Gemini 3.8 TTS من جوجل: تحويل النص إلى كلام بالعربية الفصحى والمصرية مع طبقة مجانية

في 23 سبتمبر 2026 أعلنت جوجل عن نموذجين جديدين لتحويل النص إلى كلام ضمن عائلة Gemini: Gemini 3.8 Flash TTS وGemini 3.8 Flash-Lite TTS، وتصفهما المدونة الرسمية بأنهما «أكثر نماذجها الصوتية تعبيراً حتى الآن». الخبر الأهم للمستخدم العربي: كلا النموذجين يدعمان العربية الفصحى والعربية المصرية ضمن أكثر من 130 لغة في Flash TTS وأكثر من 100 لغة في Flash-Lite TTS — مع طبقة استخدام مجانية في واجهة Gemini API الرسمية. هذا دليل شامل لما أُعلن، وكيف تستخدمه، وكم يكلف فعلياً.

المصدر: مدونة جوجل الرسمية — إعلان Gemini 3.8 TTS

ما هما نموذجا Gemini 3.8 TTS؟

النموذجان يحوّلان النص إلى صوت بمتحدث واحد أو متحادثَين اثنين، ويقبلان إدخالات نصية فقط وتُخرج صوتاً فقط. جوهر الجديد هو التحكم التعبيري: بدل صوت «يقرأ» النص فقط، تتحكم بأسلوب الأداء عبر بنية speech_metadata منظمة ووسوم صوتية مضمّنة داخل النص نفسه — مثل <short pause> لوقفة قصيرة، أو <sigh> لتنهيدة، أو صيغة |reaction| لتفاعلات المستمع أثناء حديث المتحدث الآخر.

هذا يعني أن بإمكانك «إخراج» المقطع الصوتي إخراجاً: تحدد النمط والكنة والإيقاع والنبرة، وتوزع الوقفات والانفعالات داخل النص، تماماً كما توجّه مؤدياً بشرياً في استوديو.

وقد صُمم النموذجان لدورين مختلفين واضحين:

المعيار	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
الدور الرسمي	«أقصى دقة صوتية وأداء تمثيلي وتحكم تعبيري»	«حصان عمل سريع واقتصادي»
الأنسب لـ	الحوار المعقد، السرد الطويل، الإنتاج الاحترافي	الإنتاج بالجملة، وكلاء الصوت، التطبيقات التفاعلية
عدد اللغات	أكثر من 130 لغة	أكثر من 100 لغة
سعر المليون توكن صوت (حتى نهاية 2026)	$9.00	$6.00
السعر بعد 1 يناير 2027	$18.00	$12.00
إدخال النص (لكل مليون توكن)	$0.50 حتى نهاية 2026 ثم $1.00	$0.50 حتى نهاية 2026 ثم $1.00
الطبقة المجانية	متاحة في فئتي Standard وPriority	متاحة في فئتي Standard وPriority
التبديل بينهما	بارامتر واحد فقط — نفس مخطط API	بارامتر واحد فقط — نفس مخطط API

والجميل هندسياً أن النموذجين يتشاركان مخطط API نفسه، فالانتقال من الفاخر إلى الاقتصادي «بتغيير بارامتر واحد» — بلا إعادة كتابة للشيفرة.

العربية أولاً: ما الذي يعنيه الدعم العربي تحديداً؟

التوثيق الرسمي يقيّد العربية بدقة تفصيلية نادرة: العربية المصرية كلغة صوتية قائمة بذاتها، والعربية الفصحى بصورتين — بالحروف العربية وبالحروف اللاتينية (Latn). لماذا يهم هذا؟

اللهجة المصرية هي الأكثر استخداماً في المحتوى الصوتي العربي على يوتيوب والبودكاست والإعلانات، ودعمها الرسمي يعني أداءً أفضل من نماذج «تتحدث العربية كمهمة ثانوية».
الفصحى بصيغتين تفيد المطورين الذين مصادرهم النصية مخلوطة الترميز.
الكشف اللغوي تلقائي — لا تحدد اللغة يدوياً في الطلب الأساسي.

للمقارنة مع تغطيتنا السابقة لعائلة 3.8: نافذة الصوت الحي في Gemini 3.8 Live بـ97 لغة مخصصة للمحادثة اللحظية، بينما نموذجا TTS الجديدان مخصصان لتوليد الصوت المسجل — لكتبك الصوتية، دروسك، فيديوهاتك، وردود وكلائك الصوتيين. ومن أراد وجهاً يتكلم مع المستخدم فالقصة عندنا في Live Avatar.

