اختر «Eleven v4» للحصول على سرد مكتمل؛ واختر «Eleven v4 Turbo» عندما يتعين على الصوت أن يستجيب مع تقدم المحادثة. وكلاهما ينتمي إلى عائلة v4 التعبيرية من ElevenLabs. والفرق المهم يكمن في طريقة التوصيل: ملف صوتي مُحسَّن مخصص للفيديو أو الكتاب الصوتي، مقابل خطاب مُبثَّب لمساعد صوتي لا يمكنه ترك المستمع في انتظار.
بالنسبة للمبدعين الذين ينتجون أكثر من مجرد محتوى صوتي،, جلوبال جي بي تي تي يجمع بين إنشاء النصوص الصوتية وكتابة النصوص والصور والفيديو ضمن نفس مساحة العمل الاشتراكية. وهذا يجعله نقطة انطلاق عملية وميسورة التكلفة لإنشاء حملة إعلانية متكاملة. قمنا بإنشاء موجهتين أوليتين ونص متابعة أكثر دقة باستخدام كل نموذج في GlobalGPT. وتُظهر الملفات الصوتية الستة أدناه خطأً شائعًا في صياغة الموجهات والحل العملي له.
نظرة سريعة على طرازي «إيليفن v4» و«v4 توربو»
تركز ElevenLabs في الإصدار v4 على الثراء العاطفي وجودة المحتوى النهائي، بينما تركز في الإصدار v4 Turbo على التعبير الصوتي في الوقت الفعلي. ولا يقتصر دور Turbo على مجرد وعد بأن كل ملف MP3 يتم تنزيله سيصل في وقت أسرع. فلكي يستفيد المستخدم من البث المباشر، يجب أن يقوم التطبيق فعليًّا بتسليم الصوت وتشغيله على شكل أجزاء.
| القرار | Eleven الإصدار 4 | إيليفن v4 توربو |
|---|---|---|
| المقاس الرئيسي | السرد، والكتب الصوتية، والمحتوى النهائي التعبيري | الكلام التخاطبي في الوقت الفعلي |
| المعرّف الرسمي للطراز | eleven_v4 | eleven_v4_turbo |
| الدعم اللغوي للأسرة | أكثر من 90 لغة | أكثر من 90 لغة |
| اتجاه التسليم | التوجيهات باللغة الطبيعية والعلامات التعبيرية المضمنة | التسليم التعبيري في سير عمل البث المباشر |
| مسار واجهة برمجة التطبيقات (API) الذي يجب التحقيق فيه | تحويل نص REST إلى حوار | نقل النص إلى حوار في الوقت الفعلي عبر WebSocket |
| التمييز بين الصوت والعدد في الإرشادات الحالية المتعلقة بالحوار | ما يصل إلى 10 أصوات فريدة في إدخال الحوار عبر REST | صوت واحد مسجل بالضبط في الدليل الفوري |
| مقياس زمن الاستجابة المنشور | لم يتم استخدام أي رقم مقارنة هنا | متوسط زمن الاستدلال يبلغ حوالي 100 مللي ثانية؛ ومتوسط الزمن حتى أول كلمة يبلغ حوالي 150 مللي ثانية، وفقًا لتقرير الإطلاق |
تم التحقق من الوثائق الرسمية ومعلومات الإطلاق في 13 أكتوبر 2026. دعم اللغات هو أحد مواصفات العائلة؛ ويعتمد عدد الأصوات على مسار واجهة برمجة التطبيقات (API).
جودة الصوت، والعاطفة، ودعم اللغات
في حالة القصة المسجلة، يكون لدى الصوت الوقت الكافي لترتيب الجملة: فقد تكون التوقفات، والتشديد، والتغير العاطفي أكثر أهمية من تأخير قصير في إنتاج الكلام. وهذه هي المهمة التي يكلف بها ElevenLabs الإصدار v4. أما الوكيل التخاطبي، فيواجه قيودًا مختلفة. فحتى الإجابة المقنعة تبدو غريبة إذا بدأت متأخرة جدًّا، لذا يركز Turbo على إنتاج كلام معبر بسرعة.
