لصقت بضعة آلاف من الكلمات في نقطة نهاية لتحويل النص إلى كلام، وحصلت على ملف MP3 نظيف خلال ثوانٍ، ثم تساءلت عمّا كلّفك ذلك فعليًا. هذا السؤال بالضبط هو ما يدفع الناس للبحث عن أسعار OpenAI Text to Speech API: الأصوات والبدائل المجانية والحدود. الأسعار لكل وحدة تبدو ضئيلة، ووحدات الفوترة تختلف بين النماذج، وقائمة الأصوات وحدود الطلبات موزعة على عدة صفحات. يجمع هذا المقال الأرقام في مكان واحد، ويحوّلها إلى تكاليف حقيقية لمشاريعك، ويوضح ما يمكنك استخدامه إذا أردت شيئًا مجانيًا أو أرخص.
💡 ملاحظة حول الدقة: تتغير أسعار تحويل النص إلى كلام بشكل متكرر. الأرقام الواردة أدناه مأخوذة من قوائم أسعار علنية جُمعت في نوفمبر 2026. اعتبرها تقديرًا موثوقًا، ثم تحقّق منها في صفحة الأسعار الرسمية لدى OpenAI قبل أن تحدد ميزانيتك.
ما هي OpenAI TTS API
تتيح OpenAI توليد الكلام عبر نقطة نهاية صوتية تستقبل نصًا واسم نموذج واسم صوت، وتعيد ملفًا صوتيًا. ترسل الطلب من الخادم الخلفي الخاص بك، فتستلم بايتات بصيغة MP3 أو WAV أو Opus أو AAC أو FLAC، ثم تشغّلها أو تخزّنها. لا توجد واجهة استوديو داخل API نفسه. وقد صُمم للمطورين الذين يريدون ربط المخرجات الصوتية بالتطبيقات وبوتات الدعم وأدوات القراءة ومسارات توليد الفيديو الآلية.
ثلاثة أسماء نماذج تظهر تقريبًا في كل نقاش حول الأسعار:
- tts-1: النموذج السريع ذو زمن الاستجابة المنخفض، ومخصص للاستخدام الفوري.
- tts-1-hd: النسخة الأعلى دقة، وهي أبطأ وبضعف السعر.
- gpt-4o-mini-tts: النموذج الأحدث القابل للتوجيه، والذي يقبل تعليمات للأسلوب، ويُحتسب على أساس التوكنات بدلًا من الأحرف.
ملاحظة حول التوفر: نماذج الكلام لدى OpenAI غير متوفرة على PicassoIA. إذا أردت إنتاج التعليقات الصوتية دون ربط API، يوضح القسم الوارد لاحقًا نماذج تحويل النص إلى كلام التي يمكنك استخدامها اليوم.

أسعار OpenAI TTS API في 2026
هذا هو جدول الأسعار كما يُتداول عادةً لنماذج الكلام الثلاثة.
| النموذج | وحدة الفوترة | السعر المعلن | الأنسب لـ |
|---|
| tts-1 | لكل مليون حرف | حوالي 15 دولارًا | الردود الفورية، المسودات، السرد بكميات كبيرة |
| tts-1-hd | لكل مليون حرف | حوالي 30 دولارًا | السرد المصقول حيث تهم جودة الصوت |
| gpt-4o-mini-tts | لكل مليون توكن إدخال نصي ولكل مليون توكن إخراج صوتي | حوالي 0.60 دولار للإدخال و12 دولارًا للإخراج | الأصوات التي تحتاج إلى توجيه للنبرة والأسلوب |
أول ما يجب ملاحظته هو عدم تطابق وحدة الفوترة. النموذجان الأقدم يحتسبان الأحرف التي ترسلها. أما النموذج الأحدث فيحتسب توكنات الإدخال وتوكنات الصوت الناتجة، ما يجعل التنبؤ بالتكلفة من ملف نصي وحده أصعب. تقدير شائع يضع gpt-4o-mini-tts عند حوالي سنت ونصف لكل دقيقة من الصوت المُنتج، وهو قريب من tts-1-hd في السرد الطويل، وأقل منه بوضوح في المقاطع القصيرة.
التكلفة الفعلية للأحرف
مليون حرف رقم مجرد. حوّله: بمتوسط خمسة أو ستة أحرف لكل كلمة، يعني ذلك نحو 180,000 كلمة، وهي تُقرأ بصوت عالٍ بوتيرة طبيعية لمدة عشرين ساعة تقريبًا. وعليه تكون الفئات الأقدم تقريبًا كالتالي:
- tts-1: حوالي 75 سنتًا لكل ساعة من الصوت النهائي.
- tts-1-hd: حوالي 1.50 دولار لكل ساعة من الصوت النهائي.
هذا رخيص مقارنة بتوظيف ممثل صوتي، ورخيص مقارنة ببعض منصات الأصوات المتميزة. يتوقف عن كونه رخيصًا فقط عندما تولّد صوتًا بحجم ضخم، أو تعيد توليد النص نفسه مرارًا أثناء الاختبار.