الأصوات: 30 صوتاً جاهزاً + تصميم صوت + استنساخ صوتك

النموذجان يوفران 30 صوت استوديو جاهزاً بأسماء مثل Zephyr وPuck وCharon وKore وFenrir وLeda وAoede وAchernar وSulafat. وإن لم تكفِ، فهناك مكتبة أصوات موسعة تُستعلم عبر نقطة النهاية /v1beta/voices وتُفلتر حسب اللغة والمنطقة والكنة والجندر والشخصية وسياق الاستخدام — مع بحث نصي حر.

والأقوى: جيلا 3.8 يدعمان ميزتين لم تتوفرا في الإصدارات التجريبية السابقة (3.1-preview و2.5-pro-preview):

تصميم صوت من وصف نصي: تكتب وصفاً للصوت الذي تتخيله فيولَّد لك معرف صوت مخصص.
استنساخ الصوت: توليد صوت قريب من نمط صوت معين لاستخدامه في مشاريعك.

بحدود عملية يجب معرفتها: 200 صوت stateful لكل مشروع بصلاحية سنة كاملة، والأصوات stateless بصيغة voicekey_... صلاحيتها 7 أيام فقط — تفاصيل تهم فرق الإنتاج التي تخطط لحملات طويلة.

المصدر: توثيق Gemini API الرسمي — توليد الكلام

الأسعار الرسمية بالتفصيل: ماذا ستدفع فعلاً؟

من صفحة الأسعار الرسمية لـ Gemini API، لكل مليون توكن (والتوكن الصوتي = 25 توكن لكل ثانية صوت، أي الدقيقة ≈ 1,500 توكن):

البند	Flash TTS	Flash-Lite TTS	ملاحظة
إدخال نص — Standard	$0.50	$0.50	يرتفع إلى $1.00 من 1 يناير 2027
إخراج صوت — Standard	$9.00	$6.00	يرتفع إلى $18.00 / $12.00 من 2027
إخراج صوت — Batch/Flex	$4.50	$3.00	نصف السعر، للإنتاج غير العاجل
إخراج صوت — Priority	$16.20	$10.80	للأحمال العاجلة

حساب عملي للوضوح: ساعة صوت = 3,600 ثانية × 25 توكن = 90,000 توكن صوت. على Flash-Lite TTS بالسعر الحالي ($6/مليون) ذلك يعني نحو $0.54 لساعة صوت كاملة قبل ارتفاع الأسعار في 2027 — رقم يجعل إنتاج الكتب الصوتية والسلاسل التعليمية بالعربية في متناول صانع المحتوى الفردي، لا الشركات فقط.

والطبقة المجانية: صفحة الأسعار تنص على أن كلا النموذجين مجاني في فئتي Standard وPriority ضمن الاستخدام التجريبي المجاني (ولدرء أي التباس: خيارا Batch/Flex غير متاحين في المجاني). أي أنك تستطيع تجربة العربية والفصحى والمصرية وتصميم الأصوات قبل أن تدفع فلساً واحداً.

كيف تبدأ استخدامه من الخليج والمنطقة العربية؟

الوصول عبر Gemini API نفسه: حساب جوجل، ثم مفتاح API من منصة المطوّرين، ثم الطلبات عبر Interactions API أو إحدى حزم SDK الرسمية لـ Python (google-genai) وJavaScript (@google/genai) وGo. الدفع في الفئات المدفوعة يتم بعملة الدولار عبر فوترة Google Cloud، وهي متاحة للمنطقة كما هي متاحة عالمياً.

تفاصيل تقنية تساعدك عند البناء: الطلبات العادية تعيد ملف WAV جاهزاً، والبث الحي (stream: true) يعيد PCM خاماً بمواصفات 24kHz أحادي 16-bit — مثالي لوكلاء الصوت الحيين. وهناك تفعيل التوكن الصوتي: كل ثانية صوت = 25 توكن، فاحسب ميزانيتك على هذا الأساس.