يقدم الإصدار v4 توجيهات الإلقاء باللغة الطبيعية وعلامات مضمنة للتعبير الصوتي والأصوات. فالتوجيه الذي ينص على “بداية هادئة تليها جملة ختامية متحمسة”، على سبيل المثال، يكون أكثر فائدة من طلب صوت «أفضل» بشكل غامض. احرص على الفصل بين النص المنطوق وتعليمات الأداء كلما وفرت الواجهة حقولًا منفصلة. وإلا، فقد يؤدي مربع النص العادي إلى تحويل التوجيهات إلى كلمات منطوقة.
- بالنسبة لوصف المنتج: تقييم اسم المنتج، والتوقف قليلاً عند المزايا الرئيسية، والتأكد من أن الجملة الأخيرة تبدو طبيعية.
- بالنسبة لمشاهد الشخصيات: استخدم مسارًا يتضمن تخصيصًا صريحًا للأصوات؛ فمجرد ذكر أسماء المتحدثين في موجه نصي لا يضمن وجود أصوات منفصلة.
- لأغراض الترجمة: يدعم كلا النموذجين أكثر من 90 لغة، لكن عليك اختبار اللغة واللكنة والأسماء والاختصارات المحددة في النص الخاص بك.
- بالنسبة للأصوات المستنسخة: استخدم صوتًا تملكه أو لديك إذنًا بإعادة إنتاجه، وقم بتأكيد الحساب ذي الصلة وحق الوصول إلى ميزة استنساخ الصوت.
تتضمن هذه المجموعة إمكانيات استنساخ الصوت، لكن الدعم الذي يوفره كل نموذج يختلف عن الحقوق التي يمنحها الاشتراك في أداة استنساخ معينة. اختر الصوت وطريقة الوصول أولاً، ثم قارن بين طرق التقديم. إذا كنت تستخدم بالفعل نموذجًا قديمًا للتعليق الصوتي، فإن مراجعة برنامج «Eleven Multilingual v2» يوفر معيارًا إضافيًا لاتخاذ قرار بشأن الهجرة.
ماذا يعني مصطلح “أسرع” بالنسبة لـ v4 Turbo
تقتبس وثائق النموذج ما يلي تقريبًا 100 مللي ثانية: متوسط زمن الاستجابة في عملية الاستدلال بالنسبة لـ v4 Turbo. ويقتبس منشور الإعلان ما يلي تقريبًا: 150 مللي ثانية: متوسط الوقت حتى أول كلمة. تصف هذه العناصر أجزاء مختلفة من مسار معالجة الصوت، ولا يُعد أي منها ضمانةً بأن ملف التعليق الصوتي الكامل سيتم تنزيله في جزء من الثانية.
قامت أمثلة GlobalGPT الخاصة بنا بقياس الوقت المستغرق لإتمام المهمة بالكامل، بما في ذلك وقت انتظار الملف الذي تم إنشاؤه. ولم تقم بقياس زمن انتقال الصوت الأول أو محادثة WebSocket. تُظهر النتائج سبب كون اختبار إنشاء الملف وحده طريقة غير موثوقة لتقييم سرعة الاستجابة في المحادثة: لم يكن Turbo هو الأسرع في إنجاز المهمة في أي من الزوجين الأصليين، لكنه أكمل المهمة التالية ذات النص الخالي من الأخطاء بشكل أسرع. ولا يُعد هذا التباين عبر ثلاثة أزواج صغيرة تصنيفًا ثابتًا للسرعة.
ستة أمثلة صوتية لـ GlobalGPT: التسجيلات الأولى وحل عملي
قمنا بتقديم موجهتين أوليتين مرة واحدة لكل نموذج في 13 أكتوبر 2026، ثم أضفنا زوجًا واحدًا من النصوص النظيفة بعد التحقق من النص المنطوق. أسفرت جميع الطلبات الستة عن ملفات MP3 قابلة للتشغيل؛ ولم يتم استبدال أي تسجيل بتسجيل جديد. كانت المطالبات متطابقة داخل كل زوج، لكن لم يتم تثبيت معرّف صوت مشترك. قمنا بالتحقق من مدة الملفات واستخدمنا أداة النسخ التلقائي المحلية لمقارنة الكلمات المنطوقة. ويهدف هذا الفحص إلى التحقق من المحتوى، وليس من مدى طبيعية النطق أو الجودة العاطفية.
