واجهة برمجة تطبيقات الصوت والكلام OpenAI: الكود، والأصوات، والتنسيقات، والتكاليف

واجهة برمجة تطبيقات الصوت والكلام OpenAI: الكود، والأصوات، والتنسيقات، والتكاليف

إن واجهة برمجة تطبيقات الصوت والكلام OpenAI يحول النص إلى صوت منطوق من خلال المنشور https://api.openai.com/v1/audio/speech. أرسل نموذجًا ونصك المدخل وصوتًا؛ واحفظ الرد بتنسيق MP3 أو أي تنسيق صوتي آخر مدعوم. بالنسبة للتكامل الجديد الذي يحتاج إلى تعليمات بشأن نبرة الصوت وطريقة الإلقاء، ابدأ بـ gpt-4o-mini-tts.

يُعد طلب العمل مجرد الخطوة الأولى. فأنت بحاجة أيضًا إلى وحدة الفوترة المناسبة، وملف إخراج قابل للتشغيل، وخطة للنصوص الطويلة. يستخدم نموذج تحويل النص إلى كلام (TTS) الأحدث من OpenAI «الرموز النصية» و«الرموز الصوتية» لتحديد الأسعار؛ بينما تستخدم نماذج TTS الأقدم «الأحرف». ويُعد هذا الاختلاف مهمًا عند تقدير تكلفة شهر واحد من السرد الصوتي.

إذا كانت وظيفتك تشمل أيضًا كتابة النص، وإعداد العناصر المرئية، وتجميع مقطع فيديو،, مساحة عمل الصوت في GlobalGPT تتيح إنشاء النصوص الصوتية عبر منصة اشتراك متعددة النماذج بأسعار معقولة. يمكنك العمل على النصوص والصوت والصور والفيديو من خلال لوحة تحكم واحدة، ثم استخدام واجهة برمجة التطبيقات (API) وواجهة سطر الأوامر (CLI) الخاصة بها لأعمال الإنتاج القابلة للتكرار. وتستخدم واجهة برمجة التطبيقات العامة لتحويل النص إلى كلام (TTS) سير عمل مهام منفصل، سيتم تناوله أدناه.

ما هي وظيفة واجهة برمجة تطبيقات الصوت والكلام OpenAI؟

تعد واجهة برمجة تطبيقات Speech API نقطة نهاية لتحويل النص إلى كلام: حيث يزود تطبيقك الكلمات المكتوبة ويتلقى الكلام الذي تم إنشاؤه. وتشمل الاستخدامات الشائعة إرشادات استخدام المنتجات، والوصف الصوتي لتسهيل الوصول، والمواد التعليمية، والتعليقات الصوتية القصيرة. يمكنك التحكم في النص قبل نطقه، مما يجعلها مفيدة عندما يتعين أن تتبع الصياغة نصًا معتمدًا.

أما في حالة التحويل النصي، فيحدث العكس: يتم إدخال التسجيل الصوتي ويخرج النص. ويضيف المساعد الصوتي المباشر متطلبًا آخر، وهو الاستماع والرد من خلال محادثة. OpenAI’s التوثيق الصوتي يفصل بين مسارات العمل هذه. اختر نقطة نهاية «Speech» عندما يكون لديك بالفعل النص الذي تريد قراءته بصوت عالٍ.

يدعم نظام توليد الكلام ميزة البث المباشر، مما يتيح للتطبيق تلقي الصوت على شكل أجزاء. ولا يؤدي حفظ هذا البث في ملف إلى تشغيله تلقائيًا في المتصفح أو إنشاء وكيل محادثة؛ حيث لا يزال تطبيقك هو المسؤول عن التشغيل وأي منطق متعلق بالمحادثة. كما يتطلب OpenAI الإفصاح بوضوح للمستمعين بأن الصوت مُولَّد بواسطة الذكاء الاصطناعي.

أنشئ ملفك الصوتي الأول باستخدام واجهة برمجة تطبيقات الكلام OpenAI

قم بتشغيل الطلب على خادم أو على جهاز التطوير الخاص بك، باستخدام مفتاح API OpenAI المخزن في OPENAI_API_KEY متغير بيئي. احرص على عدم استخدام المفتاح في جافا سكريبت المتصفح. تستخدم الأمثلة التالية نفس البرنامج النصي المختصر الخاص بجولة التعريف بالمنتج، وتقوم بحفظ النتيجة باسم openai-product-tour.mp3.

الخيار 1: إرسال طلب عبر Curl

واجهة برمجة تطبيقات الكلام OpenAI · curl

#!/bin/sh
# قم أولاً بتعيين OPENAI_API_KEY في بيئة الخادم الخاص بك.
curl --fail-with-body --show-error \
  https://api.openai.com/v1/audio/speech \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini-tts",
    "input": "مرحبًا بك في جولة تعريفية بمنتج Acorn Studio. في ثلاث خطوات، يمكنك تحويل نص قصير إلى دليل صوتي. أولًا، اكتب الرسالة. بعد ذلك، اختر صوتًا. وأخيرًا، احفظ الملف الصوتي واختبر التشغيل على هاتفك.",
    "voice": "coral",
    "instructions": "تحدث بوضوح بنبرة دافئة ومحادثة.",
    "response_format": "mp3"
  }' \
  --output openai-product-tour.mp3

تحتوي الاستجابة على وحدات صوتية، لذا قم بحفظها في ملف بدلاً من محاولة تحليلها كملف JSON. الـ --fail-with-body يمنح هذا الخيار أداة «curl» حالة خروج فاشلة في حالة حدوث خطأ HTTP. تحقق من هذه الحالة قبل فتح الملف: فقد تترك استجابة الخطأ بيانات JSON في الملف المسمى .mp3.

