الأسئلة الشائعة
ما هو الفرق بين API وواجهة الويب؟
واجهة الويب هي صفحة تفاعلية في المتصفح، بينما الـ API هو نقطة نهاية برمجية (Endpoint) تسمح لبرامجك بإرسال النص واستقبال الملف الصوتي آليًا. تتوافق واجهة برمجة التطبيقات مع بنية طلبات OpenAI، مما يتيح لك استخدام مكتبات SDK الخاصة بها بتعديل عنوان الاتصال الأساسي (base_url) لدمج الخدمة مباشرة في تطبيقاتك.
كيف يتم توليد الصوت من النص؟
تتم العملية عبر إرسال طلب HTTP POST إلى endpoint المحدد مع النص والمعرف السري. يقوم الخادم بمعالجة النص باستخدام نماذج TTS-1 أو TTS-1-hd، ثم يعيد ملف الصوت بالصيغة المطلوبة. يتم توليد الصوت في السحابة، ولا يتم تخزين النص المدخل بعد إنشاء الملف الصوتي.
هل يمكنني التحكم في نبرة الصوت؟
لا تدعم الواجهة وسوم النبرة (Emotion tags) أو تغيير النبرة ديناميكيًا داخل النص. يمكنك اختيار أحد الثماني أصوات المسبقة (مثل Aria أو Felix) التي تحمل نبرة محددة مسبقًا، أو ضبط السرعة فقط. لا تتوفر ميزات مثل SSML أو القاموس الصوتي المخصص للتحكم الدقيق في النبرة.
ما هو وقت استجابة الواجهة؟
يتم توليد الصوت بسرعة تقارب الوقت الحقيقي (حوالي 25 حرفًا في الثانية للنصوص الطويلة). قد تستغرق الجمل القصيرة بضع ثوانٍ. في أوقات الازدحام، قد تنتظر الطلبات في طابور المعالجة، حيث تتم معالجتها بالتتابع. لا يوجد ضمان وقت استجابة ثابت (SLA) متاح حاليًا.
هل يمكنني استخدام الواجهة مع تطبيقات الجوال؟
نعم، يمكنك استخدام الواجهة مع تطبيقات الجوال عبر إرسال الطلبات من جهاز المستخدم أو من خادم وسيط. الواجهة تعمل عبر بروتوكول HTTP قياسي، ولا تتطلب تثبيت حزمة برمجية خاصة (SDK)، مما يجعلها متوافقة مع أي بيئة تطوير تدعم إرسال طلبات الويب.
كيف أعرف أن النص قد تم معالجته بنجاح؟
عند النجاح، يعيد الـ API ملف الصوت مباشرة في جسم الاستجابة. إذا فشل الطلب، يتم إرجاع رمز خطأ ورسوم الطلب تُعاد بالكامل. يمكنك التحقق من حالة الطلب عبر أكواد الحالة HTTP، وتظهر تفاصيل الاستخدام والرصيد في لوحة التحكم الخاصة بحسابك.
ما هي الصيغ المدعومة للمشاريع الكبيرة؟
نوفر صيغ MP3 و WAV و OPUS و FLAC و PCM. للمشاريع الكبيرة، يمكنك تقسيم النصوص الطويلة إلى أجزاء لا تتجاوز 4096 حرفًا لكل طلب، ثم دمج الملفات الصوتية الناتجة. يُنصح باستخدام صيغ الضغط مثل OPUS لتوفير النطاق الترددي مع الحفاظ على الجودة.
هل يمكنني تغيير سرعة الصوت بعد التوليد؟
لا يمكن تغيير سرعة الصوت بعد إنشاء الملف النهائي. يجب ضبط معامل السرعة (Speed) بين 0.25 و 4.0 قبل إرسال الطلب. يتم تطبيق السرعة أثناء عملية التوليد، ولا تتوفر ميزة تعديل السرعة لاحقًا عبر الواجهة البرمجية أو عبر ملفات الصوت الناتجة.
كيف أتعامل مع الأخطاء في الطلبات؟
إذا فشل التوليد، تُعاد الرسوم بالكامل إلى رصيدك. يجب عليك التحقق من أكواد الخطأ في الاستجابة ومراجعة حدود الأحرف أو الصيغ المدعومة. لا توجد ضمانات توافر (SLA)، لذا يُنصح بإعادة المحاولة في حال حدوث أخطاء مؤقتة في الخادم أو الازدحام.
