صوت يبدو حقيقياً صُنع أو عُدّل رقمياً، ومن أمثلتها ريلز بتعليق صوتي مولّد واقعي	المقاطع بأسلوب كرتوني، والصور الثابتة لا يشترط لها الوسم	قد توجد عقوبات على المحتوى المنشور بلا وسم حين يكون مطلوباً
تيك توك	المحتوى المولّد أو المعدّل كثيراً الذي يُظهر مشاهد أو أشخاصاً يبدون حقيقيين	—	قد يُحذف المقطع أو يُقيَّد أو يضع فريقهم الوسم بنفسه

لاحظ التفصيلة التي يغفل عنها كثيرون: يوتيوب تذكر صراحة أن استنساخ صوتك أنت للتعليق لا يحتاج إفصاحاً، بينما تضرب ميتا مثلاً بريلز معلّق عليه بصوت مولّد واقعي ضمن ما قد يتطلب الوسم، فالمقطع نفسه قد لا يحتاج وسماً في يوتيوب ويحتاجه في إنستغرام، والأسلم أن تفعّل الإفصاح في ميتا كلما كان الصوت مولّداً، وتقول يوتيوب إن الإفصاح وحده لا يقلل وصول المقطع ولا يمنع الربح منه.

وتيك توك تقرأ كذلك بيانات اعتماد المحتوى من معيار C2PA في المقاطع المصنوعة ببعض الأدوات الأخرى، فتضع الوسم وحدها، فلا تفترض أن مقطعك سيمر دون أن يُعرف مصدره.

سير العمل من النص إلى النشر في سبع خطوات

1- اكتب الفكرة في سطر

إن لم تستطع أن تقول فكرة المقطع في جملة واحدة فهي فكرتان، فاختر واحدة واجعل الأخرى مقطعاً تالياً.

2- خطط المدة قبل النص

اختر 15 أو 30 أو 60 ثانية، ثم وزّع الكلمات بالمخطط أعلاه، فالمدة تحدد عدد النقاط لا العكس.

3- اكتب للأذن

جمل قصيرة، وفعل في أول الجملة، وكلمة واحدة مهمة في كل جملة، واقرأ النص بصوت عالٍ مرة قبل أن تعطيه للأداة.

4- ولّد الصوت واستمع له كاملاً

صحّح الأسماء والأرقام في النص لا في المونتاج، وأعد توليد الجملة الخاطئة وحدها إن كانت الأداة تسمح بذلك.

5- ركّب الصورة والترجمة

اختر صوراً تمثّل ما يُقال في كل جملة، وافحص الترجمة العربية على شاشة هاتف، فهناك يشاهد جمهورك.

6- راجع الحقائق والإفصاح

طابق كل رقم واسم مع مصدرك، وقرر لكل منصة هل يحتاج المقطع وسم المحتوى المولّد بحسب الجدول السابق.

7- انشر وارجع إلى الأرقام

بعد أسبوع انظر إلى نسبة من أكمل المقطع ومن خرج في الثواني الأولى، فإن خرج أغلبهم مبكراً فالمشكلة في الخطاف قبل أي شيء آخر.

وإن كان هدفك من المقاطع أن تبني جمهوراً يعود إليك لا مشاهدات عابرة، فالفكرة نفسها التي كتبتها عن بناء مجتمع رقمي يثق بك تنطبق هنا، والإفصاح جزء من هذه الثقة، وإن كنت تنتج المقاطع من مقالات مدونتك فلا تكررها بالقالب نفسه، فقد شرحت في تحديث جوجل ضد المحتوى المكرر بالذكاء الاصطناعي لماذا تسقط الكثرة المتشابهة، ولمن يريد أن يوصل مقاطعه إلى متابعيه في واتساب شرحت النشر التلقائي في قناة واتساب.

من أدوات أيمن · صدىمقطعك يصل قنواتك وحدهصدى ينشر كل مقال أو خبر في قنوات تيليجرام وواتساب، بأسلوب لكل قناة وحماية تقلل خطر حظر رقمكتعرّف على صدى

الأسئلة الشائعة

كيف أعمل فيديو بالذكاء الاصطناعي بصوتي؟

سجّل عينة نظيفة من صوتك، دقيقة إلى دقيقتين للاستنساخ الفوري في ElevenLabs مثلاً، ثم ولّد الصوت من سكربتك، وركّبه على أفاتار بوجهك بعد تسجيل فيديو الموافقة، أو على مشاهد وصور بلا وجه.

هل استنساخ الصوت بالذكاء الاصطناعي بالعربي متاح مجاناً؟

بعض الأدوات تتيح تجربة محدودة، ففي ElevenLabs يبدأ الاستنساخ الفوري من خطة Starter المدفوعة، وفي صفحة أسعار HeyGen تذكر الخطة المجانية استنساخ صوت واحد، فراجع صفحة الأسعار لأن الحدود تتغير.

هل يجب أن أذكر أن الفيديو مصنوع بالذكاء الاصطناعي؟

إذا بدا واقعياً، نعم في الغالب، فيوتيوب تشترطه للمحتوى الواقعي المضلل المحتمل، وميتا للفيديو والصوت الواقعي، وتيك توك للمشاهد والأشخاص الذين يبدون حقيقيين، والمقاطع الكرتونية الواضحة لا تحتاجه في الغالب.

هل يمكنني استنساخ صوت شخص آخر بموافقته؟

في الاستنساخ الاحترافي في ElevenLabs لا، حتى مع موافقته، فعليه أن يصنع نسخته بنفسه ويشاركها معك، وفي HeyGen يسجّل صاحب الوجه فيديو موافقته بنفسه، والقاعدة الآمنة: صوت كل شخص يُستنسخ من حسابه هو.

كم كلمة في فيديو مدته 30 ثانية؟

يعتمد على سرعة نطقك، فاقرأ 50 كلمة بصوتك واحسب ثوانيها، ثم استعمل المخطط في هذا المقال ليحسب لك ميزانية الكلمات للخطاف والنقاط والدعوة.

هل يقل وصول الفيديو إذا أفصحت أنه مولّد؟

تقول يوتيوب في صفحة الإفصاح إن الإفصاح وحده لا يقلل جمهور المقطع ولا يؤثر في أهليته للربح، والذي يضرك هو عدم الإفصاح المتكرر حين يكون مطلوباً.

مصادر الصور: WillSpirit SBLN willspirit عبر commons.wikimedia.org (CC0)، Dejan Krsmanovic عبر commons.wikimedia.org (CC BY 2.0، بتعديل)، www.Pixel.la Free Stock Photos عبر commons.wikimedia.org (CC0).