أول طلب لك: خمس خطوات عملية

كيف يبدو الطريق من الصفر إلى أول مقطع صوتي عربي؟ المسار المعتاد وفق التوثيق الرسمي:

أنشئ مفتاح API من منصة مطوري جوجل بعد تسجيل الدخول بحسابك — المفتاح هو هوية طلباتك.
ثبّت حزمة SDK الرسمية للغتك: google-genai في بايثون أو @google/genai في جافاسكربت. النسخ المطلوبة لاستعلام مكتبة الأصوات الموسعة: 2.25.0+ و2.24.0+ على الترتيب.
اختر نموذجك حسب المهمة: gemini-3.8-flash-tts للإنتاج الفاخر أو gemini-3.8-flash-lite-tts للحجم — والتذكير إنهما نفس المخطط، فالقرار قابل للتغيير لاحقاً ببارامتر واحد.
حدد الصوت والأسلوب: صوت من الثلاثين الجاهزين (أو من المكتبة الموسعة عبر استعلام الأصوات)، ثم أضف النمط العام في speech_metadata والوسوم اللحظية داخل النص — الوقفات والتنهدات حيث تريدها.
استلم الصوت: عبر الحقل المخصص في الاستجابة داخل حزم SDK، أو من خطوات الطلب في REST الخام — WAV للطلبات العادية، أو PCM خام بتفعيل البث.

لا توجد مرحلة «اعتماد» أو قائمة انتظار معلنة للنماذج الصوتية في التوثيق — الوصول عبر Gemini API القياسي نفسه المتاح عالمياً.

حساب تكلفة ثلاثة مشاريع حقيقية

الأرقام الرسمية تصبح مفيدة حين تُطبَّق على مشاريع فعلية. حسبات تقديرية (بمعادلة جوجل الرسمية: ثانية صوت = 25 توكن، والدقيقة ≈ 1,500 توكن) بأسعار ما قبل 2027:

المشروع	حجم الصوت	على Flash-Lite TTS ($6/مليون)	على Flash TTS ($9/مليون)
كتاب صوتي عربي متوسط	8 ساعات = 720 ألف توكن	≈ $4.32	≈ $6.48
مسار تعليمي من 30 درساً × 5 دقائق	150 دقيقة = 225 ألف توكن	≈ $1.35	≈ $2.03
ردود وكيل صوتي شهري (100 ألف رد × 20 ثانية)	≈ 555 ساعة = 50 مليون توكن	≈ $300	≈ $450

الخلاصة العملية: للمحتوى المسجل اختر Lite ووفّر الثلث، وللّحظات «العرض» المهمة (إعلان، افتتاحية بودكاست، ديمو لعميل) استخدم Flash TTS الكامل. وبعد يناير 2027 تتضاعف الأرقام كلها — من يبني وكيل صوتي بحجم كبير فليتفاوض أو يخطط على أساس $12/$18.

أفكار تطبيقات تنفع اليوم

كتب صوتية عربية بالفصحى: ناشر صغير يستطيع تحويل رواياته إلى صوت بكلفة أقل من وجبة طعام للساعة الواحدة — باب ربح جديد لمكتبات كانت محصورة في النص.
دروس مسموعة لمنصات التعليم: صوت مختلف لكل شخصية في الدرس (حتى متحدثين اثنين في طلب واحد) يجعل المحتوى التعليمي أقرب لبرنامج إذاعي مسلي.
ردود صوتية عربية لتطبيق خدمة عملاء: البث الحي يعيد الصوت لحظة توليده — أساس وكيل هاتفي عربي حقيقي.
مواد وصولية (Accessibility): تحويل مقالات وملازم إلى صوت لضعاف البصر — مع بقاء التكلفة في المتناول حتى للمبادرات التطوعية.

مقارنة سريعة: أين يقف أمام ما استخدمته قبل اليوم؟

مقابل أدوات تحويل النص لكلام العربية التقليدية: الفارق الأساسي هو التوجيه التعبيري (وقفات، انفعالات، نمط) وصوتان متحاوران في طلب واحد، لا قراءة آلية مسطحة.
مقابل الحل الصوتي من OpenAI: غطينا سابقاً إطلاق GPT-Live-1 كنموذج صوتي يستمع ويتحدث — تركيزه المحادثة الحية، بينما Gemini 3.8 TTS تركيزه توليد الصوت المعالج إخراجياً. من يبني وكيل دعم صوتي قد يجمع الاثنين: TTS للردود المصقولة، والنماذج الحية للحوار.
داخل عائلة جوجل نفسها: من يحتاج موسيقى مولدة بالذكاء الاصطناعي فالمسار مختلف عند Lyria 3.5؛ TTS للكلام، وLyria للموسيقى.