هل الواجهة تدعم اللغة العربية بالكامل؟
نعم، اللغة العربية مدرجة ضمن اللغات الـ 23 المدعومة. يمكنك تحديد لغة النص ضمنيًا أو صراحةً باستخدام كود ISO. الأصوات المدعومة قادرة على نطق العربية بدقة، ولا تتطلب إعدادات خاصة غير تحديد اللغة في جسم الطلب لضمان النطق الصحيح.
ما هو الحد الأقصى لحجم النص المدخل؟
الحد الأقصى هو 4096 حرفًا لكل طلب API. للنصوص الأطول، يجب تقسيم النص إلى أجزاء لا تتجاوز هذا الحد، وإرسال كل جزء على حدة، ثم دمج الملفات الصوتية الناتجة. يتم احتساب المسافات والعلامات كحروف ضمن هذا الحد.
هل يمكنني استخدام الواجهة في بيئة الإنتاج؟
نعم، الواجهة مصممة للاستخدام في الإنتاج. الحد الأقصى للطلبات هو 60 طلبًا في الدقيقة لكل مفتاح. لا توجد خطط شهرية أو حد أدنى للإنفاق. يمكنك زيادة السعة عبر إضافة الرصيد، وتعمل الواجهة بشكل مستقر لتوليد الملفات الصوتية على نطاق واسع.
كيف أقيم أداء الواجهة تقنيًا؟
يمكنك تقييم الأداء عبر تتبع أكواد الحالة HTTP وزمن الاستجابة في طلباتك. الواجهة تعيد الملف الصوتي مباشرة، مما يسهل قياس حجم الاستجابة. لا توجد تقارير أداء معقدة، ولكن يمكنك مراقبة معدل النجاح والرسوم عبر لوحة التحكم وحسابك.
هل يتم تحديث الأصوات دوريًا؟
الأصوات الثمانية الحالية (مثل Aria و Felix) ثابتة ومبنية على تسجيلات مرخصة. لا يتم إضافة أصوات جديدة أو تحديثها دوريًا عبر الواجهة. الأصوات مبنية على بيانات LibriTTS-R و LibriVox، ولا تتغير ميزات الصوت أو النبرة المتاحة حاليًا.
مبدأ عمل الواجهة التقنية
تعمل واجهة برمجة التطبيقات (API) الخاصة بـ "توري صوت" على مبدأ بسيط: إرسال النص عبر بروتوكول HTTP إلى الخادم، حيث تتم معالجته وتوليده بصيغة صوتية جاهزة للاستخدام. هذه الآلية الهندسية المباشرة تضمن تكاملًا سلسًا مع أنظمة الوكالات السياحية والمتاحف دون تعقيدات برمجية إضافية.
إرسال النص عبر HTTP
يتم إرسال النص (حتى 4096 حرفًا)، تحديد النموذج والصوت والسرعة والصيغة واللغة المطلوبة، وإرفاق مفتاح API في رأس الطلب. يتم إرسال طلب HTTP من نوع POST إلى نقطة النهاية https://api.td555.info/v1/audio/speech، مع تضمين البيانات المطلوبة في جسم الطلب بصيغة JSON.
معالجة النص في الخادم
يستقبل الخادم النص المحدد ويبدأ عملية التوليد باستخدام محرك التحويل الصوتي. يتم معالجة النص بناءً على الإعدادات المرسلة، مثل سرعة القراءة ونوع الصوت المختار، لضمان مطابقة النتيجة للمواصفات التقنية المطلوبة.
إرجاع الملف الصوتي
بعد اكتمال المعالجة، يتم إرجاع الملف الصوتي مباشرة في استجابة HTTP. يكون الملف جاهزًا للاستخدام فورًا ويمكن دمجه في التطبيقات أو أنظمة الإرشاد الصوتي دون حاجة لخطوات معالجة إضافية.
دعم اللغات والأصوات
توفر واجهة برمجة التطبيقات دعمًا لغويًا لـ 23 لغة، بما في ذلك العربية والإنجليزية والصينية والفرنسية والألمانية، مع إمكانية توليد صوت بأي من هذه اللغات بأي من الأصوات المتاحة.
