تعريف واضح ومثال عملي لكل مصطلح، مع رابط للدليل الكامل.
الصوت الأحادي (Mono) قناة واحدة تُسمع نفسها من السماعتين، والستيريو قناتان يمين ويسار. التعليق الصوتي يُسجل ويُولّد عادةً أحاديًا، والموسيقى غالبًا ستيريو.
مرحلة توزيع الأصوات على الشخصيات وتجربتها قبل التسجيل أو الإنتاج. الكاستنج الجيد يخلي الأصوات متباعدة في الطبقة والطاقة حتى تبان كل شخصية لحالها.
ترخيص يسمح باستخدام الصوت المولد لأغراض غير تجارية فقط، مثل التجربة والتعلم والمشاريع الخاصة. في فوكلا الخطة المجانية للاستخدام الشخصي، والخطط المدفوعة من Starter فأعلى تشمل الاستخدام التجاري.
إنشاء صوت اصطناعي يشبه صوت شخص معيّن انطلاقًا من تسجيلات له، ثم استخدامه لقراءة أي نص جديد. يُستخدم لصوت العلامة التجارية أو لصانع المحتوى الذي يريد نسخة رقمية من صوته، ويشترط موافقة صاحب الصوت.
نقطة بداية جاهزة في صانع الكرتون: عالم مسلسل معروف بطاقمه وأصوات شخصياته ورسوماته، تكتب له فكرة حلقة جديدة بس. يختلف عن «الستايل» العام اللي تنصمم فيه الشخصيات لقصتك.
نقل الرسالة الإعلانية إلى لغة أخرى مع إعادة كتابتها لتؤدي الأثر نفسه في الثقافة الجديدة، بدل ترجمتها حرفيًا. تُستخدم للشعارات والافتتاحيات والنكات والتلاعب بالألفاظ.
أول ثانية إلى ثلاث ثوانٍ في الفيديو القصير، ووظيفتها إيقاف التمرير. في تيك توك والريلز تكون غالبًا سؤالًا أو مفاجأة أو وعدًا واضحًا.
دفعات هواء قوية تخرج مع حروف مثل الباء والتاء والدال والكاف وتصطدم بالميكروفون فتُسمع «فرقعة» منخفضة. تُعالج بفلتر البوب أو بإبعاد الفم قليلًا عن محور الميكروفون.
ترخيص تدفع فيه مرة واحدة أو ضمن اشتراكك، ثم تستخدم المادة دون رسوم إضافية عن كل عرض أو بث. لا يعني أنها مجانية ولا أنها بلا حقوق نشر، فشروط الترخيص تبقى سارية.
الوصف المكتوب الذي يوجّه نموذج الفيديو: الموضوع والمكان والإضاءة وحركة الكاميرا والأسلوب. كلما كان محددًا وبصريًا كانت النتيجة أقرب لما في ذهنك.
الانتقال بين لغتين في الجملة نفسها، كما يتكلم كثير من الشباب والمهنيين في الخليج. يحتاج صوتًا ينطق الكلمات الإنجليزية بلكنة طبيعية دون أن يكسر إيقاع الجملة العربية.
توليد مقطع متحرك قصير من صورة ثابتة، مثل تحريك الكاميرا حول منتج أو إضافة حركة للمشهد. مفيد حين تملك صور منتجات جيدة ولا تملك فيديو.
تقنية تحول الكلام المسموع إلى نص مكتوب، وتُسمى أيضًا التعرف الآلي على الكلام. دقتها بالعربية تتأثر باللهجة وجودة التسجيل وتداخل المتحدثين والكلمات الإنجليزية في الكلام.
توليد محادثة بين صوتين أو أكثر من نص واحد مقسّم حسب المتحدث، بحيث يحتفظ كل متحدث بصوته وتتوالى الأدوار بتوقيت طبيعي.
تقنية تقرأ النص المكتوب بصوت بشري اصطناعي وتُخرجه ملفًا صوتيًا. جودة النتيجة بالعربية تعتمد على فهم المحرك للتشكيل والأرقام واللهجة المطلوبة.
جيل من محركات تحويل النص إلى صوت يعتمد على شبكات عصبية مدرّبة على ساعات طويلة من الكلام البشري، فيولّد التنغيم والوقفات بشكل طبيعي بدل لصق مقاطع مسجلة. هو ما يجعل الأصوات الحديثة أقرب إلى المعلق الحقيقي من أصوات الأنظمة القديمة.
