الأسئلة الشائعة
هل تحويل النص إلى صوت مجاني بالكامل؟
لا، الخدمة مدفوعة بسعر 10 دولارات لكل مليون حرف. توفر تجربة مجانية بقيمة 0.50 دولار لمدة 7 أيام عند التسجيل عبر جوجل. يمكن شحن الرصيد عبر USDT على شبكة TRON. الطلبات الفاشلة لا تُحسب في الفاتورة، لكن الخدمة ليست مجانية بالكامل بعد انتهاء التجربة.
ما هي اللغات المدعومة في الواجهة؟
تدعم الواجهة 23 لغة، بما في ذلك العربية، الإنجليزية، الصينية، الفرنسية، الألمانية، الإسبانية، الروسية، والهندية. يمكن لأي صوت نطق أي من هذه اللغات. اللغات غير المدعومة تشمل الفيتنامية، الإندونيسية، التايلاندية، الأوكرانية، الرومانية، التشيكية، البنغالية. يجب تحديد رمز اللغة ISO للنصوص اللاتينية غير الإنجليزية لضمان النطق الصحيح.
هل يمكن تغيير سرعة الصوت؟
نعم، يتيح لك API تعديل سرعة النطق بين 0.25 و 4.0. هذا يسمح بتسريع أو إبطاء الصوت حسب الحاجة. تُرسل السرعة كحقل في طلب JSON. السرعة القياسية تنتج صوتاً بطول زمني يقارب طول النص الأصلي، مما يتيح التحكم الدقيق في مدة الصوت النهائي.
ما الفرق بين نموذجي tts-1 و tts-1-hd؟
لا يوجد فرق في المحرك أو السعر بين النموذجين. كلاهما يستخدم نفس محرك التوليد ونفس سعر الحروف. يمكنك استخدام أي منهما في الطلبات. الاختيار بينهما يعتمد فقط على تفضيلك في تسمية النموذج في طلبات API، حيث يعمل كلاهما بنفس الكفاءة والدقة في توليد الصوت.
هل يتم تخزين النصوص المدخلة للتدريب؟
لا، النصوص المدخلة تُستخدم فقط لتوليد ملف الصوت المطلوب ولا تُستخدم في تدريب النماذج. ملفات الصوت المولدة تُرد في الاستجابة ولا يتم تخزينها. يتم الاحتفاظ ببيانات الطلب (الوقت، عدد الأحرف، الحالة) فقط لأغراض الفوترة وإدارة الحساب، دون استخدام المحتوى النصي للتحسين طويل المدى.
ما هي صيغ ملفات الصوت المدعومة؟
تدعم الواجهة خمس صيغ صوتية: MP3، WAV، Opus، FLAC، و PCM. يمكنك تحديد الصيغة المطلوبة في حقل response_format ضمن طلب JSON. هذه الصيغ تغطي احتياجات معظم منصات البث ومحرري الفيديو، مما يضمن توافقاً واسعاً مع أدوات ما بعد الإنتاج المختلفة التي يستخدمها صناع المحتوى.
هل يمكن استخدام الأصوات في فيديوهات اليوتيوب؟
نعم، الملفات المولدة تحمل علامة مائية غير مسموعة تدل على أنها كلام اصطناعي، وهي مناسبة للاستخدام في المحتوى الرقمي. الأصوات مبنية على تسجيلات مرخصة من LibriTTS-R، من قراءات LibriVox. لا توجد قيود محددة على الاستخدام في يوتيوب، مما يجعلها حلاً تقنياً موثوقاً لصناع المحتوى ووكالات الإنتاج.
كيف يتم حساب الأحرف في التكلفة؟
تُحسب التكلفة بناءً على عدد الأحرف في النص المدخل، بما في ذلك المسافات وعلامات الترقيم. السعر هو 0.01 دولار لكل 1000 حرف. إذا فشل الطلب، يتم إرجاع المبلغ بالكامل. الأحرف تُحسب بدقة قبل التوليد، مما يضمن شفافية الفوترة دون رسوم خفية أو حسابات تقديرية.