يعمل النظام على تخمين اللغة تلقائيًا بناءً على النص المدخل، مع إمكانية التحديد الصريح لمعيار ISO لضمان الدقة، مما يضمن تجربة مستخدم سلسة لمتاحف ووكالات السياحة التي تتعامل مع زوار متعددي اللغات.
اللغات المدعومة
تدعم الواجهة 23 لغة، تشمل العربية، الصينية، الدنماركية، الهولندية، الإنجليزية، الفنلندية، الفرنسية، الألمانية، اليونانية، العبرية، الهندية، الإيطالية، اليابانية، الكورية، الماليزية، النرويجية، البولندية، البرتغالية، الروسية، الإسبانية، السواحيلية، السويدية، والتركية. يمكن لأي صوت نطق أي من هذه اللغات بدقة.
عند عدم تحديد حقل اللغة، يحاول النظام تخمينها بناءً على النص المدخل (النصوص اللاتينية تُعتبر إنجليزية افتراضيًا). يُنصح بتعيين اللغة صراحةً للنصوص اللاتينية غير الإنجليزية لضمان دقة النطق.
- اللغات المدعومة: العربية، الصينية، الدنماركية، الهولندية، الإنجليزية، الفنلندية، الفرنسية، الألمانية، اليونانية، العبرية، الهندية، الإيطالية، اليابانية، الكورية، الماليزية، النرويجية، البولندية، البرتغالية، الروسية، الإسبانية، السواحيلية، السويدية، التركية.
- اللغات غير المدعومة حالياً: الفيتنامية، الإندونيسية، التايلاندية، الأوكرانية، الرومانية، التشيكية، البنغالية.
الأصوات الثمانية المتاحة
تتوفر ثماني أصوات افتراضية مصممة لتناسب سياقات مختلفة: إرشادية، سردية، إخبارية، أو ترويجية. تشمل الأصوات: Aria (سرد واضح)، Nova (حماسية)، Luna (هادئة)، Sage (تعليمية)، Felix (ترويجية)، Milo (ودية)، Atlas (محايدة)، Orion (وثائقية عميقة).
تستخدم هذه الأصوات في توليد الإرشادات الصوتية للمتاحف أو التعريف السياحي، مع توفير تنوع نبرة يناسب أنواع المحتوى المختلفة من الأخبار إلى القصص.
- Female: aria (سرد واضح)، nova (حماسية)، luna (هادئة)، sage (تعليمية).
- Male: felix (ترويجية)، milo (ودية)، atlas (محايدة)، orion (وثائقية).
مصدر التسجيلات المرخصة
تستند الأصوات إلى تسجيلات مرخصة من مشروع LibriTTS-R تحت رخصة CC BY 4.0، وهي قراءات مكتبات عامة من LibriVox. تضمن هذه المصادر جودة صوت عالية وموثوقية في الأداء الصوتي.
كل ملف صوتي مولد يحمل علامة مائية غير مسموعة تحدد أنه صوت اصطناعي، مما يوضح مصدره بوضوح دون التأثير على جودة الاستماع.
معالجة النصوص الطويلة
عند تجاوز النص لحد 4096 حرفًا، يجب تقسيمه إلى أجزاء أصغر لمعالجتها بكفاءة. هذا يضمن أن كل طلب يحتوي على نص ضمن الحد المسموح به، مما يسمح بتوليد الصوت بدقة عالية دون فقدان السياق.
تتطلب النصوص الطويلة تقسيم النص إلى أجزاء بحد أقصى 4096 حرفًا لكل طلب، ثم دمج الملفات الصوتية الناتجة لتوفير تجربة مستخدم سلسة.
تقسيم النص إلى أجزاء
يتم تقسيم النص إلى أجزاء لا تتجاوز 4096 حرفًا لكل طلب. يشمل ذلك المسافات وعلامات الترقيم، مما يتطلب حسابًا دقيقًا لطول النص قبل الإرسال.
الحد الأقصى للحروف يضمن معالجة مستقرة لكل طلب، مما يمنع الأخطاء التقنية أثناء توليد الصوت.
- حد أقصى 4096 حرفًا لكل طلب
- يشمل المسافات وعلامات الترقيم
- حساب دقيق لطول النص قبل الإرسال
توليد الأجزاء الفردية
تُعالج كل جزء من النص بشكل فردي عبر الواجهة التقنية. يتم توليد ملف صوتي لكل جزء، مما يضمن دقة النطق والوضوح.
