النماذج/Audio/تحويل النص إلى كلام

مباشر10 النماذج

واجهة برمجة تطبيقات تحويل النص إلى كلام — توليد الصوت بالذكاء الاصطناعي الطبيعي

تحوّل واجهة Muapi البرمجية لتحويل النص إلى كلام النص المكتوب إلى صوت طبيعي شبيه بصوت البشر عبر تكامل REST موحّد. اختر من MiniMax وGoogle Gemini وElevenLabs (بما في ذلك واجهة Eleven v4 البرمجية) وFish Audio (واجهة Fish Audio S2.1 Pro البرمجية) لإنشاء سرد بصوت واحد أو حوار متعدد المتحدثين.استخدم إنشاءً بجودة الاستوديو أو بسرعة فائقة، مع عناصر تحكم في الصوت والعاطفة والسرعة والثبات والتشابه. يعمل نمط الإرسال والاستطلاع غير المتزامن نفسه مع كل نموذج، وتبدأ الأسعار من $0.015 لكل 1,000 حرف.

احصل على مفتاح API لتحويل النص إلى كلام جرب MiniMax Speech HD جرب Gemini Flash TTS Text-to-Speech API examples and comparison on GitHub

تحويل النص إلى كلام مباشر على Muapi

اختر نموذجًا أحادي الصوت أو متعدد السماعات، وأرسل البرنامج النصي الخاص بك، واستقصي معرف الطلب الذي تم إرجاعه لملف صوتي قابل للتنزيل.

خطاب ميني ماكس

رواية بصوت واحد مع مستويات الاستوديو والتوربو2 النماذج

تحويل النص إلى كلاممباشر

ميني ماكس

ميني ماكس الكلام 2.6 HD

خطاب بجودة الاستوديو مع نطق واضح وإيقاع سلس ومشاعر واقعية للكتب الصوتية والبودكاست والسرد.

Text → audio

$0.13/1,000 chars

جرب الموديل

تحويل النص إلى كلاممباشر

ميني ماكس

ميني ماكس الكلام 2.6 توربو

كلام سريع وخفيف الوزن بجودة طبيعية وسرعة ومستوى صوت وطبقة صوت وعاطفة قابلة للتعديل للحصول على صوت سريع التحول.

Text → audioسريع

$0.07/1,000 chars

جرب الموديل

الجوزاء تحويل النص إلى كلام

حوار معبر متعدد المتحدثين مع عناصر تحكم في الصوت والنغمة4 النماذج

تحويل النص إلى كلاممباشر

جوجل الجوزاء

الجوزاء 3.1 فلاش تحويل النص إلى كلام

خطاب متعدد المتحدثين فعال من حيث التكلفة بأصوات مميزة ولهجات وأنماط عاطفية وعلامات نغمات مضمنة مثل [whispers].

Dialogue → audioسريع

$0.035/1,000 chars

جرب الموديل

تحويل النص إلى كلاممباشر

جوجل الجوزاء

الجوزاء 2.5 برو TTS

خطاب ممتاز متعدد المتحدثين للكتب الصوتية والحوار السينمائي والسرد الطويل مع تقديم عالي الدقة.

Dialogue → audio

$0.035/1,000 chars

جرب الموديل

تحويل النص إلى كلامnew

جوجل الجوزاء

Dialogue → audioسريع

$0.015/1,000 chars

جرب الموديل

تحويل النص إلى كلامnew

جوجل الجوزاء

Dialogue → audioسريع

$0.01/1,000 chars

جرب الموديل

أحد عشر مختبرًا

أداء تعبيري مع Eleven v4، وكلام سريع بصوت واحد، وحوار متعدد اللغات3 النماذج

تحويل النص إلى كلاممباشر

أحد عشر مختبرًا

أحد عشر مختبرًا لتحويل النص إلى كلام توربو 2.5

كلام سريع بصوت واحد مع ثبات قابل للضبط، وتشابه، ومعدل تحدث للتعليقات الصوتية، والرأي الصوتي التفاعلي (IVR)، والسرد عالي الإنتاجية.

