تحويل النص إلى كلام لم يعد مجرد اختيار صوت جاهز. مع Gemini 3.8 Flash TTS يمكنك تصميم شخصية صوتية من وصف نصي، ثم توجيه طريقة الإلقاء لكل مقطع بحسب سياقه: هادئ، وثائقي، حماسي أو حواري. المفتاح هو الفصل بين هوية الصوت الثابتة وتعليمات الأداء المؤقتة.
ما الجديد في Gemini 3.8 TTS؟
أطلقت Google نموذجين لتحويل النص إلى كلام: Gemini 3.8 Flash TTS للأعمال التي تتطلب جودة صوتية وتعبيرًا وتحكمًا إبداعيًا أكبر، وGemini 3.8 Flash-Lite TTS للإنتاج السريع والأحمال ذات الحجم الكبير. كلاهما يدعم تصميم الصوت وتوليد الكلام لمتحدث واحد أو أكثر وفق واجهة الاستخدام والقيود الموثقة.
الفكرة الأساسية: أنشئ هوية صوتية (Voice Design) تصف الشخصية الصوتية، ثم استخدم توجيه الأداء (Style) لتعديل النبرة والسرعة والانفعال في المقطع الذي يحتاج ذلك. لا تخلط وصف الشخصية الدائم مع تعليمات جملة واحدة.
شاهد العرض الرسمي
فيديو من قناة Google for Developers يشرح تصميم الأصوات وإعادة استخدامها باستخدام Gemini 3.8 Flash TTS.
البرومبت: مصمم الهوية الصوتية ومخرج الأداء
البرومبت التالي من إعداد فريق Let’sDoAI، استنادًا إلى وثائق Google الرسمية. استخدمه في ChatGPT أو Gemini أو Claude لتحليل النص وتجهيز تعليمات الإنتاج؛ ثم انقل المخرجات إلى Google AI Studio أو تطبيقك عبر Gemini API. هذا البرومبت يجهّز تعليمات الصوت ولا ينشئ الملف الصوتي بنفسه.
أنت مخرج أداء صوتي ومتخصص في تصميم الهويات الصوتية
وإعداد النصوص لنماذج Gemini 3.8 Text-to-Speech.
مهمتك تحويل النص الذي سأقدمه إلى حزمة إنتاج صوتي
واضحة وقابلة للاستخدام في Google AI Studio أو Gemini API.
لا تدّعِ أنك أنشأت ملفًا صوتيًا.
بيانات المشروع:
- اسم المشروع: [اسم البودكاست أو العلامة]
- نوع المحتوى: [بودكاست / إعلان / كتاب صوتي / وثائقي / تعليمي]
- النص الأصلي: [الصق النص]
- اللغة: [العربية الفصحى / اللهجة المطلوبة / لغة أخرى]
- الجمهور: [وصف مختصر]
- عدد المتحدثين: [واحد / اثنان]
- الانطباع المطلوب: [دافئ / واثق / وثائقي / حماسي]
- الكلمات والأسماء الخاصة: [قائمة]
- القيود: [ما يجب تجنبه]
المرحلة 1 — تحليل النص:
1. حدد هدف النص والجمهور والنبرة.
2. اكتشف التحولات العاطفية والانتقالات بين الأفكار.
3. حدد الجمل التي تحتاج إلى تأكيد أو وقفة أو أداء مختلف.
4. لا تغيّر الحقائق أو الأسماء أو الأرقام.
5. إذا اقترحت صياغة منطوقة بديلة، اعرضها منفصلة عن الأصل.
المرحلة 2 — تصميم الصوت:
1. اكتب Voice Design Prompt باللغة الإنجليزية في جملة أو جملتين.
2. صف الخامة والطبقة والرنين والإيقاع واللهجة المستهدفة.
3. افصل خصائص الهوية الدائمة عن الانفعال المؤقت.
4. لا تزعم ضمان لهجة محلية قبل اختبار عينة فعلية.
5. أرفق ترجمة عربية للوصف لمراجعته.
المرحلة 3 — توجيه الأداء:
قسّم النص إلى مقاطع أو أدوار منطقية.
لكل مقطع أخرج:
- Speaker: اسم المتحدث أو معرّفه.
- Transcript: النص الحرفي المطلوب نطقه.
- Style: توجيه أداء موجز عند الحاجة، وإلا اتركه فارغًا.
- Inline tags: علامات الوقفات أو الأصوات البشرية اللحظية
في مواضعها عند الحاجة، مثل <short pause> أو <sigh>.
لا تضع تعليمات المخرج داخل Transcript إلا إذا كانت
علامة صوتية مدعومة ومقصودة في موضعها.
المرحلة 4 — النطق:
أنشئ قائمة بالأسماء والمصطلحات والأرقام التي قد يخطئ
النموذج في نطقها. اقترح التشكيل عند الحاجة،
ولا تغيّر النص بصمت.
المرحلة 5 — التسليم:
أخرج بالترتيب:
A. ملخص الهوية الصوتية.
B. Voice Design Prompt بالإنجليزية.
C. ترجمته العربية.
D. النص المقسّم إلى Turns.
E. جدول: Speaker | Transcript | Style | Notes.
F. قائمة مراجعة النطق.
G. نسخة واضحة للنسخ إلى Google AI Studio.
H. مثال منظم لبيانات Gemini API يوضح فصل النص
عن speech_metadata.style وspeaker.