تستخدم الواجهة نموذج tts-1 أو tts-1-hd لتوليد الصوت، مع إمكانية ضبط السرعة بين 0.25 و4.0 حسب الحاجة.
تتم معالجة الطلبات بشكل متسلسل، مما قد يؤدي إلى تأخير بسيط في الأحمال العالية.
- توليد ملف صوتي لكل جزء
- استخدام نموذج tts-1 أو tts-1-hd
- ضبط السرعة بين 0.25 و4.0
دمج الملفات الصوتية
بعد توليد الأجزاء الفردية، يتم دمجها في ملف صوتي واحد. هذا يضمن تجربة مستخدم سلسة ومتسقة.
يجب دمج الملفات الصوتية الناتجة، مما يوفر وقت التطوير ويضمن توافق الملفات مع الصيغ المختلفة مثل MP3 وWAV.
النتيجة النهائية هي ملف صوتي متكامل يعكس النص الأصلي بدقة عالية.
- دمج تلقائي للأجزاء
- توفير تجربة مستخدم سلسة
- توافق مع صيغ MP3 وWAV
إعدادات الصوت والسرعة
تتيح واجهة برمجة التطبيقات تحكمًا دقيقًا في سرعة النطق عبر حقل speed، حيث يمكنك ضبط القيمة بين 0.25 و4.0. هذا الإعداد يسمح لك بتكييف إيقاع القراءة ليتناسب مع السياق، سواء كان توجيهًا سياحييًا هادئًا أو إعلانًا تسويقيًا سريعًا، دون الحاجة إلى تعديل الملفات الصوتية بعد توليدها.
التحكم في سرعة القراءة
يتم تطبيق معامل السرعة مباشرة على محرك التوليد، مما يضمن تناسقًا تامًا بين النص المرسَل والصوت الناتج. يمكنك استخدام القيم المنخفضة (مثل 0.5) لتوضيح المصطلحات التقنية أو الأسماء في الإرشادات الصوتية، أو القيم العالية (مثل 2.0) لتغطية نصوص طويلة في وقت أقصر.
- نطاق السرعة المدعوم: 0.25 إلى 4.0
- دقة في ضبط الإيقاع يناسب السياقات المختلفة
- تطبيق فوري دون حاجة لمعالجة ما بعد الإنتاج
تأثير السرعة على الجودة
تظل جودة الصوت واضحة ومسموعة عبر جميع السرعات المدعومة، حيث أن المحرك مصمم للحفاظ على دقة النطق الطبيعي. لا يوجد تدهور ملحوظ في الوضوح عند التسريع أو التبطيء ضمن النطاق المسموح، مما يضمن تجربة مستخدم سلسة للزوار في المتاحف أو النقاط السياحية.
يؤثر التغير في السرعة على مدة الملف النهائي فقط، بينما تظل الخصائص الصوتية للأصوات الثمانية (مثل وضوح النطق في الأوامر التعليمية) ثابتة وموثوقة.
إعدادات اللغة التلقائية
يمكنك تحديد اللغة صراحةً عبر حقل language باستخدام رمز ISO (مثل 'ar' للعربية). إذا تم حذف هذا الحقل، يقوم النظام بافتراض اللغة بناءً على النص المدخل، حيث يعتبر النص المكتوب بالحروف اللاتينية إنجليزيًا افتراضيًا.
يُنصح دائمًا بتعيين لغة النص يدويًا عند استخدام نصوص لاتينية غير إنجليزية لضمان الدقة اللغوية الصحيحة في النطق.
نماذج الملفات الصوتية
تتيح واجهة برمجة التطبيقات تحديد صيغة ملف الصوت المطلوب عبر حقل response_format، مما يسمح لك باختيار التوازن المناسب بين الجودة وحجم الملف لكل مشروع سياحي أو متحفي.
يضمن دعم الصيغ المتعددة توافق ملفات الصوت مع مشغلات الإرشاد الصوتي القديمة والحديثة، مع الحفاظ على وضوح الصوت دون حاجة لتحويلات إضافية.
