تحويل النص إلى كلام بالمشاعر: لماذا يهم وكيف توجّهه

تحويل النص إلى كلام العاطفي هو كلام اصطناعي يغيّر نبرته وسرعته وعلوّه ووقفاته وطبيعة صوته لينقل شعورًا لا الكلمات وحدها. وهو مهم لأن المستمع يستمد جزءًا كبيرًا من المعنى من طريقة القول: فالجملة الواحدة قد تبدو خبرًا سارًّا أو تحذيرًا أو مزحة. وتستنتج أصوات الذكاء الاصطناعي الحديثة قدرًا كبيرًا من العاطفة من السياق بنفسها، لذا فالمهارة العملية الآن هي التوجيه: أن تقرر أين تفيد العاطفة، وأن تقودها سطرًا بسطر، وأن تحافظ على ثباتها.

ما تحويل النص إلى كلام العاطفي؟

كانت مهمة تحويل النص إلى كلام في بدايته واحدة: أن تُنطق الكلمات نطقًا مفهومًا. وكانت الأنظمة القديمة تلصق مقاطع مسجّلة بعضها ببعض أو تولّد الكلام من قواعد، فتخرج قراءة ثابتة محايدة. وكان التعبير مقصورًا على ما تستطيع علامات الترقيم أن تثيره، كارتفاع النبرة في السؤال.

ثم غيّرت الأصوات العصبية ذلك. فهي تتعلم التنغيم (لحن الكلام وإيقاعه ونبره) من كميات كبيرة من الكلام المسجَّل، وتقرأ معنى الجملة لا هجاءها فقط. والأداء العاطفي اليوم يصلك بثلاث طرق:

1. مستنتَج من النص. يقرأ الصوت «فزنا!» على نحو يختلف عن «خسرنا.» دون أي تعليمات.
2. توجّهه أنت. تضبط السرعة أو النبرة أو الوقفات أو أسلوب الكلام لسطر ما.
3. تؤدّيه أنت. تسجّل السطر بنفسك فيعيد مغيّر الصوت أداءك بصوت آخر.

وأفضل النتائج في الغالب تجمع الطرق الثلاث.

كيف يعبّر الصوت عن العاطفة؟

العاطفة في الكلام ليست إعدادًا واحدًا. إنها حزمة إشارات يقرؤها المستمع معًا:

• مستوى النبرة ومداها: كم يعلو الصوت وكم يتحرك.
• السرعة والإيقاع: مدى السرعة، ومدى الانتظام.
• الوقفات: مواضعها ومدتها.
• العلوّ والتشديد: أي الكلمات تُبرَز.
• طبيعة الصوت: مهموس، أو متوتر، أو ناعم، أو مشرق.

أنماط عامة لبعض العواطف الشائعة:

هذه ميول لا قواعد. فقد يكون الغضب البارد خافتًا بطيئًا، وتختلف الأصوات بعضها عن بعض.

مثال عملي

خذ سطرًا واحدًا: «نحتاج أن نتحدث عن النتائج.»

• خبر سارّ: نبرة أكثر إشراقًا، وارتفاع عند «النتائج»، وابتسامة خفيفة في الصوت.
• خبر سيئ: أخفض وأبطأ، ووقفة قبل «النتائج».
• انزعاج: مقطّع، مع تشديد ثقيل على «نحتاج».

الكلمات واحدة. والقراءة المسطّحة لا تعطي المستمع شيئًا من هذه المعلومات، ولهذا يتعب السرد الرتيب في المقاطع الطويلة.

أين تفيد العاطفة في الأداء، وأين لا تفيد؟

تفيد العاطفة حين يحتاج المستمع إلى متابعة أشخاص أو رهانات أو قصة:

• الكتب الصوتية والقصص، حيث يجب أن يبدو الحوار بين الشخصيات كناس يتحدثون. راجع الكتب الصوتية.
• الألعاب، حيث تتفاعل الشخصيات مع الأحداث. راجع الألعاب.
• الإعلانات وفيديوهات العلامات التجارية، حيث تحمل الطاقة والدفء الرسالة.
• سيناريوهات التعليم الإلكتروني، مثل محادثة عميل تُمثَّل في دورة تدريبية.

