قراءة النص بصوت مسموع
أو ألصق نص الترجمة
التشغيل الأول ينزل نموذج الصوت ومحول الفونيمات — نحو 98 MB معا، يقدمه هذا الموقع ويحفظه المتصفح بعده. والترجمة أو النص الذي تفلته لا يغادر هذا التاب أبدا. واختيار MP3 أو M4A ينزل 31 MB أخرى من المرمز، ولهذا يكون WAV هو الافتراضي.
الخيارات
الصوت يقرر اللكنة والجرس، وأقل وضوحا — أي نظام أصوات تقرأ به الكلمات. وقران صوت إسباني بجملة إنجليزية لا يفشل: يقرأ كلمات إنجليزية بأصوات إسبانية، وهو أسوأ من رسالة خطأ. وتعرض سبع لغات لا اثنتا عشرة، لأن محول الفونيمات المرفق بهذه الصفحة لا صوت له لليابانية أو الصينية. استمع إلى ملف قصير قبل الالتزام بطويل؛ وكل صوت يحمل النموذج نفسه، فتبديل الصوت يكلف توليدا واحدا لا تنزيلا.
مدى سرعة قراءة الصوت، فوق الإيقاع الذي يعده النموذج طبيعيا. وSlow هي 0.8× وFast 1.2× — معتدلة عمدا، لأن النموذج بعد نحو 1.5× يبدأ ببلع المقاطع فيبدو الناتج كمن يستعجل لا كمن يتحدث بسرعة. وحين يكون مقطع الترجمة أقصر من سطره ترفع هذه الصفحة السرعة من تلقائها إلى 1.4× قبل أن تقطع، وهذا التعزيز يضرب في الإعداد الذي تختاره هنا.
WAV غير مضغوط، 24 kHz أحادي، كتب هنا بلا مرمز أصلا — ولهذا هو الافتراضي ولهذا لا ينزل شيء إضافي له. وMP3 وM4A يحتاجان محرك الفيديو البالغ 31 MB للضغط، لكنهما يخرجان أصغر بنحو عشر مرات: عشر دقائق كلام نحو 28 MB بملف WAV ونحو 2.8 MB بملف MP3. اختر WAV لتجربة صوت، وMP3 لإرسال الملف إلى أحد.
تقرأ هذه الصفحة نصا بصوت عال. الصق فقرة أو ألق ملفا — .txt أو .srt أو .vtt أو أي من صيغ الترجمة الاثنتي عشرة — واختر واحدة من عشر صوتيات، فتحصل على ملف صوتي واحد للنص كله مقروءا من أوله إلى آخره. ولا شيء يوقت، لأنه لا شيء يوقت مقابله: الناتج قراءة متصلة واحدة، لا مسار بني ليجلس تحت صورة.
وحين يكون الملف الذي تلقيته ملف ترجمة تفك الرموز الزمنية وتطرح. الذي يقرأ نص كل مقطع، بالترتيب، موصولا فقرات؛ وفواصل الأسطر داخل المقطع تصير مسافات لأنها خيارات تنضيد على الشاشة، وحدود المقاطع لا تصير شيئا إطلاقا. وهذا عكس ما تفعله صفحة قراءة الترجمة، والصفحتان موجودتان جنبا إلى جنب ليظهر الخيار لا يخفى في مربع اختيار: واحدة تنتج صوتا يتبع خطا زمنيا، والأخرى تنتج صوتا يتدفق فقط.
يخلق النص قطعا لا مرورا واحدا. فمفكك رموز النموذج يقطع بصمت ما بعد 510 فونيمات — مقال بألفي كلمة يعود بجملتيه الأوليين، ويبدو الملف سليما تماما. فيقسم النص عند فواصل الفقرات، ثم عند ترقيم نهايات الجمل، ثم أشد من ذلك للجملة الواحدة التي تتجاوز 400 حرف، وتخلق القطع واحدة بعد أخرى بوقفة قصيرة بينها. وهنا أيضا يسري الإلغاء: القراءة تجري في خيط خاص بها، فزر الإلغاء يوقفها في لحظة بدل انتظار الجملة الحالية، وتبقى الصفحة صالحة للاستخدام أثناء صنع الصوت.
