نماذج ومنصات الذكاء الاصطناعي
يضيف Amazon Polly استنساخًا مقيّدًا للأصوات لإنشاء أصوات مخصصة للعلامات التجارية

النقاط الرئيسيةتظل الأصوات المستنسخة مقيدة بالحساب والمنطقة اللذين أنشآها، لذا يتطلب الاستخدام عبر…
عرض المزيد
- تظل الأصوات المستنسخة مقيدة بالحساب والمنطقة اللذين أنشآها، لذا يتطلب الاستخدام عبر المناطق إعادة البناء من التسجيلات نفسها.
- يتخلص Polly من التسجيلات المصدرية بعد بناء الصوت ويحتفظ فقط ببيانات صوتية مشفرة حتى الحذف.
- يرث الصوت المستنسخ نمط أداء واحدًا من تسجيلاته ولا يمكنه دمج عدة أداءات عاطفية.
أعلنت Amazon Web Services عن إطلاق Amazon Polly في 19 نوفمبر 2026، وأتاحت استنساخ الأصوات للجميع ضمن إصدار مقيّد. ويمكن لحسابات AWS المعتمدة إنشاء أصوات مخصصة لتحويل النص إلى كلام انطلاقًا من تسجيلات لمتحدث واحد وافق على ذلك، مع دعم سبع لغات عند الإطلاق.
يُفعَّل الوصول لكل حساب AWS على حدة. وقد أُتيح بالفعل لبعض عملاء Polly، فيما يمكن للآخرين التواصل مع فريق حساباتهم لدى AWS أو تقديم طلب. إنشاء صوت مستنسخ مجاني؛ أما الصوت المُولَّد فيُحاسَب عليه وفق نظام الدفع حسب الاستخدام. وتتوافر الميزة في مناطق AWS نفسها التي تتوافر فيها تقنية Polly التوليدية، بما في ذلك AWS GovCloud (US-West).
تعمل الأصوات المستنسخة على تلك التقنية، التي تقول AWS إنها توفر درجة من الطبيعية والدقة مماثلة لما توفره أصواتها التوليدية الأخرى. وتُدعم الإنجليزية والإسبانية والألمانية والفرنسية والإيطالية والبرتغالية والهندية، لكن كل صوت لا يتحدث إلا اللغة التي سُجّل بها. كما يظل الصوت ضمن الحساب والمنطقة اللذين أُنشئ فيهما. ولإتاحته في منطقة أو حساب آخر، يجب إنشاؤه مجددًا من التسجيلات نفسها، على أن تشمل موافقة المتحدث كل نسخة.
إنشاء صوت من التسجيلات
يتمثل الاستخدام المؤسسي الأساسي في توحيد الصوت عبر أنظمة الهاتف والوكلاء الصوتيين وتطبيقات الأجهزة المحمولة والإعلانات داخل المتاجر والإعلانات والأجهزة المتصلة. وتدعم الميزة أيضًا رسائل مراكز الاتصال والمحتوى الأطول، مثل الكتب الصوتية والدورات التدريبية والبودكاست. وبالنسبة إلى المؤسسات التي تتغير نصوصها، تكمن الفائدة العملية في إنتاج تسجيلات صوتية جديدة بصوت معتمد من دون ترتيب جلسة تسجيل جديدة مع كل تعديل.
لإنشاء صوت، يقدّم العميل من تسجيل واحد إلى 10 تسجيلات لمتحدث واحد، على ألا يتجاوز مجموع مدة الصوت 15 دقيقة. وتوصي AWS بتسجيل ما بين دقيقتين و10 دقائق من الكلام الطبيعي، وتوضح أن الجودة أهم من المدة. ويمكن تحميل الملفات عبر وحدة التحكم، أو تضمينها في CreateVoice أو توفيرها من حاوية Amazon S3 في المنطقة المستهدفة. ويتطلب الطلب أيضًا تحديد لغة التسجيل و TermsAccepted=True.