الخيار 2: استخدام حزمة تطوير البرامج (SDK) لـ Python

قم بتثبيت حزمة OpenAI باستخدام python -m pip install openai. يقوم SDK بقراءة مفتاح API من البيئة. يقوم هذا المثال بكتابة الاستجابة فور وصولها، مما يتجنب تحميل الاستجابة الصوتية بالكامل في مخزن Python الخاص بك.

واجهة برمجة تطبيقات OpenAI Speech · لغة بايثون

"""التثبيت: python -m pip install openai. قم بتعيين OPENAI_API_KEY على الخادم."""
from pathlib import Path
from openai import OpenAI

client = OpenAI(max_retries=0)
script = (
    "مرحبًا بك في جولة تعريفية بمنتجات Acorn Studio. في ثلاث خطوات، يمكنك تحويل "
    "نص قصير إلى دليل صوتي. أولاً، اكتب الرسالة. ثم، "
    "اختر صوتًا. وأخيرًا، احفظ الملف الصوتي واختبر تشغيله على هاتفك."
)

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input=script,
    instructions="تحدث بوضوح بنبرة دافئة ومحادثة.",
    response_format="mp3",
) as response:
    response.stream_to_file(Path("openai-product-tour.mp3"))

print("تم حفظ openai-product-tour.mp3")

المجالات الثلاثة الأساسية هي نموذج, الإدخال, و الصوت. هنا،, التعليمات يتطلب أسلوبًا دافئًا وحواريًا في الأداء؛ فهو يوجه الصوت بدلاً من إضافة كلمات إلى النص المنطوق. يعمل هذا الحقل مع برنامج تحويل النص إلى كلام GPT-4o Mini TTS، ولا يدعمه tts-1 و tts-1-hd.

وثائق تحويل النص إلى كلام لـ OpenAI، تتضمن معلمات طلب الكلام ودليل البدء السريع بلغة Python.
دليل البدء السريع الرسمي لـ OpenAI الخاص بتحويل النص إلى كلام. انقر على الصورة لعرض الكود بالحجم الكامل.

في حالة الوثيقة الطويلة، قسّم النص عند حدود الجمل أو الفقرات، وقم بترقيم الأجزاء، واحفظ كل ملف ناتج بهذا الرقم. حافظ على نفس الأسلوب والتعليمات في جميع الأجزاء. اترك سياقًا كافيًا لتكوين عبارات طبيعية، واستمع إلى نقاط الربط قبل توزيع التسجيل النهائي.

اختر نموذجًا وصوتًا وتنسيق الإخراج

نموذجكيفية الاختيارتعليمات التسليم
gpt-4o-mini-ttsنقطة انطلاق للسرد الذي يمكن التحكم فيه وأسلوب الإلقاء الشفوي.يدعم التعليمات من حيث النبرة والأسلوب والإيقاع.
tts-1تُعدّ تقنية OpenAI هذا النموذج مناسبًا لتوليد الكلام بزمن انتقال أقل.استخدم عناصر التحكم الصوتية والسرعة المدعومة؛ تجاهل التعليمات.
tts-1-hdيُعد هذا النموذج OpenAI أكثر قدرة على إنتاج كلام عالي الجودة مقارنةً بنموذج TTS-1.استخدم عناصر التحكم الصوتية والسرعة المدعومة؛ تجاهل التعليمات.

إن صفحة طراز GPT-4o Mini TTS يربط الاسم المستعار للنموذج بـ gpt-4o-mini-tts-2025-12-15 لقطة. إذا كان التمكين من تكرار السلوك أمرًا مهمًا لتطبيقك، فاختر لقطة موثقة بعناية وسجلها جنبًا إلى جنب مع البرامج النصية المحفوظة.

الأصوات المدمجة وحدود الإدخال

تسرد مرجع واجهة برمجة تطبيقات الصوت (Speech API) 13 صوتًا مدمجًا في نظام تحويل النص إلى كلام (TTS) GPT-4o Mini: سبيكة، رماد، أغنية، مرجان، صدى، حكاية، أونيكس، نوفا، مريمية، بريق، بيت شعر، مارين، وأرز. توصي OpenAI بما يلي: مارين أو الأرز للحصول على أفضل جودة. هذه هي توصية OpenAI؛ اختر الصوت المناسب للتسجيل من خلال الاستماع إلى أسمائك وأرقامك وأنماط جملتك.

تدعم طرازات TTS الأقدم مجموعة أصغر من الأصوات: alloy، ash، coral، echo، fable، onyx، nova، sage، و shimmer. لا تفترض أن كل صوت يعمل مع كل طراز. الـ مرجع واجهة برمجة تطبيقات Speech API كما يقبل سرعة تتراوح بين 0.25 و4.0, ، مع 1.0 كإعداد افتراضي.

