أعلنت غوغل ديب مايند يوم 23 سبتمبر عن نموذجين جديدين لتحويل النص إلى كلام (Text-to-Speech) ضمن عائلة Gemini: Gemini 3.8 Flash TTS المصمَّم للتوجيه الإبداعي وتصميم الشخصيات، وGemini 3.8 Flash-Lite TTS المصمَّم للاستخدام الكثيف منخفض التكلفة، مثل الدبلجة ووكلاء الصوت.
صمّم صوتك بوصف نصّي
أبرز ما في Flash TTS هو «تصميم الصوت التوليدي»: تكتب وصفًا بلغة طبيعية للدور واللهجة وخصائص الصوت، فينشئ النموذج صوتًا جديدًا من الصفر، عبر أكثر من 100 لغة ولهجة. وتقول غوغل إن مكتبة الأصوات الجاهزة تضمّ أكثر من 2,000 صوت، بعد أن كان الخيار سابقًا 30 صوتًا أصليًا.
ويدعم النموذج استنساخ الصوت (Voice Replication) من عيّنة مدّتها 30 ثانية فقط، بشرط أن يكون الصوت لك أو لديك حقّ استخدامه. ولتفعيل ذلك، يجب تقديم تسجيل موافقة صوتي من صاحب الصوت يطابق المتحدّث في العيّنة المرجعية. وتقول غوغل إن ميزة «مزج الأصوات» لتعديل النبرة والطبقة والسرعة واللكنة قادمة قريبًا.
إخراج الأداء سطرًا بسطر
يتيح النموذجان التحكّم في طريقة إلقاء كل سطر: توجيهات مسرحية، وإيقاع، وتحوّلات في اللهجة. كما يدعمان مشاهد حوارية بمتحدّثَين من نصّ واحد، وأصواتًا غير لفظية مثل الضحك والتنهّد عبر وسوم داخل النصّ، وتوليد صوت طويل لساعات مع الحفاظ على ثبات نبرة المتحدّث، وهو ما يناسب الكتب الصوتية والبودكاست.
العربية الفصحى ضمن اللغات المتصدّرة
بحسب غوغل، تصدّر Flash TTS معيار Voice Design Benchmark من Hume AI بنتيجة 71.4، وجاء النموذجان في المركزين الأوّل والثاني على مؤشّر الجودة الكلّي لـHume AI. وفي تقييمات التفضيل البشري العمياء على Voice Arena، احتلّ النموذجان مراكز متقدّمة في لغات منها العربية الفصحى الحديثة واليابانية والهندية والبرتغالية البرازيلية.
العلامة المائية والموافقة
تقول غوغل إن كل مقطع صوتي تولّده نماذج Gemini Audio يحمل علامة SynthID المائية غير المسموعة، لتسهيل التعرّف على الكلام المولّد آليًا. كما تقترن ميزة الاستنساخ الصوتي ببيانات اعتماد المحتوى وفق معيار C2PA.
أين تجده؟
Flash TTS متاح للمطوّرين عبر Gemini API وGoogle AI Studio، وللجميع داخل Gemini Notebook. أمّا Flash-Lite TTS فمتاح عبر الواجهة البرمجية وAI Studio وداخل Google Vids. ويصل النموذجان إلى Gemini Enterprise قريبًا. وتنبّه غوغل إلى أن استنساخ الصوت عبر AI Studio غير متاح في إلينوي وتكساس والمنطقة الاقتصادية الأوروبية والمملكة المتحدة وسويسرا والهند.
ليه ده مهم؟
ظهور العربية الفصحى في قائمة اللغات المتصدّرة خبر جيّد لصنّاع المحتوى العربي: كتب صوتية، ودبلجة، ومساعدات صوتية بجودة أعلى وتكلفة أقل. لكن الاستنساخ الصوتي من 30 ثانية يرفع أيضًا مخاطر انتحال الأصوات، لذلك تستحق آليات الموافقة والعلامة المائية متابعة دقيقة: هل تصمد فعلًا خارج بيئة غوغل؟
المصادر: Google DeepMind — 2026-09-23
