كيف تعمل واجهة برمجة تحويل النص إلى صوت API؟

بواسطة فريق تحرير AwazCraft · تم التحديث 2026-11-18

تشرح هذه الصفحة الآلية التقنية الدقيقة لواجهة برمجة التطبيقات (API) الخاصة بـ AwazCraft، المصممة خصيصاً لوكالات إنتاج الفيديو وصناع المحتوى على يوتيوب. سنوضح لك كيفية إرسال النصوص واستقبال الملفات الصوتية عالية الجودة عبر بروتوكول HTTP قياسي، مع التركيز على المعايير التقنية التي تدمج الخدمة بسير العمل الإنتاجي دون تعقيدات.

تقدم الصفحة دليلاً عملياً يغطي النماذج المتاحة (tts-1 و tts-1-hd)، والأصوات الثمانية المدعومة، واللغات الـ 23، بالإضافة إلى تفاصيل التسعير والسرعة. ستتعرف على كيفية استخدام OpenAI SDK أو طلبات cURL المباشرة، وفهم حقوق الملكية والعلامة المائية غير المسموعة في الملفات الناتجة، لضمان توافق الحل مع احتياجات النشر التجاري.

كيف تعمل واجهة برمجة تحويل النص إلى صوت API؟

الأسئلة الشائعة

هل واجهة برمجة التطبيقات سهلة الاستخدام؟

نعم، الواجهة بسيطة ومباشرة. يمكنك إرسال نص عبر طلب POST JSON واستقبال ملف صوتي فوراً. الشكل مطابق لواجهة OpenAI، مما يسهل التكامل. يمكنك استخدام مفتاح API الخاص بك مع أي مكتلة قياسية أو حتى عبر cURL مباشرة دون حاجة لبرمجة معقدة.

هل تحتاج إلى برمجة معقدة؟

لا، لا تتطلب برمجة معقدة. الواجهة تعتمد على بروتوكول HTTP قياسي وJSON. يمكنك استخدام مكتبات مثل requests في Python أو axios في Node.js بسهولة. فقط قم بتغيير base_url إلى https://api.playtk9.com/v1 واستخدم مفتاح المصادقة الخاص بك في الهيدر.

ما الفرق بين واجهة الويب والـ API؟

الواجهة الويب هي صفحة تفاعلية لعرض المفتاح والرصيد. أما الـ API فهو واجهة برمجية آلية (RESTful) تسمح لبرمجياتك بإرسال النصوص واستقبال الملفات الصوتية تلقائياً. الـ API مصمم للتكامل مع أنظمة الإنتاج والسير العمل الآلي، بينما الويب مخصص للإدارة اليدوية.

هل يمكن للأصوات التحدث بلغات متعددة؟

نعم، تدعم الواجهة 23 لغة مثل الإنجليزية، العربية، الفرنسية، الألمانية، الصينية، واليابانية. يمكنك تحديد اللغة بوضوح عبر حقل language أو نترك النظام يخمنها. كل الأصوات الثمانية تدعم جميع اللغات المدعومة، مما يوفر مرونة عالية لاحتياجات المحتوى متعدد اللغات.

هل الصوت ناتج عن الذكاء الاصطناعي؟

نعم، الصوت ناتج عن نموذج توليدي (TTS). كل ملف صوتي يحتوي على علامة مائية غير مسموعة تدل على أنه صوت اصطناعي. النصوص تُستخدم فقط لتوليد الصوت ولا تُستخدم للتدريب، مما يضمن خصوصية بياناتك أثناء عملية التوليد الآلي.

هل يمكن دمج الواجهة مع Python؟

نعم، يمكن دمجها بسهولة مع Python. يمكنك استخدام مكتبة openai القياسية بتعديل base_url إلى https://api.playtk9.com/v1. أو استخدام requests لإرسال طلبات POST JSON مباشرة. هذا يضمن توافقاً كاملاً مع المكتبات الشائعة وسهولة في التنفيذ.

هل تعمل الواجهة مع Node.js؟

نعم، تعمل الواجهة بكفاءة مع Node.js. يمكنك استخدام مكتبة openai أو axios لإرسال الطلبات. فقط قم بتعيين عنوان الـ API الأساسي الصحيح واستخدام مفتاح البearer الخاص بك. هذا يسهل دمج الخدمة في تطبيقات الويب أو الخوادم الخلفية بسرعة.