أما الأداء المحايد الهادئ فهو الأفضل عادةً في:

• القوائم الهاتفية، حيث الوضوح أهم من الشخصية.
• النصوص القانونية ونصوص السلامة، حيث تبدو أي عاطفة تزييفًا.
• الملخصات الإخبارية، حيث يتوقع المستمع الحياد.

الهدف هو العاطفة المناسبة بالقوة المناسبة، لا أقصى قدر من العاطفة.

كيف توجّه العاطفة في تحويل النص إلى كلام بالذكاء الاصطناعي؟

اكتبها في النص

النص نفسه أقوى إشارة. فجملة «انتظر. ماذا فعلت؟» ستُقرأ بدهشة أكبر من «انتظر ماذا فعلت». والجمل القصيرة تبدو مستعجلة، والأطول تبدو هادئة. والسياق مهم: فالسطر الذي يلي «أغلقت الباب بعنف.» يُقرأ على نحو يختلف عن السطر نفسه بعد «ابتسمت.» كما أن علامات السرد مثل همست تدفع كثيرًا من الأصوات في الاتجاه نفسه، وإن كنت ستحذفها غالبًا من النص النهائي.

استخدم عناصر التحكم في الأداء سطرًا بسطر

في استوديو Leelo لكل سطر إعداداته الخاصة للسرعة والنبرة والوقفات والأسلوب، فيمكنك إبطاء سطر حزين واحد دون إبطاء الفصل كله. ويشرح دليل توجيه الأداء كل عنصر تحكم.

ولّد عدة قراءات واختر الأفضل

تتفاوت الأصوات المعبّرة من توليد إلى آخر، وهذا مفيد. ولّد قراءتين أو ثلاثًا لسطر مهم (قراءات متعددة) واحتفظ بالتي تصيب الهدف. فأنت تعيد توليد ذلك السطر وحده، لا المشهد كله.

أدِّ السطر بنفسك

حين تسمع بوضوح كيف ينبغي أن يُقال السطر لكنك لا تنجح في دفع الصوت إليه، سجّله بنفسك ومرّره عبر مغيّر الصوت. فتحويل الكلام إلى كلام يحتفظ بتوقيتك وتشديدك وشعورك ويمنحها للصوت المستهدف. وهي أدق طريقة للحصول على أداء بعينه.

اختر صوتًا بالمدى المناسب

بعض الأصوات مصمَّم للسرد الهادئ ويبدو مجهدًا إذا دُفع إلى الغضب، وبعضها حيوي بطبعه. اختر ما يناسب المدى العاطفي الذي يحتاجه المشروع، أو أنشئ صوتًا من وصف مثل «راوية دافئة بنبرة مبحوحة قليلًا في الخمسينيات من عمرها»؛ راجع تصميم صوت.

دع المؤثرات والموسيقى تؤدي جزءًا من العمل

خلفية موسيقية خافتة تحت مشهد حزين أو مؤثر صوتي قبل الكشف تتيح للصوت أن يبقى طبيعيًا بدل المبالغة في التمثيل. وفي الاستوديو مساران منفصلان للموسيقى والمؤثرات؛ راجع إضافة الأصوات والموسيقى.

مثال عملي: مشهد بشخصيتين

1. عيّن متحدثًا لكل سطر، فيتبادل الحوار بين صوتين في مشروع واحد.
2. ولّد المشهد كله مرة بلا توجيهات واستمع إليه من أوله إلى آخره.
3. علّم الأسطر الثلاثة أو الأربعة الأهم، مثل الشجار أو الكشف.
4. أعد كتابة هذه الأسطر للأذن، ثم اضبط السرعة والوقفات.
5. ولّد قراءتين لكل منها واحتفظ بالأفضل.
6. أضف خلفية موسيقية هادئة وصوت باب يُغلق، ثم صدّر بصيغة MP3 أو WAV.