هناك حدان للإدخال يجب أخذهما في الاعتبار: حدود مرجعية لنقطتي النهاية الإدخال إلى 4,096 حرفًا, ، وتحدد صفحة طراز Mini TTS الحد الأقصى بـ 2,000 رمز إدخال. الأحرف والرموز هي وحدات قياس مختلفة. تحقق من كلا القيدين في خدمة Mini TTS، خاصةً عند التعامل مع نصوص متعددة اللغات، وقم بتقسيم النصوص الكبيرة قبل إرسالها.

اختر تنسيق الملف وفقًا لوجهة الحفظ

التنسيقالاستخدام العملي
MP3الإخراج الافتراضي؛ ملف مضغوط سهل الاستخدام للمشاركة والتشغيل عبر الويب.
أوبوسمفيد لتطبيقات البث المباشر والاتصالات التي تدعم برنامج الترميز هذا.
AACضع في اعتبارك الحالات التي تتطلب فيها بيئة التشغيل أو سير عمل الوسائط استخدام تنسيق AAC.
FLACضغط بدون فقدان للجودة، مخصص لسير العمل التي تتطلب الحفاظ على إشارة الصوت.
WAVصوت غير مضغوط في صيغة مألوفة لتسهيل التحرير والمعالجة.
PCMعينات صوتية خام بتردد 24 كيلوهرتز و16 بت موقعة بنظام «ليتل إنديان» بدون رأس ملف؛ ويجب أن يعمل مشغل الملفات الخاص بك بهذه الإعدادات.

ابدأ بتنسيق MP3 للحصول على رابط تنزيل أو مشغل صوت بسيط. اختر تنسيق WAV إذا كانت الخطوة التالية هي التحرير. لا تختر تنسيق PCM الخام إلا إذا كان تطبيقك قادرًا على تفسيره؛ تغيير اسم الملف من .pcm إلى .wav لا ينشئ رأس ملف WAV.

ما هي تكلفة واجهة برمجة تطبيقات الكلام OpenAI؟

وفقًا لما تم التحقق منه في 28 سبتمبر 2026، يُدرج OpenAI جهاز GPT-4o Mini TTS بسعر $0.60 لكل مليون وحدة نصية مدخلة بالإضافة إلى $12 لكل مليون وحدة إخراج صوتي. تكاليف TTS-1 $15 لكل مليون حرف, ، وتبلغ تكلفة جهاز TTS-1 HD $30 لكل مليون حرف. احسب كل نموذج بوحداته الخاصة.

أسعار واجهة برمجة التطبيقات (API) الخاصة بالكلام: احرص على الفصل بين الوحدات

يُحسب سعر نموذج تحويل النص إلى كلام (TTS) الأحدث من OpenAI على أساس عدد التوكنات، بينما يُحسب سعر نموذجي TTS السابقين على أساس عدد الأحرف. أما GlobalGPT فيُحسب سعر مهام تحويل النص إلى كلام (TTS) على أساس عدد الائتمانات.

المسار والطرازالتقييممثال على ذلك
OpenAI · GPT-4o Mini TTS$0.60 / 1 مليون وحدة إدخال نصية
$12 / 1M من رموز إخراج الصوت
$0.0606 مقابل 1,000 وحدة إدخال نصية + 5,000 وحدة إخراج صوتي
OpenAI · TTS-1$15 / 1M حرف$0.015 لكل 1,000 حرف
OpenAI · TTS-1 HD$30 / 1 مليون حرف$0.030 لكل 1,000 حرف
GlobalGPT · Eleven الإصدار 3، أو Eleven Multilingual الإصدار 2، أو Qwen Audio 3.0 TTS Flash330 وحدة دراسية / 1,000 حرف330 وحدة معتمدة وفقًا للسعر المحدد لـ 1,000 حرف؛ يرجى طلب تقدير التكلفة قبل الإرسال

هذه أمثلة على الأسعار، وليست رسومًا مستمدة من العينات الصوتية الواردة أدناه. فالرموز، والحروف، والدقائق، والائتمانات هي وحدات مختلفة. ويقدم تقدير المهمة GlobalGPT مقدار الائتمان المطبق؛ ولا يقوم الجدول بتحويل الائتمانات إلى دولارات.

تم التحقق من الأسعار في 28 سبتمبر 2026. المصادر: أسعار واجهة برمجة التطبيقات (API) لـ OpenAI و وثائق واجهة برمجة التطبيقات (API) لـ GlobalGPT.
جداول أسعار OpenAI التي توضح أسعار الرموز الخاصة بمدخلات ومخرجات خدمة GPT-4o Mini TTS، بالإضافة إلى أسعار الأحرف في خدمة TTS.
أسعار خدمة OpenAI API للخطاب، تم تسجيلها في 28 سبتمبر 2026. تُستخدم وحدات قياس مختلفة في الرسوم القائمة على الرموز والرسوم القائمة على الأحرف.