إرسال الصوت على دفعات أثناء توليده بدل انتظار الملف كاملًا، فيبدأ التشغيل خلال لحظات. ضروري للمحادثات الحية والمساعدات الصوتية والنصوص الطويلة.
توليد فيديو بالذكاء الاصطناعي انطلاقًا من نص أو وصف مكتوب. بعض الأدوات تولد مشاهد بصرية فقط، وأخرى تبني فيديو كاملًا: صوت وتعليق ومشاهد وترجمة على الشاشة.
ترجمة محفوظة في ملف منفصل مثل SRT أو VTT، يشغلها المشاهد أو يخفيها من المشغل. تسمح برفع عدة لغات للفيديو نفسه وتعديل النص دون إعادة تصدير الفيديو.
نص مرسوم داخل صورة الفيديو نفسها، فيظهر دائمًا ولا يمكن إخفاؤه أو تعديله دون إعادة التصدير. مناسب لتيك توك والريلز لأن كثيرًا من المشاهدين يتابعون دون صوت.
معيار ترميز صوتي من الاتحاد الدولي للاتصالات للمكالمات الهاتفية: 8 كيلوهرتز، 8 بت مضغوطة لكل عينة، و64 كيلوبت في الثانية. له نسختان: μ-law وA-law، ويطلبه كثير من أنظمة الاتصالات لملفات الرسائل.
تسجيل مولّد بالذكاء الاصطناعي ينسب كلامًا إلى شخص حقيقي لم يقله، بغرض الخداع أو الاحتيال أو التشهير. الفرق بينه وبين الاستنساخ المشروع هو الموافقة والشفافية.
إعادة تسجيل جملة أو مقطع بعد انتهاء الجلسة لتصحيح خطأ أو تعديل في النص، مع مطابقة الصوت والنبرة لبقية التسجيل. مع الصوت المولد تصبح إعادة التوليد لجملة واحدة بدل حجز جلسة جديدة.
محاولة واحدة لقراءة النص أو جزء منه، سواء سجلها معلق أو ولّدتها أداة صوت. عادةً تُسجل أو تُولد عدة تسجيلات ويُختار أفضلها أو يُجمع بين أجزائها.
تشوّه يحدث حين يتجاوز الصوت أقصى مستوى يستطيع الملف تمثيله (0 dBFS)، فتُقص قمم الموجة ويصبح الصوت خشنًا. لا يمكن إصلاحه بالكامل بعد حدوثه، فالحل خفض المستوى قبل التسجيل أو التصدير.
علامات الحركات التي توضع على الحروف العربية: الفتحة والضمة والكسرة والسكون والشدة والتنوين. أغلب النصوص العربية تُكتب بلا تشكيل، فيخمّن محرك تحويل النص إلى صوت طريقة القراءة، وتشكيل الكلمات الملتبسة وحدها يحسم نطقها.
إنشاء صوت اصطناعي جديد من وصف مكتوب، مثل العمر والنبرة والطابع، دون تسجيلات لأي شخص. يناسب من يريد صوتًا مميزًا لعلامته دون استنساخ صوت إنسان حقيقي.
أن تبدأ الجملة المدبلجة وتنتهي في الوقت نفسه تقريبًا الذي تبدأ وتنتهي فيه الجملة الأصلية. الترجمة العربية تطول أحيانًا عن الإنجليزية، فتُختصر الصياغة لتناسب المدة بدل تسريع الصوت.
الخطوة التي يحوّل فيها محرك الصوت الأرقام والتواريخ والعملات والاختصارات إلى كلمات قبل قراءتها. في العربية تزيد صعوبتها بسبب تذكير العدد وتأنيثه وإعرابه.
صوت راوٍ لا يظهر على الشاشة، يشرح أو يروي أو يقنع فوق الصور أو الفيديو. يُستخدم في الإعلانات والفيديوهات التعليمية والوثائقيات ومحتوى السوشال.
تقسيم التسجيل حسب المتحدث للإجابة عن سؤال «من تكلم ومتى؟»، فيُكتب النص على شكل أدوار: المتحدث 1، المتحدث 2.
