تحويل النص إلى فيديو بالذكاء الاصطناعي بصوت عربي: من السكربت إلى ملف MP4 جاهز

01ماذا يعني تحويل النص إلى فيديو بالذكاء الاصطناعي في فوكلا؟

أغلب من يبحث عن تحويل النص الى فيديو بالذكاء الاصطناعي يريد شيئًا واحدًا: يكتب فكرة إعلان أو مقطع ريلز، ويطلع له فيديو كامل يتكلم بلهجة جمهوره، من دون تصوير ولا معلّق ولا مونتير. المشكلة أن معظم الأدوات العالمية تعامل العربية كلغة ثانوية: صوت بلكنة غريبة، وترجمة على الشاشة تطلع حروفها مقطّعة أو معكوسة.

فوكلا فيديو مبني بالعكس. الصوت أولًا، والصورة تخدمه. كل كلمة يسمعها المشاهد ينطقها صوت من أصوات فوكلا باللهجة التي اخترتها، وكل كلمة يقرأها تأتي من مسار ترجمة منفصل نحرقه على الفيديو بحروف عربية متصلة سليمة. أما نموذج الفيديو فدوره رسم المشاهد فقط، ولا نطلب منه أن يكتب حرفًا عربيًا واحدًا داخل الصورة، لأن نماذج الفيديو تشوّه النص العربي.

• ما تحصل عليه: ملف MP4 فيه تعليق صوتي باللهجة، ومشاهد مولّدة، وترجمة عربية محروقة على الفيديو، وموسيقى خلفية اختيارية تنخفض تلقائيًا تحت الكلام.
• المقاسات: عمودي 9:16 للريلز وتيك توك وسناب، وعريض 16:9 ليوتيوب، ومربع 1:1 للمنشورات، حسب باقتك.
• ما لا يقدمه: لا أفاتار يتكلم أمام الكاميرا، ولا مزامنة شفاه، ولا أشخاص حقيقيون في المشاهد. وإذا احتجت شعارًا أو نصًا داخل الصورة فأضفه في المونتاج بعد التنزيل.

02الخطوات من النص إلى ملف MP4

العملية مقسّمة إلى مراحل، ولا يُصرف رصيد التوليد إلا بعد أن ترى خطة المشاهد وتوافق عليها. هذا هو المسار داخل استوديو الفيديو:

1. 1النص والصوت: الصق السكربت، واختر أي صوت متاح لك في تحويل النص إلى صوت، ثم حدّد اللهجة من قائمة اللهجات: سعودية أو إماراتية أو كويتية أو مصرية أو أردنية أو لبنانية أو فصحى.
2. 2الإعدادات: اختر المقاس وفئة الجودة والدقة، وشكل الترجمة (بسيطة أو عريضة أو كاريوكي) ومكانها أسفل الإطار أو وسطه، وهل تريد موسيقى.
3. 3التسعير المباشر: قبل أي خطوة يظهر لك كم رصيدًا سيستهلك الفيديو وكم ثانية بقيت لك في الشهر.
4. 4خطة المشاهد: يولّد فوكلا الصوت أولًا، ثم يقسّمه إلى مشاهد من 3 إلى 8 ثوانٍ مضبوطة على توقيت الكلام، ويكتب لكل مشهد وصفًا بصريًا تقدر تعدّله.
5. 5لوحة القصة: صورة ثابتة لكل مشهد بـ200 رصيد للصورة، تشوف منها الشكل قبل أن تدفع على الفيديو. غيّر الوصف وأعد الصورة حتى يرضيك كل مشهد.
6. 6التوليد والتنزيل: يولّد المشاهد ويضع صوتك فوقها ويحرق الترجمة ويضيف الموسيقى. إذا لم يعجبك مشهد واحد، أعد توليده وحده دون إعادة الفيديو كله.

03اكتب نصًا يصلح للفيديو قبل أن تولّده

النص هو الذي يحدد طول الفيديو، لأن المشاهد تُقسَّم على توقيت الكلام. فيديو 15 ثانية يحتاج تقريبًا 30 إلى 35 كلمة، وكل جملة قصيرة تصير غالبًا مشهدًا مستقلًا. اكتب للأذن لا للعين: جملة افتتاحية تشد، ثم الفائدة، ثم طلب واضح. هذا مثال سعودي لمتجر عطور:

• جملة لكل فكرة: الجملة القصيرة تعطي مشهدًا واضحًا، والجملة الطويلة تتحول إلى مشهد ممل أو مشهدين بلا رابط.
• اكتب باللهجة نفسها التي اخترتها: إذا اخترت صوتًا سعوديًا فاكتب «الحين» و«تبي»، لا «الآن» و«تريد»، حتى لا يطلع الكلام نصف فصحى ونصف عامية.
• اكتب الأرقام بالحروف إذا كان نطقها مهمًا، وأضف اسم علامتك إلى قاموس النطق حتى يُقرأ بنفس الطريقة في كل فيديو.
• اختم بطلب واحد فقط: اطلب الآن، أو زر الموقع، أو احجز موعدك. طلبان في 15 ثانية يضيّعان المشاهد.