مراجعة الجودة:
- حافظ على النص الحرفي والمعنى.
- لا تكرر وصف الشخصية في كل مقطع بلا داعٍ.
- لا تجمع توجيهات متناقضة.
- استخدم الوقفات والعلامات باعتدال.
- في الحوار متعدد المتحدثين، عيّن المتحدث لكل دور.
- ميّز بين ما تدعمه الوثائق وما يحتاج اختبارًا عمليًا.
أخرج حزمة الإنتاج النهائية، واذكر أي نقطة تحتاج
مراجعة بشرية قبل التوليد.لماذا يعمل هذا الأسلوب؟
- يفصل هوية الصوت عن الانفعال المؤقت؛ فتظل الشخصية الصوتية متماسكة عبر المقاطع.
- يجعل النص المنطوق مستقلًا عن تعليمات الأداء، فلا تتحول ملاحظات المخرج إلى كلام يُقرأ.
- يساعد على اكتشاف الأسماء والأرقام التي تحتاج إلى اختبار نطق قبل إنتاج تسجيل طويل.
- ينظم الحوار متعدد المتحدثين إلى أدوار واضحة بدل حشر أسماء الشخصيات داخل النص.
مثال عملي: مقدمة بودكاست
هوية صوتية مقترحة للاختبار:
A warm, composed Arabic narrator with clear pronunciation, a medium-low register, subtle vocal texture, and measured documentary delivery.النص:
من أول خطوة في الرحلة، تبدأ التفاصيل الصغيرة بصناعة الفرق... <short pause> حتى تصل النتيجة إلى من ينتظرها.توجيه الأداء للمقطع:
Warm, intimate documentary narration; measured pace.وصف الهوية أعلاه يحدد الشخصية الأساسية. أما التوجيه الأخير فيضبط أداء هذا المقطع فقط.
كيف تستخدمه في Google AI Studio؟
- افتح Google AI Studio وانتقل إلى أدوات الصوت أو واجهة Voice Design المتاحة لحسابك.
- أنشئ صوتًا من وصف الهوية، واستمع إلى العينة قبل اعتمادها.
- احفظ معرّف الصوت المخصص إذا كنت ستعيد استخدامه في مشروعك.
- جهّز النص كمقاطع، وأضف توجيه الأداء فقط حيث تحتاج إلى تغيير واضح.
- وللاستخدام البرمجي، مرّر النص بوصفه transcript، وضع توجيه الأداء في speech_metadata.style، وحدد speaker في كل دور حواري.
أين يستخدم؟
- البودكاست والسرد الوثائقي: صوت متماسك مع تغيّر الإيقاع بحسب الفكرة.
- الكتب الصوتية: تقسيم الفصول والمشاهد وتوجيه الانفعال دون تغيير النص.
- الإعلانات: ضبط الطاقة والسرعة بما يتناسب مع الرسالة والجمهور.
- المحتوى التعليمي: وضوح المصطلحات والتأكيد على النقاط المهمة.
- الحوار القصصي: تنظيم الأدوار وتحديد المتحدث لكل مقطع.
أي النموذجين تختار؟
Gemini 3.8 Flash TTS: ابدأ به عندما تكون جودة الأداء والتعبير والتحكم الدقيق أولوية. Gemini 3.8 Flash-Lite TTS: اختبره عندما تكون السرعة وكفاءة الإنتاج المتكرر أهم. كلاهما يستخدم صيغة توجيه متقاربة وفق دليل Google؛ قارن عينات فعلية قبل اختيار نموذج الإنتاج.
ملاحظات مهمة للعربية واللهجات
تحقق من قائمة اللغات واللهجات المدعومة في وثائق النموذج وقت التنفيذ. لا تفترض أن وصفًا مثل «حجازي» أو «نجدي» يضمن محاكاة دقيقة؛ أنشئ عينة قصيرة، واختبر مخارج الحروف والأسماء المحلية والأرقام، ثم قيّم النتيجة مع متحدث متمكن من اللهجة.
الأخطاء الشائعة
- كتابة «تحدث بحماس» داخل النص الحرفي بدل وضعها في توجيه الأداء.
- إعادة وصف الشخصية الصوتية الطويل في كل مقطع بدل حفظ الهوية وإعادة استخدامها.
- الإفراط في علامات الوقفات والتنهدات؛ استخدمها فقط عندما تخدم المعنى.
- افتراض أن كل لهجة محلية ستخرج بدقة من أول محاولة.
- إهمال اختبار الأسماء والأرقام والمصطلحات قبل إنتاج مقاطع طويلة.
- استخدام استنساخ صوت شخص آخر دون امتلاك الحق والموافقة المطلوبة.
نسخة سريعة للتجربة
A warm, confident Arabic narrator with clear pronunciation, natural pacing, and an intimate professional delivery suitable for long-form podcasts.الخلاصة
صمّم الهوية الصوتية مرة، واختبرها، ثم وجّه الأداء عند الحاجة. الفصل بين الشخصية الثابتة وتعليمات كل مقطع يمنحك سير عمل أوضح لإنتاج البودكاست والسرد والإعلانات، مع ضرورة مراجعة النطق وجودة اللهجة قبل اعتماد النسخة النهائية.