ميزانيات مشاريع نموذجية
لجعل الجدول عمليًا، إليك أربعة أحمال عمل شائعة، مقدّرة بالأسعار القديمة لكل حرف.
| المشروع | عدد الأحرف التقريبي | تكلفة tts-1 | تكلفة tts-1-hd |
|---|
| منشور مدونة من 1,000 كلمة | 6,000 | حوالي $0.09 | حوالي $0.18 |
| نص فيديو YouTube مدته 10 دقائق | 9,000 | حوالي $0.14 | حوالي $0.27 |
| كتاب صوتي من 60,000 كلمة | 360,000 | حوالي $5.40 | حوالي $10.80 |
| روبوت دعم ينطق 50,000 رد بطول 300 حرف | 15,000,000 | حوالي $225 | حوالي $450 |
نادرًا ما يشعر صانعو المحتوى الأفراد بهذه الأرقام. أما الفريق الذي يشغّل مساعدًا صوتيًا على نطاق واسع فسيشعر بها كل شهر، وهنا تُثمر مقارنة البدائل.
تكاليف خفية ينساها الناس
فاتورة نقطة نهاية الكلام نادرًا ما تكون الفاتورة الكاملة. خطّط لهذه البنود أيضًا:
- إعادة التوليد. كل إعادة تسجيل تُحتسب كطلب جديد. عشر محاولات على فقرة صعبة تكلّف عشرة أضعاف محاولة واحدة.
- تكلفة التقطيع. النصوص الطويلة يجب تقسيمها قبل إرسالها ثم إعادة دمجها، ما يعني وقت هندسة إضافيًا.
- المعالجة اللاحقة. توحيد مستوى الصوت وقص الصمت وإضافة الموسيقى يحدث عادةً في أداة منفصلة.
- إعادة المحاولة عند حدود المعدل. ارتفاع مفاجئ في حركة الطلبات يصل إلى سقف معين قد ينتج طلبات فاشلة عليك إعادة إرسالها.
الأصوات التي تحصل عليها مع OpenAI TTS
قائمة الأصوات من أول ما يتفقده المطورون، وهي تعتمد على النموذج الذي تختاره. تصف القوائم العلنية حوالي تسعة أصوات مدمجة لنموذجي tts-1 وtts-1-hd، وحوالي ثلاثة عشر لنموذج gpt-4o-mini-tts. تشمل الأصوات التي يُذكر اسمها عادةً alloy وash وcoral وecho وfable وnova وonyx وsage وshimmer، مع ظهور أصوات إضافية قليلة في النموذج الأحدث.

