كلمة «عربي» على صوت اصطناعي لا تخبرك بشيء عمّا ستسمعه. عند معظم المزوّدين العالميين تعني فصحى حديثة بنكهة مصرية أو شامية، ومعرّف اللغة الذي يكتبونه إلى جانبها لا يُحدِّد اللهجة بل يُحدِّد السوق. قضينا الأول من نوفمبر ٢٠٢٦ في قراءة توثيق أربعة عشر منتجاً وصفحات أسعارها، وفي البحث عن أي اختبار استماع منشور ومؤرَّخ للأصوات العربية. استمعنا بأنفسنا إلى أداة واحدة فقط، هيومين فويس، في جلسة قصيرة مساء اليوم نفسه (انظر «ما جرّبناه بأنفسنا» أدناه)، ولا تستخدم منظومة النشر في دليلي.tools تحويل النص إلى كلام؛ كل ما عدا ذلك مبنيّ على ما تكتبه الشركات وما نشره الباحثون.
من يكتب «سعودي» على الصوت فعلاً؟
بين السحابات الكبرى، مايكروسوفت وحدها تضع «العربية (السعودية)» على صوتَين باسمَيهما: زارية وحامد، ضمن ستة عشر معرّفاً عربياً من الإمارات والبحرين والكويت وقطر وعُمان إلى مصر والمغرب واليمن، بصوتَين لكل بلد. الثمن أن هذه الأصوات كلها في الفئة العصبية القياسية فقط: لا أصوات عالية الدقة ولا أصوات متعددة اللغات ولا أنماط تعبيرية لأي معرّف عربي، بحسب صفحة دعم اللغات التي حُدِّثت في أكتوبر ٢٠٢٦. أمازون بولي هي الوحيدة التي تكتب «العربية (الخليج)» حرفياً، على صوتَي هالة (نوفمبر ٢٠٢٢) وزيد (أغسطس ٢٠٢٣)، تحت معرّف الإمارات، وتصفهما بأنهما ثنائيا اللغة بين العربية الخليجية والإنجليزية؛ أما زينة فصوت فصحى قديم من الفئة القياسية، ولا صوت عربي في محرّكَي بولي التوليدي والطويل حتى آخر تحديث للتوثيق في أكتوبر ٢٠٢٦.
غوغل لا تضع أي وسم خليجي: معرّفها العربي الوحيد في الأصوات القياسية وأصوات ويف نت وأصوات تشيرب عالية الدقة هو «ar-XA»، وتعرّفه هي بأنه الفصحى الحديثة، وتسمّيه «العربية (عام)». الاستثناء الإقليمي الوحيد في خدمة جيميني للكلام هو العربية المصرية، متاحة رسمياً، والعربية «العالمية» في معاينة. إلفن لابز تكتب «العربية (السعودية، الإمارات)» في قائمة لغات نموذجها متعدد اللغات الأقدم فقط، بينما تكتب نماذجها الأحدث «العربية» بلا تفصيل، وصفحتها العربية تترك سؤال «هل يتعامل الصوت مع اللهجات الإقليمية؟» بلا جواب ظاهر. ما يوجد عندها هو وسوم يضعها مُشاركو مكتبة الأصوات على أصواتهم، وتُظهر المرايا الخارجية لتلك المكتبة ما بين سبعة وخمسة عشر صوتاً موسوماً «سعودي» وصوتَين موسومَين «خليجي»؛ وسم مجتمعي لا تعهّد من الشركة. أوبن إيه آي لا تملك صوتاً عربياً من الأصل: أصواتها «مُحسَّنة للإنجليزية» ودعم العربية فيها يتبع قائمة لغات نموذج التفريغ، والأهم أن الشركة أعلنت في أكتوبر ٢٠٢٦ إيقاف نماذج تحويل النص إلى كلام الحالية في السادس من يناير ٢٠٢٧ لصالح واجهة الزمن الحقيقي.
