إذا كنت تدير عملاً في الخليج، فغالباً تحتاج صوتاً عربياً في مكان ما: إعلان، أو قائمة هاتفية، أو دورة تدريبية، أو فيديو منتج، أو وكيل صوتي يرد على العملاء. في 2026 تقوم أربع منصات بمعظم هذا العمل: ElevenLabs وMicrosoft Azure AI Speech وGoogle Cloud Text-to-Speech وOpenAI. وهي ليست متساوية؛ تختلف في اللهجات والسعر والترخيص ومدى التحكم. يقارن هذا الدليل بينها بناءً على ما تقوله وثائقها وصفحات أسعارها الرسمية، ويتضمن سكربتاً مجرّباً يكشف أكثر الأخطاء شيوعاً في الأصوات العربية قبل أن تدفع مقابل الصوت.
الإجابة المختصرة
- أكثر صوت طبيعي ومعبّر، مع استنساخ الصوت: ElevenLabs.
- لهجة عربية محددة (إماراتية، سعودية، مصرية وغيرها): Microsoft Azure، لأنه يقدم أصواتاً مصنفة حسب الدولة.
- الأرخص للكميات الكبيرة بالعربية الفصحى: Google Cloud، مع حصة مجانية شهرية كبيرة.
- إذا كنت تبني أصلاً على واجهة OpenAI: نماذج تحويل النص إلى كلام من OpenAI، بأصوات جاهزة وتسعير بسيط.
ElevenLabs
ElevenLabs هي الأداة التي يلجأ إليها معظم صنّاع المحتوى عندما يجب أن يبدو الصوت بشرياً. تذكر وثائقها أن العربية مدعومة في نماذجها الحالية، ومنها Eleven v4 (أُطلق في 28 سبتمبر 2026 بأكثر من 90 لغة)، وMultilingual v2، والنموذج السريع Flash v2.5. يضيف Eleven v4 تحكماً في النبرة والأداء عبر تعليمات بلغة عادية ووسوم داخل النص، وتقول ElevenLabs إن الاستنساخ الفوري للصوت صار يعمل من نحو 10 ثوانٍ من التسجيل.
ما يجب معرفته قبل الدفع:
- تمنح الخطة المجانية 10,000 رصيد شهرياً (الحرف الواحد = رصيد واحد في تطبيق الويب)، لكن ElevenLabs تنص على أنها "لا تتضمن ترخيصاً تجارياً"، وأي محتوى تنشره منها يجب أن يُنسب إلى ElevenLabs.
- كل الخطط المدفوعة تتضمن ترخيصاً تجارياً. تبدأ الأسعار المعلنة من نحو 6 دولارات شهرياً (Starter) و22 دولاراً (Creator)، وتتكرر خصومات الشهر الأول، فراجع صفحة الأسعار في يومها.
- تذكر الوثائق العربية لكنها لا تفصّل اللهجات أو اللكنات التي يتقنها كل صوت. جرّب بنصوصك الحقيقية قبل الالتزام.
Microsoft Azure AI Speech
قوة Azure في العربية هي التغطية. يضم كتالوج أصواته العصبية صوتاً نسائياً وآخر رجالياً لكل واحدة من 16 لهجة/دولة عربية، من الإمارات (ar-AE-FatimaNeural وar-AE-HamdanNeural) والسعودية (ar-SA-ZariyahNeural وar-SA-HamedNeural) إلى مصر والكويت وقطر وعُمان والمغرب وغيرها. إذا كان جمهورك يتوقع لكنة محلية، فهذا هو الخيار الأكثر مباشرة.
- تشمل الفئة المجانية 0.5 مليون حرف شهرياً من الأصوات العصبية.
- يُتحكم في الأصوات عبر SSML (السرعة، والطبقة، والتوقفات، والنطق)، وهذا يحتاج إعداداً أكثر من تطبيق ElevenLabs لكنه يعطي تحكماً دقيقاً.
- هي منصة للمطورين: تحتاج حساباً على Azure وبعض الإعداد التقني.
Google Cloud Text-to-Speech
تقدم Google العربية تحت رمز لغة واحد هو ar-XA، وتصفه وثائقها بأنه العربية الفصحى الحديثة. ويضم 30 صوتاً من فئة Chirp 3: HD (أكثر فئاتها طبيعية)، إضافة إلى 4 أصوات WaveNet و4 أصوات Standard.
- Chirp 3: HD: أول مليون حرف شهرياً مجاني، ثم 30 دولاراً لكل مليون.
- WaveNet وStandard: 4 ملايين حرف مجانية شهرياً، ثم 4 دولارات لكل مليون.