كيف تبدو الأصوات
تميل معظم الأصوات إلى نبرة مساعد محايد ودود، وهي مثالية للشروحات والدروس والروبوتات المحادثة. وهي أقل إقناعًا في الأعمال الدرامية، أو اللهجات الإقليمية، أو الشخصيات ذات الشخصية القوية. الأصوات ثابتة، لذلك لا يمكنك رفع عينة وطلب استنساخ مخصص عبر هذه النقطة.
التحكم في الأسلوب في النموذج الأحدث
أكبر فرق عملي في gpt-4o-mini-tts هو أنك تستطيع وصف طريقة الأداء بلغة بسيطة، مثل "هادئ ومطمئن"، أو "سريع كمذيع أخبار"، أو "دافئ وبطيء لقصة قبل النوم". النماذج الأقدم لا تغيّر النبرة إلا إذا غيّرت النص نفسه أو اسم الصوت.
دعم اللغات
تستطيع نماذج الكلام لدى OpenAI قراءة لغات كثيرة، لكن الأصوات جُهّزت أساسًا مع وضع الإنجليزية في الاعتبار. المخرجات بلغات أخرى مفهومة وغالبًا جيدة، لكن اللكنة والإيقاع قد ينحرفان نحو الأنماط الإنجليزية. إذا كنت تنشر بالإسبانية أو الهندية أو اليابانية، فأجرِ اختبار استماع مع متحدث أصلي قبل أن تلتزم.

الحدود التي تؤثر على مشروعك
التسعير نصف القصة فقط. الحدود هي ما يحدد هل يعمل تصميمك فعلًا.
| الحد | ما هو معلن | لماذا يهم |
|---|
| طول الإدخال | حوالي 4,096 حرفًا لكل طلب | النصوص الطويلة يجب تقسيمها إلى أجزاء |
| الاستخدام المجاني | منخفض جدًا أو معدوم، مع ورود حوالي 3 طلبات في الدقيقة على الحسابات المجانية | لا يمكنك بناء منتج على استدعاءات مجانية |
| حدود المعدل المدفوعة | تختلف حسب فئة الحساب، وتُذكر بشكل غير متسق | قد تفشل حركة المرور المتقطعة دون طابور انتظار |
| صيغ الإخراج | MP3 وOpus وAAC وFLAC وWAV وPCM | اختر الصيغة التي تناسب مشغّلك |
| دورة حياة النموذج | تذكر بعض القوائم أن نسخًا أقدم ستُسحب في أوائل 2027، ولم يتم التأكد من ذلك | تحقّق قبل البناء على tts-1 |
تقسيم النص الطويل دون فواصل مسموعة
لأن الطلب الواحد يصل تقريبًا إلى أربعة آلاف حرف، فإن سرد فصل كامل يعني تقطيعه إلى أجزاء. قطّع عند حدود الجمل أو الفقرات، لا في منتصف الجملة، واحتفظ بالصوت والنموذج نفسيهما لكل جزء. ثم اربط الملفات بتلاشٍ متقاطع قصير مدته من 20 إلى 50 ميلي ثانية. القطع في منتصف الفكرة هو السبب الأشيع في أن يبدو السرد المجمّع آليًا.
حدود المعدل عمليًا
إذا كنت تشغّل مهام دفعية، فضع طلباتك في طابور وأضف تأخيرًا قصيرًا مع منطق إعادة محاولة يتراجع عند الأخطاء. اعتبر حدود المستويات المنشورة سقفًا، وابنِ خط المعالجة بحيث يؤدي الوصول إلى السقف إلى إبطائك بدل أن يكسر التشغيل.

هل يوجد خيار مجاني لـ OpenAI TTS؟
الإجابة المختصرة: لا يوجد خيار يمكنك الاعتماد عليه في منتج. هناك أمور يخلط الناس بينها وبين الطبقة المجانية، وتستحق الفصل.
- القراءة بصوت عالٍ داخل تطبيق ChatGPT. هذه ميزة للمستخدم العادي للاستماع إلى الردود، ولا تمنحك ملفات قابلة للتنزيل عبر API.
- رصيد تجريبي على حساب جديد. تظهر أرصدة الترويج وتختفي مع مرور الوقت. لا تبنِ خططك عليها، وتحقق من لوحة التحكم لمعرفة ما لديك فعليًا.
- حسابات مجانية بحدود معدل صارمة. تشير التقارير إلى ما يقارب ثلاثة طلبات في الدقيقة في الطبقة المجانية، وهذا يكفي لاختبار نص، لكنه لا يكفي لتشغيل أي شيء فعلي.
أسلوب عملي لعدم إنفاق أي شيء هو تجربة نموذج أولي على أداة مجانية لتحويل النص إلى كلام تعمل في المتصفح، واختيار الصوت الذي يعجبك، ثم تقرر بعد ذلك فقط ما إذا كان تكامل API يستحق الدفع.