الطريقة التي يرتفع بها الصوت وينخفض ويسرع ويتمهّل ويضغط على كلمات بعينها. هو ما يفرّق بين جملة تبدو سؤالًا أو تأكيدًا أو حماسًا، وأكثر ما يكشف الصوت الآلي ضعيف الجودة.
معالجة تزيل أو تخفف الأصوات غير المرغوبة مثل الطنين والهواء والصدى من تسجيل الكلام. الأدوات الحديثة بالذكاء الاصطناعي تفصل الصوت البشري عن الخلفية، لكن الإفراط فيها يجعل الصوت معدنيًا.
الملاحظات التي تصف كيف يُقرأ النص: النبرة والسرعة والطاقة والكلمات التي يُضغط عليها والجمهور المقصود. توضع في رأس النص أو بين قوسين قبل الجملة المعنية.
تكييف المحتوى كاملًا لسوق معيّنة: اللغة واللهجة والعملة والتواريخ والأمثلة والصور والمراجع الثقافية، لا الترجمة وحدها.
أقصى عدد من الطلبات يُسمح بإرسالها للواجهة البرمجية في فترة زمنية محددة. عند تجاوزه يرد الخادم عادةً برمز الخطأ 429، فيُعاد الطلب بعد انتظار قصير.
الإذن باستخدام الصوت المولّد في أعمال تجارية مثل الإعلانات والفيديوهات المربحة ومشاريع العملاء. تحددها شروط المنصة والخطة التي تستخدمها، فراجعها قبل نشر أي عمل تجاري.
تقنية تخفض مستوى الموسيقى تلقائيًا كلما بدأ الكلام، ثم تعيده حين يتوقف، فيبقى التعليق مسموعًا دون ضبط يدوي لكل جملة.
اللهجات المحكية في المغرب والجزائر وتونس، وفيها أثر واضح من الأمازيغية والفرنسية. يصعب على كثير من سكان المشرق والخليج فهمها بسرعة، لذلك تحتاج الحملات الموجهة للمنطقتين معًا إلى نسختين.
استبدال الكلام الأصلي في فيديو بكلام بلغة أو لهجة أخرى مع مطابقة التوقيت قدر الإمكان، بخلاف الترجمة النصية التي تكتب الترجمة على الشاشة.
نسخة من مسلسل أنمي ياباني بأصوات بلغة ثانية بدل الأصوات اليابانية. الجمهور العربي تعرّف على أنمي مثل المحقق كونان ودراغون بول وون بيس من خلال الدبلجة العربية.
استبدال أصوات شخصيات الكرتون بأصوات بلغة أو لهجة ثانية، مع مطابقة المشاعر والتوقيت. الدبلجة العربية للكرتون في الثمانينات والتسعينات كانت غالبًا بالفصحى المبسطة، ولهذا صارت جزءًا من ذاكرة جيل كامل.
الجملة التي تخبر المستمع بالخطوة التالية تحديدًا: اطلب، احجز، اتصل، زر الرابط. تأتي في نهاية الإعلان عادةً، وتكون أقوى إن كانت فعلًا واحدًا واضحًا.
عدد البكسلات في إطار الفيديو. 720p تعني 1280×720، و1080p تعني 1920×1080، و4K تعني 3840×2160؛ وفي الفيديو العمودي تنقلب الأرقام، فيكون 1080p مثلًا 1080×1920.
نظام هاتفي يرحّب بالمتصل ويقدّم له قائمة خيارات يختار منها بالضغط على الأرقام أو بالكلام، ثم يوجهه إلى القسم المناسب أو يسمعه معلومة مسجّلة.
التسجيل الذي يسمعه المتصل أثناء انتظاره الرد، وعادةً يمزج الموسيقى برسائل قصيرة عن الخدمات والعروض وتطمينات بأن مكالمته مهمة.
كل مقطع صوتي مسجل يسمعه المتصل في النظام الهاتفي: الترحيب والقائمة ورسائل الخطأ والانتظار والإغلاق. تُسجل أو تُولد كملفات منفصلة ثم تُرفع إلى نظام الاتصالات.
رسالة صوتية تُشغل حين يتصل العميل بعد انتهاء الدوام أو في الإجازات، تخبره بمواعيد العمل وتعطيه بديلًا كالموقع أو واتساب أو رقم الطوارئ.
