بين 4 دولارات و100 دولار لكل مليون حرف يقع الصوت الذي يحتاجه مشروعك فعلًا، والفارق بين هذين الرقمين أكبر مما يتوقعه معظم الناس. تبدو واجهة API لتحويل النص إلى كلام أداة بسيطة حتى تصل الفاتورة. عندها تلاحظ أن النص نفسه المكوّن من 10,000 كلمة يكلّف بضعة سنتات مع مزود، وعدة دولارات مع آخر، وأن الرخيص منها يبدو أحيانًا كجهاز ملاحة من عام 2012، بينما يبدو الغالي كمذيع إذاعي.
يعرض هذا المقال الأرقام بعبارات بسيطة، ويوضح أين تصمد الخيارات الرخيصة وأين تنهار، ويشير إلى الخطط المجانية التي تتجدد كل شهر بدلًا من أن تختفي بعد فترة تجريبية.
💡 تحقق من السعر: تتغير أسعار تحويل النص إلى كلام كثيرًا، والأرقام أدناه مقرّبة من صفحات الأسعار العامة ومقارنات نُشرت في أواخر 2026. تحقق دائمًا من السعر الحالي في صفحة الأسعار الخاصة بالمزود قبل أن تعتمد ميزانية.
ماذا يعني "الرخيص" فعلًا
السعر لكل مليون حرف
تقريبًا كل المزودين يحاسبون بالحرف، لا بالدقيقة ولا بالكلمة. وهذا يجعل المقارنة سهلة بعد معرفة التحويل. مليون حرف يعادل تقريبًا 170,000 كلمة، أي حوالي 18 ساعة من الصوت المنطوق بسرعة قراءة عادية.
لذلك عندما يعرض مزود سعر 16 دولارًا لكل مليون حرف، فأنت تدفع تقريبًا 88 سنتًا لكل ساعة من الصوت الجاهز. وبسعر 4 دولارات ينخفض إلى نحو 22 سنتًا للساعة. وبسعر 80 دولارًا يرتفع إلى أكثر من 4 دولارات للساعة. هذه الأرقام الساعية أسهل بكثير في المقارنة مع معلّق صوتي مستقل أو حجز في استوديو.

التكاليف المخفية في التفاصيل الدقيقة
السعر المعلن ليس إلا جزءًا من الفاتورة. انتبه إلى هذه النقاط:
- مضاعفات فئة الصوت. قد يتقاضى المزود نفسه 4 دولارات لصوت أساسي، و30 دولارًا لأحدث أصواته العصبية أو عالية الدقة.
- الفوترة بالتوكن. تحاسب بعض نماذج الكلام الأحدث على توكنات الإدخال والإخراج، وهذا يجعل المقارنة لكل حرف غير دقيقة.
- الخطط الدنيا. قد يبدو الاشتراك الذي يتضمن عددًا من الأحرف رخيصًا، حتى تلاحظ سعر تجاوز الحد.
- حدود معدل الطلبات. غالبًا ما تحدّ الخطط المجانية والمبتدئة عدد الطلبات المتزامنة، وهذا مهم للتطبيقات التي تولّد الصوت عند الطلب.
- حقوق الاستخدام التجاري. قد تسمح الخطة المجانية بالتجربة دون نشر الصوت.
جدول الأسعار: أبرز المزودين
يضع الجدول أدناه أشهر المزودين جنبًا إلى جنب. الأرقام لكل مليون حرف وهي تقريبية.
| المزود ونوع الصوت | السعر التقريبي لكل مليون حرف | المجاني المتاح |
|---|
| Amazon Polly، Standard | 4 دولارات | مخصص تجريبي محدود |
| Google Cloud، أصوات Standard | 4 دولارات | أول 4 ملايين حرف كل شهر |
| Amazon Polly، Neural | 16 دولارًا | مخصص تجريبي محدود |
| Microsoft Azure Speech، Neural | من 15 إلى 16 دولارًا | 500 ألف حرف كل شهر (فئة F0) |
| OpenAI tts-1 | 15 دولارًا | لا يوجد |
| Microsoft Azure Speech، Neural HD | نحو 22 دولارًا | مشترك مع فئة F0 |
| Google Cloud، Chirp 3 HD | 30 دولارًا | أول مليون حرف كل شهر |
| OpenAI tts-1-hd | 30 دولارًا | لا يوجد |
| Deepgram Aura-2 | نحو 30 دولارًا | رصيد مبدئي |
| ElevenLabs، Flash وTurbo | من 40 إلى 50 دولارًا | مخصص شهري صغير في الخطة |
| ElevenLabs، Multilingual وv3 | من 80 إلى 100 دولار | مخصص شهري صغير في الخطة |
المصادر تختلف بشأن ElevenLabs، لذا تعامل مع صفه كنطاق. الصورة العامة واضحة مع ذلك: الأصوات الأساسية تقع حول 4 دولارات، والأصوات العصبية الجيدة تتركز بين 15 و30 دولارًا، والأصوات المعبّرة المتقدمة تكلّف من ثلاثة إلى خمسة أضعاف ذلك.
💡 نموذج gpt-4o-mini-tts الأحدث من OpenAI يُحاسَب بالتوكن، لذلك لا يتناسب بشكل مرتب مع هذا الجدول. شغّل نصًا تجريبيًا عليه وتحقق من أرقام الاستخدام قبل أن تفترض أنه يطابق الأسعار القديمة لكل حرف.

