مقارنة بين ثلاث واجهات API لاستنساخ الصوت جنبًا إلى جنب. اطّلع على ما تقدمه ElevenLabs وCartesia وMiniMax مجانًا، وكمية الصوت التي تحتاجها كل منها لاستنساخ صوت، وتكلفة مليون حرف، والحالات التي تتفوق فيها أداة المتصفح على كتابة كود التكامل.
يبدأ كل عرض لواجهة API لاستنساخ الصوت بكلمة مجانًا، وقلّما يعنيها بالطريقة التي تتمناها. لا يستطيع حساب ElevenLabs المجاني استنساخ أي صوت إطلاقًا. تقتصر خطة Cartesia المجانية على الاستخدام غير التجاري. وفي الملخصات التي راجعناها لهذه المقارنة، لا تتيح MiniMax أي خطة مجانية، بل تفرض $1.50 عن كل صوت مستنسخ. إذا كنت تختار واجهة API لمنتج، أو لخط إنتاج بودكاست، أو لسير عمل كتب صوتية، فإن السعر المعلن يقول القليل جدًا.
تضع هذه المقارنة مزودي الخدمة الثلاثة جنبًا إلى جنب في النقاط التي تحسم أي مشروع: كمية الصوت التي يحتاجها كل منهم، وما تدفعه قبل أن تُنتج أول جملة مكتملة، وما يحدث للصوت المستنسخ بعد ذلك، ومتى تتفوق أداة متصفح على كتابة كود التكامل. الأرقام مأخوذة من ملخصات أسعار عام 2026 حتى أكتوبر 2026. تغيّر المزودون خططهم كثيرًا، لذا تحقّق من الأرقام في صفحة الأسعار المباشرة قبل أن تخصص ميزانية.
تحوّل واجهة API لاستنساخ الصوت تسجيلًا قصيرًا إلى معرّف صوت قابل لإعادة الاستخدام. ترفع العينة مرة واحدة، فيعيد المزوّد معرّفًا، ويحمل كل طلب لاحق لتحويل النص إلى كلام هذا المعرّف، فيخرج النص الجديد بالصوت نفسه. لا حاجة إلى إعادة التدريب لكل نص، ولا إلى إعادة رفع التسجيل.
يقدّم المزودون درجتين من الاستنساخ، وتحدد الدرجة كلًا من الجودة والسعر:
يتخذ التكامل الشكل نفسه في كل مكان:
تغيّر تفصيلتان الميزانية أكثر من السعر المعلن. الأولى هي مكان بقاء الصوت المستنسخ: تحذف MiniMax الصوت المستنسخ غير المستخدم بعد أسبوع، لذا يجب أن يخطط المشروع لذلك. والثانية هي تكلفة الاختبار: تحتسب MiniMax المعاينات بشكل منفصل، وفي الخطط القائمة على النقاط تستهلك كل عملية تصيير تجريبية نقاطًا أيضًا. المشروع الذي يعيد توليد الفقرة نفسها عشرين مرة أثناء ضبط الإلقاء يدفع ثمن العشرين كلها.
إليك الخلاصة السريعة قبل التفاصيل. جميع المبالغ بالدولار الأمريكي حسب الأسعار المعلنة.
