هل ما زلت تدفع المال للبحث عن أشخاص لتسجيل التعليق الصوتي للفيديوهات القصيرة؟ سجّلت أكثر من عشر مرات حتى بحّ صوتك؟ تريد استنساخ "نسخة رقمية" من صوتك لإنتاج المحتوى بكميات كبيرة؟魔音工厂(MOSS-TTS-Nano v0.1.0) هي أداة تركيب صوتي محلية مجانية حقًا، تعمل دون اتصال بالإنترنت بالكامل، وتعمل على المعالج CPU فقط. كل ما عليك فعله هو إدخال نص وتقديم مقطع صوتي مرجعي، وستولّد ملفًا صوتيًا بنفس النبرة. في هذا المقال نقدّم دليل تنزيل وتثبيت مصنع الصوت السحري، و3 حالات اختبار فعلية، وإجابات على الأسئلة الشائعة، لمساعدتك على تشغيل أول خط إنتاج للتعليق الصوتي بالذكاء الاصطناعي في 3 دقائق.
مصنع الصوت السحري MOSS-TTS-Nano هو أداة تركيب صوتي محلية مجانية تعمل دون اتصال، مبنية على تغليف ثانوي للمشروع مفتوح المصدر OpenMOSS MOSS-TTS-Nano (Apache 2.0)، حيث قام مطوّرون محليون بتكييف الواجهة الصينية وتغليف التشغيل بنقرة واحدة، جاهزة للاستخدام فورًا.
ببساطة:حوّل النص إلى صوت، دون الحاجة للإنترنت، دون دفع، يعمل على المعالج CPU، ويمكنك استنساخ النبرة باستخدام مقطع صوتي مرجعي.
أدخل أي نص، واختر النبرة، وولّد بضغطة واحدة ملف WAV ستيريو بتردد 48kHz، بجودة صوت قريبة من صوت الإنسان الحقيقي.
مثال على العملية:أدخل في مربع النص "مرحبًا، تابعوا قناتي"، ثم اضغط على توليد
قدّم مقطعًا صوتيًا مرجعيًا مدته 5-10 ثوانٍ، وسيتعلّم الذكاء الاصطناعي خصائص النبرة، ويولّد صوتًا مطابقًا للنبرة المرجعية.
مثال على العملية:ارفع مقطعًا صوتيًا تسجّله بصوتك → حدّد "استنساخ الصوت" → أدخل النص لتوليد نفس الصوت
يدعم 20 لغة منها الصينية والإنجليزية واليابانية والكورية والفرنسية والألمانية، مع إمكانية التبديل الحر لتوليد تعليقات صوتية متعددة اللغات.
مثال على العملية:اختر "English" من القائمة المنسدلة للغة، وأدخل نصًا إنجليزيًا لتوليد تعليق صوتي بالإنجليزية
بعد تنزيل ملفات النموذج محليًا، يعمل دون الحاجة للإنترنت، ولا يستهلك حصة API، ولا يترتب عليه رسوم اشتراك.
مثال على العملية:بعد التشغيل الأول، فعّل وضع الطيران، وستظل قادرًا على توليد الصوت بشكل طبيعي
تم تحسينه بعمق للمعالج CPU، ويعمل بسلاسة بذاكرة 4GB فقط، دون الاعتماد على تسريع GPU.
مثال على العملية:يعمل مباشرة حتى على الحواسيب المكتبية المحمولة القديمة، دون الحاجة لكرت رسومات منفصل

| سيناريو الحالة | المحتوى المُدخل | أبرز المخرجات والتقييمات | وقت التوليد / قابلية الاستخدام |
|---|---|---|---|
| التعليق الصوتي للفيديوهات القصيرة | مقطع صوتي نظيف مدته 8 ثوانٍ + نص تعليق صوتي من 30 حرفًا | استنسخ النبرة ونغمة الصوت المرجعية بشكل مثالي، حتى إيقاع التنفس قريب من الإنسان الحقيقي. أنتجت 3 فيديوهات لحساب بث معرفي، ونجحت من المحاولة الأولى دون الحاجة لمعالجة لاحقة. التقييم: يمكن أن يحل محل التعليق الصوتي البشري بالكامل. | 7 ثوانٍ/مقطع ★★★★★ |
| إنتاج محتوى متعدد اللغات | نص صيني من 50 حرفًا، مع اختيار نبرة صوت إنجليزية | النطق الإنجليزي طبيعي وسلس، دون إحساس واضح بأنه آلي، ويُستخدم مباشرةً في النسخة الإنجليزية من الفيديو لحسابات المحتوى ثنائي اللغة. التقييم: التبديل بين اللغات مريح جدًا، ويوفّر عناء إعادة التسجيل. | 4 ثوانٍ/مقطع ★★★★☆ |
| الكتب الصوتية / قراءة النصوص الطويلة | فصل من رواية مكوّن من 500 كلمة | يُولَّد مقسّمًا حسب الجمل، ويكون الإحساس السمعي بعد الدمج طبيعيًا، مع تقسيم وفواصل منطقية نسبيًا. التقييم: مناسب لإنتاج محتوى صوتي بالجملة، لكن مع النصوص الطويلة يُفضّل التوليد على شكل مقاطع من 3-5 جمل ثم دمجها للحصول على نتيجة أكثر استقرارًا. | حوالي 20 ثانية/مقطع ★★★★☆ |
نزّل حزمة 魔音工厂 المضغوطة من صفحة Release الخاصة بالمشروع، ثم فك الضغط إلى مسار بالإنجليزية بالكامل، مثل D:\moss\. تجنّب أسماء المجلدات بالصينية لتجنّب حدوث أخطاء عند التشغيل. تحتوي الحزمة المضغوطة على ملفات النماذج الكاملة (حوالي 728MB في المرة الأولى)، ويُفضّل تخصيص 2GB من مساحة القرص.