في التعليق الصوتي البشري، مبلغ يُدفع للمعلق مقابل استخدام تسجيله في وسائل ومدة ومنطقة محددة، فوق أجر التسجيل نفسه. إعلان تلفزيوني لسنة في عدة دول يكلف أكثر من فيديو داخلي.
وحدات الاستهلاك في فوكلا، تُخصم عند توليد الصوت والفيديو وغيرهما بحسب الميزة وطول المحتوى. الخطة المجانية فيها 500 رصيد شهريًا، وStarter فيها 5,000، وProfessional فيها 80,000.
الوقت بين إرسال الطلب ووصول أول جزء من الصوت. في الملفات المسبقة مثل الإعلانات لا يهم كثيرًا، أما في المساعدات الصوتية والمكالمات الحية فيجب أن يكون قصيرًا جدًا حتى لا يشعر المستخدم بصمت محرج.
أسلوب سرد يذكّر بكرتون التسعينات المدبلج على القنوات العربية: صوت عميق ودافئ بالفصحى الواضحة، وجمل ملحمية قصيرة، وافتتاحية تشد الطفل، وخاتمة فيها عبرة أو تشويق للحلقة الجاية.
لقطات الحلقة الثابتة مرتبة مع جملها بأصواتها، تراجعها قبل الإنتاج. في استوديو الكرتون في فوكلا هي آخر محطة مراجعة قبل الخصم، وتقدر تعيد رسم أي لقطة مجانًا حتى 30 مرة في الحلقة.
أداة تحوّل فكرة مكتوبة إلى حلقة كرتون متحركة: تكتب السيناريو وتوزع الأدوار وترسم اللقطات وتضيف الأصوات والمؤثرات والموسيقى والترجمة، بدون رسم أو مونتاج.
حدة مزعجة في أصوات السين والشين والصاد والزاي تبرز في التسجيل أكثر من الكلام الطبيعي. تُخفف بأداة «دي-إيسر» أو بتغيير زاوية الميكروفون.
أي صوت يولده الحاسوب بدل تسجيله من إنسان مباشرة، سواء كان صوتًا جاهزًا من مكتبة أو مصممًا من وصف أو مستنسخًا من شخص بموافقته.
الصوت اللي يحكي القصة من برا الأحداث: يفتتح الحلقة، ويربط المشاهد، ويختم بالعبرة أو «يتبع». يكون عادة دافئًا وثابتًا وأبطأ من أصوات الشخصيات.
الصوت اللي يميّز شخصية كرتون عن غيرها، ويتكون من طبقة الصوت وسرعته وطاقته ولهجته ونبرته العاطفية. في الكرتون المولّد بالذكاء الاصطناعي تاخذ كل شخصية صوتًا ثابتًا يرافقها في كل الحلقات.
الصوت الثابت الذي تستخدمه العلامة في إعلاناتها ورسائل هاتفها وفيديوهاتها حتى يتعرف عليها الجمهور بالسمع. قد يكون صوتًا من المكتبة أو مصممًا أو مستنسخًا من متحدث وافق على ذلك.
الصوت الهاتفي التقليدي بمعدل عينة 8 كيلوهرتز، ينقل تقريبًا الترددات بين 300 و3,400 هرتز فقط، لذلك يبدو الصوت أضيق وأقل وضوحًا. المكالمات عالية الوضوح (HD Voice) تستخدم 16 كيلوهرتز.
أوقات مرفقة بالنص المفرّغ تحدد متى قيلت كل جملة أو كلمة في التسجيل. هي ما يسمح بتحويل التفريغ إلى ترجمة متزامنة مع الفيديو.
مقياس لسرعة القراءة يُستخدم لتقدير مدة التعليق الصوتي من طول النص. التعليق الإنجليزي يدور غالبًا حول 150 كلمة في الدقيقة، أما العربية فتسجل عددًا أقل لأن كثيرًا من كلماتها تلتصق بها الضمائر وحروف الجر.
الصيغة الموحدة الحديثة من العربية، المستخدمة في الأخبار والكتب والوثائق الرسمية والتعليم في كل الدول العربية. يفهمها الجمهور في كل مكان، لكنها تبدو أكثر رسمية من اللهجات في الإعلانات ومحتوى السوشال.