على سبيل المثال، 100 نص يبلغ طول كل منها 1,000 حرف يساوي إجمالاً 100,000 حرف. وبالأسعار المذكورة، فإن ذلك يساوي $1.50 مع TTS-1 أو $3.00 مع TTS-1 HD, ، قبل تكاليف التطبيقات الأخرى. ولا يكفي عدد الأحرف هذا وحده لحساب تكلفة خدمة Mini TTS بدقة: فأنت بحاجة إلى كميات الرموز الخاصة بإدخال النص وإخراج الصوت.

تقدير تكلفة إنتاج خطابك

أدخل الوحدات التي تُحسب بها تكلفة المسار الذي اخترته. لا يوجد تحويل تلقائي من الأحرف إلى الرموز أو من الدقائق إلى الرموز.

التكلفة التقديرية: $0.015

الصيغة: عدد الأحرف × $15 ÷ 1,000,000. قد يمتد إجمالي النص على عدة طلبات API.

الأسعار تم التحقق منها في 28 سبتمبر 2026: OpenAI · جلوبال جي بي تي تي. لا يشمل ذلك تكاليف التخزين والاستضافة والضرائب والأجزاء الأخرى من تطبيقك.

لأغراض التخطيط، أدخل أرقام الاستخدام الفعلية أو الافتراضات الصريحة في الآلة الحاسبة. تعامل مع حقل «الرموز الصوتية» في خدمة Mini TTS باعتباره مدخلاً للميزانية إلى أن يتم قياس الاستخدام. لا تحول الرقم التقريبي للدقيقة الواحدة إلى سعر مضمون لكل صوت أو وتيرة كلام أو لغة.

يعرض كتالوج النموذج GlobalGPT أسعار خدمة TTS بالوحدات الائتمانية، وتقدم نقطة النهاية التقديرية فيه عرض أسعار للطلب الذي تنوي إرساله. احرص على الفصل بين إنفاق الوحدات الائتمانية لواجهة برمجة التطبيقات (API) واختيار اشتراك مساحة عمل متعددة النماذج المخصص للأعمال اليومية المتعلقة بالكتابة والوسائط. فهذا يجعل متابعة الميزانية أسهل دون افتراض أن المنتجين يشتركان في رصيد فوترة واحد.

إنشاء مسار عمل لتحويل النص إلى كلام باستخدام واجهة برمجة التطبيقات GlobalGPT

للحصول على سير عمل قابل للتكرار يبدأ من النص مروراً بالصوت وصولاً إلى الفيديو،, إنشاء خطاب في GlobalGPT واحتفظ ببقية المشروع في نفس مساحة العمل. الـ واجهة برمجة التطبيقات GlobalGPT يكشف عن أن جيل وسائل الإعلام يُنظر إليه على أنه مجموعة من المهام، في حين أن GlobalGPT CLI وصلات تتوافق مع جهازك وأدوات التطوير الخاصة بك.

استخدم عنوان URL الأساسي العام https://api2.glbgpt.com/ai-api/open/v1. أرسل طلبات تحويل النص إلى كلام إلى POST /tasks, ، استعلام GET /tasks/{id}, ، وتنزيل output.url بعد نجاح المهمة. حقل النص هو موجه. قم بتنفيذ عقد المهمة هذا مباشرةً؛ فهو يختلف عن الاستجابة الصوتية الفورية لـ OpenAI.

وثائق واجهة برمجة التطبيقات (API) لـ GlobalGPT التي توضح عملية إرسال مهام الوسائط، والاستقصاء، واسترداد المخرجات.
تتبع مهام الوسائط GlobalGPT مسار عمل يتألف من الإرسال والاستقصاء والاسترجاع.

اختر طرازًا موثقًا من طرازات TTS ذات GlobalGPT

معرّف النموذجالمدخلات والمخرجاتتمييز مفيد
eleven-v3ما يصل إلى 5,000 حرف؛ MP3يدعم العلامات الصوتية التعبيرية.
eleven-multilingual-v2ما يصل إلى 10,000 حرف؛ MP329 لغة؛ تُقرأ العلامات الصوتية كنص.
qwen-audio-3.0-tts-flashما يصل إلى 4,096 حرفًا؛ WAV49 صوتًا؛ تستخدم عناصر التحكم في الصوت واللغة الحقول الخاصة بـ Qwen.

قائمة المشاركات الثلاثة 330 وحدة ائتمان لكل 1,000 حرف. استخدم POST /tasks/estimate مع نص الطلب المقصود للتقدير المعني؛ وتشير الوثائق إلى أن هذا لا يؤدي إلى إنشاء أي مهمة ولا يحجز أي رصيد. ويستخدم الوصول إلى واجهة برمجة التطبيقات العامة (API) الرصيد المدفوع.

وثائق طراز GlobalGPT الخاصة بـ Eleven v3 و Eleven Multilingual v2، بما في ذلك الحدود، وتنسيق الصوت، ومعدلات الائتمان.
تحدد إدخالات ElevenLabs حدودًا مختلفة للنص وسلوك علامات الصوت.
GlobalGPT Qwen Audio 3.0 نموذج إدخال TTS باستخدام تقنية Flash مع إخراج بصيغة WAV، و49 صوتًا، وحد أقصى يبلغ 4096 حرفًا.
يحتوي برنامج Qwen Audio 3.0 TTS Flash على معرّف نموذج خاص به ومعلمات صوتية خاصة به.