هل يوجد حد لعدد الطلبات في الدقيقة؟
نعم، الحد هو 60 طلباً في الدقيقة لكل مفتاح API. قبل أول شحن رصيد، يكون الحد 10 طلبات في الدقيقة. يتم معالجة الطلبات بالتسلسل، مما قد يسبب تأخيراً في الطوابق تحت الضغط. هذا الحد يضمن استقرار الخدمة ويمنع استهلاك الموارد بشكل مفرط من قبل حساب واحد.
هل تدعم الواجهة اللغة العربية بشكل كامل؟
نعم، اللغة العربية مدرجة ضمن اللغات الـ 23 المدعومة. يمكن لأي من الأصوات الثمانية نطق النص العربي بدقة. يجب تحديد رمز اللغة 'ar' في الطلب لضمان المعالجة الصحيحة، خاصة للنصوص غير الإنجليزية المكتوبة بحروف لاتينية. الواجهة تدعم النطق الصحيح والمعبر للعربية ضمن حدود النموذج.
ما هي مدة صلاحية رصيد التجربة؟
رصيد التجربة بقيمة 0.50 دولار صالح لمدة 7 أيام فقط من تاريخ التسجيل عبر جوجل. لا ينتهي رصيد الشحن العادي (Top-up). إذا لم يتم استخدام التجربة خلال هذه الفترة، تنتهي صلاحيتها. الحسابات المسجلة بالبريد الإلكتروني لا تحصل على رصيد التجربة، مما يحدد مدة الاستفادة المجانية.
هل يمكن إصدار مفتاح API جديد؟
نعم، يمكنك إصدار مفتاح API جديد في أي وقت من لوحة التحكم. عند إصدار مفتاح جديد، يتوقف المفتاح القديم فوراً ولا يمكن استخدامه. هذا يسمح لك بتجديد الأمان أو تغيير المفاتيح حسب الحاجة. يوجد مفتاح نشط واحد فقط لكل حساب، مما يبسط إدارة الوصول والتحقق من الهوية.
هل هناك دعم للهواتف المحمولة؟
لا توجد واجهة مخصصة للهواتف المحمولة (Mobile App) أو SDK خاص بالجوال. يمكنك استخدام API عبر أي جهاز يدعم الاتصال بالإنترنت والمتصفح أو أدوات التطوير. الواجهة تعمل عبر بروتوكولات HTTP القياسية، مما يعني توافقها مع أي تطبيق أو نظام تشغيل يدعم إرسال طلبات POST JSON إلى الخادم.
ما هي مدة معالجة الطلبات الطويلة؟
السرعة التقريبية هي ثانية صوت لكل 25 حرفاً من النص، مما يعادل الوقت الحقيقي تقريباً للنصوص الطويلة. الطلبات تُعالج بالتسلسل، لذا قد تنتظر في الطابور تحت الضغط. النصوص الطويلة تُقسم تلقائياً لأجزاء لا تتجاوز 4096 حرفاً وتُدمج صوتياً. الجمل القصيرة قد تستغرق بضع ثوانٍ إضافية.
الطلب الأول
curl
curl https://api.playtk9.com/v1/audio/speech \
-H "Authorization: Bearer $TTS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
--output hello.mp3لماذا تختار واجهة برمجة التطبيقات لمنتجي المحتوى
واجهة برمجة التطبيقات مصممة لتلبية احتياجات وكالات إنتاج الفيديو وصناع محتوى اليوتيوب من خلال نموذج تسعير بسيط وشفاف. تبلغ التكلفة 10 دولارات لكل مليون حرف، مما يسمح بحساب دقيق لتكاليف الإنتاج دون رسوم خفية أو اشتراكات شهرية.
الحل يجمع بين الموثوقية والسرعة، حيث يتم معالجة الطلبات بسرعة تقارب ثانية واحدة من الصوت لكل 25 حرفاً من النص. هذا الأداء يضمن سير عملية الإنتاج بسلاسة، مع ضمان إرجاع المبلغ بالكامل في حال فشل الطلب.
تكلفة واضحة لكل مليون حرف
نقدم نموذج تسعير خطياً يعتمد على عدد الأحرف، حيث تبلغ التكلفة 10 دولارات لكل مليون حرف. هذا يعني أن تكلفة كل 1000 حرف هي 0.01 دولار فقط، مما يسهل التنبؤ بالمصاريف لأي مشروع فيديو.