المثال 1: مقدمة موجزة عن المنتج
اخلطت التعليمات الأولى بين توجيهات الأداء ونص الإعلان. يتضمن كلا النصين التعليمات الافتتاحية التالية: “اقرأ هذا العرض الموجز للمنتج ببدء هادئ وجملة ختامية حماسية”. وهذا يجعل هذه اللقطات الأولى غير مناسبة كإعلانات نهائية. في حقل النص العادي، اكتب الكلمات التي تريد نطقها؛ وضع إرشادات الأداء في حقل التحكم أو التوجيه المخصص لذلك.
المثال 2: مشهد قصير موجه
تتضمن الإرشادات الثانية توجيهات للمتحدثين وإشارة للضحك. تحتوي كلتا النصين على عبارة “المتحدث الأول، بنبرة دافئة” و“المتحدث الثاني، بثقة هادئة”. ولم يؤد كتابة هذه التسميات في إرشادات نصية عادية إلى إنشاء مشهد شخصيات واضح. بالنسبة لحوار الإنتاج، استخدم واجهة مدعومة تتضمن تخصيصًا صريحًا للأصوات، واحرص على فصل الأسطر المنطوقة عن التوجيهات المسرحية.
المثال 3: احتفظ فقط بالكلمات التي تريد نطقها
لأغراض المتابعة، قمنا بحذف مقدمة الفيديو وقدمنا النص الإعلاني فقط. وقد تطابقت النصوص التي تم إنشاؤها آليًّا مع الكلمات الواردة في النص الإعلاني بالترتيب الصحيح، دون التضمينات غير المرغوب فيها. وبلغت مدة الملفات الناتجة حوالي 11 ثانية. وتُعد هذه نقطة انطلاق أكثر فائدة لإنتاج فيديو قصير عن المنتج.
كلما كان المدخلات أنظف، كان النص المنطوق الناتج صالحًا للاستخدام
مرحبًا بكم في Acorn Studio. ابدأ بخطة واضحة، ثم قم بإعداد المسودة الأولى المفيدة. اليوم، يمكن لأفكارك أن تنتقل من صفحة فارغة إلى نتيجة متقنة.
- الجيل
- GlobalGPT · 13 أكتوبر 2026 · متابعة واحدة لكل نموذج، إعدادات الصوت الافتراضية
- مدة إنجاز المهمة
- الإصدار 4: 15.832 ثانية · وضع التوربو: 9.439 ثانية
- الناتج
- تم الانتهاء من كليهما؛ MP3، أحادي الصوت، 44.1 كيلوهرتز
- التحقق من المحتوى
- يتطابق كلا النصين التلقائيين مع تسلسل الكلمات المقدم، دون أي توجيه افتتاحي إضافي.
- الخطوة التالية
- اختر طريقة الإلقاء التي تفضلها، وتحقق من النطق من خلال الاستماع، وقم بمزامنة التسجيل مع العناصر المرئية.
يُعد هذا التحسين درسًا عمليًّا في كتابة النصوص الصوتية. ولا تزال طبيعية الصوت وتعبيره العاطفي تتطلب الاستماع؛ فهذا التقييم لا يقتصر على جودة الصوت بحد ذاته.
التسعير: قارن مسار العمل بأكمله، وليس مجرد اسم النموذج
تبيع ElevenLabs اشتراكات مزودة برصيد؛ بينما توفر GlobalGPT مساحة عمل اشتراكية متعددة النماذج. وهذه قرارات شراء مختلفة. قد يحتاج فريق إنتاج صوتي متخصص إلى أدوات الصوت وميزات الحساب التي يوفرها ElevenLabs. أما المبدع الذي يحتاج أيضًا إلى الكتابة والصور والفيديو، فيمكنه الحصول على تغطية أوسع لسير العمل من خلال مساحة عمل واحدة على GlobalGPT.
| خطة ElevenLabs | السعر الشهري العادي | الرصيد الشهري |
|---|---|---|
| مجاناً | $0 | 10,000 |
| المبتدئ | $6 | 30,000 |
| المبدع | $22 | 121,000 |
| محترف | $99 | 600,000 |
| المقياس | $299 | 1,800,000 |
المصدر: أسعار ElevenLabs, ، تم التحقق من ذلك في 13 أكتوبر 2026؛ لا تشمل الضرائب. عروض الشهر الأول وخصومات الفوترة السنوية مستقلة عن هذه الأسعار الشهرية العادية. يعتمد استخدام الائتمان على المنتج والطراز.