للاطلاع على سير عمل الإنشاء بشكل عام، انظر سير عمل تحويل النص إلى كلام في GlobalGPT. إذا كنت تبحث عن عائلة برامج Qwen3-TTS مفتوحة المصدر التي تحمل اسمًا منفصلاً، فاقرأ طرازات Qwen3-TTS وخيارات واجهة برمجة التطبيقات (API); ؛ لا تعتبر معرّف النموذج Qwen-Audio المذكور أعلاه بمثابة نسخة قابلة للاستبدال من نموذج Qwen3-TTS.

قم بالتقدير، ثم أرسل التقدير مرة واحدة، ثم استطلع حالة المهمة المحفوظة

تثبيت الطلبات مع python -m pip install requests ووضع GLOBALGPT_API_KEY على الخادم. يستخدم المثال أدناه Eleven v3، ويختار معرّف صوت عام موثق، ويحدد سقفًا توضيحيًّا قدره 500 وحدة. قم بتغيير هذا السقف ليتناسب مع ميزانيتك قبل تشغيل البرنامج.

واجهة برمجة تطبيقات (API) المفتوحة لمهمة تحويل النص إلى كلام (TTS) GlobalGPT · لغة بايثون

"""تثبيت مكتبة requests؛ تعيين GLOBALGPT_API_KEY. تستخدم واجهة برمجة تطبيقات المهام العامة لـ GlobalGPT."""
import json
import os
import time
import uuid
from pathlib import Path
import requests

BASE = "https://api2.glbgpt.com/ai-api/open/v1"
STATE = Path("globalgpt-tts-job.json")
OUTPUT = Path("globalgpt-product-tour.mp3")
MAX_CREDITS = 500  # الحد الأقصى لكل مهمة؛ قم بتعديله قبل التشغيل.

payload = {
    "model": "eleven-v3",
    "prompt": (
 "مرحبًا بكم في جولة تعريفية بمنتجات Acorn Studio. في ثلاث خطوات، يمكنك تحويل "
 "نص قصير إلى دليل صوتي. أولاً، اكتب الرسالة. بعد ذلك، "
 "اختر صوتًا. وأخيرًا، احفظ الملف الصوتي واختبر التشغيل على هاتفك."
    ),
    "metadata": {
 "voice_id": "JBFqnCBsd6RMkjVDRZzb",
 "stability": 0.5,
 "language_code": "en",
    },
}

api = requests.Session()
api.headers["Authorization"] = "Bearer " + os.environ["GLOBALGPT_API_KEY"]

if STATE.exists():
    job = json.loads(STATE.read_text())
    if job["payload"] != payload:
 raise RuntimeError("هذه المهمة تخص مدخلات مختلفة. استخدم اسم ملف حالة جديد.")
else:
    estimate = api.post(BASE + "/tasks/estimate", json=payload, timeout=30)
    estimate.raise_for_status()
    quote = estimate.json()
    print("الرصيد التقديري:", quote["credits"])
    إذا كان quote["credits"] > MAX_CREDITS:
  أثر خطأ RuntimeError("التقدير يتجاوز الحد الأقصى المسموح به لكل مهمة.")
  job = {"payload": payload, "idempotency_key": str(uuid.uuid4())}
    STATE.write_text(json.dumps(job, indent=2))

if "task_id" not in job:
    # المفتاح الدائم يحافظ على إعادة محاولة النقل المرتبطة بهذا الطلب بالذات.
    submitted = api.post(
 BASE + "/tasks", json=payload,
 headers={"Idempotency-Key": job["idempotency_key"]}, timeout=60,
    )
    submitted.raise_for_status()
    task = submitted.json()
    job["task_id"] = task["id"]
    STATE.write_text(json.dumps(job, indent=2))
    if task.get("ignored_parameters"):
 print("المعلمات التي تم تجاهلها:", task["ignored_parameters"])

print("المهمة:", job["task_id"])
deadline = time.monotonic() + 600
بينما time.monotonic() < deadline:
    checked = api.get(BASE + "/tasks/" + str(job["task_id"]), timeout=30)
    checked.raise_for_status()
    task = checked.json()
    if task.get("ignored_parameters"):
 print("المعلمات التي تم تجاهلها:", task["ignored_parameters"])
    إذا كانت task["status"] == "failed":
 raise RuntimeError("فشل التوليد: " + json.dumps(task.get("error", {})))
    إذا كانت task["status"] == "succeeded":
        # استخدم طلبًا جديدًا: لا ترسل مفتاح API إلى مضيف الوسائط.
 audio = requests.get(task["output"]["url"], timeout=60)
 audio.raise_for_status()
        OUTPUT.write_bytes(audio.content)
 print("تم الحفظ:", OUTPUT)
 break
    time.sleep(10)
else:
    raise TimeoutError("المهمة لا تزال معلقة. أعد التشغيل لاستعلام معرّف المهمة المحفوظة.")

يحتفظ ملف المهمة بالطلب بالضبط، ومفتاح التكرار، ومعرّف المهمة. في حالة انقطاع الاتصال، أعد تشغيل المهمة نفسها حتى يتمكن البرنامج من استئناف المهمة الحالية. ولتوليد مقطع صوتي مختلف عن قصد، استخدم اسم ملف مهمة جديد. احرص على إبقاء ملف المهمة خاصًا إذا كان النص البرمجي الخاص به يحتوي على معلومات سرية.