سرعة التسليم ومعالجة المكدس
يتم معالجة الطلبات بشكل تسلسلي، مما يعني أن النصوص الطويلة قد تنتظر في قائمة الانتظار تحت الضغط. ومع ذلك، يضمن النظام تسليم الملفات الصوتية بجودة عالية، مع دعم النصوص الطويلة عبر تقسيمها تلقائياً.
تكامل سهل مع أدوات الإنتاج
تتوافق واجهة برمجة التطبيقات مع نمط طلبات OpenAI، مما يسهل دمجها في سير العمل الحالي. يمكنك استخدام SDKs الخاصة بـ OpenAI بتعديل عنوان القاعدة (base_url) إلى https://api.playtk9.com/v1.
الأصوات المدعومة
توفر واجهة برمجة التطبيقات ثمانية أصوات مبنية على تسجيلات مرخصة من مكتبة LibriTTS-R، مما يضمن جودة صوت متسقة وموثوقة لمشاريعك.
تتوافق جميع الأصوات مع اللغات المدعومة، مما يسهل إنتاج محتوى متعدد اللغات.
أصوات نسائية: aria، nova، luna، sage
تتضمن المجموعة النسائية أربع خيارات متنوعة تغطي احتياجات متنوعة من الرواة إلى الحكايات.
تتوفر aria للسرد الواضح، nova للمحتوى المبهج، luna للحكايات الهادئة، و sage للتعليم والإرشاد.
- Aria: سرد واضح ودافئ
- Nova: حيوي وإيجابي
- Luna: هادئ وقصصي
- Sage: تعليمي وهادئ
أصوات رجالية: felix، milo، atlas، orion
تقدم المجموعة الرجالية أربع أصوات مصممة خصيصاً للمحتوى التجاري والإعلامي.
يغطي felix المحتوى الترويجي النشط، بينما يقدم milo أسلوباً محادثة ودوداً.
يستخدم atlas للأخبار بنبرة محايدة، ويوفر orion عمقاً مناسباً للوثائقي.
- Felix: نشط وترويجي
- Milo: ودود ومحاور
- Atlas: محايد وخبري
- Orion: عمق وثائقي
جودة الصوت وتوزيع الأدوار
جميع الملفات المولدة تحمل علامة مائية غير مسموعة تدل على أنها كلام صناعي.
يمكنك توزيع الأدوار عبر الأصوات الثمانية المتاحة لتناسب شخصيات مختلفة في الفيديو الواحد.
اللغات المتاحة
توفر واجهة برمجة التطبيقات دعمًا متكاملاً لـ 23 لغة، مما يسمح لوكالات إنتاج الفيديو وصناع المحتوى بتوليد نصوص صوتية دقيقة للغات المستهدفة. يدعم النظام الخوارزمي تحديد اللغة تلقائيًا من خلال النص المدخل، مع إمكانية التحديد اليدوي عبر كود ISO لضمان الدقة، خاصة في النصوص اللاتينية غير الإنجليزية.
الدعم متعدد اللغات (23 لغة)
تتضمن القائمة العربية، الصينية، الدنماركية، الهولندية، الإنجليزية، الفنلندية، الفرنسية، الألمانية، اليونانية، العبرية، الهندية، الإيطالية، اليابانية، الكورية، الملايوية، النرويجية، البولندية، البرتغالية، الروسية، الإسبانية، السواحيلية، السويدية، والتركية. يمكن لأي صوت من الأصوات الثمانية المدعومة التحدث بأي من هذه اللغات دون قيود تقنية.
اللغة العربية والإنجليزية
تدعم الأصوات كلا اللغتين بشكل كامل، مما يضمن جودة صوت عالية ودقة في النطق لكل من المحتوى العربي والإنجليزي. يُنصح بتعيين حقل اللغة صراحةً في الطلب عند استخدام نص إنجليزي مكتوب بالحروف اللاتينية لتجنب الافتراض التلقائي على الإنجليزية إذا كان السياق مختلفًا.