هل هناك وثائق تقنية كاملة؟

نعم، الوثائق متاحة في المسار /docs/. تشرح الحقول المطلوبة مثل model, input, voice, و response_format. كما توضح نقاط النهاية الأخرى مثل /v1/voices للحصول على قائمة الأصوات واللغات. الوثائق دقيقة وتعكس سلوك الواجهة الفعلي للتكامل السلس.

هل يمكن استخدام الواجهة في الخلفية؟

نعم، الواجهة مصممة للعمل في الخلفية (Background). يمكنك إرسال الطلبات من الخادم دون تدخل المستخدم. يتم معالجة الطلبات واحداً تلو الآخر، مما يعني أن الطلبات المتزامنة قد تنتظر في الطابور. هذا مناسب لمعالجة النصوص الطويلة أو المهام الآلية غير التفاعلية.

هل الواجهة تدعم الطلبات المتوازية؟

الواجهة تعالج الطلبات بالتتابع (One after another). لا تدعم المعالجة المتوازية الفورية، مما قد يؤدي لانتظار الطلبات في الطابور تحت الضغط. يمكنك تحسين الأداء بتقسيم النصوص الطويلة إلى أجزاء، لكن الذاكرة المؤقتة للطلبات تعتمد على الترتيب الزمني لاستلامها من الخادم.

ما هي مدة استجابة الواجهة؟

السرعة تقارب الوقت الحقيقي للنصوص الطويلة (25 حرفاً في الثانية). النصوص القصيرة قد تستغرق بضع ثوانٍ. الطلبات تُعالج بالتتابع، لذا قد تتأخر الاستجابة تحت الضغط. لا توجد ضمانات وقت استجابة (SLA)، لكن الأداء يتناسب مع طول النص.

هل يمكن تحديث الصوت المستلم؟

لا، الصوت المستلم نهائي ولا يمكن تعديله عبر الواجهة. لا تدعم الواجهة تعديل النبرة أو السرعة بعد التوليد. يمكنك إعادة إرسال الطلب بسرعة مختلفة أو بصوت مختلف للحصول على نتيجة جديدة. الملفات لا تُخزن، لذا يجب حفظها محلياً عند الاستلام.

هل الواجهة مناسبة للمشاريع الكبيرة؟

نعم، الواجهة مناسبة للمشاريع الكبيرة بفضل دعم النصوص الطويلة عبر التقسيم التلقائي. يمكنك معالجة آلاف الأحرف بتكرار الطلبات. الحد هو 4096 حرفاً لكل طلب. مع معدل 60 طلباً في الدقيقة، يمكن تغطية احتياجات الإنتاج الضخم بكفاءة، مع مراقبة الرصيد عبر لوحة التحكم.

هل تحتاج إلى ترخيص خاص؟

لا تحتاج إلى ترخيص خاص إضافي. الدفع يتم عبر الرصيد المسبق أو التجربة المجانية. لا توجد رسوم اشتراك شهرية أو تراخيص سنوية. كل ما تحتاجه هو مفتاح API نشط. يمكنك إصدار مفتاح جديد في أي وقت، مما يلغي القديم فوراً دون تعقيدات.

ما هي واجهة برمجة التطبيقات (API)

رسم توضيحي لموجة الصوت لـ: ما هي واجهة برمجة التطبيقات (API)

تُعد واجهة برمجة التطبيقات (API) نفاذاً تقنياً يسمح لبرمجيات وكالات إنتاج الفيديو بالتواصل المباشر مع محرك تحويل النص إلى صوت لدينا. بدلاً من الواجهة البشرية، تتبادل الأنظمة البيانات عبر بروتوكول HTTP، مما يمكّن من أتمتة توليد الملفات الصوتية بدقة وسرعة دون تدخل يدوي.

تعمل الـ API كطبقة وسيطة ترسل النص وتعيد الملف الصوتي الجاهز، مستخدمة بنية JSON ومفتاح مصادقة واحد. هذا الهيكل يضمن تكاملاً سلساً مع سير العمل الرقمي، حيث يتم إرسال الطلبات واستلام النتائج بشكل آلي، مما يلغي التعقيدات التقنية التقليدية.

