تحكّم في وقفات صوتك المولَّد

تستخرج الكلمات المنطوقة من داخل العلامات وتولّدها صوتًا بنبرة طبيعية، فيستطيع أي مسار عمل قائم على <bdi>SSML</bdi> أن يوجَّه إليها دون نزع العلامات أولًا للعودة إلى نص عادي. ولنكن واضحين في الحدّ منذ البداية: هذا المحرك ينطق الكلمات، لا الضوابط الصوتية الدقيقة التي يستطيع <bdi>SSML</bdi> وصفها.

ما هو SSML ولماذا وُجد

لغة SSML معيار من W3C وُضع ليصف الكاتبُ كيف ينبغي لمحرك الصوت أن يقول الشيء، لا ما يقوله فحسب: أين تكون الوقفة، أي مقطع يُشدَّد، كيف تُنطق الاختصارات، وهل سلسلة الأرقام تاريخ أم رقم هاتف أم كمية عادية. ظلّ سنوات عُرف الصناعة في التحكم بالكلام المولَّد، وذلك لأن النص العادي غامض فعلًا — فـ«2/3» قد يكون تاريخًا أو كسرًا أو نتيجة، ولا يحسم ذلك في المجرد إلا العلامات. هذا هو التنسيق الذي تقبله الأداة في المدخل؛ أمّا ما تفعله بكل علامة فمشروح بوضوح في القسم التالي.

كيف يعمل الطلب والاستجابة

ترسل نصًا مزوّدًا بعلامات SSML (أو نصًا عاديًا) في جسم الطلب. تستخرج الخدمة الكلمات المنطوقة من العلامات وتولّدها، أمّا العلامات نفسها فتُختزل إلى نصها قبل التوليد. توضَع المهمة في الطابور بشكل غير متزامن وتُعيد task_id فورًا؛ ويُسلَّم الصوت الجاهز بعد ذلك عبر webhook موقَّع أو رابط موقَّع صالح 24 ساعة. ولأن المولَّد هو الكلمات، فإن إرسال SSML وإرسال النص العادي المكافئ يُنتجان الرواية الطبيعية نفسها — تُقبل العلامات للتوافق، لا لأن كل علامة تغيّر الصوت.

ما يمثّله هذا المحرك وما لا يمثّله

هذا هو الحدّ الصادق، نذكره كي لا تعِد هذه الصفحة بأكثر مما تعطي. يقرأ محرك الصوت الحالي محتوى النص وينتج كلامًا طبيعيًا حسن الإيقاع. لكنه لا يطبّق صوتيًا ضوابط SSML الدقيقة: التشديد والنطق الصوتي والتنغيم ومدد الوقفات الدقيقة تُقبل في المدخل ثم تُزال، ولا تُمثَّل. فعلامة وقفة من ثانيتين لا تُوقف السطر ثانيتين، وعلامة تشديد لا تُبرز الكلمة أكثر مما يفعل النموذج من تلقائه. إن كان استخدامك يعتمد على تمثيل هذه الضوابط بدقة، فهذه القدرة ليست متاحة بعد على هذا المحرك — ووُجدت هذه الأداة كي يولّد مسار SSML صوتًا اليوم دون فرع منفصل للنص العادي.

دمجها في المحتوى المؤتمت

SSML ليس إلا نصًا مبنيًا، فمن السهل توليده برمجيًا — يستطيع مسار محتوى أن يحيط الأرقام بعلامات، ويُدرج وقفات بين الأقسام، ويُعلّم اسمًا بإشارة نطق، كل ذلك دون تدخل بشري. قيمة هذه الأداة لهذا الجمهور أنها تقبل كما هو SSML الذي يُخرجونه أصلًا: لا حاجة لبناء مسار شيفرة ثانٍ وصيانته يختزل علاماتهم إلى نص عادي قبل الإرسال. ويعكس السعر طبيعة المهمة الخفيفة المحدّدة — أساس صغير لكل طلب زائد سعر عن كل ألف حرف من النص المُرسَل، والمهام الفاشلة لا تُحتسب أبدًا بعد المحاولات التلقائية.

الوصول وكيفية التعامل مع النتائج

تتطلب هذه الأداة رصيدًا مسبق الدفع كسائر أدوات الـAPI؛ والطلب دون رصيد يُعيد HTTP 402 بدل نتيجة ناقصة أو منقوصة. يُحذف النص المُرسَل والصوت المولَّد عند انتهاء مدة الاحتفاظ، ولا يُستخدمان أبدًا لتدريب النماذج — والتسليم حصرًا عبر webhook الخاص بك أو رابط موقَّع مؤقت، ولا يُحفظ شيء بعد تلك النافذة.