جملة واحدة، «لن أغادر»، تعني أشياء مختلفة حين تقولها أمٌّ تطمئن طفلها، وحين يقولها بطل لعبة قبل المعركة، وحين تُقرأ بصوت آلي بلا اكتراث. هذا الفرق هو ما تقول ElevenLabs إنها ضيّقته في Eleven v4، نموذج تحويل النص إلى كلام الذي أعلنته في 28 سبتمبر 2026.
التحسن حقيقي في المنتج لمن يعمل في التعليق الصوتي أو الألعاب أو الوكلاء الصوتيين، لكن أرقام التفضيل والسرعة من اختبارات الشركة نفسها. ولا مقارنة مستقلة منشورة هنا بالعربية، فجرّب بنفسك قبل أن تعتمد عليه.
الوسوم الصوتية وما حولها
تقول الشركة إن النموذج صُمم ليفهم النبرة والإيقاع والشخصية والسياق، وأتاحت وسومًا تكتبها داخل النص: [laughs] للضحك، أو [said angrily in French accent]، أو مؤثرات مثل [light rain] و[phone buzzing]. ويمكنك أيضًا وصف طريقة الإلقاء بجملة طبيعية. وتحسّن دعم رموز النطق الدولية IPA لضبط نطق الأسماء والمصطلحات.
وفي الحوارات بين متحدثين، تقول الشركة إن الأصوات تتجاوب مع ما قيل قبلها بدل أن تبدو أسطرًا ملصوقة معًا، وإن هوية كل صوت تبقى ثابتة عبر الكتب الصوتية والإعلانات.
كم يتفوق؟ وعلى ماذا؟
تذكر ElevenLabs أن Eleven v4 جاء أول في تصنيف Artificial Analysis لسبتمبر 2026، وأن نحو 75% من المستمعين فضّلوه في اختبارات عمياء أمام منافسين. والرسم أعلاه يفصّل الأرقام: 81% أمام Cartesia Sonic 3.6 وInworld TTS-2، و72% أمام Gemini 3.8 Flash-Lite TTS، و65% أمام Gemini 3.8 Flash TTS. ومن يقرأ الهامش يرى أن المقارنة أجرتها الشركة بنفسها على أسطر متطابقة وعرضتها دون ذكر هوية النموذج.
النسخة السريعة للوكلاء
يوجّه Eleven v4 Turbo إلى المحادثات الحية، فتقول الشركة إن زمن الاستدلال الوسيط نحو 100 ميلي ثانية، وزمن بدء الكلام نحو 150 ميلي ثانية. وفي رسمها يقابل ذلك 262 لـ Cartesia Sonic 3.6 و362 لـ xAI TTS و685 لـ Gemini 3.8 Flash-Lite TTS و814 لـ OpenAI GPT-4o mini TTS.
هل ينطق العربية جيدًا؟
تقول ElevenLabs إن النموذجين يدعمان أكثر من 90 لغة وإن الصوت المسجّل بلغة يتحدث بغيرها بلكنة أهلها، وتضم صفحة اللغات لديها العربية. لكنني لم أجد في المصدر الرسمي ولا في غيره تقييمًا لنطق العربية أو اللهجات في v4، ولذلك لا أعد بنتيجة. إن جرّبته فاختبر اسمًا عربيًا طويلًا وتشكيلًا وأرقامًا ولهجة محلية.
استنساخ الصوت: ما يجب أن تنتبه له
تقول الشركة إن الاستنساخ الفوري يلتقط الصوت من 10 ثوانٍ فقط، وإنها أضافت استنساخًا احترافيًا بأعلى دقة. ومن ثم يصبح تحذيرنا السابق من احتيال استنساخ الصوت أهم: لا ترفع صوت أحد دون إذنه، ولا تثق بمكالمة لأن الصوت مألوف.
وإن أردت التجربة دون دفع، فاقرأ أولًا ما تقدمه الخطة المجانية في ElevenLabs بالعربية، وللتفريق بين المحتوى الحقيقي والمولَّد راجع كيف تعرف أن صورة أو فيديو مولّد.