التعريف التقني

هي خدمة سحابية تعتمد على نقطة نهاية POST لاستقبال النص وإرجاع ملف صوتي. تتوافق هيكلية الطلبات مع معايير OpenAI Speech، مما يسهل استخدام مكتبات مثل OpenAI SDK أو طلبات curl المباشرة.

تتطلب الواجهة مفتاح API فريداً (tts-...) للمصادقة، وتعالج الطلبات عبر JSON يحتوي على الحقل input للنص، وmodel للنوع، وvoice للمحدد الصوتي، مع دعم خيار تحديد اللغة عبر رمز ISO.

الفرق بين الويب والـ API

الويب يعتمد على التصفح البشري عبر المتصفح، بينما الـ API يعتمد على تبادل البيانات بين الخوادم والبرمجيات الآلية. لا توجد واجهة رسومية معقدة هنا، فقط نقاط نهاية برمجية تترجم الأوامر النصية إلى ملفات صوتية قابلة للتنفيذ.

في الويب، يتفاعل المستخدم مع عناصر الواجهة؛ أما في الـ API، فتقوم البرمجيات بإرسال النصوص واستلام الملفات عبر بروتوكول HTTPS، مما يسمح بإدماج الخدمة مباشرة في أنظمة إدارة المحتوى أو سير عمل الإنتاج.

الملاءمة للوكالات

تصميم الـ API يخدم وكالات إنتاج الفيديو وصناع محتوى اليوتيوب من خلال السماح بإنتاج كميات كبيرة من الصوت من النصوص تلقائياً. يمكن للوكالات دمج الواجهة في أدواتها الداخلية لتوليد ملفات MP3 أو WAV دون عناء.

تتيح السرعة والموثوقية للفرق التقنية تنفيذ مهام الإنتاج بسرعة، حيث يتم تحويل النصوص الطويلة إلى أجزاء معالجتها آلياً، مما يوفر الوقت ويقلل الاعتماد على الموارد البشرية في المهام المتكررة.

  • تكامل آلي مع سير عمل الإنتاج
  • دعم الطلبات المتكررة والكبيرة
  • مفتاح مصادقة واحد للتحكم في الوصول

كيف يتم إرسال النص واستقبال الصوت

رسم توضيحي لموجة الصوت لـ: كيف يتم إرسال النص واستقبال الصوت

تتم عملية تحويل النص إلى صوت عبر إرسال طلب HTTP من نوع POST إلى نقطة النهاية https://api.playtk9.com/v1/audio/speech. يتطلب هذا الإرسال هيكل JSON يحتوي على النص المراد تحويله، ومعرف النموذج، ومحدد الصوت، والتنسيق المطلوب، مما يسهل دمج الخدمة في سير عمل الوكالات.

نموذج الطلب

يتم إرسال البيانات في جسم الطلب ككائن JSON يحتوي على الحقل input للنص (بحد أقصى 4096 حرف)، و model المحدد بـ "tts-1" أو "tts-1-hd"، و voice الذي يحدد أحد الأصوات الثمانية المتاحة، بالإضافة إلى response_format الذي يحدد المخرجات بصيغة mp3، wav، opus، flac، أو pcm. يمكن أيضاً تحديد سرعة النطق عبر الحقل speed بنطاق يتراوح بين 0.25 و 4.0.

نموذج الاستجابة

عند معالجة الطلب بنجاح، يعيد الخادم ملف الصوت مباشرة ضمن جسم الاستجابة بصيغة تم تحديدها مسبقاً، دون الحاجة إلى تخزين الملف في خوادمنا. إذا فشل عملية التوليد، يتم إرجاع رمز خطأ دون خصم أي مبلغ من الرصيد، مما يضمن دقة الفوترة.

المصادقة عبر المفتاح

يتم تأمين الوصول إلى واجهة برمجة التطبيقات عبر مفتاح API فريد يتم توليده لكل حساب. يجب تضمين هذا المفتاح في رأس الطلب HTTP باستخدام العنوان Authorization: Bearer tts-...، حيث تعمل كل حسابات الموقع بشكل مستقل وتحتوي على مفتاح نشط واحد يمكن تحديثه فورياً.

