ابنِ مكتبة صوتية لفيديوهاتك وألعابك بأوامر نصية. تعرّف على نماذج PicassoIA التي تولّد الأجواء المحيطة والصدمات والمقاطع الدرامية القصيرة والتعليقات الصوتية، واتبع شرحًا خطوة بخطوة لاستخدام Stable Audio 2.5، وانسخ أوامر جاهزة لصفق الأبواب وخطوات المشي والمطر وغيرها.
أنهيت المونتاج، ويعمل بناء اللعبة، لكن كل شيء صامت بشكل غريب. خطوات المشي لا تصدر صوتًا، والباب يُغلق دون صوت ارتطام، وضربة السيف تشق الهواء كشبح. يسدّ مولّد المؤثرات الصوتية بالذكاء الاصطناعي المجاني للفيديوهات والألعاب هذه الفجوة في دقائق: تكتب ما تريد سماعه، ويولّده النموذج، وتضع الملف على المخطط الزمني أو داخل المحرك. لا حاجة للبحث عن حزم العينات، ولا ميكروفون، ولا استوديو تسجيل للمؤثرات.
يعرض هذا المقال ما يعمل فعليًا الآن على PicassoIA، وأي النماذج تنتج الصوت فعلًا، وشرحًا كاملًا باستخدام Stable Audio 2.5، وأوامر نصية يمكنك لصقها اليوم، وأخطاء تجعل الصوت المولّد يبدو رخيصًا. تنبيه منذ البداية: صوت الذكاء الاصطناعي ممتاز للأجواء المحيطة والأصوات الممتدة والمقاطع القصيرة والنسخ الأولية، وأقل قابلية للتنبؤ عندما يتعلق الأمر بمؤثرات دقيقة ومفصّلة. معرفة هذا التقسيم توفّر عليك ساعات من الإحباط.
تُستخدم كلمة "مجاني" بكثرة في تصميم الصوت. في المشاريع المستقلة تخفي هذه الكلمة سؤالين منفصلين، والخلط بينهما هو ما يجعل الناس ينتهون بملف لا يمكنهم نشره.
مجاني للتوليد يعني أنه يمكنك تشغيل النموذج دون الدفع مقابل كل مقطع، عبر طبقة مجانية أو أرصدة تجريبية أو خطة بحدود سخية. مجاني للنشر يعني أن الشروط تسمح لك بوضع الناتج داخل فيديو مُدرّ للربح أو لعبة تجارية. هذان وعدان مختلفان. اقرأ حدود الخطط وشروط الاستخدام الحالية في صفحة كل نموذج قبل أن تبني إصدارًا كاملًا على صوت واحد.
💡 عادة سريعة: دوّن اسم النموذج والأمر النصي والتاريخ لكل صوت يُنشر. إذا سألك يومًا متجر تطبيقات أو عميل من أين جاء مؤثر ما، فستملك الجواب في سطر واحد.
حتى حين لا يكلّف التوليد شيئًا، فإن وقتك يُكلّفك. توقّع توليد ثلاث إلى خمس نسخ لكل صوت تحتفظ به، وخطّط للقائمة قبل أن تفتح أي مربع للأوامر النصية. قائمة محكمة من 30 صوتًا تُنجَز أفضل من قائمة أمنيات فضفاضة من 300 صوت لا تغادر جدول البيانات أبدًا.
بالنسبة إلى إعلان تشويقي مدته ستون ثانية، تبدو الدفعة الأولى المعقولة هكذا:
هذه ثلاثة عشر عنصرًا، وهي كافية لتجعل المونتاج الأولي يبدو كقطعة مكتملة.
قبل كتابة الأوامر النصية، رتّب المشروع في أربع فئات. تطلب كل فئة مدة مختلفة وأسلوبًا مختلفًا في الأمر النصي ومستوى مختلفًا من الدقة. إذا سبق أن تصفحت مكتبة مؤثرات صوتية جاهزة، فستتعرف على الفئات نفسها.