| ElevenLabs | Cartesia | MiniMax | |
|---|---|---|---|
| الخطة المجانية | 10,000 نقطة شهريًا، بدون ترخيص تجاري، بدون استنساخ فوري | 20,000 نقطة شهريًا، للاستخدام غير التجاري فقط | لا توجد خطة مجانية مدرجة، و1.50 دولار لكل صوت مستنسخ |
| أرخص استنساخ فوري | خطة Starter، نحو 5 إلى 6 دولارات شهريًا | خطة Pro، نحو 5 دولارات شهريًا | الدفع حسب الاستخدام |
| الصوت المطلوب للاستنساخ الفوري | من دقيقة إلى دقيقتين | نحو 10 ثوانٍ | من 10 ثوانٍ إلى 5 دقائق |
| الاستنساخ الاحترافي | خطة Creator (22 دولارًا) وما فوقها، أكثر من 30 دقيقة من الصوت، والتحقق من الصوت | خطة Startup (49 دولارًا شهريًا) وما فوقها | غير مدرج |
| وحدة الفوترة | الأحرف، عبر النقاط الشهرية | النقاط | الأحرف |
| السعر المعلن لكل مليون حرف | 50 دولارًا (Flash) إلى 100 دولار (Multilingual v2, v3) | يختلف حسب الخطة | 60 دولارًا (Turbo) إلى 100 دولار (HD) |
💡 قارن التكلفة لكل دقيقة مكتملة، لا لكل خطة. مليون حرف يعادل تقريبًا من 18 إلى 20 ساعة من السرد، لذا حتى سعر 100 دولار لكل مليون حرف يصل إلى أقل من 9 سنتات لكل دقيقة من الصوت.
تجعل أرصدة Cartesia ومخصصاتها الشهرية المقارنة المباشرة بالسعر مستحيلة دون تشغيل تجريبي، ولهذا تحظى بقسم خاص بها أدناه.
ElevenLabs هي الاسم الذي يبدأ به أغلب الناس، والأصوات تبرر ذلك. المقابل هو السعر، إضافة إلى سلّم استنساخ يبدأ فوق الخطة المجانية.
تتضمن الخطة المجانية 10,000 نقطة شهريًا ولا ترخيص تجاريًا فيها، لذا لا يمكن إدراج الصوت الناتج منها في محتوى مربح أو أعمال للعملاء. كما أن استنساخ الصوت الفوري غير مشمول فيها، فأداة إنشاء الصوت الوحيدة في الخطة المجانية هي Voice Design. اعتبرها وسيلة لتجربة الأصوات الجاهزة واختبار شكل واجهة API، لا أكثر.
تضيف خطة Starter (حوالي $5 إلى $6 شهريًا، و30,000 نقطة) ترخيصًا تجاريًا واستنساخ صوت فوريًا من 1 إلى 2 دقيقة من الصوت. وللحصول على نتيجة أقرب إلى المتحدث الأصلي، انتقل إلى Professional Voice Cloning في خطة Creator ($22 شهريًا، و121,000 نقطة) وما فوقها. تتطلب هذه الميزة ما لا يقل عن 30 دقيقة من الصوت، وتوصي بمدة من 2 إلى 3 ساعات، وتستغرق عدة ساعات للتدريب، وتشترط التحقق من الصوت، وهو ما يمنع استنساخ صوت شخص لم يوافق على ذلك.
أما على صعيد واجهة API، فتذكر ملخصات الأسعار $0.10 لكل 1,000 حرف على Multilingual v2 وV3، و**$0.05 على Flash v2.5**. وإذا أردت أن تسمع جودة النموذج قبل أن تدفع مقابل أي خطة، فالنماذج الثلاثة كلها تعمل على PicassoIA.
تُبنى Cartesia حول السرعة، وتُظهر خططها ذلك: حتى الفئة المجانية تتضمن 1 دولار من استخدام وكيل الصوت إلى جانب النقاط، وهذا يوضح لمن صُمّم المنتج.
تمنح الخطة المجانية 20,000 نقطة نموذج شهريًا للاستخدام الشخصي غير التجاري. يقع الاستنساخ على مستوى أعلى بخطوة. تتضمن خطة Pro بنحو 5 دولارات شهريًا أو 48 دولارًا سنويًا الاستنساخ الفوري من مقطع مدته 10 ثوانٍ، وهو أقل شرط بين المزودين الثلاثة. يصل Pro Voice Cloning مع خطة Startup (49 دولارًا شهريًا، أو 468 دولارًا تُدفع سنويًا) بواقع 1,250,000 نقطة شهريًا، وترفعها فئة Scale إلى 8,000,000.