قائمة الأصوات عشر صوتيات في سبع لغات — الإنجليزية (أمريكية وبريطانية) والإسبانية والفرنسية والإيطالية والهندية والبرتغالية البرازيلية. واليابانية والصينية لا تعرضان: لا صوت للمحول الصوتي المستخدم للنطق لأي منهما، فخيار مسمى يابانيا كان سيقرأ الكانجي حروفا إنجليزية ويبدو واثقا وهو خاطئ. وينزل نحو 98 MB من النموذج والمحول مرة واحدة وتخزن؛ والنص الذي تلصقه لا يغادر المتصفح، وهذا يهم حين تكون الفقرة خطاب عميل أو ملاحظة طبية.
الأسئلة الشائعة
إن ألقيت ملف .srt هنا، هل تتضمن القراءة الرموز الزمنية أو أرقام المقاطع؟
لا هذا ولا ذاك. يفك الملف بطبقة الصيغة نفسها التي تستخدمها صفحات التحويل، ويحفظ نص كل مقطع فقط — أرقام الفهرسة، وصيغة 00:00:01,000 --> للتوقيتات، وأي وسوم مضمنة مثل <i> أو {\pos()} تزول قبل الخلق. وما تسمعه هو الكلمات بترتيب ظهورها. وإن أردت احترام التوقيتات بدل طرحها فاستخدم صفحة قراءة الترجمة آليا إلى صوت، التي تضع كل مقطع في وقت بدايته.
هل يستوعب مربع النص الملصوق مقالا كاملا أم جملة أو جملتين فقط؟
مقال كامل مقبول، لأن النص يقسم قبل أن يبلغ النموذج. والمحتوى الملصوق يغلف ملف نص عادي ويدخل قائمة الانتظار نفسها كملف ملقى، فيأخذ التقسيم نفسه عند 400 حرف وشريط التقدم نفسه وزر الإلغاء نفسه. والحد العملي ذاكرة لا طول: مقال طويل ينتج WAV طويلا، وساعة من PCM أحادي 24 kHz بضع مئات من الميغابايت، فاختيار MP3 يستحق إن كانت القراءة أكثر من بضع دقائق.
لماذا تبدو الوقفات بين الجمل هنا أطول منها في قراءة الترجمة الآلية؟
لأن ربع ثانية من الصمت يدخل بين القطع لمنع تلاحم الجمل المتتابعة، بينما صفحة قراءة الترجمة تضع كل سطر في بداية مقطع محددة وتملأ الفراغ الذي كان في الترجمة أصلا. وهنا الفراغ 250 ms ثابتة مهما كان المحتوى، لأنه لا خط زمني يتقيد به. والجمل داخل القطعة الواحدة توصل بمعالجة الترقيم عند النموذج نفسه، فحدود القطع وحدها — نحو كل 400 حرف — تأخذ الوقفة الإضافية.
أي أصوات متاحة للإسبانية والبرتغالية، وهل هي صوت واحد أم عدة؟
واحد لكل منهما: ef_dora للإسبانية و pf_dora للبرتغالية البرازيلية، إلى جانب متغيرين إنجليزيين من الولايات المتحدة (af_heart و af_bella)، وصوت أمريكي آخر (am_michael)، وصوتين بريطانيين (bf_emma و bm_george)، و ff_siwis للفرنسية، و hf_alpha للهندية، و if_sara للإيطالية. توجد عدة أصوات إنجليزية لأن معظم طلبات القراءة هناك؛ واللغات الأخرى تأخذ صوتا واحدا لتبقى القائمة قصيرة بما يكفي للتجربة. والصوت يحدد اللكنة كما يحدد النبرة، فيقرر أيضا فونيمات أي لغة يقرأ بها النص.
هل يصح نشر MP3 أو M4A الناتج كمقطع بودكاست؟
تقنيا نعم — كلاهما حاوية معيارية يرمزها بناء ffmpeg محلي، والصوت 24 kHz أحادي، وهو حسن للكلام رفيع للموسيقى. وتحريريا استمع قبل النشر: النموذج يقطع أحيانا حرفا ساكنا في النهاية، أو يشدد اسم علم بشكل غريب، أو يقرأ اختصارا حرفا حرفا. ولا يرفع شيء أثناء ذلك، ولا وسم مائي أو تتبع يضمن، لكن الصوت الاصطناعي لا يحمل إفصاحا أيضا، فإن كان جمهورك يتوقع قارئا بشريا فقل أي القارئين هو.