وهكذا تقريبًا تطلع خطة المشاهد لهذا النص. الأوصاف البصرية تُكتب بالإنجليزية لأن نماذج الفيديو تفهمها أفضل، وأنت تعدّلها قبل التوليد:

إذا ما تعرف كم ثانية سيأخذ نصك، الصقه في حاسبة مدة التعليق الصوتي واختر اللهجة والسرعة، وقصّ قبل أن تولّد بدل أن تكتشف عند التسعير أن الفيديو أطول من حد باقتك.

04الترجمة العربية: لماذا تطلع صحيحة عندنا؟

جرّب أن تطلب من أي نموذج فيديو أن يكتب «عرض خاص» على لافتة، وغالبًا ستحصل على خربشة تشبه العربي من بعيد. هذا عيب معروف في نماذج الصور والفيديو مع الحروف المتصلة والكتابة من اليمين لليسار. لذلك لا نعتمد عليها في الكتابة إطلاقًا.

الترجمة في فوكلا مسار منفصل: نأخذ توقيت كل كلمة من الصوت نفسه، ونكتب النص الأصلي الذي أدخلته أنت بخط عربي بحروف متصلة واتجاه صحيح من اليمين لليسار، ثم نحرقه على الفيديو في خطوة المونتاج النهائية. النتيجة أن ما يقرأه المشاهد هو بالضبط ما كتبته، متزامن مع الصوت، وهذا مهم لأن نسبة كبيرة من المشاهدين على الجوال يتصفحون بلا صوت.

05حدود الباقات وتكلفة الفيديو بالأرصدة

الفيديو غير متاح في الباقة المجانية، ويبدأ من Starter. لكل باقة ثلاثة حدود: ثوانٍ شهرية، وأطول مدة للفيديو الواحد، وأعلى دقة.

أما الأرصدة فتُحسب لكل ثانية مولّدة حسب الفئة: Lite بـ150 رصيدًا للثانية، وStandard بـ400، وPro بـ1,000، و4K بـ2,000. ويضاف إليها رصيد التعليق الصوتي حسب عدد الأحرف، و200 رصيد لكل صورة في لوحة القصة، و120 رصيدًا للموسيقى. مثال: إعلان العطور أعلاه 15 ثانية على Lite يساوي 2,250 رصيدًا، مع ثلاث صور لوحة قصة (600) وموسيقى (120) وصوت بنحو 250 حرفًا على Vox Prime (300)، فالمجموع قرابة 3,270 رصيدًا، وهذا يدخل في رصيد Starter الشهري البالغ 5,000 ويتبقى نحو 1,730 رصيدًا.

06لأي نوع من الفيديوهات يصلح؟

الأداة تلمع حيث يكون الصوت والرسالة أهم من وجه المتكلم. هذه أكثر الاستخدامات التي نراها، ولكل واحد منها دليل مفصّل:

• ريلز وتيك توك: افتتاحية قوية باللهجة وترجمة لمن يتصفح بلا صوت.
• قناة يوتيوب بدون ظهور: صوت ثابت للقناة ومشاهد تشرح الفكرة.
• إعلان من صورة المنتج: من Starter وما فوق ترفع صورة منتجك كأول إطار ويُبنى المشهد حولها.
• إعلانات سناب شات وإنستغرام: نسخ عمودية قصيرة لكل سوق بلهجته.
• الفيديو التعريفي: شرح خدمة أو خطوات تطبيق بصوت واضح وترجمة تُتابَع.
• التهاني والمواسم: فيديو تهنئة بالعيد باسم شركتك خلال ساعة.

07فوكلا أم أدوات الأفاتار؟ متى تختار كل واحدة

إذا كان المطلوب مقدّمًا يظهر بوجهه ويتكلم بشفاه متزامنة، أو ترجمة فيديو مصوّر مع مزامنة الشفاه، فأدوات الأفاتار مثل HeyGen وSynthesia مبنية لهذا تحديدًا، وتغطي عشرات اللغات، وهي خيار قوي للتدريب الداخلي والعروض التي تحتاج وجهًا ثابتًا.

فوكلا لا يصنع أفاتار ولا يزامن الشفاه. قوته في مكان آخر: صوت عربي باللهجة الصحيحة يفرضه منتقي اللهجة، وقاموس نطق وتشكيل لأسماء علامتك، وترجمة عربية سليمة، ومشاهد بلا وجوه تناسب الإعلان والمحتوى الاجتماعي، بأسعار تبدأ من 4.99 دولار. وكثير من الفرق تستخدم الاثنين: الأفاتار لفيديو المدير، وفوكلا للريلز والإعلانات اليومية.

حتى أكتوبر 2026: تذكر الصفحة الرئيسية لـHeyGen (heygen.com) دعم أكثر من 175 لغة ولهجة في ترجمة الفيديو ومزامنة الشفاه، مع أفاتار Avatar V. وتذكر صفحة اللغات لدى Synthesia (synthesia.io/features/languages) دعم أكثر من 140 لغة مع أفاتار مولّدة. راجع الصفحات الرسمية لأحدث التفاصيل.

الخلاصة: اكتب النص، اختر اللهجة، راجع المشاهد، ثم ولّد. ابدأ بفيديو قصير على Lite لتختبر الأسلوب، وانتقل إلى Professional حين تحتاج 1080p ومقاس يوتيوب العريض ومن دون علامة مائية.