مقارنة الخطط المجانية
حصص شهرية تتجدد
الخطة المجانية التي تُعاد تعبئتها كل شهر تساوي أكثر بكثير من رصيد لمرة واحدة. استنادًا إلى ما هو منشور اليوم، أكثر الحصص المتجددة سخاءً هي:
- أصوات Google Cloud Standard: 4 ملايين حرف شهريًا. وهذا يعادل نحو 72 ساعة من الصوت، وهو يكفي لتشغيل مشروع جانبي صغير مجانًا إلى أجل غير مسمى.
- Google Cloud Chirp 3 HD: مليون حرف شهريًا، أي نحو 18 ساعة بصوت أكثر طبيعية بكثير.
- Microsoft Azure Speech F0: 500,000 حرف شهريًا، دون تاريخ انتهاء للفئة.
- الخطة المجانية من Speechify: 500,000 حرف مشمولة كل شهر، وفقًا لملخصات الأسعار التي وجدتها.
إذا كان حجمك الفعلي ملخصًا أسبوعيًا لبودكاست، أو بضعة تسجيلات صوتية لمدونات، أو ميزة للوصول لموقع صغير، فقد تُبقي هذه الحصص فاتورتك عند صفر.
رصيد لمرة واحدة وفترات تجريبية
تمنح معظم المزودين الأحدث رصيدًا ابتدائيًا بدلًا من ذلك. وهذا مناسب للاختبار، لكنه ليس خطة تسعير. خطط للسعر المدفوع منذ اليوم الأول، لأن الرصيد ينتهي أسرع مما تظن: فصل واحد من كتاب صوتي قد يستهلك 50,000 حرف.

هل ما يزال الرخيص جيدًا؟
الأصوات القياسية مقابل الأصوات العصبية
فئة 4 دولارات موجودة لسبب: فهي مبنية على طرق قديمة بالتجميع أو على أساليب إحصائية مبكرة. العبارات القصيرة مثل "تم شحن طلبك" تبدو مقبولة. أما الفقرات الطويلة فتكشف إيقاعًا مسطحًا، ونبرًا غريبة على الأسماء، وحدّة آلية في الأرقام.
الأصوات العصبية بسعر 15 إلى 16 دولارًا هي النقطة التي يتوقف عندها معظم المستمعين عن ملاحظة الفرق. يتحسن الإيقاع، وترتفع الجمل وتنخفض بشكل طبيعي، وتقع الأنفاس والوقفات في أماكن معقولة. بالنسبة إلى التعلم الإلكتروني والإشعارات وقوائم IVR والمقالات المسموعة، تمثل هذه الفئة النقطة المثلى بين السعر والجودة.
الأصوات المتقدمة ومتى تستحق ثمنها
النماذج المعبّرة، تلك التي تهمس وتضحك وتغيّر النبرة داخل الجملة، تكلّف أكثر لأنها تستخدم شبكات أكبر. وهي تستحق الثمن في ثلاث حالات:
- أصوات الشخصيات للألعاب والقصص التفاعلية.
- فيديوهات التسويق التي يضر فيها الأداء الباهت بالتحويلات.
- الكتب الصوتية التي تحتوي على حوارات طويلة.
وما عدا ذلك نادرًا ما يحتاج إليها. فمعلّق هادئ وواضح بسعر 15 دولارًا يتفوق على صوت درامي بسعر 80 دولارًا عندما يكون المحتوى درسًا تعليميًا في البرمجيات.