النماذج المتاحة tts-1 و tts-1-hd

رسم توضيحي لموجة الصوت لـ: النماذج المتاحة tts-1 و tts-1-hd

توفر واجهة برمجة التطبيقات نموذجين أساسيين لتوليد الصوت: tts-1 و tts-1-hd. يعتمد كلا النموذجين على نفس محرك التوليد الأساسي، مما يضمن اتساقًا في جودة الصوت الأساسي دون اختلافات جوهرية في الخوارزمية.

يكمن الاختلاف الرئيسي في مواصفات دقة الصوت الناتج، حيث يوفر النموذج الثاني خيارات جودة أعلى قليلاً، لكن هذا لا يغير من طبيعة المخرجات الصوتية أو سرعتها في المعالجة.

التشابه في المحرك

يعمل كلا النموذجين على نفس الخوارزمية الأساسية لتوليد الصوت. هذا يعني أن الاختلاف في الأداء الصوتي ضئيل جدًا، وأن كليهما يوفران سرعة معالجة مماثلة في الظروف العادية.

  • نفس محرك التوليد الأساسي
  • سرعة معالجة متطابقة تقريبًا

التشابه في السعر

يتم احتساب التكلفة لنفس المعدر لكلا النموذجين: 10 دولارات أمريكية لكل مليون حرف، مما يعني أن اختيار النموذج لا يؤثر على فاتورة الاستخدام الشهرية.

  • السعر ثابت لكلا النموذجين
  • 10$ لكل مليون حرف

نوع الصوت الناتج

يولد كلا النموذجين ملفات صوتية عالية الجودة بصيغ متعددة مثل MP3 و WAV. الاختلاف طفيف في النقاء الصوتي، لكن كليهما مناسب تمامًا لمحتوى اليوتيوب والوكالات الإنتاجية.

  • دعم صيغ MP3 و WAV
  • جودة مناسبة للمحتوى التجاري

الأصوات الثمانية المتاحة

رسم توضيحي لموجة الصوت لـ: الأصوات الثمانية المتاحة

توفر واجهة برمجة التطبيقات ثماني أصوات محددة بدقة، مقسمة إلى فئتين رئيسيتين، لتلبية احتياجات المحتوى الصوتي المتنوع. تُستخدم هذه الأصوات لتحديد نبرة النص المُولّد، حيث يتم اختيار صوت واحد من بين الخيارات المتاحة لكل طلب واجهة برمجة تطبيقات.

تعمل هذه الأصوات على جميع اللغات المدعومة (23 لغة)، مما يتيح للوكالات وصناع المحتوى استخدام نفس مجموعة المصادر لمشاريع متعددة اللغات دون الحاجة إلى استبدال المحركات الأساسية.

الأصوات النسائية

تتوفر أربع أصوات نسائية تغطي طيفاً واسعاً من الأساليب السرديّة. تم تصميم كل صوت لتقديم نبرة محددة تسهل على صناع المحتوى اختيار الأنسب لنوع المحتوى المراد إنتاجه، سواء كان تقريراً إخبارياً أو قصة صوتية.

الأصوات المتاحة هي: aria (نبرة سردية واضحة ودافئة)، nova (نبرة مشرقة وعالية الطاقة)، luna (نبرة ناعمة تناسب السرد القصصي)، و sage (نبرة هادئة ومناسبة للمحتوى التعليمائي أو التوجيهي).

  • aria: سردية واضحة ودافئة.
  • nova: مشرقة وعالية الطاقة.
  • luna: ناعمة ومناسبة للسرد.
  • sage: هادئة وتعليمية.

الأصوات الرجالية

تتوفر أربع أصوات رجالية مصممة لتناسب مختلف السياقات الإعلامية والتسويقية. تتميز هذه الأصوات بوضوح النطق وتنوع في الإيقاع، مما يسمح باختيار الصوت الذي يعكس هوية العلامة التجارية أو طبيعة المحتوى بدقة.

الأصوات المتاحة هي: felix (نبرة حماسية تناسب العروض الترويجية)، milo (نبرة ودية ومحادثات)، atlas (نبرة محايدة ومناسبة للأخبار)، و orion (نبرة عميقة ومناسبة للأفلام الوثائقية).