تحقق المعلمات التي تم تجاهلها لذلك، لا يصبح الإعداد غير المدعوم تلقائيًّا الإعداد الافتراضي لديك. عناصر التحكم في ElevenLabs مثل voice_id تختلف عن تلك الخاصة بـ Qwen الصوت و نوع_اللغة الحقول. قم بالاستقصاء كل 5–10 ثوانٍ، وتعامل مع فشل الحالة، وحفظ الملفات التي تم إنجازها بنجاح على الفور: مدة الاحتفاظ بالنتائج الموثقة هي 30 يوماً.

استمع إلى مثالين على جولة تعريفية بالمنتج

تستخدم هاتان العينتان اللتان تم إنشاؤهما بواسطة الذكاء الاصطناعي نفس النص الخاص بجولة تعريفية بالمنتج المكون من 216 حرفًا، مع استخدام كل من Eleven v3 وQwen Audio 3.0 TTS Flash. كل منهما يمثل الناتج الأول لطلب واحد، مع الإعدادات الصوتية الافتراضية. وهما يوفران لك ملفين قصيرين لتفحصهما والاستماع إليهما؛ ولا يمثلان مقارنة محكومة بين الأصوات المتطابقة أو معيارًا قياسيًا لصوت OpenAI.

Eleven v3: تسجيل صوتي لجولة تعريفية بالمنتج

eleven-v3 — صوت مُولَّد بالذكاء الاصطناعي، 28 سبتمبر 2026.

eleven-v3 · نموذج جولة التعريف بالمنتج

الناتج
MP3 · أحادي الصوت · 44.1 كيلوهرتز
الطول
حوالي 15.6 ثانية
الجيل
النتيجة الأولى · طلب واحد

الإعدادات: النص الوارد أدناه بالضبط، مع استخدام الصوت الافتراضي والإعدادات الأخرى؛ دون تغيير الصوت أو إعطاء تعليمات خاصة بطريقة الإلقاء. لم يتم تسجيل هوية الصوت الافتراضية.

الحالة والتوقيت: تم إنجاز العملية بنجاح. تُظهر الطوابع الزمنية لخادم المهمة أن المدة التي استغرقتها العملية من وقت الإرسال حتى الانتهاء هي 13 ثانية؛ وهذا يمثل طلبًا واحدًا، وليس اختبارًا لقياس زمن الاستجابة.

ملاحظة بشأن الملف: يحتوي ملف MP3 على دفق صوت أحادي بتردد 44.1 كيلوهرتز، ويبلغ حجمه حوالي 251 كيلوبايت. ويمكن قراءة إطاراته حتى نهاية الملف.

مرجع التكلفة: يبلغ سعر الفهرس العام 330 وحدة لكل 1,000 حرف. استخدم تقدير تكلفة المهمة عند تقديم طلب جديد؛ فهذا السعر لا يمثل فاتورة للعينة.

الاستخدام العملي: ملف MP3 صغير الحجم للاستماع إلى جولة تعريفية قصيرة عن المنتج. يرجى مراجعة النص الكامل وتجربة التشغيل على الجهاز المستهدف قبل استخدامه في الإصدار.

اقرأ النص المدخل بالضبط · 216 حرفًا
مرحبًا بكم في جولة تعريفية بمنتجات Acorn Studio. في ثلاث خطوات، يمكنكم تحويل نص قصير إلى دليل صوتي. أولاً، اكتبوا الرسالة. ثانيًا، اختاروا صوتًا. وأخيرًا، احفظوا الملف الصوتي واختبروا تشغيله على هاتفكم.

Qwen Audio 3.0 TTS Flash: تسجيل صوتي لجولة تعريفية بالمنتج

qwen-audio-3.0-tts-flash — صوت مُولَّد بالذكاء الاصطناعي، 28 سبتمبر 2026.

qwen-audio-3.0-tts-flash · نموذج جولة تعريفية بالمنتج

الناتج
WAV · أحادي الصوت · 24 كيلوهرتز
الطول
15.52 ثانية من بيانات PCM
الجيل
النتيجة الأولى · طلب واحد

الإعدادات: النص الوارد أدناه بالضبط، مع استخدام الصوت الافتراضي والإعدادات الأخرى؛ دون تغيير الصوت أو إعطاء تعليمات خاصة بطريقة الإلقاء. لم يتم تسجيل هوية الصوت الافتراضية.

الحالة والتوقيت: تم إنجاز العملية بنجاح. تُظهر الطوابع الزمنية لخادم المهمة أن المدة التي استغرقتها العملية من وقت الإرسال حتى الانتهاء كانت 17 ثانية؛ وهذا يمثل طلبًا واحدًا، وليس اختبارًا لقياس زمن الاستجابة.

ملاحظة بشأن الملف: يحتوي ملف WAV على صوت أحادي القناة بتنسيق PCM بدقة 16 بت وتردد 24 كيلوهرتز، ويبلغ حجمه حوالي 745 كيلوبايت. ويشير رأس الملف إلى وجود بيانات أكثر مما يحتويه الملف فعليًّا؛ وقد تم الاحتفاظ هنا بالمخرجات الأصلية.