كتابة العربية بحروف لاتينية وأرقام تمثل الحروف غير الموجودة في الإنجليزية: 3 للعين و7 للحاء و5 للخاء و2 للهمزة. شائعة في الرسائل، لكن محركات تحويل النص إلى صوت تقرأ النص العربي المكتوب بالحروف العربية بدقة أعلى بكثير.
إشارة مخفية تُدمج في الملف الصوتي لا تسمعها الأذن، لكن يمكن لأدوات خاصة كشفها لمعرفة أن الصوت مولّد أو لتتبع مصدره.
عدد البتات التي تصف كل عينة صوتية، ويحدد المدى بين أهدأ صوت وأعلاه قبل التشوه. 16 بت هو معيار الأقراص المدمجة، و24 بت شائع في التسجيل والمونتاج لأنه يترك هامشًا أكبر.
التسجيل الذي تُستنسخ منه نسخة صوتك. كلما كان نظيفًا بلا ضجيج أو موسيقى أو صدى، وبأداء قريب من الاستخدام المقصود، كانت النسخة أدق.
أصغر وحدة صوتية تغيّر معنى الكلمة إذا تبدلت. بعض أدوات تحويل النص إلى صوت تسمح بكتابة النطق بالفونيمات لضبط كلمة يقرؤها المحرك خطأ.
محتوى فيديو لا يظهر فيه صاحبه، ويعتمد على تعليق صوتي ولقطات أو مشاهد مولدة وترجمة على الشاشة. شائع في قنوات المعلومات والقصص والمراجعات.
قائمة تحفظ فيها طريقة نطق كلمات بعينها، مثل أسماء العلامات والأشخاص والمصطلحات الأجنبية، فيطبقها المحرك تلقائيًا في كل مرة تظهر فيها الكلمة.
لغة ترميز قياسية مبنية على XML نشرها اتحاد W3C للتحكم في الكلام المولّد: الوقفات والتشديد والسرعة وطبقة الصوت وطريقة قراءة الأرقام والتواريخ. يختلف دعم وسومها من محرك إلى آخر.
لقطات إضافية تُعرض فوق الكلام أو التعليق لتوضيحه أو كسر الرتابة، مثل لقطات المنتج والمكان والتفاصيل، بخلاف اللقطة الرئيسية للمتحدث.
الصيغة المحكية من العربية في بلد أو منطقة معيّنة، مثل السعودية والإماراتية والكويتية والمصرية والشامية. تختلف اللهجات في النطق والمفردات وبعض القواعد، واختيار لهجة الجمهور يجعل الصوت قريبًا منه.
لهجة مخففة تتجنب الكلمات المحلية جدًا وتقترب من الفصحى في المفردات مع بقاء النطق والإيقاع العاميين، ليفهمها جمهور أوسع. تُستخدم كثيرًا في الإعلانات الموجهة لعدة دول خليجية.
لهجة غرب السعودية في جدة ومكة والمدينة، وتختلف عن النجدية في النطق والمفردات. من كلماتها «إيش» و«أبغى» و«دحين».
اسم جامع للهجات دول الخليج: الكويت والإمارات وقطر والبحرين وعُمان وشرق السعودية. تتقارب في كثير من المفردات مثل «وايد» و«شلون»، لكن لكل بلد طابعه الذي يلتقطه السامع المحلي فورًا.
لهجات بلاد الشام: سوريا ولبنان والأردن وفلسطين، وبينها فروق واضحة لكنها تشترك في مفردات مثل «شو» و«بدّي» و«هلّق» و«كتير». تُعد ناعمة وقريبة في الإعلانات ومحتوى السوشال.
لهجة مصر، والقاهرية تحديدًا، وهي من أوسع اللهجات فهمًا في العالم العربي بفضل السينما والدراما. تنطق الجيم «g» والقاف همزة في الغالب، ومن كلماتها «عايز» و«دلوقتي» و«كده».
لهجة وسط السعودية، في الرياض والقصيم وما حولهما، وهي الأقرب لما يسمعه أغلب الناس على أنه «سعودي». من سماتها نطق القاف قريبة من «g» الإنجليزية في كثير من الكلمات، ومفردات مثل «وش» و«أبي» و«الحين».
تقسيم الفيديو إلى مشاهد مرتبة، لكل مشهد وصف بصري والجملة المقابلة من النص ومدتها. في الفيديو المولد بالذكاء الاصطناعي تراجع اللوحة وتعتمدها قبل التوليد، فتوفر وقتًا ورصيدًا.