صيغة MP3 المتوافقة
تعتبر صيغة MP3 خيارًا شائعًا لتطبيقات الويب والتطبيقات المحمولة، حيث توفر توازنًا بين جودة الصوت وحجم الملف، مما يسهل التخزين والنقل السريع للزوار.
تدعم MP3 تشفيرًا فعالًا يضمن تجربة سلسة عند تشغيل الإرشادات الصوتية في المتاحف أو التطبيقات السياحية دون استهلاك كبير لعرض النطاق الترددي.
- حجم ملف صغير وسهل الإدارة
- توافق واسع مع جميع الأجهزة والمتصفحات
- جودة صوت واضحة ومناسبة للكلام
صيغة WAV غير المضغوطة
توفر صيغة WAV جودة صوت عالية بدون ضغط، مما يجعلها مناسبة للتسجيلات الصوتية الاحترافية أو عند الحاجة إلى أعلى دقة.
يتم استخدام هذه الصيغة عادةً في أنظمة الإرشاد الصوتي الثابتة أو عند دمج الصوت في إنتاج محتوى تعليمي عالي الجودة حيث لا يهم حجم الملف.
- جودة صوت غير مضغوطة وأعلى دقة
- مثالية للتسجيلات الاحترافية
- حجم ملف أكبر مقارنة بـ MP3
صيغ OPUS و FLAC و PCM
تدعم الواجهة أيضًا صيغ OPUS و FLAC و PCM، حيث تقدم OPUS كفاءة ضغط عالية مع جودة ممتازة، بينما تقدم FLAC ضغطًا بدون فقدان للجودة، وPCM بيانات صوتية خام.
تتيح هذه الخيارات مرونة تقنية كبيرة لمطوري الواجهات الذين يحتاجون إلى صيغ محددة لأنظمة تشغيل أو أجهزة إرشاد صوتي متخصصة.
- OPUS: ضغط عالي وكفاءة ممتازة
- FLAC: ضغط بدون فقدان الجودة
- PCM: بيانات صوتية خام غير معالج
حدود الأداء والطلبات
تعمل الواجهة التقنية بحدود واضحة تضمن استقرار الخدمة وكفاءة توليد الملفات الصوتية. تُحسب التكاليف بناءً على عدد الأحرف، بما في ذلك المسافات وعلامات الترقيم، مع ضمان عدم خصم رصيد الطلبات الفاشلة.
يتطلب التكامل الفعال فهمًا دقيقًا لحدود الإرسال وزمن الاستجابة، خاصة عند إنتاج إرشادات سياحية طويلة أو محتوى تعليمي للمتاحف، لضمان تجربة مستخدم سلسة دون تأخيرات ملحوظة.
عدد الطلبات المسموح به
يُسمح بإرسال 60 طلبًا في الدقيقة لكل مفتاح API نشط. قبل أول إيداع، يكون الحد 10 طلبات فقط في الدقيقة. يُسمح بإنشاء مفتاح جديد في أي وقت، مما يلغي المفتاح السابق فورًا.
زمن المعالجة المتوقع
السرعة المتوسطة تكافئ الزمن الحقيقي تقريبًا للنصوص الطويلة (حوالي 25 حرفًا من النص لكل ثانية من الصوت المُولّد). تستغرق الجمل القصيرة بضع ثوانٍ لإتمام معالجتها.
معالجة الطوابير في الأحمال العالية
تُعالج الطلبات بتتابع واحد، مما يعني أن الطلبات المتزامنة قد تنتظر في طابور المعالجة أثناء الازدحام. لا توجد ضمانات زمنية (SLA)، لذا يُنصح بتوزيع الأحمال لتجنب التأخير في توليد الإرشادات.

التكامل مع الأنظمة
تعمل الواجهة عبر بروتوكول HTTP القياسي، حيث يُرسل النص عبر طلب POST إلى نقطة النهاية الخاصة بالـ API. يمكن لأي تطبيق أو نظام داخلي إرسال النصوص واستقبال الملفات الصوتية بصيغ متعددة، مما يسهل دمج الخدمة في منصات الحجز أو أنظمة إدارة المتاحف.
التكامل لا يتطلب مكتبات مخصصة؛ يمكن استخدام أي بيئة برمجة تدعم HTTP، أو حتى أدوات مثل cURL لاختبار الربط السريع، مما يضمن مرونة عالية في دمج الصوت مع الواجهات الحالية.