الأصوات السعودية التي تأتي من السعودية
الصورة تنقلب حين تنظر إلى المنتجات المحلية. هيومين فويس، من شركة هيومين المملوكة لصندوق الاستثمارات العامة، منصة صوت عربية أولاً فيها تعرّف كلامي وتحويل نص إلى كلام ونموذج كلام إلى كلام، مع إقامة البيانات داخل المملكة بحسب أسئلتها الشائعة. محرّك الكلام اسمه «نيبولا»، وتوثيق المطوّرين يقول إن قائمة الأصوات تضم سبعة ملفات متعددة اللغات، لكل منها حقل للجنس وحقل للهجة، وأن أي حرف عربي في النص يُشغِّل العربية بينما الأرقام وعلامات الترقيم لا تفعل. توثيق المطوّرين لا يذكر قيم حقل اللهجة ولا كلمة نجدي أو حجازي، لكن واجهة التجربة المجانية على الموقع تسمّي الأصوات بوضوح: أربعة من سبعة تحت «العربية (السعودية)» وقسم آخر تحت «العربية (مصر)»، كما رأينا بأنفسنا مساء الأول من نوفمبر ٢٠٢٦؛ التفاصيل في قسم التجربة أدناه.
نبرة، من الرياض، تعرض عشرة أصوات عامة «للعربية السعودية والخليجية» بأسماء مثل دانية وعبدالله ونورة وخالد، وتسعّر بالريال فقط. همس، من الرياض أيضاً، تعرض أصواتاً تجريبية «باللهجة السعودية» وتقول إنها مستضافة في مراكز بيانات سعودية، بلا أسعار منشورة. سرج تسمّي خمسة «أصوات سعودية» وتستخدم في معرّفاتها الرمز «ars»، وهو رمز اللهجة النجدية في المعيار الدولي للغات، وهذا أدقّ وسم رأيناه عند أي مزوّد. سيلما تعرض الفصحى و«اللهجة السعودية» في تطبيقها. همسة تفرز أصواتها برموز لهجات: سعودي وخليجي وإماراتي وقطري وكويتي وعُماني وبحريني، إلى جانب الشامي والمصري والعراقي والفصحى، وأعلنت في يوليو ٢٠٢٦ نشراً سيادياً داخل المملكة عبر شركة أومني أوبس. منصت الإماراتية تضع على أصواتها وسوم «سعودي (الرياض وجدة)» وتستضيف في الإمارات. وفي الاتجاه المعاكس، تبيع غروك نموذجاً اسمه حرفياً «أورفيوس العربية السعودية» بستة أصوات سعودية، في طور المعاينة وبحدّ مئتَي حرف للطلب الواحد.
التشكيل والأرقام والجمل المختلطة
هذه هي الأسئلة التي يسقط عندها معظم الأصوات، وقليل من المزوّدين يكتب عنها شيئاً. مايكروسوفت توثّق قراءة الأرقام والتواريخ والعملات عبر وسم «say-as» لكل المعرّفات العربية، وتدعم النطق الصوتي الدولي. ميرف تعترف في أسئلتها الشائعة بأن الكلمة غير المشكولة قد تُقرأ على أكثر من وجه وتقدّم تجاوزات نطق مخصّصة. سيلما وتيلنكس توثّقان إدخال التشكيل اختيارياً مع تشكيل آلي عند غيابه. أصرح ما قرأناه جاء من بطاقة نموذج مفتوح للهجة السعودية على هاغينغ فيس تقول بوضوح إن غياب التشكيل يؤثّر في دقة النطق وإن تطبيع الأرقام يحتاج إلى تحسين. أما الجمل المختلطة، فبولي تصف هالة وزيد بأنهما ثنائيا اللغة بالكامل، وهيومين تختار لغة الطلب كله من وجود حرف عربي واحد، ولا أحد غيرهما يوثّق ما يحدث لكلمة إنجليزية في وسط جملة عربية. قائمة أعطال منشورة من منصت في يوليو ٢٠٢٦، وهي مزوّد لا طرفاً مستقلاً، تسمّي المشكلات المعتادة: الكلمة متعددة القراءات بلا تشكيل، تذكير وتأنيث الأرقام، تبديل المحرّك المسموع عند الكلمة الإنجليزية، وتشويه أسماء الأعلام.