اللغات الأوروبية والآسيوية
يدعم النظام اللغات الأوروبية والآسيوية المدرجة أعلاه بكفاءة، مع مراعاة الخصائص النحوية والنطق الخاص بكل لغة. اللغات غير المدرجة مثل الفيتنامية والإندونيسية والتايلاندية والأوكرانية والرومانية والتشيكية والبنغالية لا تدعمها الواجهة حاليًا، ويجب تجنب طلبها لتجنب الأخطاء في توليد الصوت.
نماذج الاستخدام في صناعة الفيديو
تستخدم واجهة برمجة التطبيقات لتوليد نصوص صوتية عالية الجودة تناسب إنتاجات الفيديو الاحترافية، حيث يمكن لوكالات الإنتاج وصناع المحتوى تحويل النصوص الطويلة إلى ملفات صوتية جاهزة للاستخدام في المقاطع المختلفة.
تتيح السرعة والأداء الموثوقين دمج التوليد الصوتي في سير العمل اليومي، مع ضمان جودة صوت متسقة عبر مختلف النماذج المتاحة مثل atlas للأخبار أو nova للمحتوى السريع.
الفيديوهات الوثائقية والتعليمية
توفر الأصوات مثل atlas وorion نبرة محايدة وعميقة تناسب السرد الوثائقي أو التعليمي، مما يضمن وضوح النص دون تشتيت المشاهد.
يمكن استخدام النموذج tts-1-hd للحصول على جودة صوت أعلى في المقاطع الحرجة، بينما يكتفى بـ tts-1 للمحتوى طويل الأمد لتقليل التكلفة.
- نبرة سردية واضحة ومناسبة للتعلم
- إمكانية ضبط السرعة بين 0.25 و4.0
- دعم اللغة العربية والإنجليزية بوضوح
الفيديوهات الترويجية والإعلانية
تستخدم الأصوات الديناميكية مثل felix وnova لإنشاء مقاطع إعلالية سريعة وجذابة، مع إمكانية تسريع الصوت حتى 4 أضعاف للفيديوهات القصيرة.
تتيح السرعة في التوليد إنتاج عدد كبير من النسخ الإعلانية بتكاليف منخفضة، حيث تبلغ التكلفة 0.01 دولار لكل 1000 حرف.
- أصوات نشطة ومناسبة للترويج
- سرعة توليد تتناسب مع ضغط الوقت
- تكلفة واضحة لكل مليون حرف
المحتوى المبرمج آلياً
يسمح الـ API بإدخال نصوص طويلة (حتى 4096 حرفاً) وتقسيمها تلقائياً، مما يجعله مثالياً للمحتوى المولد آلياً الذي يحتاج إلى أصوات متعددة.
يمكن دمج الطلبات عبر واجهة برمجة التطبيقات بسهولة في خطوط الإنتاج البرمجية، مع استقبال الملفات الصوتية مباشرة دون الحاجة إلى تخزين إضافي.
- دعم النصوص الطويلة عبر التقسيم
- تكامل سلس مع أدوات الإنتاج
- إرجاع كامل للمبلغ في حالة فشل الطلب
السرعة والأداء
يتم معالجة طلبات توليد الصوت بالتتابع، مما يعني أن كل طلب ينتظر انتهاء الذي قبله. في أوقات الذروة، قد يتأخر الطلب في طابور الانتظار حتى اكتمال المعالجة السابقة، مما يؤثر على التوقيت الإجمالي للإنتاج.
سرعة التوليد تقارب المعدل الزمني الحقيقي، حيث يتم إنتاج ثانية واحدة من الصوت مقابل كل 25 حرفاً من النص. هذا المعدل يضمن جودة صوت متسقة دون ضغط زائد على الخوادم.
معدل معالجة الطلبات
تخضع الحسابات لحد معدل 60 طلباً في الدقيقة لكل مفتاح API. قبل أول إيداع، يكون الحد 10 طلبات فقط في الدقيقة. هذا الحد يضمن استقرار الخدمة لوكالات الإنتاج التي تعتمد على الإرسال المتكرر.