ماذا يعني هذا لك؟

صانع محتوى عربي على يوتيوب أو بودكاست: تعليق صوتي عربي فصيح أو مصري بجودة استوديو، بكسور من كلفة الاستوديو، مع تحكم بالإيقاع والانفعالات — والبداية مجانية.
مطوّر في المنطقة يبني تطبيقات تعليمية أو وكلاء صوتيين: أصوات عربية جاهزة + استنساخ + بث حي بنفس الـAPI، مع نموذج اقتصادي (Lite) للحجم ونموذج فاخر للعرض.
مؤسسة تعليمية: تحويل موادها العربية إلى صوت تلقائياً — 30 صوتاً جاهزاً تغطي شخصيات سرد متعددة للمحتوى التعليمي التفاعلي. أضف لذلك ما رصدناه سابقاً في أدوات Notebook الجديدة للدراسة لتكوين منظومة تعلم صوتية كاملة.
انتبه للتوقيت: الأسعار المعروضة أسعار إطلاق تنتهي 31 ديسمبر 2026 — من يخطط مشاريع كبيرة على المدى الطويل فليحسب ميزانيته على أسعار 2027 (الضعف تقريباً).

حدود يجب قولها بأمانة

النموذجان يقبلان نصاً ويخرجان صوتاً — لا تفاهم صوتي داخل هذه النماذج بعينها (ذلك مجال نماذج Live). عدد المتحدثين في الطلب الواحد محدود باثنين، وبالأصوات الجاهزة فقط عند تعدد المتحدثين (الأصوات المخصصة تُولَّد دوراً بدور). وصلاحية الأصوات المؤقتة (7 أيام لـ voicekey) تعني إدارة دورة حياة للأصوات في المشاريع الطويلة. وأسعار الإطلاق مؤقتة رسمياً — لا تبنِ خطة سنوية على دولار الـ$6.

أسئلة شائعة

هل يدعم Gemini 3.8 TTS اللغة العربية؟

نعم، وبشكل موثق رسمياً: Flash TTS يدعم أكثر من 130 لغة وFlash-Lite TTS أكثر من 100 لغة، ومن بينها العربية المصرية والعربية الفصحى (بالحروف العربية واللاتينية)، مع كشف تلقائي للغة داخل الطلب.

ما الفرق بين Gemini 3.8 Flash TTS وFlash-Lite TTS؟

Flash TTS موجّه لأقصى دقة صوتية وأداء تمثيلي وتحكم تعبيري (حوار معقد وسرد طويل)، بينما Flash-Lite TTS «حصان عمل» سريع واقتصادي للإنتاج بالجملة ووكلاء الصوت. يتشاركان نفس مخطط API والتبديل بينهما بتغيير بارامتر واحد، والفارق السعري في الإخراج $9 مقابل $6 لكل مليون توكن صوت حتى نهاية 2026.

كم سعر تحويل النص إلى كلام في Gemini API؟

حتى 31 ديسمبر 2026: إدخال النص $0.50 لكل مليون توكن في النموذجين، والإخراج الصوتي $9.00 لكل مليون توكن في Flash TTS و$6.00 في Flash-Lite TTS، مع نصف السعر في وضع Batch/Flex. اعتباراً من 1 يناير 2027 ترتفع الأسعار إلى $18.00 و$12.00 على الترتيب. التوكن الصوتي يعادل 25 توكن لكل ثانية صوت.

هل يوجد استخدام مجاني لنماذج TTS من جوجل؟

نعم، صفحة الأسعار الرسمية تنص على أن نموذجي Gemini 3.8 Flash TTS وFlash-Lite TTS متاحان مجاناً في فئتي Standard وPriority ضمن الطبقة المجانية من Gemini API، باستثناء وضعي Batch وFlex غير المتاحين مجاناً — مما يجعل التجربة قبل الاشتراك ممكنة.

هل يمكن استنساخ صوتي في Gemini 3.8 TTS؟

نعم، الجيل 3.8 من نموذجي TTS يدعم تصميم الأصوات من وصف نصي واستنساخ الصوت معاً، وهذه ميزة لم تتوفر في الإصدارات التجريبية الأقدم مثل 3.1-flash-tts-preview. الحدود العملية: 200 صوت stateful لكل مشروع بصلاحية سنة، والأصوات المؤقتة stateless بصلاحية 7 أيام فقط، إضافة إلى 30 صوت استوديو جاهز ومكتبة أصوات موسعة تُستعلم برمجياً بفلاتر اللغة والكنة والشخصية.

المصادر

مدونة جوجل الرسمية — Gemini 3.8 text-to-speech says hello — إعلان الإطلاق بتاريخ 23 سبتمبر 2026
توثيق Gemini API — توليد الكلام — المواصفات الكاملة: اللغات والأصوات والبث
أسعار Gemini API الرسمية — تفاصيل التسعير والطبقة المجانية وسعر 2027
تغطيتنا لإطلاق Gemini 3.8 Live بـ97 لغة — السياق داخل عائلة 3.8