بدائل مجانية وأرخص على PicassoIA
نماذج الكلام الخاصة بـ OpenAI غير متاحة على PicassoIA. للحصول على نتائج مشابهة اليوم، هذه أربعة نماذج لتحويل النص إلى كلام تستحق التجربة. يقدّم كل واحد منها مفاضلة مختلفة بين عدد الأصوات والتعبيرية والسرعة.
لماذا تنتقل من سير عمل API
إذا كان هدفك ملفات صوتية وليس ميزة حية في منتج، فإن سير العمل في المتصفح يزيل تعقيدات الأنابيب. تلصق النص، وتختار الصوت، وتستمع، وتعدّل، ثم تنزّل. لا توجد سكربتات تقطيع، ولا إدارة طوابير، ولا فواتير تُحسب بالتوكنات.

كيف تحصل على نتائج مشابهة على PicassoIA
أفضل نقطة بداية لمعظم القراء هي Gemini 3.1 Flash TTS. يمنحك 30 صوتًا وأكثر من 70 لغة، إضافة إلى وسوم تعبيرية لا تقدمها نماذج الكلام الأقدم لدى OpenAI. إليك سير العمل.
- افتح صفحة النموذج. انتقل إلى صفحة Gemini 3.1 Flash TTS على PicassoIA، وابحث عن حقل إدخال النص.
- الصق نصك. يقبل حقل النص ما يصل إلى 4,000 بايت، لذا يتسع مقطع قصير من مقال أو بضع فقرات في كل تشغيل. قسّم النصوص الأطول حسب الفقرات.
- اختر صوتًا. الصوت الافتراضي هو Kore. تشمل الخيارات الأخرى كلًّا من: Puck، Charon، Fenrir، Aoede، Zephyr. ولّد الجملة نفسها بثلاثة أصوات وقارن بينها قبل أن تختار.
- حدّد اللغة. اختر رمزًا مثل en-US، en-GB، es-ES، fr-FR أو hi-IN، ليتطابق النطق والإيقاع مع جمهورك.
- اكتب أمرًا نصيًا للأسلوب. استخدم حقل الأمر النصي بلغة بسيطة: "Say this in a calm, professional tone" أو "Speak with warm excitement". يحل هذا محل التحكم في الأسلوب الذي تحصل عليه من نموذج API أحدث.
- أضف وسومًا تعبيرية. أدرج وسومًا مثل [whispering]، [laughing]، [sigh] أو [shouting] مباشرةً في النص لإيصال الأداء على مستوى العبارة.
- ولّد واستمع وعدّل. نزّل النتيجة عندما يبدو صحيحًا. إذا كانت جملة غير مناسبة، أعد كتابة علامات الترقيم وشغّل من جديد.
💡 نصيحة للمعاملات: الجمل القصيرة والفواصل في الأماكن التي تريد فيها نفسًا تمنح أفضل إيقاع طبيعي. الجمل الطويلة الخالية من الفواصل تميل إلى أن تبدو متسرعة.
متى تختار نموذجًا مختلفًا

اختيار الخيار المناسب لك
إليك قائمة قرار، بناءً على ما تبنيه فعلًا.
- تشغّل مساعدًا صوتيًا فوريًا على نطاق واسع. يكون مسار API منطقيًا هنا. احسب عدد الأحرف شهريًا، وقارنه بمزودين آخرين، واحتفظ بصوت احتياطي جاهز.
- تنتج فيديوهات YouTube أو بودكاست أو دورات. لا تحتاج إلى API إطلاقًا. ولّد الملفات في المتصفح، واختر أفضل نسخة، وتابع.
- تنشر بعدة لغات. فضّل نموذجًا بقائمة لغات واسعة، مثل Gemini 3.1 Flash TTS، واختبر كل لغة مع مستمع من أهلها.
- تريد صوتًا مخصصًا أو مستنسخًا. الأصوات الثابتة في نقطة نهاية OpenAI تمثل حدًّا. انظر بدلًا من ذلك إلى خيارات استنساخ الصوت.
- ما زلت تجرب. ابدأ مجانًا وعبر المتصفح. لا تنفق المال إلا بعد أن تعرف الصوت والمدة اللذين تحتاجهما.
أخطاء تُهدر المال
- اختيار tts-1-hd افتراضيًا. أجرِ اختبار A/B أولًا. بالنسبة للصوت بجودة الهاتف أو الخلفيات الصوتية، غالبًا لا يمكن تمييز الفئة الأرخص عنها.
- إعادة توليد فصول كاملة. أصلح فقرة واحدة، لا الملف كله.
- تجاهل تنظيف النص. احذف الروابط والرموز الغريبة والتنسيق الغريب قبل إرسال النص. المدخلات الرديئة تعني إعادة تسجيلات مهدرة.
- نسيان الأرقام والاختصارات. اكتب "عشرين، ستة وعشرين" أو اكتب الاختصارات كاملة عندما يهم النطق.
- تخطي مستمع أصلي. الصوت الذي يبدو جيدًا لك قد يبدو غريبًا لشخص يتحدث اللغة يوميًا.