- كل حرف يُحسب، بما في ذلك المسافات وفواصل الأسطر.
للسرد بالفصحى بكميات كبيرة (مواد تدريبية، إتاحة المحتوى لضعاف البصر، مقالات طويلة) يصعب منافسة Google في التكلفة.
OpenAI
يستخدم تحويل النص إلى كلام في OpenAI نماذج gpt-4o-mini-tts وtts-1 وtts-1-hd. يتبع دعم اللغات نموذج Whisper الذي يشمل العربية، ويأتي بنحو اثني عشر صوتاً جاهزاً، ويقبل gpt-4o-mini-tts تعليمات حول النبرة والأسلوب. نقطتان مهمتان: سياسات الاستخدام في OpenAI تُلزمك بإخبار المستمعين بوضوح أن الصوت مولَّد بالذكاء الاصطناعي، والأصوات المخصصة تحتاج تسجيل موافقة من صاحب الصوت. يكلّف tts-1-hd ثلاثين دولاراً لكل مليون حرف، أما gpt-4o-mini-tts فيُحاسب بالرموز (tokens)، وهو ما يعادل تقريباً 0.015 دولار لكل دقيقة صوت حسب تقديرات مستقلة.
مقارنة جنباً إلى جنب
| ElevenLabs | Azure | Google Cloud | OpenAI | |
|---|---|---|---|---|
| تصنيف اللهجات العربية | غير محدد | 16 دولة | الفصحى (ar-XA) | غير محدد |
| استنساخ الصوت | نعم (الخطط المدفوعة) | صوت عصبي مخصص (يحتاج موافقة) | صوت مخصص فوري (60$ لكل مليون حرف) | أصوات مخصصة بتسجيل موافقة |
| الحصة المجانية | 10 آلاف رصيد شهرياً، غير تجاري | 0.5 مليون حرف شهرياً | مليون (Chirp 3 HD) أو 4 ملايين (WaveNet) حرف شهرياً | لا يوجد |
| الأسهل لغير المبرمجين | نعم (تطبيق ويب) | لا | لا | لا |
أخطاء الأصوات العربية، وسكربت يكشفها
معظم الصوت العربي الرديء سببه النص لا الصوت: أرقام في التواريخ، ورموز العملات، واختصارات إنجليزية، وأرقام هواتف غير مقسّمة، وخلط بين الأرقام الهندية (٢٤) والعربية الغربية (24). وكل إعادة توليد تكلّف رصيداً، لذلك من الأوفر إصلاح النص أولاً. السكربت التالي بلغة Python لا يحتاج أي مفتاح API: يكشف هذه الأنماط، ويقسّم النص إلى أجزاء عند نهايات الجمل، ويقدّر حجم الحروف الشهري والتكلفة.
"""Pre-flight check for an Arabic text-to-speech script (no API key needed).
Flags what Arabic TTS voices most often get wrong, splits the script into
chunks at sentence ends, and estimates characters and cost before you pay.
"""
import re
SCRIPT = """مرحباً بكم في عيادة النور. مواعيدنا من 9 صباحاً إلى 5 مساءً.
سعر الكشف 250 AED، والاستشارة الأولى مجانية حتى 31/12/2026.
للحجز اتصلوا على 0501234567 أو زوروا موقعنا. فريق IT لدينا يرد خلال ٢٤ ساعة."""
