هوش مصنوعی ElevenLabs (الون لبز) ابزاری برای تبدیل متن به گفتار طبیعی است که از زبان فارسی پشتیبانی می‌کند و با پلن رایگان آن، می‌توانید تا حد خوبی صداهای باکیفیت بسازید. این ابزار برای ساخت نریشن ویدیو، تولید پادکست، کتاب صوتی و دوبله محتوا بیشترین استفاده را دارد.
در ادامه، چیستی این ابزار هوش مصنوعی تبدیل متن به صوت و نحوه تولید صدا به زبان فارسی با صدا و لحن صحیح را بررسی می‌کنیم. در نهایت هم درباره امکانات و محدودیت‌های آن صحبت خواهیم کرد.
هوش مصنوعی Eleven Labs چیست؟
شرکت ElevenLabs که در سال ۲۰۲۲ توسط دو دوست صمیمی دوران کودکی، یعنی پیوتر دابکوفسکی (Piotr Dąbkowski) و ماتئوش استانیسفسکی (Mateusz Staniszewski) تاسیس شد، به‌سرعت بیش از یک میلیون کاربر جذب کرده است.
این شرکت به‌دلیل فناوری تبدیل متن به گفتار (TTS) خود شهرت دارد؛ فناوری‌ای که متن را به‌صورت آنی به صداهای طبیعیِ تولیدشده توسط هوش مصنوعی تبدیل می‌کند و درحال‌حاضر این‌کار را به ۲۹ زبان مختلف انجام می‌دهد.
برای تبدیل متن به صدا رایگان، کافیست متن را وارد ابزار کنید، صدای موردنظرتان را انتخاب کنید و خروجی صوتی بگیرید.
نکته: کیفیت خروجی هوش مصنوعی الون لبز به صدای انتخابی، نشانه‌گذاری آواها و تنظیمات اولیه بستگی دارد. تمام این موارد را در همین آموزش به شما ارائه می‌دهیم.
چگونه با Eleven Labs صدا بسازیم؟
برای تبدیل متن به صدا در هوش مصنوعی الون لبز، باید ۳ مرحله را طی کنید که در ادامه توضیح‌شان خواهیم داد.
مرحله اول: ورود به سایت و لاگین
ابتدا وارد صفحه رسمی متن به صدا به این آدرس شوید و از طریق ایمیل یا جیمیل، یک اکانت بسازید.
مرحله دوم: انتخاب صدا و نوشتن متن
در پنل سمت چپ، گزینه Text to speech را انتخاب کنید تا صفحه زیر نمایش داده شود:
متن را داخل کادر بنویسید و از لیست کشویی بالای آن، یک صدا انتخاب کنید.
زبان گوینده را هم با کلیک روی لیست Select Language و تایپ Persian می‌توانید به فارسی تبدیل کنید.
بعد از انتخاب این زبان، لیستی از صداهای فارسی به‌همراه نام گوینده‌های‌شان نمایش داده می‌شود که باید روی آیکن اجرا کلیک کنید و صدای‌شان را بشنوید. انتخاب‌تان هرکدام که بود، روی دکمه Use – سمت راست همان صدا – کلیک کنید تا به‌عنوان صدای گوینده در الون لبز تنظیم شود.
همان‌طور که در تصاویر بالا مشاهده کردید، صداها براساس دسته‌های زیر تفکیک شدند:
- نوع پلتفرم مورداستفاده
- جنسیت
- سن
- یک‌سری امکانات دیگر ازجمله تنظیم کیفیت و امکان استفاده از صدای تولیدشده تا مدت زمانی مشخص
پنل سمت راست برای تنظیم صدا براساس پارامترهای زیر است:
- Model: انتخاب مدل برای تولید صدا از روی متن
- Stability: میزان خلاقیت، خنثی بودن یا جدیت کامل در لحن گوینده
- Similarity: میزان تشابه خروجی به صدا و لحن گوینده
- Language: زبان
- Audio effects: افکت‌های صوتی
- Output Format: فرمت خروجی
مرحله سوم: دانلود خروجی نهایی
برای دانلود صدای تولیدشده، روی دکمه دانلود خروجی مدنظرتان کلیک کنید که در تصویر زیر نشان دادیم.
