xAI أصوات مخصصة: استنسخ أي صوت في دقيقتين

أطلقت xAI ميزة الأصوات المخصصة في 30 أبريل 2026، مضيفةً استنساخ الصوت إلى منصة Grok API. يسجّل المستخدمون حوالي 60 ثانية من الكلام الطبيعي عبر وحدة تحكم xAI، ويعيد النظام نموذجاً صوتياً جاهزاً للإنتاج في أقل من دقيقتين. يعمل الصوت المستنسخ عبر واجهات تحويل النص إلى كلام وVoice Agent من Grok بأسعار الواجهة العادية. كما وسّعت xAI كتالوج الأصوات المدمجة ليتجاوز 80 خياراً بـ 28 لغة.

بسعر $3/ساعة لوكلاء الصوت، تتفوق xAI على ElevenLabs وOpenAI في السعر بفارق كبير. مجموعة الميزات أقل، لكن الاقتصاديات تغيّر المعادلة لكل من يبني منتجاً يعتمد على الصوت.

كيف يعمل استنساخ الصوت من xAI؟

تجري عملية الاستنساخ بالكامل عبر وحدة تحكم xAI. يقرأ المستخدمون بصوت عالٍ عدة مقاطع من حوارات غير مترابطة بينما يسجّل النظام. يتولى خط أنابيب التحقق ثنائي المراحل باقي العملية: أولاً يقرأ المتحدث عبارة تحقق يحوّلها محرك تحويل الكلام إلى نص من Grok ويطابقها فورياً، مؤكداً النية والحضور. ثم يحسب النظام بصمات المتحدث من مقطع التحقق والتسجيل الكامل للتأكد من أن كليهما يعود لنفس الشخص.

هذا التصميم يعني أنه لا يمكنك استنساخ صوت من ملف صوتي موجود مسبقاً، ولا يمكنك استنساخ صوت شخص آخر. بعد التحقق، يعالج النظام التسجيل ويقدم معرّف صوت voice_id مؤلفاً من 8 أحرف أبجدية رقمية يعمل في أي مكان تعمل فيه أصوات xAI المدمجة. يمكن لكل فريق إنشاء حتى 30 صوتاً مخصصاً في وقت واحد، ويمكن حذف أي صوت بنقرة واحدة.

ما هي مكتبة الأصوات؟

مكتبة الأصوات هي قسم جديد في وحدة تحكم xAI يجمع كل الأصوات المتاحة في مكان واحد. تظهر الأصوات المخصصة بجانب الخيارات الخمسة المدمجة (Eve وAra وRex وSal وLeo). مع هذا الإطلاق، وسّعت xAI أيضاً الكتالوج المدمج ليتجاوز 80 صوتاً بـ 28 لغة. يمكنك معاينة أي صوت عبر سيناريوهات مختلفة قبل اختياره.

لكل صوت مدمج شخصية مختلفة: Eve حيوية، Ara دافئة وحوارية، Rex يميل للاحترافية، Sal سلس، وLeo يبدو موثوقاً. تحصل الأصوات المخصصة على نفس إمكانيات تحويل النص إلى كلام التي تتمتع بها الأصوات المدمجة، بما في ذلك وسوم الكلام المضمّنة للهمس والضحك والتنهد والتأكيد. يعمل الإخراج عبر كل من REST وبث WebSocket.

كم تكلفة استنساخ الصوت من xAI؟

لا توجد رسوم إضافية لاستخدام الأصوات المخصصة. يتبع التسعير أسعار واجهة xAI API العادية:

تعمل واجهة Voice Agent API على نموذج grok-voice-think-fast-1.0، الذي يجمع بين الاستدلال والكلام الفوري. يدعم استخدام الأدوات — البحث في الويب، والبحث في X، والبحث في الملفات، والاتصال بخوادم MCP الخارجية — بحيث يمكن للوكيل تنفيذ مهام أثناء المحادثة، وليس مجرد التحدث. لتطبيقات جهة العميل، تتيح الرموز المؤقتة (Ephemeral Tokens) فتح اتصالات WebSocket دون كشف مفتاح API الرئيسي.