مرجع التكلفة: يبلغ سعر الفهرس العام 330 وحدة لكل 1,000 حرف. استخدم تقدير تكلفة المهمة عند تقديم طلب جديد؛ فهذا السعر لا يمثل فاتورة للعينة.

الاستخدام العملي: عينة بصيغة WAV لتقييم سير عمل التعليق الصوتي. قم بحل مشكلة عدم اتساق طول الرأس في مسار الإنتاج الخاص بك وتحقق من التشغيل الكامل قبل التوزيع.

اقرأ النص المدخل بالضبط · 216 حرفًا
مرحبًا بكم في جولة تعريفية بمنتجات Acorn Studio. في ثلاث خطوات، يمكنكم تحويل نص قصير إلى دليل صوتي. أولاً، اكتبوا الرسالة. ثانيًا، اختاروا صوتًا. وأخيرًا، احفظوا الملف الصوتي واختبروا تشغيله على هاتفكم.

يبلغ حجم عينة Qwen حوالي ثلاثة أضعاف حجم عينة Eleven في مدة زمنية مماثلة، مما يعكس الاختلاف بين تنسيقي WAV وMP3. كما أن رأس ملف WAV الخاص بها يشير إلى وجود بيانات أكثر مما يحتويه الملف فعليًّا. وهذه مشكلة تتعلق بتعبئة الملف تستحق التحقق منها في المشغل المستهدف؛ وهي لا تثبت بحد ذاتها أي شيء بشأن جودة الصوت المنطوق.

حل المشكلات الشائعة المتعلقة بتوليد الكلام

الأعراضما الذي يجب التحقق منه أولاً
لن يتم تشغيل ملف MP3 الذي تم حفظهتحقق من حالة HTTP ونوع الاستجابة. ربما تم حفظ خطأ في واجهة برمجة التطبيقات (API) بملحق صوتي.
يرفض الطلب صوتًا أو تعليماتٍ ماقم بمطابقة الحقول الصوتية والحقول الاختيارية مع النموذج المحدد. لا تقبل نماذج تحويل النص إلى كلام (TTS) القديمة من طراز OpenAI أي تعليمات.
تم رفض النص الطويلتحقق من الحد الأقصى لعدد الأحرف في المسار والحد الأقصى لعدد رموز Mini TTS، ثم قسّم النص عند الحدود الطبيعية.
تظهر استجابة 401 أو 429تحقق من المفتاح/الحساب بحثًا عن الرمز 401. أما بالنسبة للرمز 429، فافرق بين حدود معدل الاستخدام ونفاد الحصة قبل إعادة المحاولة.
لا يزال طلب GlobalGPT قيد الانتظاراسترجع معرّف المهمة المحفوظ وتحقق من حالتها؛ فانتهاء المهلة لا يُعد سببًا لإرسال مهمة مكررة.
الصوت لا يتطابق مع الإعدادات المطلوبةتحقق من البيانات الوصفية الخاصة بالطراز ومن قائمة المعلمات التي تم تجاهلها قبل أن تفترض أن الإعداد قد تم تطبيقه.
يبدو أن مدة الملف الصوتي أو شريط التمرير غير صحيحقارن بيانات تعريف الملف مع المحتوى الفعلي للوسائط واختبر الملف بالكامل في المشغل المستهدف.

في حالة ظهور الخطأ OpenAI، ابدأ بـ إرشادات حول رموز الأخطاء. بالنسبة لمهمة GlobalGPT، احفظ معرّف المهمة وتفاصيل الخطأ التي تم إرجاعها. أثناء التطوير، احرص على الفصل بين حالات فشل النقل، وحالات فشل الفوترة، والتسجيل الصوتي غير المرضي: فكل حالة تتطلب حلاً مختلفًا.

قبل إرسال النص الصوتي، استمع إلى التسجيل بالكامل على الجهاز الذي سيستخدمه جمهورك. تحقق من المقدمة، والأسماء والأرقام، والانتقالات، والجملة الختامية. أضف إشعارًا بوجود صوت مدعوم بالذكاء الاصطناعي قبل بدء التشغيل، واحتفظ بنسخة من النص الدقيق وإعدادات النموذج حتى يمكن إعادة إنشاء النص المعدل بشكل دقيق.

الأسئلة الشائعة

ما هي نقطة نهاية واجهة برمجة تطبيقات الصوت والكلام OpenAI؟

استخدم طلب POST على الرابط https://api.openai.com/v1/audio/speech. الحقول المطلوبة هي: model و input و voice. يتم إنشاء ملف صوتي كاستجابة؛ والصيغة الافتراضية هي MP3.

هل واجهة برمجة التطبيقات (API) OpenAI Speech مجانية؟

تتبع واجهة برمجة تطبيقات (API) "Speech" نظام تسعير قائم على الاستخدام. لذا، يجب وضع الميزانية استنادًا إلى أسعار API الحالية بدلاً من الاعتماد على الحصة المجانية: يتم احتساب تكلفة خدمة "GPT-4o Mini TTS" بناءً على عدد الرموز (tokens) الخاصة بالإدخال النصي والإخراج الصوتي، بينما يتم احتساب تكلفة خدمتي "TTS-1" و"TTS-1 HD" بناءً على عدد الأحرف.