لا تقم بتحويل إجمالي رصيد الخطة مباشرةً إلى سعر بالدولار وفقًا لنظام v4 Turbo دون استخدام مضاعف الرصيد المطبق عليه. توضح الأسئلة الشائعة حول التسعير أن النسبة هي حرف واحد لكل رصيد بالنسبة للنماذج ذات الجودة الأعلى، وحوالي 1,000 حرف في الدقيقة كتقدير تقريبي. تعتمد المدة الفعلية على اللغة وسرعة الكلام والنص. يجب أن يتطابق الاستخدام الخاص بكل عارضة وأي سعر للائتمان الإضافي مع الباقة المختارة.
تتضمن الميزانية الواقعية للتسجيل الصوتي أيضًا عمليات المراجعة. بالنسبة لنص مكون من 1,200 حرف، فإن ثلاث لقطات كاملة تعني إنتاج 3,600 حرف قبل القيام بأي تسجيلات إضافية أقصر. إن تحسين النص أولاً يمكن أن يوفر جهدًا أكبر مقارنة بإعادة إنتاج مسودة ضعيفة مرارًا وتكرارًا. في جلوبال جي بي تي تي, ، يمكنك صقل هذا النص باستخدام نموذج كتابة، ثم الانتقال إلى مرحلة الإنتاج الصوتي والمرئي في نفس مساحة العمل.
مسارات واجهة برمجة التطبيقات (API)، وعدد المكالمات الصوتية، وحدود الطول
إذا كنت تعمل على تطوير تطبيق، فابدأ بمسار التسليم. تقبل نقطة نهاية REST «Text to Dialogue» مصفوفة مدخلات تحتوي على معرّفات نصية وصوتية، وتُرجع ملفات صوتية. أما WebSocket «Text to Dialogue» في الوقت الفعلي، فيقبل النصوص الواردة ويُصدر مقاطع صوتية. ولا يكفي اسم النموذج وحده لإضفاء طابع «مباشر» على تطبيق لا يعتمد على البث.
- النص النهائي للحوار: يدعم دليل REST ما يصل إلى 10 معرّفات صوتية فريدة. وتوصي إرشادات نقاط النهاية الخاصة به بأن لا يتجاوز طول النص المدخل المجمّع 2,000 حرف لكل طلب.
- Realtime Turbo: يسجل الدليل في الوقت الفعلي صوتًا واحدًا فقط. يبدأ التوليد بعد وجود مخزن مؤقت للنص يضم حوالي 40 حرفًا وثماني كلمات؛ ويمكن لرسالة «flush» أن تؤدي إلى توليد مقطع أقصر.
- النسخة المطولة v4: تشير جدول النموذج إلى حد أقصى يبلغ 10,000 حرف، أي ما يعادل حوالي عشر دقائق. ولا ينبغي أن يتجاوز هذا الرقم المحدد على مستوى النموذج أي توصية أقل من ذلك تتعلق بنقطة نهاية معينة.
- التفاعل المباشر: يؤثر إعداد الاتصال، وحركة مرور البيانات عبر الشبكة، وتخزين النص مؤقتًا، ومشغل الصوت، جميعها على زمن الاستجابة المُحسوس.
استخدم مرجع حوار REST للحصول على ملف متعدد الأصوات جاهز وملف دليل الحوار في الوقت الفعلي بالنسبة لمسار البث «Turbo». قم بمواءمة دعم النماذج وإعدادات الصوت مع نقطة النهاية قبل توسيع نطاق الدفعة. بالنسبة لأعمال المبدعين، يتيح لك سير عمل الصوت في GlobalGPT التركيز على النص والمواد النهائية بدلاً من إنشاء عميل بث.
سير عمل عملي للتعليق الصوتي في GlobalGPT
ابدأ بالنتيجة النهائية المطلوبة: إعلان مدته 15 ثانية، أو فيديو توضيحي مدته دقيقة واحدة، أو مقطع صوتي. اكتب النص المنطوق بحيث يتناسب مع تلك المدة قبل أن تطلب من نموذج الصوت أداءه. فالنص الموجز أسهل في المقارنة والمراجعة والمزامنة مقارنةً بمحاولة أولى طويلة.
- قم بصياغة النص في GlobalGPT. حدد الجمهور المستهدف، والمدة المستهدفة، وملاحظات النطق، ودعوة واحدة واضحة لاتخاذ إجراء.
- اختر نموذج الصوت وإعدادات الصوت المتاحة في مساحة العمل الخاصة بك. راجع تكلفة الإنشاء المعروضة قبل الإرسال.