مدة توليد الصوت
النصوص القصيرة تستغرق بضع ثوانٍ للتوليد، بينما النصوص الطويلة (حتى 4096 حرفاً) تتولد بسرعة تعادل الوقت الفعلي تقريباً. لا يوجد دفق صوتي فوري (Streaming)، بل يتم إرجاع الملف الصوتي كاملاً عند الانتهاء.
إدارة الأحمال الزائدة
نظراً لمعالجة الطلبات بالتتابع، فإن الطلبات الإضافية توضع في طابور الانتظار. لضمان سرعة التسليم لفيديوهات اليوتيوب، يوصى بتوزيع الطلبات أو استخدام نصوص أقصر لتقليل وقت الانتظار في الطابور.

نماذج الصوت والسرعات
توفر واجهة برمجة التطبيقات نموذجين رئيسيين لتوليد الصوت: "tts-1" و "tts-1-hd". كلا النموذجين يعتمدان على نفس محرك التوليد وتكون تكلفة كل منهما متطابقة، مما يمنحك مرونة في الاختيار دون تأثير على التكاليف أو جودة المخرجات الأساسية.
نموذج tts-1 و tts-1-hd
كلا النموذجين يستخدمان نفس المحرك الأساسي، ولا يوجد فرق في التكلفة بينهما. يمكنك اختيار النموذج الأنسب لتدفق عملك دون قلق بشأن فروق الأسعار.
نطاق السرعة من 0.25 إلى 4.0
يتيح لك النظام ضبط سرعة التوليد بدقة بين 0.25 و 4.0. هذه الميزة مفيدة جداً عند إنشاء محتوى تعليمي بطيء أو مقاطع ترويجية سريعة الإيقاع، مما يناسب إيقاعات الفيديو المختلفة.
خيارات تنسيق الملف الصوتي
يمكنك استلام الملفات بصيغ متنوعة تناسب أدوات المونتاج المختلفة، وتشمل MP3، WAV، Opus، FLAC، و PCM. اختر الصيغة التي تتوافق مع سير عملك في تحرير الفيديو.
أمان وحقوق الملكية
يضمن AwazCraft شفافية كاملة في حقوق الملكية الفكرية والأمان التقني للمخرجات الصوتية. تعتمد الأصوات الثمانية على تسجيلات مرخصة من مشروع LibriTTS-R بموجب رخصة CC BY 4.0، مما يوفر أساساً قانونياً واضحاً للمحتوى المنشور. يتم توليد الصوت عبر واجهة برمجة التطبيقات دون تخزين النصوص المدخلة أو استخدامها في تدريب النماذج المستقبلية.
تتضمن كل ملف صوتي مُولَّد علامة مائية غير مسموعة، مما يحدد بوضوح طبيعة الصوت كإنتاج صناعي. هذا يضمن خصوصية بيانات النص المدخل التي تُستخدم فقط لغرض التوليد المباشر.
العلامة المائية الصوتية
يتم دمج علامة مائية غير مسموعة داخل كل ملف صوتي يتم إنشاؤه عبر واجهة برمجة التطبيقات. تهدف هذه العلامة إلى تحديد مصدر الصوت كمنتج اصطناعي، مما يدعم الشفافية في المحتوى الرقمي.
حقوق تسجيلات LibriTTS-R
تستند نماذج الأصوات الثمانية إلى تسجيلات من مشروع LibriTTS-R المرخص بموجب CC BY 4.0، بالإضافة إلى قراءات من LibriVox العامة. هذا يضمن أساساً قانونياً واضحاً لاستخدام الأصوات في الفيديوهات والمحتوى التجاري دون تعقيدات تراخيص معقدة.
استخدام النص بدون تدريب
يتم استخدام النص المدخل فقط لتوليد ملف الصوت المطلوب. لا يتم الاحتفاظ بالنصوص الأصلية أو استخدامها في تدريب نماذج التعلم الآلي الخاصة بنا، مما يضمن خصوصية محتوى الوكالات وصناع المحتوى.
كيف تبدأ مع واجهة برمجة التطبيقات
لبدء استخدام واجهة برمجة التطبيقات، قم بإنشاء حساب على الصفحة المخصصة (/get-api-key/) باستخدام حساب Google أو البريد الإلكتروني. سيمنحك النظام مفتاح API فريداً يبدأ بـ tts-، وهو الأداة الأساسية للمصادقة وإرسال الطلبات.