بعد فك الضغط، انقر نقرًا مزدوجًا على 启动.batفي الدليل الجذري، وسيشغّل البرنامج الخدمة المحلية ويفتح واجهة التشغيل في المتصفح تلقائيًا. عندها ستظهر نافذة سوداء لسطر الأوامر،لا تغلقها، وإغلاقها يعني إنهاء البرنامج.
في واجهة المتصفح، الصق/أدخل النص المراد تركيبه، واختر اللغة والنبرة (أو ارفع ملفًا صوتيًا مرجعيًا لتفعيل استنساخ الصوت)، ثم انقر على زر "توليد". بعد الانتظار بضع ثوانٍ، يمكنك الاستماع وتنزيل ملف WAV بتردد 48kHz. في الخيارات المتقدمة يمكن ضبط طول التوليد الواحد إلى 60 ثانية أو أكثر.
💡 نصائح للاستخدام:للحصول على أفضل نتيجة في استنساخ الصوت، يُنصح باستخدام ملف صوتي مرجعي نظيف مدته 5-10 ثوانٍ (بدون موسيقى خلفية وبدون صدى). وإذا كنت تولّد نصًا طويلًا، فأوقف أولًا خاصية كشف الصمت في الخيارات المتقدمة، ثم ولّد على عدة مقاطع، وأخيرًا ادمجها ببرنامج مونتاج.
| وجه المقارنة | 魔音工厂 | Microsoft Azure TTS | OpenAI TTS |
|---|---|---|---|
| طريقة الدفع | مجاني ومفتوح المصدر | ¥50-200/شهريًا | ¥15-100/شهريًا |
| متطلبات الشبكة | يعمل دون اتصال بالكامل | يتطلب الاتصال بالإنترنت إلزاميًا | يتطلب الاتصال بالإنترنت إلزاميًا |
| استنساخ الصوت | تدعم | متاح فقط في نسخة المؤسسات | تدعم |
| مواصفات الإخراج | WAV ستيريو بتردد 48kHz | 48kHz | 24kHz |
| متطلبات العتاد | يكفي المعالج، مع ذاكرة 4GB | لا توجد متطلبات خاصة (سحابي) | لا توجد متطلبات خاصة (سحابي) |
مجاني بالكامل، ولا يتطلب التسجيل. تم تطويره بشكل ثانوي استنادًا إلى رخصة Apache 2.0 مفتوحة المصدر، ولن تظهر أي وظائف مبتورة أو رسوم خفية.
يستغرق التوليد الافتراضي حوالي 30 ثانية للمرة الواحدة. يمكن ضبطه إلى 60 ثانية أو أكثر في الخيارات المتقدمة، لكن يُنصح بتقسيم النصوص الطويلة وتوليدها على أجزاء ثم دمجها، لتحقيق استقرار أعلى.
نعم. حقوق النشر للصوت المُولَّد مملوكة لك، ويمكنك استخدامه بحرية في الفيديوهات التجارية والإعلانات والمحتوى الصوتي وغيرها من المجالات، دون أي علامة مائية أو قيود.
Windows 10/11، يكفي 4GB من الذاكرة للتشغيل، دون الحاجة إلى كرت رسومات منفصل. عند أول تشغيل سيتم تنزيل ملفات النموذج بحجم يقارب 728MB، وبعد ذلك يعمل بالكامل دون اتصال بالإنترنت.
تتضمن الحزمة المضغوطة تعليمات استخدام مفصلة، والواجهة باللغة الصينية بالكامل، ما عليك سوى اتباع الإرشادات. يمكنك أيضاً الرجوع إلى الدليل المكوّن من 3 خطوات في هذه المقالة، وستتمكن من الإتقان خلال 3 دقائق تقريباً.
المشكلة الجوهرية التي يحلها 魔音工厂 هي“ارتفاع تكلفة الدبلجة وثقل الإجراءات”. فقد اختصر تحويل النص إلى كلام، واستنساخ الصوت، والتوليد متعدد اللغات، في أداة محلية لا تحتاج إلى اتصال بالإنترنت، ولا كرت رسومات، ولا إنفاق مال. وهي مناسبة بشكل خاص لمنشئي الفيديوهات القصيرة، ومشغّلي الإعلام الذاتي، ومنتجي الكتب الصوتية، وكل من يحتاج إلى كميات كبيرة من المواد الصوتية دون الرغبة في كشف صوته. ننصحك أولاً بتشغيل أول عملية دبلجة خلال 3 دقائق، ثم تجربة استنساخ ”نسخة رقمية” من صوتك، فهناك تبدأ الكفاءة بالانطلاق حقاً.
🎙️ حمّل الآن 魔音工厂 MOSS-TTS-Nano، وابدأ خط إنتاجك المحلي لتوليف الصوت!