  • felix: حماسي ومناسب للإعلانات.
  • milo: ودي ومحادثي.
  • atlas: محايد وخبري.
  • orion: عميق ووثائقي.

طبيعة كل صوت

جميع الأصوات الثمانية مبنية على تسجيلات مرخصة من مشروع LibriTTS-R (CC BY 4.0)، وهي قراءات من كتب عامة الملكية من مشروع LibriVox. هذا يضمن جودة صوتية عالية وقانونية للاستخدام التجاري دون تعقيدات تراخيص إضافية.

كل ملف صوتي يتم توليده يحتوي على علامة مائية غير مسموعة (Watermark) تدل على أنه كلام اصطناعي. هذه العلامة مضمنة في البيانات الصوتية ولا تؤثر على جودة الاستماع أو دقة المحتوى المنتج.

اللغات المدعومة وغير المدعومة

رسم توضيحي لموجة الصوت لـ: اللغات المدعومة وغير المدعومة

تدعم واجهة برمجة التطبيقات 23 لغة، مما يسمح للأصوات الثمانية بنطق النصوص بدقة في سياقات متعددة. يمكنك تحديد اللغة صراحةً باستخدام رمز ISO، أو الاعتماد على التخمين التلقائي الذي يفترض الإنجليزية للنصوص ذات الحروف اللاتينية.

تتطلب النصوص غير الإنجليزية المكتوبة بحروف لاتينية تحديد الحقل language لضمان الدقة. هذه المرونة تضمن توافق النص المنتج مع احتياجات الوكالات وصناع المحتوى الذين يعملون في أسواق عالمية متعددة.

قائمة الـ 23 لغة

تشمل اللغات المدعومة: العربية، الصينية، الدنماركية، الهولندية، الإنجليزية، الفنلندية، الفرنسية، الألمانية، اليونانية، العبرية، الهندية، المالايية، اليابانية، الكورية، المالايية، النرويجية، البولندية، البرتغالية، الروسية، الإسبانية، السواحيلية، السويدية، والتركية. يمكن لأي صوت استخدام أي من هذه اللغات دون قيود.

يتم تحديد اللغة تلقائياً بناءً على الحروف المستخدمة (اللاتينية تعني الإنجليزية افتراضياً)، لذا يُنصح بوضوح تحديد الحقل language للنصوص غير الإنجليزية لضمان النتيجة الدقيقة.

  • العربية، الصينية، الدنماركية، الهولندية، الإنجليزية
  • الفنلندية، الفرنسية، الألمانية، اليونانية، العبرية
  • الهندية، اليابانية، الكورية، المالايية، النرويجية
  • البولندية، البرتغالية، الروسية، الإسبانية، السواحيلية
  • السويدية، التركية

اللغة العربية

تدعم الواجهة اللغة العربية ضمن القائمة الرسمية للغات، مما يتيح توليد نطق دقيق للنصوص العربية باستخدام الأصوات المتاحة. يتم التعامل مع النص العربي كما هو محدد في مواصفات الطلب دون افتراضات خاطئة.

اللغات غير المدعومة

اللغات التي لا تدعمها الواجهة تشمل: الفيتنامية، الإندونيسية، التايلاندية، الأوكرانية، الرومانية، التشيكية، البنغالية، وجميع اللغات الأخرى غير المذكورة في قائمة الدعم. عدم وجود لغة في القائمة يعني عدم قدرتها على النطق عبر هذا النظام.

  • الفيتنامية
  • الإندونيسية
  • التايلاندية
  • الأوكرانية
  • الرومانية
  • التشيكية

تنسيقات الملفات الصوتية

رسم توضيحي لموجة الصوت لـ: تنسيقات الملفات الصوتية

تتيح واجهة برمجة التطبيقات تنسيقات متعددة لتلبية متطلبات سير العمل المختلفة في إنتاج الفيديو، من التحليل السريع إلى النشر النهائي.

يمكنك اختيار التنسيق الأنسب بين MP3 و WAV و OPUS و FLAC و PCM، مع مراعاة التوازن بين الجودة وحجم الملف.