- قم بتسجيل نسخة أولية قصيرة. انتبه إلى الكلمات الناقصة، والتوجيهات الصوتية غير المرغوب فيها، والأسماء، ووتيرة الكلام، والنهاية.
- قم بمراجعة الجملة الأضعف بدلاً من تغيير كل التعليمات دفعة واحدة. احتفظ بالنسخة المعتمدة للمقارنة.
- قم بتنزيل الملف الصوتي الذي اخترته ودمجه مع العناصر المرئية الخاصة بك. إذا كانت الحملة تتطلب عدة عناصر مترابطة،, GlobalGPT قماش يساعد في تنظيم سير العمل الإبداعي بشكل عام.
أيهما يجب أن تختار؟
للحصول على تعليق صوتي متقن يمكنك مراجعته وتحريره، ابدأ بـ Eleven الإصدار 4. ينصب تركيزه الرسمي على السرد، وتطوير الشخصيات، والمحتوى النهائي التعبيري. للحصول على مساعد يتحدث أثناء سير المحادثة، ابدأ بـ v4 توربو واختبره عبر مسار البث الذي سيستخدمه تطبيقك فعليًّا.
بالنسبة للمبدع الذي يعمل على إنتاج محتوى كامل، غالبًا ما يكون الخيار الأفضل هو اعتماد سير العمل الذي يتيح إنجاز النص والصوت والعناصر المرئية في آن واحد. جرب مسار عمل الصوت في الإصدار GlobalGPT, ، ابدأ بنص قصير، واختر اللقطة النهائية من خلال الاستماع إليها في السياق الذي ستُستخدم فيه.
الأسئلة المتداولة
هل الإصدار 4 من Eleven أفضل من الإصدار 4 Turbo؟
يُعد «Eleven v4» نقطة الانطلاق الطبيعية لتقديم سرد نهائي معبر. أما «v4 Turbo» فيعطي الأولوية للكلام التفاعلي في الوقت الفعلي. اختر ما يناسبك بناءً على ما إذا كنت بحاجة إلى ملف صوتي تمت مراجعته أم إلى محادثة مباشرة، ثم اختبر النص والصوت.
ما مدى سرعة Eleven v4 Turbo؟
تشير ElevenLabs في وثائق نموذجها إلى أن متوسط زمن الاستجابة للاستدلال يبلغ حوالي 100 مللي ثانية، بينما تشير في تقرير الإطلاق إلى أن متوسط الزمن حتى ظهور أول صوت يبلغ حوالي 150 مللي ثانية. وهذه قياسات مختلفة. وتؤدي الشبكة والتخزين المؤقت والتشغيل إلى زيادة التأخير الذي يواجهه المستخدم.
هل يدعم كلا الطرازين نفس اللغات؟
يصف ElevenLabs عائلة الإصدار v4 بأنها تدعم أكثر من 90 لغة. اختبر الأسماء واللكنة وطريقة النطق باللغة المحددة التي تخطط للنشر بها.
هل يمكن لـ v4 Turbo إنشاء حوار متعدد المتحدثين؟
تحقق من الواجهة بدلاً من الاعتماد على وصف العائلة وحده. يسجل دليل «Realtime v4 Turbo» صوتًا واحدًا بالضبط، في حين أن مرجع الحوار «REST» يقبل ما يصل إلى عشرة معرّفات أصوات فريدة. ولا تعادل توجيهات المتحدث داخل موجه نصي عادي التخصيص الصريح للأصوات.
هل توجد طريقة مجانية لتجربة ElevenLabs؟
تقدم ElevenLabs باقة مجانية تضم 10,000 رصيد شهري. يعتمد الوصول إلى النماذج وقواعد الاستخدام والحقوق التجارية على الباقة الحالية. ولا يُعد رصيد الائتمان المجاني ضمانًا لتوفر جميع ميزات الإصدار v4.
هل يمكنني استخدام GlobalGPT في عملية إنتاج التعليق الصوتي للفيديو بأكملها؟
نعم. يجمع GlobalGPT نماذج الكتابة والصوت والصور والفيديو في مساحة عمل واحدة ضمن الاشتراك، مما يتيح لك تطوير النص والأصول الداعمة معًا. راجع التعليق الصوتي الذي اخترته والتحرير النهائي قبل النشر.