💡 اختبار استماع سريع: الصق فقرة تحتوي على تاريخ وسعر واسم علامة تجارية وسؤال. عادة ما تفشل الأصوات الرخيصة أولًا في التاريخ ونبرة السؤال.
أصوات منخفضة التكلفة تستحق التجربة على PicassoIA
ليست شركات السحابة الكبرى الطريق الوحيد إلى فاتورة منخفضة. يجمع PicassoIA نماذج كلام كثيرة في مكان واحد، لذلك يمكنك مقارنة الأصوات على نصك الخاص دون إنشاء حساب منفصل لكل مزود. وفيما يلي بعض النماذج التي تناسب المشاريع الحريصة على التكلفة:
نماذج سريعة وخفيفة

نماذج الاستوديو ومتعددة اللغات
تصميم الصوت واستنساخه
يتيح Qwen3 TTS استنساخ صوت أو تصميم صوت جديد من وصف. وهذا مهم للتكلفة بطريقة يغفلها كثيرون: يمكن أن يحل صوت علامة تجارية مخصص محل رسوم معلّق صوتي متكررة، وصوت واحد متسق عبر مشروع كامل يوفر وقت التحرير.
💡 تحويل الكلام إلى نص يعمل في الاتجاه المعاكس. إذا احتجت إلى نصوص مكتوبة للصوت الذي تنشئه، فإن فئة تحويل الكلام إلى نص في PicassoIA تتولى هذا الجانب من سير العمل.
التكلفة الشهرية الفعلية حسب حالة الاستخدام
تبقى الأرقام في صفحة الأسعار مجردة حتى تربطها بمشروع. تفترض هذه الأمثلة نصًا يحتوي تقريبًا على 6 أحرف لكل كلمة، مع احتساب المسافات.
ملخص أسبوعي لبودكاست
تبلغ الحلقة التي مدتها 40 دقيقة نحو 36,000 حرف. وأربع حلقات شهريًا تعني 144,000 حرف.
| السعر لكل مليون حرف | التكلفة الشهرية |
|---|
| 4 دولارات | نحو 0.58 دولار |
| 16 دولارًا | نحو 2.30 دولار |
| 30 دولارًا | نحو 4.32 دولار |
| 80 دولارًا | نحو 11.52 دولار |
عند هذا الحجم، حتى أغلى الأصوات مبلغ زهيد، والحصص المجانية من Google وAzure تجعلها مجانية. اختر الصوت الأكثر طبيعية تسمعه، لا الأرخص.

دورة إلكترونية مدتها 10 ساعات
عشر ساعات من التعليق الصوتي تعادل نحو 540,000 حرف، تُنتج مرة واحدة.
| السعر لكل مليون حرف | التكلفة لمرة واحدة |
|---|
| 4 دولارات | نحو 2.16 دولار |
| 16 دولارًا | نحو 8.64 دولار |
| 30 دولارًا | نحو 16.20 دولار |
| 80 دولارًا | نحو 43.20 دولار |
قارن ذلك بتعيين معلّق صوتي، الذي غالبًا ما يكلّف مئات الدولارات لنفس المدة. هنا يتفوق تحويل النص إلى كلام بوضوح، وهنا يسهل تبرير دفع 30 دولارًا مقابل صوت متقدم، لأن الطلاب سيستمعون لساعات.