الوصول البرمجي لنقطة نهاية إنشاء الأصوات المخصصة (POST /v1/custom-voices) متاح حالياً فقط للفرق على خطة Enterprise. أداة إنشاء الأصوات عبر وحدة التحكم متاحة لجميع المستخدمين الذين لديهم صلاحية الوصول للواجهة.

كيف تقارن أسعار xAI الصوتية مع ElevenLabs؟

فرق التسعير بين xAI وElevenLabs كبير، رغم أنهما لا يبيعان المنتج نفسه تماماً:

لا تزال ElevenLabs تمتلك مكتبة الأصوات الأكبر، وتعمل في كل مكان، وتدير Iconic Marketplace للأصوات المشهورة المرخصة. تتفوق xAI في تسعير وكلاء الصوت ولا تفرض رسوماً على إنشاء الأصوات المخصصة. تتطلب ElevenLabs اشتراكاً في خطة Starter على الأقل ($5/شهرياً) قبل أن تتمكن من استنساخ أي صوت.

إذا كنت خارج الولايات المتحدة أو تحتاج إلى كتالوج أصوات أكبر، فإن ElevenLabs تعمل عالمياً وتوفر أكثر من 3,000 صوت متاح اليوم.

ما إجراءات الأمان المتبعة؟

نظام التحقق ثنائي المراحل من xAI أكثر صرامة مما تتطلبه معظم منصات استنساخ الصوت. تؤكد مطابقة العبارات الفورية أن المتحدث حاضر فعلياً أثناء جلسة الاستنساخ، وليس مجرد تقديم ملف مسجّل مسبقاً. ثم تتحقق مقارنة البصمات من أن عبارة التحقق والتسجيل الكامل يعودان فعلاً لنفس الشخص.

تبقى الأصوات المخصصة خاصة بالفريق الذي أنشأها. تقول xAI إن البيانات الصوتية تُعالج فورياً ولا تُخزّن أو تُستخدم للتدريب. تمتلك المنصة شهادة SOC 2 Type II وأهلية HIPAA وامتثال GDPR للبيانات الأوروبية — رغم أن ميزة الاستنساخ نفسها لا تزال مقتصرة على الولايات المتحدة.

ماذا يعني هذا؟

لمطوري الصوت بالذكاء الاصطناعي

وكلاء الصوت بسعر $3/ساعة يغيّرون الاقتصاديات لكل من يشغّل الصوت بأحجام كبيرة. روبوتات خدمة العملاء وأنظمة IVR التي تكلف $10-18/ساعة على ElevenLabs أصبحت أكثر جدوى على منصة xAI. كما أن التوافق مع واجهة OpenAI Realtime API يعني أن تطبيقات الصوت الحالية المبنية لـ OpenAI يمكنها الانتقال دون إعادة كتابة الكثير من الشفرة.

لسوق استنساخ الصوت

أصبح استنساخ الصوت الآن على ثلاث مستويات. تمتلك ElevenLabs أكثر الميزات والمكتبة الأكبر والانتشار العالمي — نغطي المشهد الكامل في تقريرنا عن أفضل مولدات الصوت بالذكاء الاصطناعي. تقع OpenAI في المنتصف مع تحويل النص إلى كلام في ChatGPT. وxAI هي الخيار الأرخص بفارق كبير، مع تحقق أكثر صرامة من كلا المنافسين.

القيد الجغرافي على الولايات المتحدة فقط مهم جداً. أي شخص خارج الولايات لا يزال غير قادر على إنشاء أصوات مخصصة، مما يبقي ElevenLabs الخيار الافتراضي دولياً. للبدائل المجانية، راجع دليلنا عن أفضل أدوات استنساخ الصوت المجانية. إذا فتحت xAI هذه الميزة لمزيد من الدول، فإن ضغط الأسعار على الجميع سيصبح حقيقياً.

الأسئلة الشائعة

---

المصادر

1. Custom Voices and Voice Library - xAI Official - 30 أبريل 2026
2. xAI launches Grok 4.3 and voice cloning suite - VentureBeat - 1 مايو 2026
3. xAI’s Custom Voices feature - The Decoder - 2 مايو 2026
4. xAI Voice API Documentation - مايو 2026