Text → audioسريع

$0.05/1,000 chars

جرب الموديل

تحويل النص إلى كلاممباشر

أحد عشر مختبرًا

ElevenLabs نص إلى الحوار V3

حوار متعدد اللغات ومتعدد المتحدثين من نص منظم، مع معرفات صوتية لكل مكبر صوت وتبادل الأدوار نابض بالحياة.

Dialogue → audio

$0.10/1,000 chars

جرب الموديل

تحويل النص إلى كلامnew

أحد عشر مختبرًا

Eleven v4

تحويل النص إلى كلام Eleven v4 من ElevenLabs لسرد تعبيري بصوت واحد: حتى 2,000 حرف لكل طلب بسعر $0.08/1,000 حرف، ويُعاد بصيغة MP3.

Text → audio

$0.08/1,000 chars

جرب الموديل

Fish Audio S2.1 Pro

سرد طويل يصل إلى 10,000 حرف في الطلب الواحد1 النماذج

تحويل النص إلى كلامnew

Fish Audio

Fish Audio S2.1 Pro

تحويل النص إلى كلام للنصوص الطويلة: حتى 10,000 حرف لكل طلب، برسوم قدرها $15 لكل 1M بايت UTF-8 (نحو $0.015/1,000 حرف إنجليزي)، ويُعاد بصيغة MP3.

Text → audio

$15/1M UTF-8 bytes

جرب الموديل

ما هي واجهة برمجة تطبيقات تحويل النص إلى كلام؟

تحوّل واجهة تحويل النص إلى كلام (TTS) النص المكتوب إلى صوت منطوق عبر طلب HTTP واحد. أرسل نصاً، واختر صوتاً وأسلوب إلقاء، واستلم ملفاً صوتياً قابلاً للتنزيل من دون بناء منظومة هندسة صوتية.

تتيح Muapi نقاط نهاية TTS المباشرة بنمط REST موحّد: مفتاح API واحد، وتدفق طلب واستطلاع واحد، وفوترة حسب الاستخدام. اختر السرد بصوت واحد للتعليق الصوتي وأنظمة الرد الصوتي التفاعلي IVR (بما في ذلك واجهة Eleven v4 البرمجية وواجهة Fish Audio S2.1 Pro البرمجية)، أو الحوار متعدد المتحدثين للشخصيات والبودكاست والكتب الصوتية.

قدرات تحويل النص إلى كلام

حوار متعدد المتحدثين

تُسند Gemini TTS وElevenLabs Text to Dialogue V3 أصواتاً ولهجات وأساليب إلقاء مميزة إلى أدوار الحوار المكتوبة.

العاطفة والنبرة ضمن النص

تدعم نماذج Gemini وسوماً ضمن النص مثل [whispers] و[shouting] و[determination] للتحكم التعبيري داخل السطر.

فئات الاستوديو والسرعة الفائقة

استخدم MiniMax Speech 2.6 HD أو Gemini 2.5 Pro TTS للحصول على دقة عالية، أو النسخ الأسرع عندما يكون زمن الاستجابة والتكلفة أهم.

إعدادات صوت قابلة للضبط

اضبط السرعة ومستوى الصوت وطبقة الصوت والعاطفة والثبات والتشابه وغيرها من عناصر التحكم الخاصة بكل نموذج.

أصوات مخصصة ومستنسخة

تقبل نقاط نهاية ElevenLabs معرّف صوت مخصصاً. أنشئ صوتاً قابلاً لإعادة الاستخدام أولاً عبر سير عمل متوافق لاستنساخ الصوت.

أربعة مزودين وواجهة API واحدة

تستخدم نماذج MiniMax وGoogle Gemini وElevenLabs وFish Audio مصادقة Muapi والمهام غير المتزامنة واستطلاع النتائج والفوترة نفسها.

حالات استخدام النص إلى كلام

السرد والتعليقات الصوتية

قم بإنتاج فصول الكتب الصوتية ورواية الفيديو والإعلانات والشروحات والمقاطع الاجتماعية من النصوص البرمجية.

الشخصيات والبودكاست

قم بإجراء محادثات متعددة المضيفين وحوار الشخصيات بأصوات مميزة وتوجيه عاطفي.