هل يمكنني التحكم في الصوت وأسلوب التحدث؟

اختر صوتًا يدعمه النموذج الخاص بك. كما يقبل برنامج GPT-4o Mini TTS التعليمات المتعلقة بطريقة الإلقاء، مثل النبرة الدافئة أو الهادئة. لا يعمل حقل التعليمات مع TTS-1 أو TTS-1 HD.

هل تدعم واجهة برمجة تطبيقات Speech البث المباشر؟

نعم. يمكنه بث الصوت الذي تم إنشاؤه على شكل أجزاء. ولا يزال يتعين على تطبيقك التعامل مع عملية التشغيل؛ فالبث الصوتي الناتج عن تحويل النص إلى كلام وحده لا يوفر محادثة صوتية حية كاملة.

هل يمكنني استخدام GlobalGPT عن طريق تغيير عنوان URL الأساسي لـ OpenAI؟

استخدم سير عمل المهام الإعلامية الموثق الخاص بـ GlobalGPT لتقنية تحويل النص إلى كلام (TTS): أرسل الطلب إلى POST /tasks، واستعلم عن الحالة باستخدام GET /tasks/{id}، وقم بتنزيل output.url بعد نجاح العملية. يتضمن كتالوج TTS الموثق الخاص به نماذج ElevenLabs وQwen مع معرّفات النماذج والمعلمات الخاصة بكل منها.

ما هو تنسيق الصوت الذي ينبغي أن أبدأ به؟

ابدأ بتنسيق MP3 للتنزيل السهل أو للتشغيل عبر مشغل الويب. يُعد تنسيق WAV مفيدًا عندما تكون الخطوة التالية هي التحرير. أما تنسيق PCM الخام فيحتاج إلى مشغل مُهيأ لمعدل العينات وعمق البت الخاص به، لأنه لا يحتوي على رأس ملف.

ابدأ بنص صوتي قصير واحد، وصوت واحد، وملف واحد محفوظ. وبمجرد أن تصبح عملية التشغيل والتكاليف قابلة للتنبؤ، أضف ميزات تقسيم النص إلى أجزاء، وإعادة المحاولة، وباقي خطوات سير العمل الخاص بالوسائط. احرص على توحيد تنسيق الطلبات ووحدات الفوترة ومعالجة المخرجات الخاصة بواجهة برمجة التطبيقات (API) المختارة في عملية التنفيذ.

امنح نصك القادم صوتًا

قم بصياغة جولة تعريفية قصيرة عن المنتج، وأنشئ تعليقًا صوتيًا باستخدام ElevenLabs أو Qwen، ثم تابع العمل باستخدام الصور ومقاطع الفيديو في مساحة العمل متعددة النماذج في GlobalGPT.

إنشاء مقطع صوتي باستخدام GlobalGPT
شارك المنشور:

منشورات ذات صلة

غلاف تحريري لأسعار Kling 4.0 مع رمز تشغيل فيلم سينمائي ورموز ميزانية الإنتاج

أسعار Kling 4.0: الباقات، والرصيد، وحالة واجهة برمجة التطبيقات (API)

تحقق من أسعار باقة Kling 4.0، والأسعار الرسمية لواجهة برمجة التطبيقات (API)، وموعد انتهاء صلاحية الرصيد، وحدود الباقة، مع أمثلة على ميزانيات مقاطع الفيديو التي تبلغ مدتها 6 ثوانٍ و30 ثانية قبل اختيار الباقة.

قراءة المزيد
صورة رئيسية لدليل واجهة برمجة التطبيقات (API) لـ Kimi K3.1 Pro توضح الأسعار والسياق ومقارنة مع K3

دليل Kimi K3.1 Pro: الأسعار، واجهة برمجة التطبيقات (API)، البرمجة، السياق، والمقارنة مع K3

هل تريد دفع تكاليف أقل مع Kimi K3.1 Pro؟ اطلع على أسعار واجهة برمجة التطبيقات (API) المؤكدة، وتكاليف ذاكرة التخزين المؤقت، ورمز الإعداد، وحدود السياق، ومقارنات K3 الموجزة قبل اختيار الطراز التالي.

قراءة المزيد
رسم توضيحي لإنشاء مدونة باستخدام الذكاء الاصطناعي، يتضمن مسودة مقال، وعدسة مكبرة للبحث، وبطاقات صور، وأدوات للكتابة وتحسين محركات البحث (SEO).

أفضل 6 أدوات لإنشاء المدونات باستخدام الذكاء الاصطناعي في عام 2026: Yukie وJasper وCopy.ai وغيرها

هل تبحث عن أداة إنشاء مدونات تعتمد على الذكاء الاصطناعي وتتيح الاستخدام المجاني غير المحدود؟ قارن بين Yukie وخمسة بدائل أخرى من حيث كتابة المحتوى المُحسَّن لمحركات البحث (SEO)، والصور المُولَّدة بالذكاء الاصطناعي، وسير العمل، وحدود الاستخدام.

قراءة المزيد