| الفئة | أمثلة | المدة المعتادة |
|---|---|---|
| الصدمات والواجهة | إغلاق الأبواب بقوة، نقرات الأزرار، التقاط العملات، صوت انزلاق القوائم | أقل من 2 ثانية |
| الحركة | وقع الخطوات، حفيف الأقمشة، ضربات السيوف، عجلات تسير على الحصى | من 1 إلى 3 ثوانٍ |
| الأجواء المحيطة | المطر، الرياح، الحشود، طنين الآلات، هواء الغابة | من 20 إلى 60 ثانية، قابلة للتكرار |
| اللازمات والطبقات الممتدة | ألحان النصر، خلفيات التوتر، ضربات الشعارات | من 3 إلى 30 ثانية |
الحركة هي المجال الذي يتألق فيه فن foley التقليدي. يخطو فنان الـfoley على صندوق من الحصى بالحذاء المناسب ويحصل على الصوت المثالي من أول مرة. يستطيع الذكاء الاصطناعي تقريب ذلك الصوت، لكن مطابقة الإيقاع الدقيق لشخصية تظهر على الشاشة تحتاج إلى صبر، لذا تعامل مع الحركة بوصفها المجال الذي ستعيد توليده أكثر من غيره.
تتوقف جودة الأصوات القصيرة كلها على أول 50 ميلي ثانية. نقرة الزر التي تبدأ بتلاشٍ ناعم تبدو رخوة، لذا اطلب "ذروة حادة" وقصّ أي صمت في البداية. بالنسبة إلى القوائم، اطلب عائلة من الأصوات في جلسة واحدة (تمرير المؤشر، نقر، رجوع، خطأ) حتى تشترك في النبرة نفسها وتبدو كواجهة واحدة لا كأربعة ملفات لا علاقة لها ببعضها.
هنا يثبت صوت الذكاء الاصطناعي قيمته. يحتاج مهاد غابة أو شارع ممطر أو ممر يطنّ إلى دقائق من النسيج الصوتي، لا إلى ضربة واحدة مثالية، وهذا تحديدًا ما تتعامل معه نماذج تحويل النص إلى صوت بكفاءة. ولّد مقطعًا مدته من 30 إلى 60 ثانية، ثم اختبر نقطة التكرار بتشغيل النهاية مباشرة قبل البداية.
يبقى التسجيل الميداني الحقيقي رائعًا حين تستطيع الحصول عليه. لكن عندما تحتوي لعبتك على مرحلة مطر وتقول نشرة الطقس إن الشمس ستسطع طوال الأسبوع، فالأمر النصي أسرع من تذكرة طيران.
لا تُخفي PicassoIA الصوت خلف زر واحد. يأتي الصوت من ثلاث عائلات من النماذج، ولكل عائلة وظيفة مختلفة.
Stable Audio 2.5 هو الخيار الأكثر مباشرة. تُدرج صفحة النموذج المقاطع الموسيقية الكاملة وطبقات الأجواء المحيطة والمؤثرات القصيرة ذات الضربة الواحدة بوصفها مخرجات، كلها من أمر نصي واحد. أما للمقاطع واللحظات الموسيقية، فتستحق نماذج الموسيقى التجربة أيضًا: ElevenLabs Music وMiniMax Music 2.6 وLyria 3. إنها موسيقى أولًا، لذا استخدمها للمهادات والأنغام الممتدة والألحان القصيرة لا لمؤثر إغلاق باب واحد.
تولّد بعض نماذج الفيديو الصوت مع الصورة. تنتج Veo 3.1 وSeedance 2.0 وSora 2 مقاطع بصوت يتبع الحدث على الشاشة، فيتحطم الزجاج ويبدو كالزجاج لحظة تحطمه. لكن المشكلة أن الصوت مرتبط بالمقطع. إذا أردت نسخة مختلفة من الصوت، فعليك أن تعيد توليد الفيديو. اختر هذا المسار حين تحتاج إلى الصورة والصوت معًا، مثل لقطة من إعلان، وليس حين تحتاج إلى مؤثر مستقل نظيف.
تحتاج الألعاب والفيديوهات إلى الأصوات البشرية بقدر حاجتها إلى الصدمات. تحوّل Speech 2.8 HD وElevenLabs V3 الأسطر المكتوبة إلى كلام لبائعي المتاجر ونصائح الشرح والعدّ التنازلي والمذيعين. إنها نماذج كلام، لذا لا تتوقع منها زئيرًا أو انفجارًا.