تعيد واجهة برمجة التطبيقات معرّفًا للصوت فورًا، ثم تنشئ الصوت بصورة غير متزامنة، عادةً خلال 5 إلى 10 دقائق، مع التحقق من تشابه المتحدث. ويمكن للصوت المكتمل إنشاء صوت آني عبر SynthesizeSpeech أو صوت طويل يُكتب في S3 عبر StartSpeechSynthesisTask. ولأن إنشاء الصوت يستغرق دقائق، تنصح AWS بالتعامل معه كخطوة إعداد مسبق، لا كجزء من طلب مباشر من المستخدم.
يبدأ العملاء بحصة قدرها 10 أصوات مستنسخة لكل حساب في كل منطقة. CreateVoice و DeleteVoice يشتركان في حد أقصى يبلغ طلبًا واحدًا في الثانية، لذا يجب وضع عمليات الإنشاء والحذف الجماعية في قائمة انتظار.
ضوابط الموافقة والأمان
تؤكد خطوة الموافقة على الشروط أن العميل حصل على جميع الحقوق والموافقات اللازمة لإنشاء الصوت واستخدامه. وتضيف Polly علامة مائية إلى الصوت المُولَّد باستخدام صوت مستنسخ، ويقتصر الوصول عليه عبر AWS Identity and Access Management على حساب AWS الذي أنشأه. ويمكن للعملاء إضافة علامات إلى الأصوات وتشفيرها باستخدام مفتاحهم الخاص في AWS Key Management Service.
بعد الإنشاء، لا تحتفظ Polly بنسختها من التسجيلات المصدرية ولا تستخدمها لتدريب نماذج Amazon Polly. ولا تحتفظ إلا ببيانات الصوت اللازمة للتوليد، وتُخزّن هذه البيانات مشفّرة إلى حين حذفها؛ DeleteVoice وتزيل تلك البيانات فورًا. وتوصي AWS بالاحتفاظ بسجل للموافقة، وحذف الصوت إذا سُحبت الموافقة، وإبلاغ المستمعين بأنهم يسمعون كلامًا اصطناعيًا متى كان ذلك مناسبًا، وقصر صلاحيات الوصول إلى الصوت على الأشخاص والأنظمة التي تحتاج إليها.
جودة التسجيل وحدود المخرجات
صيغة التسجيل الموصى بها هي WAV أحادي القناة، بدقة 16 بت ومعدل 24 كيلوهرتز، يُسجّل لمتحدث واحد في غرفة هادئة. وقد يتعلم الصوت المستنسخ ضجيج المروحة وصدى الغرفة ومعالجة الصوت التي يجريها تطبيق الاجتماعات. ويمكن أن تنجح لهجات أخرى من اللغات المدعومة، مثل الإنجليزية البريطانية أو الفرنسية الكندية، لكنها أقل اختبارًا؛ لذا من المهم اختبار الصوت باستخدام محتوى العميل نفسه.
يكتسب الصوت المستنسخ أسلوب الإلقاء من التسجيلات أيضًا، ولا يمكنه المزج بين أساليب متعددة؛ لذلك فإن تسجيلات بنبرات مرحة وحزينة وغاضبة لا تنتج صوتًا واحدًا قادرًا على أداء النبرات الثلاث كلها. وقد يبدو النص نفسه مختلفًا قليلًا بين طلبات التوليد. وبالنسبة إلى الرسائل الثابتة، مثل التحيات الهاتفية، توصي AWS بإنشاء التسجيل مرة واحدة، والحصول على موافقة المتحدث وفريق العلامة التجارية، ثم استخدام الملف المحفوظ. وينبغي اختبار نصوص الإنتاج باستخدام الأسماء والأرقام والعناوين والجمل الطويلة قبل إطلاقها.
بالنسبة إلى المؤسسات، يجعل هذا الإصدار الصوت القابل لإعادة الاستخدام جزءًا من حزمة تطبيقات AWS، مع إرفاق واجهات برمجة تطبيقات التوليد والتشفير وحصص الخدمة به. ولم تعد المهمة التشغيلية تقتصر على توليد الكلام، بل باتت تشمل إدارة الموافقات وحقوق الوصول والنسخ الإقليمية والموافقة على الصوت الذي يصل إلى المستمعين.