الصيغ الشائعة

يُعد MP3 التنسيق القياسي للمحتوى الموزع على منصات مثل يوتيوب، حيث يوفر توازناً جيداً بين الجودة وحجم الملف الصغير.

يقدم OPUS كفاءة ضغط عالية جداً، مما يجعله خياراً ممتازاً لنقل الصوت عبر الإنترنت أو التخزين طويل الأمد بوزن أقل.

  • MP3: مناسب للبث والنشر العام.
  • OPUS: ضغط عالي الكفاءة.

الصيغ الاحترافية

يوفر WAV ملفاً صوتياً غير مضغوط بجودة أصلية، وهو مثالي للمشاريع التي تتطلب دقة عالية في المونتاج النهائي.

يتيح FLAC ضغطاً بدون فقدان للبيانات، مما يضمن الحفاظ على الجودة الأصلية للنص مع تقليل حجم الملف مقارنة بـ WAV.

  • WAV: جودة أصلية غير مضغوطة.
  • FLAC: ضغط بدون فقدان للجودة.

الضغط والجودة

تختلف خيارات الضغط بناءً على تنسيق الملف المختار، حيث توفر الصيغ غير المضغوطة دقة كاملة بينما تقلل المضغ حجم البيانات.

  • PCM: بيانات خام غير معالجة.
  • FLAC/WAV: جودة عالية للمونتاج.
تنسيقات الملفات الصوتية

محددات الاستخدام والسرعة

رسم توضيحي لموجة الصوت لـ: محددات الاستخدام والسرعة

تخضع واجهة برمجة التطبيقات AwazCraft لمحددات تقنية محددة تضمن استقرار الخدمة لوكالات إنتاج الفيديو وصناع المحتوى. يتم تقسيم النصوص الطويلة تلقائياً إلى أجزاء لا يتجاوز كل منها 4096 حرفاً، مع دمج الملفات الصوتية الناتجة في ملف واحد.

تخضع الحسابات لحد أقصى 60 طلباً في الدقيقة لكل مفتاح API (10 طلبات في الدقيقة قبل أول عملية شحن). تُعالج الطلبات بالتسلسل، مما قد يسبب طوابير انتظار تحت الضغط، حيث يستغرق توليد الجمل القصيرة بضع ثوانٍ.

حد الأحرف

يحد النظام كل طلب نصي بـ 4096 حرفاً. تتضمن الحسابات المسافات والعلامات الترقيم كأحرف فعّالة. النصوص الأطول يتم تقسيمها تلقائياً، ثم دمج الملفات الصوتية الناتجة.

حد الطلبات

حد السعة هو 60 طلباً في الدقيقة لكل مفتاح. الحسابات الجديدة تبدأ بـ 10 طلبات في الدقيقة حتى أول شحن. الطلبات تُعالج تسلسلياً، وقد تنتظر في الطابور عند تحميل السيرفر.

نطاق السرعة

يمكن تعديل سرعة التوليد من 0.25 إلى 4.0. متوسط التوليد قريب من الزمن الحقيقي (25 حرفاً في الثانية للنصوص الطويلة). الجمل القصيرة تستغرق بضع ثوانٍ إضافية.

التكلفة والاحتساب

رسم توضيحي لموجة الصوت لـ: التكلفة والاحتساب

تُحسب التكلفة بدقة بناءً على حجم النص المدخل، حيث يبلغ السعر 10 دولارات أمريكية لكل مليون حرف. تشمل الأحرف المسافات البينية وعلامات الترقيم، مما يعني أن النص الكامل يُحتسب بالكامل دون استثناء أي عنصر.

السعر لكل مليون حرف

يتم خصم المبلغ فعليًا عند نجاح توليد الصوت. إذا فشل الطلب، يتم إرجاع المبلغ بالكامل إلى رصيد الحساب، مما يضمن عدم دفع مقابل ملف صوتي غير مكتمل.

حساب المسافات

يتم احتساب كل حرف في النص المدخل، بما في ذلك المسافات بين الكلمات وعلامات الترقيم. على سبيل المثال، كل 1000 حرف تكلف 0.01 دولار، بغض النظر عن طول الجملة أو تعقيدها.

الطلبات المجانية

في حال فشل عملية التوليد، لا يتم خصم الرصيد. يتم إرجاع المبلغ تلقائيًا إلى حسابك، مما يضمن الدقة في الفوترة فقط مقابل الملفات الناجحة.