الاستنساخ الصوتي وقواعد الموافقة
إلفن لابز تسمح باستنساخ فوري من أقل من دقيقتَين على معظم الخطط، وبالاستنساخ المهني من خطة كرييتور فصاعداً بثلاثين دقيقة على الأقل، مع تحقّق صوتي تقرأ فيه جملاً أمام الكاميرا، وقاعدة صريحة: تستنسخ صوتك أنت فقط، وموافقة شخص آخر لا تغيّر ذلك. مايكروسوفت تشترط لصوتها الاحترافي تسجيلاً منطوقاً بعبارة موافقة محدّدة بلغة التسجيل نفسها، وصوتها الشخصي متاح بإذن محدود. غوغل تشترط لصوتها المخصّص الفوري تسجيل موافقة بنصّ ثابت لكل لغة، وللعربية نصّها الخاص، والوصول عبر قائمة سماح من المبيعات. هيومين توثّق الاستنساخ تقنياً، بملف صوتي مرجعي ونصّه بدل معرّف الصوت، لكننا لم نجد صفحة تشرح قواعد الموافقة. نبرة تستنسخ من أربع إلى سبع ثوانٍ مع تأكيد على ملكية الحق. أوبن إيه آي لا تقدّم استنساخاً.
أين تُعالَج بياناتك
لمن يحتاج إلى معالجة داخل الخليج: منطقة الإمارات الشمالية في أزور تقدّم تحويل النص إلى كلام العصبي والتوليف الدفعي واستضافة الأصوات المخصّصة، لكنها لا تقدّم الأصوات عالية الدقة ولا الصوت الشخصي ولا تدريب الأصوات المخصّصة، ومنطقة قطر الوسطى تقدّم التوليف العصبي فقط، ولا منطقة سعودية. بولي متاحة في منطقة البحرين، لكن الأصوات العصبية ليست فيها، أي أن هالة وزيد لا يعملان من البحرين بل زينة القياسية وحدها، ومنطقة الإمارات ليست من مناطق بولي. غوغل لا تملك أي نقطة نهاية لتحويل النص إلى كلام في الشرق الأوسط، لا الدوحة ولا الدمام. إلفن لابز تقدّم إقامة البيانات في الاتحاد الأوروبي والهند وسنغافورة لعملاء المؤسسات فقط، ولا شيء في الشرق الأوسط. من يريد المملكة تحديداً فأمامه هيومين وهمس، ومن يقبل الإمارات فأمامه منصت وأزور.
الأسعار في نوفمبر ٢٠٢٦
لكل مليون حرف: غوغل أربعة دولارات للأصوات القياسية وأصوات ويف نت وثلاثين دولاراً لأصوات تشيرب عالية الدقة، مع حصة شهرية مجانية. بولي أربعة دولارات للقياسي وستة عشر للعصبي، أي لهالة وزيد. أزور خمسة عشر دولاراً للعصبي القياسي، وهو كل ما تملكه العربية هناك، بحسب واجهة أسعار التجزئة الرسمية، لأن صفحة الأسعار نفسها لم تعرض لنا أرقاماً. إلفن لابز عبر الواجهة البرمجية نحو ثمانين دولاراً لنماذجها الكاملة ونحو أربعين للسريعة، ارتفاع من سعر الألف حرف، وخطط اشتراكها كما ظهرت لنا اليوم: مجانية بعشرة آلاف رصيد، ثم ستة دولارات، فاثنان وعشرون، فتسعة وتسعون دولاراً شهرياً، وصولاً إلى مئتين وتسعة وتسعين وتسعمئة وتسعين دولاراً شهرياً للخطتَين الكبيرتَين. أورفيوس السعودي على غروك أربعون دولاراً. هيومين تسعّر بالريال: خمسة آلاف رصيد مجاني بلا بطاقة تكفي لنحو خمسة عشر ألف حرف، ثم خطط من تسعة وأربعين إلى ستمئة وتسعة وأربعين ريالاً شهرياً، وبلا خطة يكلّف الألف حرف نحو ربع ريال، أي قرابة مئتين وأربعة وعشرين ريالاً للمليون. نبرة من خمسة وأربعين إلى ثمانمئة وخمسين ريالاً شهرياً. لا مزوّد في هذه القائمة يوثّق قبول مدى، والمزوّدان الوحيدان اللذان يسعّران بالريال هما السعوديان؛ لمزيد عن الدفع من المملكة راجع دليلنا عن وسائل الدفع.