تتوفر تجربة مجانية بقيمة 0.50 دولار عند التسجيل عبر Google، مما يتيح لك تجربة الخدمة لمدة 7 أيام. لا توجد خطط شهرية أو التزامات دنيا، وتبقى الرصيد المتبقي صالحاً حتى استخدامه.
إنشاء حساب والمفتاح
سجّل الدخول عبر Google أو البريد الإلكتروني لاستلام المفتاح فوراً. المفتاح النشط يسمح بإرسال الطلبات، ويمكنك إصدار مفتاح جديد في أي وقت لإيقاف القديم فوراً.
- دعم تسجيل الدخول بـ Google أو البريد الإلكتروني
- مفتاح واحد نشط لكل حساب
- إصدار مفتاح جديد لإبطال القديم فوراً
إضافة الرصيد عبر USDT
لإضافة رصيد، استخدم شبكة TRON (TRC-20) فقط. الحد الأدنى للإيداع هو 5 دولارات، ويتم إضافة الرصيد تلقائياً خلال دقائق من تأكيد التحويل. لا توجد عمولات إضافية أو فواتير ضريبية.
- شبكة TRON (TRC-20) فقط
- الحد الأدنى للإيداع 5 دولارات
- إضافة تلقائية خلال دقائق
أول طلب برمجي
أرسل طلب POST إلى https://api.playtk9.com/v1/audio/speech مع النص والمفتاح في رأس الطلب. سيتم استجابة الرد بملف صوتي جاهز للتحميل، مما يسهل دمج الصوت في سير عمل الإنتاج الخاص بك.
الأسئلة الشائعة للمطورين
تقدم واجهة برمجة التطبيقات نهجاً محدداً وقابلاً للتكامل مع سير العمل الحالي، حيث يعتمد التسليم على نموذج طلب/استجابة قياسي عبر بروتوكول HTTP/JSON. هذا التصميم يضمن وضوح البيانات المدخلة والمخرجات، مما يسهل دمج الخدمة في أنظمة الإنتاج الآلي أو لوحات التحكم الداخلية.
تم تصميم الواجهة لتكون شفافة وقابلة للتنبؤ بأدائها، مع تفاصيل واضحة حول حدود الطلبات وسرعات المعالجة. يعتمد النظام على معالجة متسلسلة للطلبات، مما يعني أن المخرجات تُسلم كملفات صوتية كاملة جاهزة للاستخدام النهائي دون حاجة إلى طبقات معالجة معقدة أو وسائط نقل إضافية.
هل يدعم الـ Streaming؟
لا تدعم الواجهة التدفق المباشر (Streaming) أو الاتصال عبر WebSocket. يتم إرسال النص واستلام ملف صوتي كامل ومكتمل في استجابة واحدة، وهو ما يتوافق مع نموذج OpenAI Speech القياسي.
هل يدعم SSML؟
لا يدعم واجهة برمجة التطبيقات ترميز لغة ترميز الكلام القياسي (SSML). يتم توليد الصوت بناءً على النص العادي فقط، دون إمكانية تحديد نبرة معينة أو نطق خاص للرموز.
كيف يتم احتساب التكلفة؟
تُحسب التكلفة بناءً على عدد الأحرف في النص المدخل، حيث يبلغ السعر 10 دولارات أمريكية لكل مليون حرف (بما في ذلك المسافات والعلامات). يتم خصم المبلغ من رصيد الحساب فور معالجة الطلب بنجاح.
- الطلبات الفاشلة لا يتم احتساب تكلفتها.
- الرصيد لا ينتهي صلاحية.
- يتم إضافة الرصيد عبر USDT على شبكة TRON.
استمع إلى الأصوات الثمانية
تم إنشاء كل عينة أدناه باستخدام هذه الواجهة البرمجية من نفس الجملة. هذا المعدل يسمح بإنتاج نصوص طويلة بكفاءة عالية، مع معالجة الطلبات بشكل تسلسلي لضمان الدقة.
23 لغة
يمكن لأي صوت التحدث بأي من هذه اللغات.