تجعل النقاط عروض الأسعار صعبة المقارنة. تحتسب ElevenLabs وMiniMax الفوترة بالحرف، بينما تفوتر Cartesia بالنقاط التي تختلف تكلفة الدقيقة المنطوقة منها حسب الخطة. شغّل نصك الفعلي عبر تجربة، واقسم النقاط المستهلكة على عدد الأحرف التي أرسلتها، وعندها فقط ضع الرقم بجانب الاثنين الآخرين.
Cartesia غير متاحة على PicassoIA. إذا كان زمن الاستجابة المنخفض هو ما تختبره، فإن Inworld Realtime TTS 1.5 Mini (المعلن عند 120 ملي ثانية) وInworld Realtime TTS 1.5 Max (أقل من 200 ملي ثانية) هما أقرب الخيارات المركّزة على السرعة هناك.
MiniMax هي الاستثناء: لا سلّم اشتراكات للاستنساخ، ورسم لكل صوت، وأقل سعر للحرف بين المزودين الثلاثة عند مستوى Turbo.
يستنسخ MiniMax Speech 2.8 من مرجع مدته 10 ثوانٍ. يمكن أن يكون الملف بصيغة MP3 أو M4A أو WAV، من 10 ثوانٍ حتى 5 دقائق وبحجم أقل من 20 ميغابايت. معرّفات النماذج هي speech-2.8-hd وspeech-2.8-turbo.
المشكلة أن الصوت المستنسخ مؤقت. إذا لم تُنفّذ على الأقل عملية تحويل فعلية واحدة باستخدام معرّف الصوت خلال 168 ساعة (7 أيام)، يُحذف، ولا يُحتسب صوت المعاينة الذي يُولَّد وقت الاستنساخ. احفظ معرّف الصوت فور عودته، وأرسل طلبًا فعليًا قصيرًا مباشرة.
يكلّف الاستنساخ 1.50 دولار لكل صوت، ويُفوتر عند أول استخدام للتحويل، وتُفوتر المعاينات بشكل منفصل. يكلّف الكلام 100 دولار لكل مليون حرف على HD و60 دولارًا على Turbo. المستويان متاحان على PicassoIA: Speech 2.8 HD وSpeech 2.8 Turbo.
إليك تكلفة 100,000 حرف من السرد (نحو 17,000 كلمة) بصوت مستنسخ واحد، حسب الأسعار المعلنة:
| المزود والنموذج | تكلفة الكلام | تكلفة الاستنساخ | الإجمالي |
|---|---|---|---|
| ElevenLabs Flash | 5 دولارات | رسم الخطة | 5 دولارات مع الخطة |
| ElevenLabs Multilingual v2 أو v3 | 10 دولارات | رسم الخطة | 10 دولارات مع الخطة |
| MiniMax Speech 2.8 Turbo | 6 دولارات | 1.50 دولار | 7.50 دولار |
| MiniMax Speech 2.8 HD | 10 دولارات | 1.50 دولار | 11.50 دولار |
| Cartesia Sonic | النقاط | رسم الخطة | جرّب بتشغيل تجريبي |
تحتاج ElevenLabs وCartesia إلى خطة مدفوعة قبل أن تتمكن من الاستنساخ أصلًا، لذا فإن فاتورتها الشهرية الفعلية أعلى من سطر تكلفة الكلام وحده.
الخطط المجانية مجرد ميادين اختبار. خطة ElevenLabs المجانية لا تتيح الاستنساخ، وخطة Cartesia غير تجارية، لذا استخدمها لتجربة الأصوات والتحقق من سلوك واجهة API، ثم خصص ميزانية لخطة مدفوعة إذا كان الناتج سيُنشر.
إذا كان هدفك ملف صوتي جاهزًا وليس تكاملًا، يشغّل PicassoIA الاستنساخ دون أي كود:
💡 حتى كتابة هذه السطور، تعرض واجهة API للمطورين في PicassoIA نماذج الصور والفيديو، لذا يعمل استنساخ الصوت هناك من المتصفح. راجع صفحة API للاطلاع على قائمة النماذج الحالية قبل أن تخطط لأي تكامل.