الرد الصوتي التفاعلي (IVR) وصوت التطبيق

قم بإنشاء مطالبات هاتفية وإشعارات وصوت إمكانية الوصول وغير ذلك من الكلام الديناميكي على نطاق واسع.

التعريب

استخدم الحوار متعدد اللغات وضوابط اللغة للمحتوى العالمي والمواد التعليمية.

مقارنة نماذج تحويل النص إلى كلام، بما فيها واجهة Eleven v4 البرمجية وواجهة Fish Audio S2.1 Pro البرمجية

نموذج	مزود	السعر	أفضل ل
			سرد احترافي بجودة الاستوديو بصوت واحد
			إنشاء سريع بصوت واحد
			سرد كثيف الاستخدام وأنظمة الرد الصوتي التفاعلي IVR
			حوار سريع متعدد المتحدثين
			حوار متعدد المتحدثين بجودة الاستوديو
			محادثات متعددة اللغات ومتعددة المتحدثين
			سرد تعبيري بصوت واحد، حتى 2,000 حرف لكل طلب
			سرد طويل، حتى 10,000 حرف لكل طلب

تُحتسب رسوم Fish Audio S2.1 Pro لكل بايت UTF-8: يشغل النص الإنجليزي نحو بايت واحد لكل حرف، بينما تشغل النصوص بغير الأحرف اللاتينية ثلاثة إلى أربعة بايتات لكل حرف.

أمثلة على واجهة برمجة تطبيقات تحويل النص إلى كلام

أرسل نصًا عاديًا أو حوارًا منظمًا باستخدام مفتاح Muapi API الخاص بك، واحفظ معرف الطلب، واستطلع نقطة نهاية نتيجة التنبؤ القياسية لعنوان URL الصوتي.

إنشاء كلام بصوت واحد

curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'

# Response: {"request_id":"REQUEST_ID"}

استخدم نقطة نهاية MiniMax أو ElevenLabs للصوت الواحد مع prompt والصوت ومعلمات الإلقاء الاختيارية.

إنشاء حوار Gemini

curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'

حدّد المتحدثين وأدوار الحوار المرتبة؛ ويشير كل دور إلى إعداد الصوت الذي ينبغي استخدامه.

إنشاء كلام باستخدام واجهة Eleven v4 البرمجية

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'

# Response: {"request_id":"REQUEST_ID"}

أرسل حتى 2,000 حرف في prompt واختر voice_daniel أو voice_liam؛ تبلغ تكلفة Eleven v4 مقدار $0.08 لكل 1,000 حرف.

إنشاء كلام طويل باستخدام واجهة Fish Audio S2.1 Pro البرمجية

curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'

# Response: {"request_id":"REQUEST_ID"}

أرسل حتى 10,000 حرف في prompt مع voice_fish_narrator؛ وتُحتسب الرسوم بمقدار $15 لكل 1M بايت UTF-8.

إنشاء حوار ElevenLabs

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'

مرّر مصفوفة حوار منظمة تتضمن معرّف صوت لكل دور لإنتاج مخرجات متعددة اللغات والمتحدثين.

استطلاع نتيجة الصوت

curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \
  -H "x-api-key: YOUR_API_KEY"

# Read the generated audio URL after status becomes completed.

استطلع الحالة حتى تكتمل، ثم اقرأ رابط الصوت القابل للتنزيل من الاستجابة.

الأسئلة الشائعة حول واجهة برمجة تطبيقات تحويل النص إلى كلام

ما واجهة تحويل النص إلى كلام البرمجية؟

تحوّل واجهة TTS البرمجية من Muapi النص المكتوب إلى صوت طبيعي عبر نقاط نهاية MiniMax وGoogle Gemini وElevenLabs وFish Audio، للسرد بصوت واحد والحوار متعدد المتحدثين.

أي نموذج أستخدم للحوار متعدد المتحدثين؟

استخدم Gemini 3.1 Flash TTS أو Gemini 2.5 Pro TTS لملفات تعريف المتحدثين ووسوم النبرة ضمن النص، أو ElevenLabs Text to Dialogue V3 للمحادثات المنظمة متعددة اللغات مع معرّفات صوت لكل متحدث.