CHECKS = [
(r"\d{1,2}/\d{1,2}/\d{2,4}", "date in digits: write it out (31 ديسمبر 2026) so it isn't misread"),
(r"\b(AED|USD|SAR|\$|€)", "currency code/symbol: write the word (درهم، دولار، ريال)"),
(r"\b(?!AED|USD|SAR)[A-Z]{2,}\b", "Latin acronym: decide how it should sound (آي تي) or keep it on purpose"),
(r"\b0\d{8,}\b", "phone number: group it (050 123 4567) so it's read digit by digit"),
]
def mixed_digits(text):
return bool(re.search(r"[0-9]", text)) and bool(re.search(r"[٠-٩]", text))
def chunks(text, limit):
sentences = re.split(r"(?<=[.!؟?])\s+", text.replace("\n", " "))
out, cur = [], ""
for s in sentences:
if len(cur) + len(s) + 1 > limit and cur:
out.append(cur.strip()); cur = ""
cur += s + " "
if cur.strip():
out.append(cur.strip())
return out
issues = [(m.group(0), why) for pat, why in CHECKS for m in re.finditer(pat, SCRIPT)]
if mixed_digits(SCRIPT):
issues.append(("٢٤ + 9", "mixed Arabic-Indic and Western digits: pick one style"))
print("Issues found:")
for found, why in issues:
print(f" - {found!r}: {why}")
n = len(SCRIPT)
print(f"\nCharacters (spaces and newlines count): {n}")
for i, c in enumerate(chunks(SCRIPT, 120), 1):
print(f"Chunk {i} ({len(c)} chars) ends with: ...{c[-25:]}")
# Price per 1M characters after any free allowance (checked Oct 2026):
PRICES = {"Google Chirp 3: HD": 30, "OpenAI tts-1-hd": 30}
monthly = n * 30 * 20 # this script, 30 variations, 20 regenerations each
print(f"\nMonthly volume if you produce 600 versions: {monthly:,} characters")
print(f" ElevenLabs: {monthly:,} credits (1 character = 1 credit in the UI)")
for name, per_m in PRICES.items():
print(f" {name}: ${monthly / 1_000_000 * per_m:.2f} before any free tier")النتيجة عند التشغيل بتاريخ 2026-10-15:
Issues found:
- '31/12/2026': date in digits: write it out (31 ديسمبر 2026) so it isn't misread
- 'AED': currency code/symbol: write the word (درهم، دولار، ريال)
- 'IT': Latin acronym: decide how it should sound (آي تي) or keep it on purpose
- '0501234567': phone number: group it (050 123 4567) so it's read digit by digit
- '٢٤ + 9': mixed Arabic-Indic and Western digits: pick one style
Characters (spaces and newlines count): 197
Chunk 1 (60 chars) ends with: ... من 9 صباحاً إلى 5 مساءً.
Chunk 2 (104 chars) ends with: ...01234567 أو زوروا موقعنا.
Chunk 3 (31 chars) ends with: ...T لدينا يرد خلال ٢٤ ساعة.
Monthly volume if you produce 600 versions: 118,200 characters
ElevenLabs: 118,200 credits (1 character = 1 credit in the UI)
Google Chirp 3: HD: $3.55 before any free tier
OpenAI tts-1-hd: $3.55 before any free tierماذا يُظهر:
- خمس مشكلات في ثلاث جمل. كل واحدة نطقٌ خاطئ محتمل وإعادة مدفوعة. كتابة "31 ديسمبر 2026" و"250 درهماً" ورقم هاتف مقسّم تحل معظمها قبل توليد أي صوت.
- الأجزاء تنتهي عند النقاط. النصوص الطويلة تبدو أفضل وأسهل في الإصلاح عندما ينتهي كل طلب بجملة كاملة.
- الحجم يتراكم. نص من 197 حرفاً يُعاد توليده 600 مرة يساوي نحو 118 ألف حرف شهرياً. هذا يدخل ضمن الحصة المجانية لـChirp 3 HD في Google، لكنه أكبر بكثير من 10 آلاف رصيد مجاني في ElevenLabs.
الترخيص والموافقة
- لا تستخدم خطة مجانية في عمل مدفوع إلا إذا كانت شروطها تسمح بذلك. والخطة المجانية في ElevenLabs لا تسمح صراحة.
- لا تستنسخ صوتاً إلا بإذن مكتوب من صاحبه. كل مزوّد يشترط في شروطه الموافقة أو امتلاك حقوق الصوت.
- أخبر الناس عندما يتحدثون إلى صوت ذكاء اصطناعي أو يستمعون إليه. OpenAI تشترط ذلك، وهو يبني الثقة في كل الأحوال.
أيّها تختار؟
للإعلانات والفيديوهات والدورات والوكلاء الصوتيين حيث يجب أن يبدو الصوت طبيعياً، ابدأ بـElevenLabs على خطة مدفوعة وجرّب نصوصك الحقيقية. إذا كانت اللكنة الخليجية أو المصرية مهمة، جرّب أصوات Azure المصنفة حسب الدولة أولاً. للكميات الكبيرة بالفصحى، Google Cloud هو الأرخص. وإذا كان منتجك يعمل أصلاً على OpenAI، فخدمتها هي الأسهل إضافة. وأياً كان اختيارك، مرّر نصوصك على فحص مثل السكربت أعلاه قبل توليد الصوت.
المصادر: وثائق ElevenLabs (النماذج واللغات المدعومة، والنشر والاستخدام التجاري) وصفحة الأسعار؛ أسعار Microsoft Azure AI Speech وقائمة الأصوات العصبية العربية؛ قائمة أصوات Google Cloud Text-to-Speech وأسعارها؛ دليل OpenAI لتحويل النص إلى كلام وأسعار الواجهة، مع ملخصات أسعار مستقلة لتقديرات الدقيقة. تمت المراجعة في أكتوبر 2026. الأسعار والخطط تتغير كثيراً، فتأكد من صفحة كل مزوّد قبل الشراء.