💡 استخدم مستوى HD للسرد النهائي ومستوى Turbo للمسودات السريعة. كتابة المسودات على Turbo وتصيير النسخة النهائية على HD يبقي التكرار رخيصًا.
تعتمد نسخة أي مزود من الصوت على جودة التسجيل فقط. العينة أهم من الخطة التي تدفع ثمنها.
بعد إنشاء الصوت المستنسخ، تحقق منه باختبار ذهابًا وإيابًا. شغّل الصوت المولّد عبر GPT-4o Transcribe، وقارن النص بنصك. أي كلمة تعود مختلفة هي موضع يصبح فيه نطق الصوت غير واضح. وبالنسبة إلى مقدمة بودكاست أو فيديو، يمكنك أيضًا وضع السرد المستنسخ فوق مقطع من Music 2.6 أو Stable Audio 2.5.
| مشروعك | الأنسب | السبب |
|---|---|---|
| وكيل صوتي مباشر | Cartesia | خطط تركز على السرعة، واستنساخ من 10 ثوانٍ |
| كتاب صوتي طويل | MiniMax Turbo أو HD | أقل تكلفة لكل حرف |
| فيديو متعدد اللغات بجودة عالية | ElevenLabs | تنوع النماذج والاستنساخ الاحترافي |
| تعليق صوتي لمرة واحدة | أداة متصفح | بلا كود، وبلا رسم خطة |
يعتمد وكيل الهاتف على التأخير قبل أول كلمة. تتضمن خطط Cartesia استخدام وكيل الصوت، واستنساخها من 10 ثوانٍ هو الأسرع في الإعداد. اختبر تكلفة النقاط لكل مكالمة قبل أن تتوسع.
السرد لعبة حجم، لذا تسيطر تكلفة الحرف على كل شيء. يبقي MiniMax Turbo بسعر 60 دولارًا لكل مليون حرف، أو HD بسعر 100 دولار، الكتاب الطويل في متناول اليد. قسّم النص إلى فصول، وأعد استخدام معرّف صوت واحد، وتذكّر قاعدة 168 ساعة: واصل التوليد داخل النافذة الزمنية.
إذا سجّل كل مستخدم صوته، فإن التسعير لكل صوت يتراكم بسرعة. بسعر MiniMax البالغ 1.50 دولار، إذا استنسخ 10,000 مستخدم كل منهم صوتًا واحدًا فهذا 15,000 دولار رسوم استنساخ قبل توليد أي كلام. واحفظ أيضًا كل عينة أصلية، لأن الصوت الذي ينتهي بعد سبعة أيام من عدم الاستخدام يجب إعادة إنشائه.
قبل أن تختار مزودًا، أجب عن هذه الأسئلة الخمسة:
الموافقة تأتي أولًا، أيًّا كانت واجهة API التي تختارها. لا تستنسخ إلا الأصوات التي تملكها أو لديك إذن مكتوب باستخدامها. تشترط ElevenLabs التحقق في الاستنساخ الاحترافي، ولا تتضمن الخطة المجانية حقوقًا تجارية للصوت الناتج عنها.
من أفضل استخدامات الاستنساخ الاستنساخ العائلي: جدّ أو جدة يوافقان على تسجيل عشرين دقيقة من القصص، محفوظة بصوت يستطيع الأحفاد سماعه دائمًا.
أسرع طريقة لمقارنة هؤلاء المزودين هي سماع صوتك يعود إليك. سجّل 30 ثانية في خزانة هادئة، وارفعها إلى Voice Cloning على PicassoIA، واقرأ فقرة من نصك الخاص بالصوت المستنسخ. ثم بدّل المستوى من Turbo إلى HD واستمع إلى الفرق، أو جرّب Chatterbox للتحكم في العاطفة. عشر دقائق من الاختبار ستخبرك بما تحتاجه أكثر من أي جدول أسعار، وتجربتها لا تكلف شيئًا.
اختر لغتك