| الأسلوب | الأفضل لـ | نقطة الضعف | نماذج للتجربة |
|---|---|---|---|
| تحويل النص إلى صوت | الأجواء، والأصوات الممتدة، والمقاطع، والضربات الفردية | تفاصيل foley الدقيقة تختلف بين النسخ | Stable Audio 2.5 |
| فيديو بصوت | الصورة والصوت معًا | لا يمكن إعادة توليد الصوت وحده | Veo 3.1، Seedance 2.0 |
| تحويل النص إلى كلام | خطوط صوتية، وتعليق | غير مصمم لمؤثرات غير كلامية | Speech 2.8 HD |
لأنه يحتاج إلى أمر نصي فقط، يُعد Stable Audio 2.5 أسرع طريق من الفكرة إلى ملف الصوت. توثّق صفحة النموذج توليد مقاطع تصل إلى 190 ثانية وخمسة إعدادات:
| الإعداد | القيمة الافتراضية | وظيفته |
|---|---|---|
| الأمر النصي | مطلوب | يصف الصوت الذي تريده |
| المدة | 190 ثانية | طول المقطع بالثواني |
| الخطوات | 8 | زيادة الخطوات تقايض السرعة مقابل تفاصيل أدق |
| مقياس CFG | 1 | القيم الأعلى تتبع الأمر النصي بدقة أكبر |
| البذرة | عشوائية | أعد استخدام القيمة لاستنساخ النتيجة |
افتح صفحة Stable Audio 2.5 واكتب الصوت كما تشرح لفنان foley: ما الذي يصدر الضوضاء، وماذا يفعل، وعلى أي مادة يرتطم، وفي أي مكان يقع. يمنح "باب خشبي يُغلق بقوة في ممر حجري فارغ، صدى قصير" النموذج مادة أكثر بكثير من "صوت باب".
المدة الافتراضية هي 190 ثانية، وهي أطول بكثير من اللازم لصفقة باب. اضبط بضع ثوانٍ للأصوات الفردية، ومن 30 إلى 60 ثانية للأجواء. أبقِ الخطوات على القيمة الافتراضية 8 أثناء تجربة الأفكار، ثم ارفعها للنسخ التي تخطط لنشرها. إذا تجاهلت النتيجة نصف أمرك النصي، فارفع مقياس CFG قليلًا وجرّب مجددًا.
ولّد الصوت، واستمع عبر سماعات الرأس، ودوّن البذرة لأي نسخة تقترب من المطلوب. اقطع الصمت في البداية، وأضف تلاشيًا خفيفًا في الميلي ثوانٍ الأخيرة لتجنب النقرات، واحفظ الملف باسم يصفه، مثل door_slam_stone_hall_02. سيعمل هذا الملف نفسه في محرر الفيديو أو محرك اللعبة دون أي تحويل مرهق.
💡 قريب من المطلوب؟ ثبّت البذرة، وغيّر كلمة واحدة في الأمر النصي، مثل تحويل "خشبي" إلى "معدني". مع تثبيت البذرة يصبح من الأسهل كثيرًا أن تسمع ما الذي غيّرته تلك الكلمة الواحدة.
استخدم خمسة أجزاء بهذا الترتيب: المصدر، والحركة، والمادة، والمكان، والمدة. مثلًا: "بوابة حديدية ثقيلة (المصدر) تنفتح (الحركة)، مفصلات صدئة (المادة)، فناء كبير فارغ يتردد فيه الصدى (المكان)، 3 ثوانٍ (المدة)." اذكر المدة في الأمر النصي واضبطها في حقل المدة حتى يتطابقا.
هناك بعض الكلمات توجّه النتائج أكثر من غيرها:
تجنّب تكديس الصفات. كلمتان أو ثلاث دقيقة أفضل من عشر كلمات مبهمة.
| الصوت | الأمر النصي |
|---|---|
| إغلاق باب بقوة | باب خشبي ثقيل يُغلق بقوة في ممر حجري فارغ، صدى قصير، مدة 2 ثانيتين |
| خطوات | أحذية ثقيلة تمشي ببطء على حصى مبلل، إيقاع ثابت، في الخارج، خلفية هادئة، مدة 5 ثوانٍ |
| تأرجح سيف | سيف فولاذي يشق الهواء بسرعة، صفير حاد، بلا أصوات بشرية، مدة ثانية واحدة (1 ثانية) |
| التقاط عملة | رنين عملة معدنية لامع، قصير ونقي، للعبة جوال خفيفة، مدة ثانية واحدة (1 ثانية) |
| أجواء المطر | مطر منتظم على نافذة، حركة مرور بعيدة، هادئ، قابل للتكرار، مدة 45 ثانية |
| أجواء الغابة | صباح هادئ في الغابة، طيور بعيدة، نسيم خفيف بين الأوراق، قابل للتكرار، مدة 60 ثانية |
| طنين التوتر | طنين منخفض مدوٍّ، يتصاعد ببطء، يبعث على عدم الارتياح، بلا لحن، مدة 20 ثانية |
| مقطع النصر القصير | فانفار (fanfare) قصير منتصر من النحاسيات والأوتار، متصاعد، ينتهي بوضوح، مدة 4 ثوانٍ |
احتفظ بالنتائج الناجحة في ورقة أوامر بجانب البذرة التي أنتجتها. بعد أسبوع ستملك حزمة صوتية شخصية يمكنك إعادة بنائها كلما احتاجها مشروع.