الأسئلة الشائعة
كم تكلف خدمة OpenAI لتحويل النص إلى كلام؟
السعر المتداول عادةً هو حوالي 15 دولارًا لكل مليون حرف لـ tts-1، وحوالي 30 دولارًا لكل مليون حرف لنموذج tts-1-hd. أما نموذج gpt-4o-mini-tts الأحدث فيُحتسب بالتوكنات، بحوالي 0.60 دولار لكل مليون توكن إدخال نصي، و12 دولارًا لكل مليون توكن إخراج صوتي. راجع صفحة أسعار OpenAI للأسعار الحالية.
ما الحد الأقصى للأحرف لكل طلب؟
تذكر المصادر العلنية في الغالب حوالي 4,096 حرفًا لكل طلب. قسّم أي نص أطول إلى أجزاء عند حدود الجمل.
هل تقدم OpenAI تحويل النص إلى كلام مجانيًا عبر API؟
لا توجد حصة مجانية يمكن الاعتماد عليها. تُذكر الحسابات المجانية بحدود معدل منخفضة جدًا، ويجب التحقق من أي رصيد تجريبي في لوحة التحكم الخاصة بك. للتوليد الصوتي المجاني، تُعد أداة المتصفح الطريق الأكثر عملية.
كم عدد الأصوات التي تقدمها؟
تصف القوائم حوالي تسعة أصوات في tts-1 وtts-1-hd، وحوالي ثلاثة عشر في gpt-4o-mini-tts. يقدم Gemini 3.1 Flash TTS على PicassoIA 30 صوتًا.
هل يمكنني استنساخ صوتي الخاص به؟
ليس عبر نقطة نهاية الكلام القياسية. فهي تستخدم مجموعة ثابتة من الأصوات المدمجة. إذا كان الاستنساخ شرطًا لديك، فاختر نموذجًا مصممًا لذلك.
هل سيبقى tts-1 متاحًا؟
تذكر بعض القوائم من جهات خارجية أن نسخًا أقدم مجدولة للسحب في أوائل 2027، لكن لم يتم التحقق من ذلك مقابل الوثائق الرسمية. تحقّق قبل بناء منتج طويل الأمد عليه.
جرّب تعليقك الصوتي الخاص اليوم
لديك الآن الأرقام: بضعة سنتات لمقالة مدونة، وبضعة دولارات لكتاب صوتي، وفاتورة شهرية لا تنمو إلا إذا شغّلت حركة فورية على نطاق واسع. أفضل خطوة تالية لا تكلف شيئًا. خذ فقرة من نصك، والصقها في Gemini 3.1 Flash TTS، وولّدها بثلاثة أصوات مختلفة. ثم جرّب الفقرة نفسها على ElevenLabs V3 وMiniMax Speech 2.8 HD، وقارن بينها بالأذن.
تفضّل تصفح كل شيء في مكان واحد؟ زر picassoia.com/en/all-models لتجربة قائمة نماذج تحويل النص إلى كلام كاملة، وادمج تعليقاتك الصوتية مع صور بالذكاء الاصطناعي، وابنِ مشروعك التالي دون كتابة سطر برمجي واحد.