ما الذي يسوء في تحويل النص إلى كلام العاطفي؟

• المبالغة في التمثيل. كل سطر مدفوع إلى أقصاه يبدو كصوت إعلان فيلم. احتفظ بالعاطفة القوية للّحظات التي تحتاجها.
• التذبذب بين الأسطر. شخصية غاضبة في سطر ومرحة على نحو غريب في السطر التالي. استمع إلى المشاهد بالتتابع، لا إلى كل سطر معزولًا.
• عاطفة خاطئة من السياق المحلي. قد يبدو الصوت راضيًا وهو يقرأ «رائع.» والشخصية تسخر. أضف سياقًا أو وجّه السطر.
• الإرهاق في المقاطع الطويلة. حتى السرد المعبّر الجيد قد يبدو متكلّفًا على مدى ساعة. نوّع طول الجمل واجعل صوت الراوي أهدأ من الشخصيات.
• عاطفة تعارض المضمون. الحماسة المرحة في إشعار بزيادة الأسعار تبدو غير مبالية بالمستمع.

هل صوت الذكاء الاصطناعي العاطفي مقبول أخلاقيًا؟

تثير الأصوات المعبّرة أسئلة لم تكن الأصوات المسطّحة تثيرها:

• التلاعب. الاستعجال أو الدفء المصطنع لدفع المستمع إلى الشراء هو الأسلوب نفسه في الكلام البشري، والجمهور يلاحظه.
• الإفصاح. حين يحق للمستمعين أن يظنوا أنهم يسمعون شخصًا حقيقيًا، كما في الخطوط الهاتفية، قل إن الصوت اصطناعي.
• الموافقة. استنساخ صوت شخص حقيقي يتطلب إذنه مهما كان المدى العاطفي جيدًا. ويتناول مقال أخلاقيات أصوات المشاهير هذا بتفصيل أكبر.

إلى أين يتجه تحويل النص إلى كلام العاطفي؟

الاتجاه نحو مزيد من التحكم لا مزيد من العاطفة التلقائية: توجيه أدق للكلمات المفردة، وثبات أفضل للشخصية على امتداد كتاب كامل، ودبلجة تنقل شعور الأداء الأصلي إلى لغة أخرى. والثابت أن أحدًا ما لا يزال عليه أن يقرر ما ينبغي أن يشعر به كل سطر. وذلك عمل إخراجي، ويبقى بين يديك.

الأسئلة الشائعة

هل تبدو أصوات الذكاء الاصطناعي عاطفية فعلًا؟

نعم. تغيّر الأصوات العصبية الحديثة نبرتها وسرعتها وطابعها استجابةً للنص ولتوجيهاتك، ويمكن أن تبدو بوضوح سعيدة أو حزينة أو متوترة أو هادئة. وهي أقوى في العواطف القصيرة الواضحة، وتحتاج إلى توجيه أكبر في الدقيق منها كالسخرية.

كيف أجعل صوت تحويل النص إلى كلام يبدو متحمسًا أو حزينًا؟

ابدأ بالنص: جمل قصيرة قوية للحماسة، وأبطأ وأطول للحزن. ثم اضبط السرعة والنبرة والوقفات لذلك السطر، وولّد عدة قراءات. وإن لم يصب الهدف بعد، فسجّل السطر بنفسك واستخدم تحويل الكلام إلى كلام.

هل أحتاج SSML للتحكم في العاطفة؟

لا. SSML معيار ترميز تستخدمه بعض الأدوات للوقفات والتنغيم، لكنك في استوديو Leelo تضبط الأداء لكل سطر بعناصر تحكم بسيطة، فلا حاجة إلى كتابة أي ترميز.

هل تحويل النص إلى كلام العاطفي جيد بما يكفي للكتب الصوتية؟

لكثير من الكتب الصوتية، نعم، خاصة مع صوت مختلف لكل شخصية رئيسية وبعض التوجيه في المشاهد المحورية. استمع إلى فصول كاملة لا إلى أسطر منفردة، لتلتقط التذبذب بين الأسطر.

هل أخبر المستمعين أن الصوت العاطفي من الذكاء الاصطناعي؟

من الممارسات الحسنة أن تفعل ذلك حيثما قد يظن أحد أنه يسمع شخصًا حقيقيًا، كالخطوط الهاتفية أو الرسائل ذات الطابع الشخصي. والصراحة في ذلك قليلة الكلفة وتحمي الثقة.