ربط الواجهة بالتطبيقات
يتم الربط عبر إرسال مفتاح API في رأس الطلب (Authorization: Bearer) مع تحديد النموذج والصوت المطلوبين. تدعم الواجهة نفس بنية الطلب الخاصة بواجهات الصوت المعروفة، مما يعني إمكانية استخدام مكتبات SDK القياسية بتعديل عنوان الاتصال الأساسي (base_url).
التكامل يعمل بشكل متزامن؛ يتم إرسال النص (حتى 4096 حرفًا) واستلام ملف الصوت مباشرة في الاستجابة. هذا النمط مناسب لتطبيقات الويب والتطبيقات التي تحتاج إلى ملف صوتي جاهز للاستخدام الفوري.
- استخدام HTTP POST مع JSON body.
- دعم أي لغة برمجة تدعم HTTP.
- مفتاح API واحد للحساب.
- بدون حاجة لمكتبات خاصة.
تحديث المحتوى ديناميكيًا
يمكن للنظم الداخلية استدعاء الواجهة عند تغير النص المصدري، مثل تحديث معلومات رحلة أو تغيير نص المعرض. يتم توليد الصوت الجديد فورًا واستبداله في النظام، مما يضمن دقة المعلومات دون تدخل بشري.
بما أن الواجهة تعتمد على النص المدخل فقط، فإن أي تعديل في النص المصدر يؤدي إلى توليد ملف صوتي جديد بدقة، مما يحافظ على حداثة المحتوى الصوتي مع تحديثات البيانات.
- توليد صوت عند تغيير النص.
- استبدال الملفات القديمة فورًا.
- دعم التحديثات التلقائية.
أتمتة إنتاج الإرشادات
- توليد جماعي للنصوص.
- أتمتة كاملة لسير العمل.
- توحيد جودة الصوت.
ضمان جودة الصوت
يعتمد النظام على أصوات مبنية على تسجيلات مرخصة من مكتبة LibriTTS-R، مما يضمن وضوحًا صوتيًا عاليًا ودقة في النطق. هذه الأساسيات التقنية توفر تجربة مستخدم متميزة للزوار في الإرشادات السياحية والمتاحف دون الحاجة لفرق إنتاج كبيرة.
يتم توليد الملفات الصوتية مباشرة من النصوص المدخلة دون إضافة مؤثرات خارجية، مما يضمن تجانسًا تامًا في الصوت. لا توجد ضوضاء خلفية أو تباين في الجودة بين الأجزاء المختلفة، مما يسهل دمج الملفات الناتجة عن تقسيم النصوص الطويلة.
وضوح النطق العربي
يتمتع النظام بدعم دقيق للغة العربية ضمن اللغات الـ23 المدعومة. يعتمد النظام على سجلات صوتية عالية الجودة لضمان دقة النطق، مما يزيل الحاجة إلى ضبط نبرة الصوت يدويًا لكل نص.
- دعم كامل للغة العربية دون قيود حروف
- وضوح صوتي مضمون بفضل سجلات LibriTTS-R
- تجنب الأخطاء الشائعة في النطق الآلي
تقليل الضوضاء الخلفية
المخرجات الصوتية نظيفة وخالية من الضوضاء غير المرغوب فيها. لا توجد مؤثرات موسيقية أو أصوات خلفية تغطي الكلام، مما يضمن وضوح الرسالة في الإرشادات الصوتية للمتاحف.
التجانس في الصوت المولد
يتم توليد كل ملف صوتي بنفس الخوارزمية والأساس الصوتي. هذا يضمن تجانسًا تامًا في النبرة والإيقاع بين جميع الأجزاء المولدة، حتى عند دمج نصوص طويلة مقسمة.
معالجة الأخطاء التقنية
تتعامل واجهة برمجة التطبيقات مع الأخطاء التقنية لضمان استمرارية إنتاج المحتوى الصوتي. عند حدوث عطل أثناء التوليد، تُعاد قيمة المبلغ كاملًا دون خصم، مما يضمن دقة الفواتير.
فشل الطلبات وإعادة المحاولة
عند فشل عملية التوليد، لا يُخصم رصيدك. يمكنك إعادة إرسال النص مباشرة أو عبر خوارزمية إعادة محاولة في تطبيقك، مع التأكد من إرسال مفتاح API الساري.