ما تقوله الاختبارات المستقلة
قليل جداً. الورقة الأكاديمية الوحيدة في ٢٠٢٦ التي تقارن نظاماً تجارياً على كلام سعودي هي ورقة «حبيبي» من جامعة شانغهاي جياو تونغ، بنسختها المحدّثة في مارس ٢٠٢٦: على عيّنتها السعودية حصل نموذج إلفن لابز على درجة لهجة ٣٫٧٠ من خمسة مقابل ٣٫٥٨ للنموذج المفتوح، وعلى درجة طبيعية ٣٫٤٥ مقابل ٣٫٥١، بحكم عشرة إلى عشرين مستمعاً من أهل اللهجة. أزور وغوغل وبولي لم تُختبر. شركة نافِد في الرياض أطلقت في مارس ٢٠٢٦ «ساحة التصويت للكلام العربي» بمقارنات عمياء بين نحو خمسة عشر نموذجاً مفتوحاً، ولم تنشر ترتيباً حتى اليوم، وكتب أصحابها أن وسم اللهجة بالبلد «تجريد يُفقِد التفاصيل». مقياس «صوت عربي» الذي قدّمته هيومين وسدايا في مؤتمر إنترسبيتش ٢٠٢٥ يغطّي الفصحى والمصرية والإنجليزية والتبديل بينهما، لا السعودية. ومسح جامعة كولومبيا البريطانية للبيانات الصوتية العربية في يناير ٢٠٢٦ لم يجد أي مدوّنة لتحويل النص إلى كلام باللهجة الخليجية أصلاً. بعبارة أخرى: لا يوجد اليوم رقم مستقل يقول إن هذا الصوت يبدو سعودياً أكثر من ذاك.
ما جرّبناه بأنفسنا: أربع جمل في هيومين فويس
مساء الأول من نوفمبر ٢٠٢٦، بعد نشر هذا الدليل بساعات، جرّب أحد أعضاء الفريق الواجهة المجانية لهيومين فويس على موقعها، تبويب تحويل النص إلى كلام، بلا تسجيل، من متصفح كروم على أوبونتو في الرياض. الواجهة نفسها أجابت عن السؤال الذي عجز التوثيق عن إجابته: قائمة الأصوات تضم سبعة أصوات، أربعة منها موسومة صراحة «العربية (السعودية)» بأسماء سارة ونورة وعبدالله وعبدالعزيز، وبعدها قسم «العربية (مصر)» يبدأ بصوت يوسف في طور التجربة، وكل صوت موسوم بالإنجليزية أيضاً. في الواجهة زر لاستنساخ الصوت، وستة أنماط جاهزة: مركز اتصال وسعيد وحزين وهمس وأخبار وسرد، وحدّ خمسمئة حرف للنص، وخمسة طلبات فقط في وضع التجربة. اخترنا صوت نورة ولم نغيّر النمط.
الجملة الأولى نجدية بأرقام: «أبغى أحجز موعد يوم الخميس الساعة ٤:٣٠ العصر في حي الملقا، وش رايك؟» يليها رقم جوال سعودي مكتوب بالأرقام الإنجليزية. خرجت في عشر ثوانٍ بنبرة سعودية في أذن مستمع سعودي، لا فصحى بلكنة ولا خليجية عامة؛ «وش رايك» نُطقت كما كُتبت، والوقت قُرئ وقتاً، ورقم الجوال رقماً رقماً. الجملة الثانية هي الاختبار الذي يسقط فيه كثير من المحرّكات: «كَتَبَ الطالبُ الدرسَ، ثم قرأ كُتُبَ المكتبةِ كلَّها»، مرة بالتشكيل ومرة من دونه. المحرّك قرأ «كتب» الأولى فعلاً و«كتب» الثانية جمعاً في النسختَين، والناتجان لا يُفرَّق بينهما بالأذن؛ أي أنه يستنتج الحركات من السياق ولا يحتاج إلى التشكيل في هذه الجملة على الأقل. الجملة الثالثة مختلطة: «حمّلت تطبيق HUMAIN Chat من App Store أمس، وجرّبت ميزة Voice Agent بالعربي» فخرجت الأسماء الثلاثة بإنجليزية طبيعية من الصوت نفسه، بلا تهجئة ولا تبديل مسموع للمحرّك، وهو ما يتفق مع وصف التوثيق للأصوات بأنها متعددة اللغات.
