كيف تسوي حوار بين شخصين بأصوات الذكاء الاصطناعي في ملف واحد؟

01وش يعني حوار بين شخصين بالذكاء الاصطناعي؟

الطريقة القديمة لعمل حوار بصوتين: تولّد كل سطر لحاله، تنزّل عشرين ملفًا، ثم تفتح برنامج مونتاج وترصّها واحدًا بعد الثاني، وتعدّل الوقفات، وتحاول توازن الصوتين حتى لا يطلع واحد أعلى من الثاني. ساعة شغل لحوار مدته دقيقة.

أداة تحويل النص إلى حوار في فوكلا تختصر هذا كله. تكتب الحوار كاملًا في مكان واحد، وتعطي كل شخص صوتًا، وتحدد كيف يُقال كل سطر، فتولّد الأداة كل سطر بصوت صاحبه، وتقص الأطراف وتوازن المستوى، ثم تدمج الكل في ملف واحد مع الوقفات التي حددتها. والمشغّل يظلّل كل سطر أثناء تشغيله، فتعرف بسرعة أين تحتاج تعديل.

الحوار جزء من تحويل النص إلى صوت، فيستخدم نفس الأصوات، ونفس قاموس النطق، ونفس طريقة قراءة الأرقام، ونفس الرصيد. الاسم الذي علّمت فوكلا نطقه يُنطق بنفس الطريقة في كل سطر.

02صيغة النص: الاسم ثم نقطتان ثم الكلام

القاعدة بسيطة: سطر لكل دور، يبدأ باسم المتحدث ثم نقطتين ثم كلامه. لما تلصق النص كاملًا، تتعرّف فوكلا على كل المتحدثين تلقائيًا. والسطر الذي ليس فيه اسم يُعتبر تكملة لكلام آخر متحدث.

لاحظ طريقتين لإضافة نمط الأداء: بين قوسين بعد الاسم مثل (calm)، أو بين معقوفين قبل الكلام مثل [excited]. الأنماط المتاحة سبعة، وتختارها سطرًا بسطر:

الحدود العملية واسعة: حتى 200 سطر في النص الواحد، وحتى 2,000 حرف في السطر. وإذا ما تبي تبدأ من صفحة فاضية، فيه أربعة قوالب جاهزة بالعربي والإنجليزي: مقدمة بودكاست، وإعلان إذاعي، ومكالمة عميل، ومقابلة.

03نموذج إعلان بأسلوب مشهد قصير

الإعلان الحواري يشتغل لأنه يشبه موقفًا حقيقيًا: شخص عنده مشكلة، وشخص ثاني عنده الحل. هذا نموذج سعودي لإعلان إذاعي أو مقطع صوتي لمغسلة سيارات افتراضية، مع مذيع يختم بالعرض:

لاحظ ثلاثة أشياء في هذا النص. أولًا، الأسطر قصيرة، وكل رد يجاوب على السطر اللي قبله. ثانيًا، الأنماط في ثلاثة أسطر فقط، عند المشكلة والحل والقرار. ثالثًا، صوت المذيع مختلف عن الشخصيتين، فيعرف المستمع أن هذا هو العرض الرسمي.

04نماذج للتعليم وتدريب خدمة العملاء

تمثيل الأدوار من أقوى أدوات التعليم، لكن تسجيله مع ممثلين حقيقيين مكلف، وكل تعديل يعني جلسة جديدة. مع الحوار المولّد، تعدّل السطر وتولّد من جديد. هذا نموذج بالفصحى لدرس عن آداب الاجتماعات، يناسب دورة لموظفين من جنسيات مختلفة:

وفي تدريب مراكز الاتصال، المكالمة النموذجية بين موظف وعميل تساعد الموظف الجديد يسمع الأسلوب الصحيح قبل أن يرد على أول عميل. هذا نموذج مصري لعميل غاضب من تأخّر طلبه:

هذه المكالمات سهلة التحديث: إذا تغيّرت سياسة الاسترجاع أو صيغة الاعتذار، تعدّل سطرًا وتولّد الملف من جديد بنفس الأصوات. ولو حابب تبني منها مكتبة تدريب، سمِّ الملفات حسب الموقف مثل «تأخير-طلب.mp3» و«استرجاع-منتج.mp3».