التكامل مع أدوات الإنتاج

رسم توضيحي لموجة الصوت لـ: التكامل مع أدوات الإنتاج

تتوافق واجهة برمجة التطبيقات مع شكل طلبات OpenAI، مما يسهل دمجها في بيئات العمل التقنية الحالية. يمكنك تغيير عنوان الخادم الأساسي (base_url) إلى https://api.playtk9.com/v1 واستخدام مفاتيح OpenAI SDK المألوفة مباشرة، دون الحاجة لتعلم مكتبات جديدة.

يضمن هذا التشابه في الهيكل تقليل وقت التطوير والتكامل، حيث تعمل الأكواد الجاهزة والأدوات البرمجية القياسية بشكل متوافق مع الخدمة، مما يسهل على فرق الوكالات دمج توليد الصوت في سير العمل الإنتاجي بسرعة.

استخدام OpenAI SDK

يمكنك استخدام مكتبات OpenAI SDK الرسمية (Python, Node.js, إلخ) مع تغيير نقطة النهاية (base_url) لتشير إلى https://api.playtk9.com/v1. هذا يعني أن كود الاتصال والاستدعاء يظل كما هو، مما يسهل على المطورين التكيف السريع.

باستخدام هذا الأسلوب، يمكن للفرق التقنية دمج الخدمة في تطبيقاتهم الحالية دون إعادة كتابة منطق الاتصال، مما يوفر وقت التطوير ويقلل من احتمالية الأخطاء البرمجية.

  • تغيير base_url إلى https://api.playtk9.com/v1
  • استخدام نفس هيكل الطلبات والاستجابات
  • توافق كامل مع مكتبات OpenAI SDK

طلبات Curl

للمستخدمين الذين يفضلون النصوص البرمجية البسيطة أو الاختبار السريع، يوفر الموقع أمثلة جاهزة لطلبات curl. يتطلب الأمر تحديد المسار https://api.playtk9.com/v1/audio/speech وإرسال النص عبر حقل input مع تحديد النموذج والصوت المطلوب.

يتم إرسال مفتاح المصادقة في رأس الطلب (Authorization: Bearer tts-...)، ويتم استجابة الصوت في نفس الطلب كملف صوتي جاهز للاستخدام.

  • إرسال طلب POST إلى /v1/audio/speech
  • تضمين مفتاح API في رأس الطلب
  • استلام ملف صوتي مباشرة في الاستجابة

دمج في سير العمل

تصميم الواجهة يتيح دمج توليد الصوت في مراحل الإنتاج المختلفة، مثل إضافة التعليقات الصوتية للفيديوهات المصورة أو إنشاء محتوى بودكاست تلقائيًا. يمكن للأدوات البرمجية ربط واجهة برمجة التطبيقات مباشرة بمخازن الفيديو أو منصات النشر.

تتيح السرعة التقريبية (حوالي 25 حرفًا في الثانية) معالجة النصوص الطويلة بكفاءة، مما يجعلها مناسبة للإنتاج اليومي السريع الذي تعتمد عليه وكالات الإنتاج وصناع المحتوى.

  • ربط مباشر مع مخازن الفيديو
  • إضافة تعليقات صوتية تلقائية
  • دعم النصوص الطويلة المتقطعة

حقوق الملكية والعلامة المائية

رسم توضيحي لموجة الصوت لـ: حقوق الملكية والعلامة المائية

تتميز الملفات الصوتية المُولّدة بعلامة مائية غير مسموعة تُشير بوضوح إلى أنها كلام صناعي، مما يضمن الشفافية في الاستخدام. تعتمد الأصوات على تسجيلات مرخصة بموجب رخصة CC BY 4.0 من مشروع LibriTTS-R، ومشتقة من قراءات كتب صوتية في الملك العام عبر LibriVox، مما يوفر أساساً قانونياً متيناً للمحتوى.

العلامة المائية غير المسموعة

يحتوي كل ملف صوتي ناتج على علامة مائية رقمية غير مسموعة للعين والاذن، تهدف إلى تمييز الكلام الاصطناعي. هذه العلامة لا تؤثر على جودة الاستماع أو دقة النطق، بل توفر طبقة إضافية من الموثوقية للمنتجات النهائية.