مطابقة الكلام المدبلج لحركة شفاه المتحدث على الشاشة. بعض الأدوات تعدّل التوقيت والنص فقط، وأخرى تعدّل صورة الفم نفسها بالذكاء الاصطناعي، وتظهر أهميتها في اللقطات القريبة للوجه.
إرفاق أكثر من مسار صوتي بلغات مختلفة بالفيديو نفسه، فيختار المشاهد اللغة من المشغل بدل نشر نسخة منفصلة لكل لغة. توفر هذه الميزة منصات مثل يوتيوب لعدد من القنوات.
وحدة لقياس الجهارة المسموعة للملف كله كما تدركها الأذن، لا أعلى قمة فيه فقط. البث التلفزيوني الأوروبي يستهدف −23 LUFS، ومنصات البث تضبط الملفات قرب −14 LUFS، والبودكاست غالبًا قرب −16.
مستوى الصوت المتبقي في التسجيل حين لا يتكلم أحد: مكيف أو مروحة حاسوب أو شارع. كلما انخفض كان التسجيل أنظف، ومعيار الكتب الصوتية في منصة ACX مثلًا ألا يتجاوز −60 dB.
اختيار صوت للنسخة المدبلجة يشبه المتحدث الأصلي في الجنس والعمر والطاقة والطابع، أو إعادة إنتاج صوته نفسه بلغة أخرى بموافقته، حتى لا يشعر المشاهد بانفصال بين الوجه والصوت.
عدد الصور التي تُعرض في الثانية (fps). 24 إطارًا يعطي إحساسًا سينمائيًا، و25 و30 شائعة في التلفزيون والسوشال، و60 للحركة السريعة.
كمية البيانات المستخدمة لكل ثانية من الصوت، وتُقاس بالكيلوبت في الثانية (kbps). كلما ارتفع في الملفات المضغوطة مثل MP3 زادت الجودة وكبر الحجم.
عدد المرات التي يُقاس فيها الصوت في الثانية عند حفظه رقميًا، ويُقاس بالكيلوهرتز. خطوط الهاتف التقليدية تعمل غالبًا على 8 كيلوهرتز، والموسيقى على 44.1 كيلوهرتز، والفيديو عادةً على 48 كيلوهرتز.
المقياس الأشهر لدقة تحويل الكلام إلى نص: مجموع الكلمات المستبدلة والمحذوفة والمضافة مقسومًا على عدد كلمات النص الصحيح. كلما انخفض كان أفضل، وفي العربية يتأثر أيضًا بطريقة كتابة الهمزات والتاء المربوطة.
أداة تأخذ تسجيلًا بصوتك وتعيد إخراجه بصوت آخر مع الحفاظ على أدائك: الإيقاع والوقفات والمشاعر. تُسمى تقنيًا تحويل الكلام إلى كلام (speech to speech).
رمز سري يعرّف حسابك عند الاتصال بالواجهة البرمجية ويُحتسب عليه الاستهلاك. يُحفظ في الخادم وليس في كود التطبيق أو الموقع الظاهر للمستخدمين.
عدد الأشخاص الذين يمكنهم الدخول إلى حساب الخطة نفسها والعمل عليه، كل بحسابه. خطة Professional في فوكلا تشمل 3 مقاعد.
مجموعة الأصوات الجاهزة التي توفرها المنصة، مصنفة عادةً حسب اللغة واللهجة والجنس والعمر والنبرة، لتختار منها دون تسجيل أو استنساخ.
صيغة صوتية مضغوطة تحذف أجزاء من الصوت يصعب على الأذن ملاحظتها، فيصغر الحجم كثيرًا مقابل خسارة بسيطة في الجودة. مناسبة للنشر على الويب والسوشال، لا للتعديل المتكرر.
صيغة نصية بسيطة للترجمة على الشاشة: كل سطر مرقّم ومعه وقت ظهوره واختفائه. تقبلها معظم منصات الفيديو وبرامج المونتاج، وتشبهها صيغة VTT المستخدمة في مشغلات الويب.
صيغة ترجمة نصية من W3C مصممة لمشغلات الفيديو على الويب. تشبه SRT لكن تبدأ بسطر WEBVTT وتستخدم النقطة بدل الفاصلة قبل أجزاء الثانية، وتدعم تنسيقًا وتحديد موضع أكثر.