ما تكلفة تحويل النص إلى كلام؟

تبدأ الأسعار من $0.015 لكل 1,000 حرف إنجليزي في Fish Audio S2.1 Pro (تُحتسب الرسوم بمقدار $15 لكل 1M بايت UTF-8)، و$0.035 لكل 1,000 حرف في Gemini 3.1 Flash و2.5 Pro TTS، و$0.05 في ElevenLabs TTS Turbo 2.5، و$0.08 في Eleven v4، و$0.10 في ElevenLabs Dialogue V3، و$0.07 في MiniMax Turbo، و$0.13 في MiniMax HD. تبلغ تكلفة Gemini 3.8 Flash وFlash Lite مقدار $0.015 و$0.01 لكل 1,000 حرف.

كيف أستخدم واجهة Eleven v4 البرمجية وما حد طول النص؟

استدعِ نقطة نهاية elevenlabs-v4 مع prompt (حتى 2,000 حرف) ومع voice_id يساوي voice_daniel أو voice_liam، ثم استطلع معرّف الطلب للحصول على ملف MP3. تبلغ تكلفة Eleven v4 مقدار $0.08 لكل 1,000 حرف.

ما واجهة Fish Audio S2.1 Pro البرمجية؟

واجهة Fish Audio S2.1 Pro البرمجية (fish-s2-1-pro) هي نقطة نهاية لتحويل النصوص الطويلة إلى كلام، وتقبل حتى 10,000 حرف لكل طلب مع voice_fish_narrator وتعيد ملف MP3. تُحتسب الرسوم بمقدار $15 لكل 1M بايت UTF-8، أي نحو $0.015 لكل 1,000 حرف إنجليزي.

هل يمكنني استخدام صوت مخصص أو مستنسخ؟

نعم. تقبل نقاط نهاية ElevenLabs معرّف صوت مخصصاً من ElevenLabs، وتدعم MiniMax معرّفات الأصوات المدرّبة عندما يسمح مخطط النموذج المحدد بذلك.

ما تنسيق الصوت الناتج؟

يعيد كل نموذج رابطاً لملف صوتي قابل للتنزيل من نقطة نهاية نتائج التنبؤ القياسية، جاهزاً للتضمين أو التنزيل أو التمرير إلى سير عمل الفيديو أو مزامنة حركة الشفاه.

كيف أصل إلى نماذج واجهة تحويل النص إلى كلام؟

أنشئ مفتاح API من Muapi، واستدعِ نقطة النهاية المناسبة لنصك، ثم استطلع معرّف الطلب المُعاد. لا توجد قائمة انتظار للنماذج المباشرة.

واجهة Eleven v4 ونقاط نهاية ElevenLabs →قارن Eleven v4 وTTS Turbo 2.5 وText to Dialogue V3.واجهة Fish Audio S2.1 Pro البرمجية →سرد طويل يصل إلى 10,000 حرف لكل طلب، وتُحتسب رسومه لكل بايت UTF-8.استكشف مجموعة Gemini TTS →قارن فئات Gemini TTS الأربع: 3.8 Flash و3.8 Flash Lite و3.1 Flash و2.5 Pro.استكشف استنساخ الصوت →أنشئ صوتاً قابلاً لإعادة الاستخدام لسير عمل الكلام المتوافق.استكشف Suno Music →أنشئ الأغاني وأعد مزجها ومدّدها عندما تحتاج إلى الموسيقى بدلاً من الكلام.تصفّح نماذج الصوت →قارن نقاط نهاية الكلام والموسيقى والمؤثرات الصوتية والفيديو إلى صوت.استكشف نماذج مزامنة حركة الشفاه →أقرن الكلام المُنشأ بفيديو لوجه لإنتاج صورة رمزية ناطقة.

على استعداد لتوليد الكلام الطبيعي؟

استخدم مفتاح Muapi API واحداً للسرد وحوار الشخصيات والرأي الصوتي التفاعلي (IVR) والبودكاست والصوت متعدد اللغات.

احصل على مفتاح API حاول تحويل النص إلى كلام