  • علامة غير مرئية وغير مسموعة
  • تحدد المصدر الصناعي للصوت بوضوح
  • لا تؤثر على تجربة المستمع

تراخيص LibriTTS-R

تعتمد المحركات الصوتية على بيانات تدريب من مشروع LibriTTS-R المتاح بموجب رخصة CC BY 4.0. تستمد هذه البيانات من تسجيلات كتب صوتية في الملك العام، مما يعني أن الأساس الصوتي خالٍ من حقوق الطبع والتوزيع المعقدة.

  • رخصة CC BY 4.0
  • بيانات من كتب ملك عام
  • أصول صوتية مفتوحة وموثقة

حق الاستخدام التجاري

يسمح الترخيص المفتوح باستخدام هذه الأصوات في المشاريع التجارية، بما في ذلك قنوات اليوتيوب والمحتوى المدفوع. لا توجد رسوم إضافية على حقوق الملكية الصوتية نفسها، فقط تكلفة توليف النص عبر الـ API.

  • استخدام تجاري مسموح
  • بدون رسوم حقوق إضافية
  • مناسب للمحتوى المدفوع

أمان البيانات والنصوص

رسم توضيحي لموجة الصوت لـ: أمان البيانات والنصوص

يتم استخدام النص المدخل فقط لإنتاج الملف الصوتي المطلوب، ولا يتم استخدامه في تدريب النماذج أو تحسين الخوارزميات بشكل مستقل. هذا يضمن بقاء المحتوى النصي خاصًا بالمهمة المحددة التي يتم تنفيذها.

لا يتم تخزين الملفات الصوتية المُنشأة في خوادمنا بعد إرسالها لك في الاستجابة. يتم الاحتفاظ فقط ببيانات الطلب الأساسية (الوقت، عدد الأحرف، والحالة) لأغراض الفوترة والتدقيق المحاسبي، مما يضمن شفافية الحسابات دون الاحتفاظ بالبيانات الوظيفية.

عدم استخدام النص للتدريب

النصوص التي ترسلها عبر واجهة برمجة التطبيقات تُعالج لغرض توليد الصوت فقط. لا تُستخدم هذه النصوص لتدريب نماذج الذكاء الاصطناعي، مما يحافظ على خصوصية المحتوى الذي تدرجه في إنتاجاتك.

عدم تخزين الصوت

الملفات الصوتية الناتجة تُعاد إليك مباشرة في استجابة الطلب ولا يتم تخزينها بشكل دائم في خوادمنا. بمجرد استلامك للملف، تنتهي مدة الاحتفاظ به لدينا، مما يقلل من مخاطر الوصول غير المصرح به للمحتوى الصوتي الذي أنتجته.

حفظ بيانات الفوترة

نحتفظ بسجل الطلبات الذي يتضمن الوقت، عدد الأحرف المستهلكة، وحالة الطلب (ناجح/فاشل) لأغراض الفوترة الدقيقة. هذه البيانات ضرورية فقط لحساب التكاليف وإصدار الفواتير الداخلية، ولا تشمل محتوى النص أو الصوت نفسه.

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.

صورة رمزية للصوت aria
ariaأنثى
صورة رمزية للصوت nova
novaأنثى
صورة رمزية للصوت luna
lunaأنثى
صورة رمزية للصوت sage
sageأنثى
صورة رمزية للصوت felix
felixذكر
صورة رمزية للصوت milo
miloذكر
صورة رمزية للصوت atlas
atlasذكر
صورة رمزية للصوت orion
orionذكر

23 لغة

يمكن لأي صوت التحدث بأي من هذه اللغات.

المصادر ومزيد من القراءة

  1. Wikipedia
  2. W3C WAI: making audio and video accessible
  3. LibriVox public-domain audiobooks
  4. ISO 639 language codes
  5. Node.js documentation
  6. openai-node on GitHub
  7. LibriTTS-R paper (arXiv 2305.18802)
  8. Python documentation
  9. Tether (USDT)
  10. openai-python on GitHub
  11. LibriTTS-R corpus (OpenSLR 141)
  12. curl documentation

المزيد في هذا الموقع