قابلیت‌های هوش مصنوعی Eleven Labs در یک نگاه
- تبدیل متن به صدا
- تولید صدای خام
- ساخت افکت‌های صوتی
- کار با عکس و ویدیو
- ایزوله کردن صدا برای کار کردن روی آن
- تغییر صدا
- ساخت موزیک
- تبدیل صدا به متن
- دوبله
- ساخت کتاب صوتی
آیا هوش مصنوعی الون لبز از فارسی پشتیبانی می‌کند؟
بله کاملا. البته باید بدانید که این ابزار در تلفظ، لهجه و اجرای درست همه کلمات کمی چالش دارد. این مورد به‌صورت رسمی توسط خودِ ElevenLabs اعلام شده است.
نکات تولید صدای فارسی با هوش مصنوعی ElevenLabs
ما برای کم کردن خطاها و اشتباهات تلفظی در زبان فارسی، راه‌های زیر را تست کردیم که خروجی دقیقا مطابق متن شد:
- اعداد: اعداد را به حروف بنویسید؛ «۲۵۰۰ کاربر» را به «دو هزار و پانصد کاربر.»
- تاریخ‌ها: تاریخ را متناسب با ترتیب خواندنش بنویسید؛ «بیست‌ودوم مهر هزار و چهارصد و پنج.»
- واژه‌های انگلیسی: اگر تلفظ یک نام یا اصطلاح مهم است، آن را در یک جمله کوتاه آزمایش کنید. در صورت نیاز، شکل نوشتاری مناسب‌تری برای خوانش آن به‌کار ببرید.
- مکث‌ها: از نقطه برای پایان جمله و ویرگول برای مکث کوتاه استفاده کنید.
- تلفظ واژه‌های تخصصی: اگر واژه‌ای مرتب اشتباه خوانده می‌شود، آن را در متن جداگانه‌ای تست کنید تا راهی برای بهتر تلفظ کردن آن توسط Eleven Labs پیدا شود.
چگونه با هوش مصنوعی الون لبز صدای فارسی طبیعی‌تری بسازیم؟
ما یک پرامپت را برای تلفظ طبیعی زبان فارسی نوشتیم که می‌توانید با کپی کردن و جاگذاری در ابزار الون لبز، تلفظ و لحن را تا حد زیادی به ایده‌تان نزدیک کنید. برای استفاده از این پرامپت به Chat (در پنل سمت چپ) بروید و پرامپت زیر را در کادر این قسمت Paste کنید.
متن زیر را برای تولید صدای فارسی در ElevenLabs اصلاح کن. معنی و اطلاعات را حفظ کن. اعداد و تاریخ‌ها را در صورت نیاز به حروف بنویس، مخفف‌ها و نام‌های خارجی را برای خوانش صحیح آماده کن و نشانه‌گذاری را برای مکث طبیعی اصلاح کن. واژه‌های تخصصی را بدون تغییر معنای آن‌ها حفظ کن. فقط نسخه نهایی مناسب گویندگی را ارائه بده.