- إرجاع المبلغ الكامل عند الفشل.
- إمكانية إعادة الإرسال الفوري.
التعامل مع أخطاء الشبكة
تتعامل الخوادم مع انقطاعات الشبكة القصيرة تلقائيًا. إذا تعذر الوصول للواجهة، يُنصح باستخدام مؤقت زمني (backoff) بين محاولات الاتصال لتجنب ازدحام السيرفر.
سجلات الأخطاء للفحص
يحتفظ النظام بسجل الطلبات بما فيها حالات الفشل والوقت والتكلفة. استخدم هذه السجلات لتتبع المشاكل التقنية وتحسين سير عمل توليد الإرشادات الصوتية في متحفك أو وكالتك.
حماية البيانات والملكية
تضمن واجهة برمجة التطبيقات خصوصية البيانات من خلال عدم استخدام النص المدخل في تدريب النماذج، حيث يُستخدم فقط لتوليد الملف الصوتي المطلوب وإرجاعه في الاستجابة دون تخزينه. هذا يضمن أن معلومات المحتوى الخاص بك تبقى ملكاً لك فقط.
عدم حفظ النص المدخل
يتم معالجة النص مؤقتاً لإنتاج الصوت، ولا يتم الاحتفاظ به لأغراض التدريب أو التحليل طويل المدى. فقط بيانات الطلب الأساسية (الوقت، عدد الأحرف، الحالة) تُحفظ للفواتير.
علامات مائية صوتية
تحتوي كل ملف صوتي مولد على علامة مائية غير مسموعة تميزه كلغة آلي. هذه العلامة لا تؤثر على جودة الاستماع ولا تمنع استخدام الملف في سياحتك أو متاحفك.
حقوق الاستخدام التجاري
الأصوات المتاحة مبنية على تسجيلات مرخصة (LibriTTS-R و LibriVox). يمكنك استخدام الملفات الصوتية المولدة في منتجاتك التجارية أو السياحية دون قيود إضافية على حقوق الملكية.
نماذج النماذج المتاحة
توفر المنصة نموذجين أساسيين لتوليد الصوت، كليهما يعتمدان على نفس محرك المعالجة الأساسي. يُحدد النموذج المستخدم عبر حقل "model" في جسم طلب JSON، حيث يمكن الاختيار بين القيمة "tts-1" للنسخة القياسية أو "tts-1-hd" للنسخة عالية الدقة.
نموذج tts-1 القياسي
النموذج الأساسي المصمم للسرعة والكفاءة. مثالي لتوليد الإرشادات السياقية السريعة أو النصوص التعليمية القصيرة التي تتطلب استجابة فورية دون تعقيد إضافي في المعالجة.
نموذج tts-1-hd عالي الجودة
يوفر جودة صوت أعلى مع تفاصيل صوتية أعمق، وهو مناسب للمحتوى التاريخي في المتاحف أو الوثائق الصوتية الطويلة حيث يهم النقاء الصوتي. يتطلب نفس واجهة الطلب ويعالج النص بنفس الطريقة.
التشابه في المحرك والسعر
كلا النموذجين يستخدمان نفس المحرك الأساسي ولا يوجد فرق في التسعير؛ السعر هو $0.01 لكل 1000 حرف بغض النظر عن اختيار النموذج. الاختيار يعتمد فقط على تفضيل جودة الصوت النهائي.
استمع إلى الأصوات الثمانية
تم إنشاء كل عينة أدناه باستخدام هذه الواجهة البرمجية من نفس الجملة. هذا النموذج يضمن شفافية تامة في الفواتير دون رسوم خفية أو اشتراكات شهرية ثابتة.
23 لغة
يمكن لأي صوت التحدث بأي من هذه اللغات.
المصادر ومزيد من القراءة
- Wikipedia
- Creative Commons Attribution 4.0
- openai-python on GitHub
- Node.js documentation
- IETF RFC 7845: Ogg Opus
- LibriTTS-R paper (arXiv 2305.18802)
- TRON developer hub: TRC-20
- ISO 639 language codes
- curl documentation
- W3C WAI: making audio and video accessible
- LibriTTS-R corpus (OpenSLR 141)
- LibriVox public-domain audiobooks