05اختيار الصوتين واللهجة

أهم قاعدة في الحوار: المستمع لازم يعرف مين يتكلم بدون ما يفكر. اختر صوتين متباينين بوضوح، مثل صوت نسائي وصوت رجالي، أو صوتين بعمرين مختلفين. وإذا كان عندك أصوات علامة تجارية في مساحة العمل، تظهر أولًا عند اختيار الأصوات، فتبقى كل إنتاجاتك بنفس الطابع.

خلط اللهجات في الحوار مقبول، بل مفيد، إذا كان مقصودًا: شخصية سعودية تكلّم شخصية أردنية في إعلان شركة طيران مثلًا. أما غير المقصود، مثل شخصية تبدأ سعودية وتكمل بالفصحى، فيكسر الإيهام. اكتب كل شخصية بكلمات لهجتها، واختر لها صوتًا من نفس اللهجة.

06التوقيت: الوقفات والفاصل والرد السريع

الحوار يعيش على إيقاعه. نفس الكلمات بإيقاع بطيء تبدو مملة، وبإيقاع متسارع تبدو مرتبكة. فوكلا تعطيك ثلاث أدوات للتحكم في الإيقاع:

اجعل الرد السريع سطرًا مستقلًا بدل أن تدفنه داخل جملة طويلة. لما يكون «صدق؟» سطرًا لحاله ويكون تداخل الرد السريع مفعّلًا، يدخل الرد أبكر بقليل فيبدو الحوار حيًّا. ولاحظ أن كل سطر يُولَّد وحده ثم يُدمج، فالمتحدثان لا يتكلمان فوق بعض إلا بهذا التداخل القصير.

• للإعلان: فاصل قصير، ووقفة قبل سطر العرض فقط.
• للتدريب: فاصل افتراضي، ووقفة ثانية بعد كل سؤال يحتاج تفكيرًا.
• للبودكاست: إيقاع أهدأ، وتفاصيله في دليل البودكاست بالذكاء الاصطناعي.

07التوليد والتصدير والتكلفة

1. 1أضف الأسماء إلى قاموس النطق: أسماء الشخصيات والعلامة التجارية قبل التوليد، حتى تُنطق بنفس الطريقة في كل سطر.
2. 2ولّد واسمع مع النص: المشغّل يظلّل كل سطر أثناء تشغيله، فتعرف أين يحتاج الإيقاع تعديلًا.
3. 3عدّل السطر لا الحوار كله: إعادة صياغة سطر أو تغيير نمطه أسهل من إعادة كتابة المشهد.
4. 4نزّل الملف: ملف واحد مدموج بصيغة MP3 أو WAV، ويُحفظ في مكتبتك.

التكلفة مثل تحويل النص إلى صوت تمامًا: الرصيد يُحسب من عدد حروف كل الأسطر ومعدّل النموذج الذي تختاره، وتشوفه قبل التوليد، ويُسترجع إذا فشل التوليد. للتقريب، الحوار التجريبي في صفحة الأداة كان 233 حرفًا واستهلك 280 رصيدًا. فإعلان حواري من 30 ثانية تقريبًا، بنحو 500 حرف، يحتاج قرابة 600 رصيد بالنموذج الأعلى جودة، وباقة Starter بـ4.99 دولار فيها 5,000 رصيد مع حقوق الاستخدام التجاري.

وإذا كان الحوار جزءًا من مشروع أكبر فيه نص وصوت وفيديو وتصدير، فدليل سير العمل يرتّب لك الخطوات من الفكرة إلى الملف النهائي.

الأسماء الواردة في النماذج (لمعة وغيرها) أمثلة افتراضية لا تشير إلى جهات حقيقية.