حدود هذه التجربة واضحة: مستمع واحد، صوت واحد من سبعة، أربع جمل قصيرة، ولا مقارنة مباشرة مع زارية وحامد في أزور أو هالة وزيد في بولي أو أي صوت موسوم «سعودي» في مكتبة إلفن لابز. ما تثبته هو شيء واحد محدّد: الادعاء الذي يمكن التحقق منه في دقائق، أن هيومين تسمّي أصواتها سعودية وأن صوتاً منها يقرأ جملة نجدية بأرقام وكلمات إنجليزية قراءة سليمة، صمد أمام التجربة. أما ترتيب الأصوات بعضها مقابل بعض فما زال بلا رقم مستقل، كما كان في الصباح.
ما لم نستطع التحقق منه
لم نستمع إلا إلى صوت واحد من هيومين فويس، فكل وصف للنبرة عند غيرها منقول عن المزوّد. لم نجد في توثيق المطوّرين عند هيومين قيم حقل اللهجة في الواجهة البرمجية ولا قواعد الموافقة على الاستنساخ، وإن كانت واجهة التجربة تسمّي اللهجة. لم نتأكّد من أن مكتبة إلفن لابز نفسها تعرض «سعودي» كمرشّح، ولا من سبب اختلاف أسعار خطتَيها الكبيرتَين عمّا كان متوقَّعاً. ميرف وسبيتشيفاي لم تُظهرا أي وسم لهجة على الصفحات التي قرأناها. بلاي إتش تي، التي انتقل فريقها إلى ميتا في يوليو ٢٠٢٥، ما زال موقعها يعرض صفحة تسويقية بلا أسعار ولا إشعار إيقاف، وتقارير خارجية تقول إن المنصة أُغلقت نهاية ٢٠٢٥؛ لم نجد تأكيداً من الشركة. أسماء أصوات سيري العربية لم نتحقق منها، وصفحات آبل تذكر «العربية (السعودية)» للإملاء والتحكم الصوتي لا للأصوات المقروءة. وأي رقم عن «خفض أخطاء النطق» في أصوات مايكروسوفت العربية وجدناه منقولاً عند طرف ثالث فقط.
ماذا تختار
إن كان المطلوب صوتاً يحمل وسماً سعودياً من الشركة نفسها وتدفع بالريال وتبقى بياناتك في المملكة، فابدأ بهيومين فويس على رصيدها المجاني، وجملتنا النجدية الواحدة خرجت منها سعودية النبرة في تجربتنا القصيرة، ثم نبرة. إن كنت تبني داخل أزور أو أمازون، فزارية وحامد في أزور هما الصوتان الوحيدان من سحابة كبرى بوسم «السعودية» صراحة، وهالة وزيد في بولي هما الوحيدان بوسم «الخليج»، على أن تعلم أن كليهما يأتي بلا أصوات عالية الدقة ولا معالجة في المملكة. إن كان الأهم هو التعبير والاستنساخ وتعدّد اللغات فإلفن لابز هي الأغنى، لكن اللهجة السعودية فيها وسم من المجتمع لا من الشركة، فاختر الصوت بالاستماع لا بالقائمة. وفي كل الأحوال اكتب جملة واحدة فيها رقم وتاريخ هجري واسم حيّ في مدينتك وكلمة إنجليزية، وشغّلها على ثلاثة أصوات قبل أن تدفع شيئاً؛ أذنك في عشر دقائق تعرف أكثر مما تعرفه كل التوثيق أعلاه.