متن:
[متن خود را وارد کنید]
واژه‌هایی که تلفظشان باید دقیق باشد:
[فهرست واژه‌ها]
اگر خروجی فارسی الون لبز نامناسب بود، چه کار کنیم؟
اگر صدای تولیدشده لهجه مناسبی ندارد، کلمات را اشتباه می‌خواند یا مکث‌های غیرطبیعی دارد، لازم نیست بلافاصله کل پروژه را کنار بگذارید. ابتدا مشخص کنید مشکل از چه چیزی است؟ متن، صدای انتخابی یا مدل استفاده‌‌شده برای تولید.
| مشکل خروجی | راهکار پیشنهادی |
| تلفظ اشتباه یک کلمه | شکل نوشتاری آن را تغییر دهید و دوباره امتحان کنید. |
| لهجه غیرطبیعی فارسی | صدای دیگری را از لیست زبان Persian انتخاب کنید. |
| خواندن اشتباه اعداد | اعداد را به حروف بنویسید و خروجی را دوباره بسازید. |
| مکث‌های طولانی یا نامناسب | نشانه‌گذاری جمله را اصلاح کنید و متن را در بخش‌های کوتاه‌تر مجدد تست کنید. |
| لحن یکنواخت یا بیش‌ازحد اغراق‌شده | تنظیمات صدای فعلی را کم‌کم تغییر دهید و نمونه‌ها را مقایسه کنید. |
| افت کیفیت در متن طولانی | متن را به بخش‌های کوچک و مفهومی تقسیم کنید و از هر قسمت جداگانه یک خروجی بگیرید. |
امکانات و محدودیت‌های هوش مصنوعی ElevenLabs چیست؟
لیستی از امکانات و محدودیت‌های این ابزار را در ادامه لیست کرده‌ایم.
امکانات هوش مصنوعی الون لبز
- دوبله فیلم و ترجمه ویدیوها به ۲۹ زبان مختلف دنیا (ازجمله فارسی)
- امکان فروش صدای تولیدشده و کسب درآمد
- تبدیل متن و صفحات وب به صوت
- تبدیل صدا، با حفظ ویژگی‌های صدای اصلی
- تنوع صداها و سبک‌های اجرا
- کنترل کامل لحن و احساس در صدا
- امکان ویرایش، ادامه پروژه و استفاده مجدد از Workflow قبلی
محدودیت‌های هوش مصنوعی ElevenLabs
- تلفظ و لحن اشتباه در بعضی از جمله‌ها و کلمات فارسی
- قاطی کردن مدل در تولید صدا از متن‌های طولانی
- چالش کنترل خروجی برای کاربران مبتدی
آیا الون لبز رایگان است؟
نه کاملا. این ابزار براساس مدل Fremium است؛ یعنی بخشی از سرویس‌های اولیه رایگان و با محدودیت در دسترس همه قرار دارد و برای داشتن تمام قابلیت‌ها، باید اشتراک بخرید.
سرویس‌هایی که در پلن رایگان Eleven Labs در دسترس همه قرار دارند را در ادامه لیست کردیم:
- تبدیل متن به گفتار (Text to Speech)
- تبدیل گفتار به متن (Speech to Text)
- طراحی صدا (Voice Design)
- ساخت افکت صوتی
- ایجاد چند پروژه در Studio
نکته: پلتفرم‌های ایرانی مثل ویرا، تمام مدل‌های مطرح دنیا را بدون پرداخت دلاری یا محدودیت در دسترسی، در اختیارتان قرار می‌دهند.
حتما از هوش مصنوعی الون لبز استفاده کنید اگر:
می‌خواهید خیلی سریع نریشن و محتوای صوتی با صداهای متنوع بسازید. دقت کنید که برای خروجی استودیویی باید تلفظ، لحن و پیوستگی متن در حد استاندارد باشد.
خیر. می‌توانید از طریق مرورگر و وب‌سایت رسمی Elevenlabs به ابزارهای صوتی آن دسترسی پیدا کنید.
بله. اما برای حفظ کیفیت در این زبان باید نشانه‌گذاری و نوشتن اعداد به فارسی را حتما اجرا کنید و زبان گوینده را روی Persian بگذارید.
بله؛ اما برای انتشار باید از پلنی با مجوز تجاری (Commercial License) استفاده کنید. همچنین حواس‌تان به حق کپی‌رایت نویسنده محتوا یا متن ورودی باشد.