ضع كل مؤثر على مسار خاص، ومحاذيًا للإطار الذي يقع فيه الحدث. ادمج صوتين أو ثلاثة لكل لحظة مهمة: نبضة منخفضة للثقل، وطبقة أحدّ للتفاصيل، ولمسة من صدى الغرفة للواقعية. إذا كانت اللقطات من تصوير حقيقي، فقد التقط مشغّل الميكروفون الحوار وبعض الأصوات الطبيعية، لذا استخدم المؤثرات المولّدة لسدّ الفجوات لا لاستبدال كل شيء.
التوقيت أهم مما يظن معظم الناس. مرّر المؤشر إلى الإطار الدقيق للحدث، وضع أعلى نقطة في الصوت عنده، وإذا بدا متأخرًا فقدّمه إطارًا أو إطارين. الصوت الذي يصل مبكرًا قليلًا يبدو طبيعيًا، بينما الصوت الذي يصل متأخرًا يبدو خطأً.
تكرر الألعاب الأصوات مئات المرات، والتكرار هو ما يجعل الصوت يبدو رخيصًا. ولّد من أربع إلى ستّ نسخ من كل صوت متكرر (خطوات المشي والضربات والالتقاطات)، ودع المحرك يختار واحدة عشوائيًا مع تغيير طفيف في الطبقة. أما الأجواء فاختبر حلقة التكرار داخل المحرك لا في محررك فقط. ابدأ باستخدام المؤثرات المولّدة كنسخ أولية منذ اليوم الأول، ثم استبدل فقط الأصوات التي يسمعها اللاعبون أكثر من غيرها.
نظّم الملفات قبل أن يصبح المجلد فوضويًا. اجمعها حسب الفئة، واستخدم نمط تسمية واحدًا (footstep_gravel_01، footstep_gravel_02)، واجعل كل الأصوات بمستوى حجم متقارب، حتى تعمل أشرطة التحكم في مستوى الصوت في قائمة الإعدادات كما يتوقع اللاعبون.
يبقى الحوار والإشارات المهمة في اللعب في المقدمة، وتقع الموسيقى تحتها، وتقع الأجواء تحتهما. كنقطة انطلاق، ضع الأجواء على بُعد 12 إلى 18 ديسيبل تقريبًا تحت الحوار، ثم عدّل بالأذن. اختبر المزج على مكبرات الحاسوب المحمول وعلى سماعات الرأس، لأن كل منهما يكشف مشكلات مختلفة.
لا تأتي أيٌّ من هذه المشكلات من الذكاء الاصطناعي نفسه. إنها تأتي من التعامل مع الملف المولّد على أنه نهائي، بينما هو في الحقيقة مادة خام ما زالت تحتاج إلى أذن بشرية وقصّ وموضع في المزج.
اختر مشهدًا واحدًا، كلقطة من إعلان مدته ثلاثون ثانية أو غرفة واحدة في لعبة، وابنِ مشهده الصوتي كله بعد ظهر اليوم. اكتب القائمة، وافتح Stable Audio 2.5 وولّد خمسة مؤثرات ومهادًا واحدًا للأجواء، وأضفها إلى مشروعك.
ثم استخدم بقية PicassoIA للمشهد نفسه. أنشئ لقطات ثابتة بنموذج تحويل النص إلى صورة مثل Seedream 4.5، وحرّكها بواسطة Seedance 2.0، وضع الموسيقى للناتج باستخدام MiniMax Music 2.6. الصور والفيديو والصوت في مكان واحد، فيمكنك التجريب بحرية دون التنقل بين خمس أدوات مختلفة. ابدأ بأمر نصي واحد وشاهد كم يتحول المقطع الصامت بسرعة إلى شيء تريد مشاهدته.
اختر لغتك