صيغة ملف صوتي تحفظ الصوت عادةً بلا ضغط، فتحتفظ بكامل الجودة لكن حجمها أكبر بكثير من MP3. تُفضَّل للمونتاج وأنظمة الهاتف وأي ملف ستعدّله لاحقًا.
الجزء من إطار الفيديو الذي لا تغطيه أزرار التطبيق واسم الحساب والوصف. في تيك توك والريلز تُغطى أجزاء من الأسفل والجانب، فتوضع الترجمة والنص المهم بعيدًا عنها.
إذن واضح وموثّق من الشخص قبل استنساخ صوته أو استخدامه، يحدد ما يجوز فعله بالصوت ولأي غرض ولأي مدة. بدونها لا يجوز استنساخ صوت أحد، حتى لو كانت تسجيلاته منشورة للجميع.
مقطوعة تُوضع تحت التعليق الصوتي لتضبط المزاج والإيقاع دون أن تنافس الكلام. يجب أن تكون مرخصة للاستخدام، وبمستوى أخفض بوضوح من الصوت.
نسخة مبسطة من الرد الآلي تستقبل المكالمة وتحولها إلى القسم أو التحويلة المناسبة حسب الرقم الذي يضغطه المتصل، دون الاستعلام عن بيانات أو تنفيذ خدمات.
أداة تحوّل النص إلى كلام بصوت شخصية كرتون، مثل البطل أو الشرير أو الراوي، بدل تسجيل ممثل صوت. بعض المولدات تولّد جملًا منفصلة، وبعضها جزء من استوديو كرتون يعرف السيناريو ومين يتكلم.
النسبة بين عرض الفيديو وارتفاعه. 9:16 عمودي لتيك توك والريلز والشورتس وسناب، و16:9 أفقي ليوتيوب والشاشات، و1:1 أو 4:5 لمنشورات الخلاصة.
النص المكتوب ليُسمع لا ليُقرأ: جمل قصيرة، كلمة رئيسية في كل جملة، وأرقام وأسماء مكتوبة كما تُنطق، مع ملاحظات للنبرة والوقفات بين الأقواس.
النغمات التي يرسلها الهاتف عند ضغط الأرقام، وكل زر يرسل نغمتين بترددين مختلفين في الوقت نفسه (Dual-Tone Multi-Frequency). هي ما يقرأه نظام الرد الآلي ليعرف اختيار المتصل.
استخدام عناصر صوتية ثابتة لتمييز العلامة: صوت معلق واحد، ولحن قصير، ونغمة ترحيب، وأسلوب كلام، في كل نقطة يسمع فيها العميل العلامة.
طريقة يرسل بها تطبيقك النص إلى خدمة الصوت برمجيًا ويستلم الملف الصوتي، دون استخدام الواجهة يدويًا. تناسب توليد آلاف الرسائل أو الصوت داخل تطبيق أو نظام اتصال.
رسمة مرجعية للشخصية من عدة زوايا بملابسها وألوانها الثابتة، يرجع لها الرسم في كل لقطة وكل حلقة حتى تبقى الشخصية نفسها. طواقم السلاسل الجاهزة تجي بأوراقها مجانًا.
نظام يحاور المستخدم بالصوت في الوقت الحقيقي، يجمع بين تحويل الكلام إلى نص ونموذج لغوي يفهم ويرد وتحويل النص إلى صوت. يحتاج زمن استجابة منخفضًا وفهمًا جيدًا للهجة المتصل.
رابط في نظامك تستدعيه الخدمة تلقائيًا حين تنتهي مهمة طويلة، بدل أن يسأل نظامك كل بضع ثوانٍ هل انتهت. شائع في المهام البطيئة مثل الدبلجة وتوليد الفيديو.
طريقتان لضغط مستويات الصوت في ترميز G.711 بحيث تُحفظ الأصوات الهادئة بدقة أعلى. μ-law مستخدم في أمريكا الشمالية واليابان، وA-law في أوروبا ومعظم بقية العالم، والخطأ بينهما يجعل الرسالة مشوشة.
اكتب نصك، واختر اللهجة والصوت، ونزّل الملف خلال دقائق. ابدأ مجانًا، والباقات المدفوعة من 1$ شهريًا.