جوجل تطلق نموذجي Gemini 3.8 Flash TTS للصوت الاصطناعي بأكثر من 2000 صوت

ما الذي أُطلق؟

أعلنت جوجل عن نموذجين جديدين لتحويل النص إلى كلام: gemini-3.8-flash-tts وgemini-3.8-flash-lite-tts. ويأتيان مع مكتبة تضم أكثر من 2000 صوت، إضافة إلى إمكانية إنشاء صوت مخصص اعتماداً على عيّنة صوتية مدتها 30 ثانية فقط، بشرط أن يملك المستخدم حقوق استخدام الصوت.

ماذا يعني ذلك عملياً؟

إحدى الميزات اللافتة في الواجهة البرمجية هي سهولة تعريف محادثة كاملة بين عدة شخصيات، لكل منها صوت مختلف وتعليمات أسلوب أداء خاصة. هذا يفتح الباب أمام إنتاج المحتوى الصوتي المتعدد الشخصيات — بودكاست، قصص، تدريب — دون الحاجة إلى تسجيل بشري منفصل لكل دور.

الأرقام من التجربة

بحسب ما نُشر، توليد 78 ثانية من الصوت عبر Gemini 3.8 Flash TTS استغرق نحو 20 ثانية وبتكلفة 2.74 سنت. هذه الأرقام من تجربة فردية وليست تسعيراً رسمياً معلناً.

مقارنة سريعة

العنصر	Flash TTS	Flash-Lite TTS
التكلفة	أعلى نسبياً	أقل تكلفة
الاستخدام في التجربة	توليد 78 ثانية بـ2.74 سنت	لم تُنشر أرقام
الأصوات	من مكتبة تتجاوز 2000 صوت	من المكتبة نفسها بحسب المصدر

المصدر لم ينشر مقارنة تفصيلية للجودة أو زمن الاستجابة بين النسختين.

لماذا يهم الشرق الأوسط؟

خفض كلفة الصوت الاصطناعي إلى سنتات قليلة لكل دقيقة يجعل التعريب الصوتي للمحتوى — تعليمي، إخباري، خدمي — أكثر جدوى اقتصادياً. كما أن دعم المحادثات متعددة الشخصيات يناسب منصات التعلم والتدريب الحكومي والمؤسسي التي تحتاج حوارات تفاعلية. لكن المصدر لا يقدّم بيانات عن جودة النطق بالعربية أو اللهجات، لذا يبقى الاختبار الميداني خطوة ضرورية قبل التبني على نطاق واسع.

اعتبارات الحوكمة

الاستنساخ الصوتي من عيّنة قصيرة يرفع الحاجة إلى سياسات موافقة صريحة والتحقق من ملكية الصوت، خصوصاً في القطاعات المنظّمة. المصدر يشير إلى شرط امتلاك الحقوق، لكنه لا يتناول آليات التحقق أو العلامات المائية الصوتية.

تنويه: هذا المقال يلخّص معلومات من المصدر المذكور. للأرقام والتواريخ الرسمية، راجع الرابط الأصلي. لا نضيف تفاصيل غير منشورة في المصدر.