اكتب النص واختر صوتًا، أو صِف المقطوعة وأضف كلماتها. ستة نماذج صوتية من Google وxAI وMiniMax في مساحة عمل واحدة، وكل نتيجة تصلك مع مشغّل تسمعها فيه قبل التنزيل.
انطق النص الذي بين يديك، ثم ألّف الموسيقى التي تحيط به، من دون تبديل الأدوات.
الصق نصك ليقرأه مولّد الأصوات بالصوت الذي تختاره. يوفّر xAI TTS v1 أكثر من 80 صوتًا عبر 20 خيار لغة، ويتعرّف على اللغة تلقائيًا. أما نماذج Gemini TTS فتضيف 30 صوتًا جاهزًا توجّهها بملاحظة قصيرة عن النبرة والإيقاع.
اضبط الأداء قبل التصدير. يتيح xAI TTS v1 سرعة من 0.7× إلى 1.5× وتطبيع النص لتُقرأ الأرقام والتواريخ قراءة طبيعية، ثم يصدّر MP3 أو WAV أو PCM أو μ-law أو A-law بدقة تصل إلى 48 كيلوهرتز. ويصل النص إلى 15,000 حرف، فينتهي معظم التعليق الصوتي في ملف واحد.
صِف المقطوعة التي تحتاجها، وأضف الكلمات إن أردت غناءً، ليعيد لك مولّد الموسيقى أغنية كاملة موزّعة وممكسة تصل إلى خمس دقائق. ويقرأ MiniMax Music 3.0 و2.6 وسوم البنية مثل [Verse] و[Chorus]، فتسير الأغنية على الشكل الذي كتبته.
انتقل إلى الوضع الموسيقي بلا غناء حين تحتاج خلفية تحت تعليق صوتي فقط، ثم اختر معدّل العيّنة والصيغة التي يتوقعها برنامج المونتاج، من MP3 بدقة 16 كيلوهرتز إلى WAV بدقة 44.1 كيلوهرتز.
أربعة نماذج لتحويل النص إلى كلام ونموذجان للموسيقى. اختر بحسب تنوّع الأصوات أو صيغة الإخراج أو طول النص الذي تريد نطقه.
الصق النص الذي تريد نطقه، أو صِف المقطوعة وأضف الكلمات موسومة بـ [Verse] و[Chorus].
اختر النموذج، ثم حدّد الصوت للكلام أو وضع الغناء للموسيقى، واختر صيغة الإخراج.
استمع إلى النتيجة في المشغّل المدمج، وأعد التوليد إن لم يعجبك الأداء، ثم نزّل الملف لمونتاجك.
اختر التبويب الأقرب إلى عملك لترى أين يفيدك الكلام والموسيقى المولَّدان.
لا تسجّل شيئًا. الصق نص التعليق، واختر صوتًا يناسب اللقطات، وبدّل النص كلما تغيّر المونتاج. ويحافظ النموذج نفسه على الصوت ذاته في كل نسخة من الفيديو.
يُنفَّذ نص من 10,000 حرف دفعة واحدة، فيعود فصل الكتاب الصوتي أو فقرة البودكاست ملفًا واحدًا بدل مجموعة مقاطع تحتاج إلى تجميع. غيّر الأداء بتعليمة أسلوب قصيرة وأعد التوليد.
صِف المزاج، وانتقل إلى الوضع الموسيقي بلا غناء، وولّد خلفية تستقر تحت التعليق الصوتي من التبويب الأول. وحين يتحوّل البريف من الحماسي إلى الهادئ، يكفي وصف جديد للحصول على مقطوعة جديدة في الجلسة نفسها.
حوّل وصف المنتج إلى جولة منطوقة، ثم أضف تحتها مقطوعة موسيقية قصيرة. كل منتج يحصل على الصوت نفسه، فيبدو الكتالوج كله بنبرة علامة واحدة.