تطبيق لديه 10,000 مستخدم نشط
إذا ولّد كل مستخدم 3,000 حرف من الكلام شهريًا، فهذا يعني 30 مليون حرف. هنا يصبح السعر مهمًا جدًا:
| السعر لكل مليون حرف | التكلفة الشهرية |
|---|
| 4 دولارات | 120 دولارًا |
| 16 دولارًا | 480 دولارًا |
| 30 دولارًا | 900 دولار |
| 80 دولارًا | 2,400 دولار |
هنا يكون صوت عصبي متوسط السعر عادةً الخيار الصحيح، ويصبح التخزين المؤقت أهم أداة تعتمد عليها. إذا سمع كثير من المستخدمين الأمر النصي نفسه، فولّد الملف مرة واحدة واحفظه. التخزين المؤقت وحده يمكن أن يخفض الفاتورة إلى النصف أو أكثر.
كيف تختار دون ندم
اختبر بنصك الخاص
تعرض صفحات العروض كل مزود في أفضل حالاته. استخدم فقرة حقيقية من مشروعك: فقرة فيها أسماء وأرقام واختصارات وسؤال. ولّدها بثلاثة أو أربعة أصوات وشغّلها متتالية عبر المكبرات نفسها. واسأ زميلًا أي صوت سيستمع إليه لعشر دقائق.

انتبه لهذه الفخاخ
- ذكر سعر دون تحديد فئة الصوت. تحقق دائمًا من الصوت الذي ينطبق عليه السعر.
- تجاهل زمن الاستجابة. واجهة رخيصة تستغرق ثلاث ثوانٍ للرد تُفسد تطبيقًا تفاعليًا.
- تخطي فحوص اللغة. قد يكون الصوت رائعًا بالإنجليزية ومتوسطًا بالبرتغالية أو الهندية.
- نسيان SSML أو عناصر التحكم في النطق. بدونها تتشوه أسماء العلامات التجارية، وتدفع ثمن إعادة التوليد.
- الارتباط بمزود واحد. أبقِ نصوصك وإعداداتك منفصلة عن المزود حتى تتمكن من التبديل عندما تتغير الأسعار.
مسار قرار بسيط
- أقل من 500,000 حرف شهريًا لمحتوى بسيط: استخدم فئة مجانية متجددة واحتفظ بخيار مدفوع احتياطي.
- التعليق الصوتي أو الدورات، بحجم لمرة واحدة: اختر الصوت الأفضل جودة، لأن التكلفة صغيرة.
- التطبيقات كبيرة الحجم: اختر صوتًا عصبيًا في نطاق 15 إلى 30 دولارًا، وأضف التخزين المؤقت، وجرّب نموذجًا أرخص للأوامر النصية غير الحرجة.
- أصوات العلامات التجارية أو الشخصيات: فكّر في استنساخ الصوت أو تصميمه، ثم قارن التكلفة الشهرية بتكلفة معلّق صوتي متكرر.

أجرِ اختبارات الصوت الخاصة بك
أسرع طريقة لحسم سؤال الرخيص مقابل الجيد هي أن تسمع الأصوات بنفسك. افتح نماذج تحويل النص إلى كلام في PicassoIA، والصق الفقرة نفسها في Gemini 3.1 Flash TTS، وSpeech 2.8 Turbo، وTTS 1.5 Mini، وElevenLabs Flash v2.5، وقارن النتائج جنبًا إلى جنب.
ثم طابق ما تسمعه مع جداول التكلفة أعلاه. قد تجد أن صوتًا اقتصاديًا يكفي لإشعاراتك، بينما يستحق تعليقك الصوتي للدورة الخيار بجودة الاستوديو. في الحالتين، تقرر بأذنيك وأرقامك أنت، لا بصفحة تسويقية. جرّب بضعة نصوص اليوم وانظر أي صوت يستحق مكانًا في مشروعك.