يحوّل مولّد الصوت بالذكاء الاصطناعي المدخل المكتوب إلى صوت. للكلام تلصق النص وتختار صوتًا، وللموسيقى تصف المقطوعة وتضيف الكلمات إن أردت. ثم ينتج النموذج الملف لتنزّله بالصيغة التي اخترتها.
تدعم Atlas Cloud ستة نماذج صوتية: xAI TTS v1 وGemini 3.1 Flash TTS وGemini 2.5 Flash TTS وGemini 2.5 Pro TTS للكلام، إضافة إلى MiniMax Music 3.0 وMiniMax Music 2.6 للموسيقى.
يختلف بحسب النموذج. يسرد xAI TTS v1 أكثر من 80 صوتًا عبر 20 لغة، بينما تأتي نماذج Gemini TTS بـ 30 صوتًا جاهزًا مثل Kore وPuck وCharon، وتتيح لك توجيه النبرة بتعليمة بلغة طبيعية.
تقبل نماذج Gemini TTS حتى 10,000 حرف في الطلب الواحد، ويقبل xAI TTS v1 حتى 15,000 حرف، فتُنفَّذ معظم نصوص التعليق الصوتي دفعة واحدة.
نعم. يأخذ MiniMax Music 3.0 و2.6 وصفًا للأسلوب مع كلمات موسومة بـ [Verse] و[Chorus]، ويعيدان أغنية غنائية كاملة تصل إلى خمس دقائق تقريبًا. وانتقل إلى الوضع الموسيقي بلا غناء إن كنت تحتاج اللحن وحده.
يعود الكلام بصيغة WAV بدقة 24 كيلوهرتز على نماذج Gemini، وبصيغة MP3 أو WAV أو PCM على xAI TTS v1. أما نماذج الموسيقى فتعطي MP3 أو WAV أو PCM بمعدلات عيّنة من 16 إلى 44.1 كيلوهرتز.
نعم. نزّل ملف الكلام وارفعه مسارًا صوتيًا لنماذج الأفاتار في تبويب Avatar، فتحرّك الصورة بحيث تتبع الشفاه تسجيلك.
يُحتسب تحويل النص إلى كلام لكل 1,000 حرف، وتُحتسب الموسيقى لكل عملية توليد. وتظهر التكلفة الدقيقة للنموذج الذي اخترته في مساحة العمل قبل التشغيل.
نعم. كل نماذج الكلام والموسيقى في هذه الصفحة متاحة عبر واجهة Atlas Cloud API بالمصادقة نفسها المستخدمة مع نماذج الصور والفيديو. تصفّح صفحات النماذج الصوتية وابدأ البناء.
مقارنات بين الأصوات، وكتابة الكلمات، ومسارات التعليق الصوتي.
إن تصنيفات النوع (genre) الجامدة بنظام ID3 تقضي على مجموعتك الموسيقية المحلية. ومن خلال الجمع بين التحليل الصوتي المتقدم لـ AudioMuse-AI وواجهة برمجة التطبيقات القابلة للتوسع لـ Atlas Cloud، يمكنك تحويل دليل ثابت من ملفات الوسائط إلى محرك استكشاف دلالي بديهي للغاية، يقوم بتوجيه قوائم التشغيل المعتمدة على المشاعر بسلاسة مباشرة إلى خادمك المستضاف ذاتياً.
For years, creators had a really boring job. They had to make silent videos first and then spend hours trying to add sounds later. This usually caused big problems with the timing. A person’s mouth would move, but the words came a second later. It felt weird and fake, which made it hard for people to stay focused on the video.
Discover Seedance 1.5 Pro, the cutting-edge AI video generation model by BytePlus that revolutionizes audio-visual synchronization with its native joint generation capabilities. Seedance 1.5 Pro offers developers and creators a powerful API to generate cinematic 1080p videos featuring precise lip-sync, multi-language support, and dynamic camera control. By leveraging a dual-branch diffusion architecture, Seedance 1.5 Pro transforms text-to-video and image-to-video workflows with unmatched speed and consistency. Explore the Seedance 1.5 Pro API on Atlas Cloud to elevate your automated video production.
