كيفية كتابة نصوص TTS أفضل: الترقيم والأرقام والاختصارات والكلام الطبيعي

لا تعتمد جودة TTS على voice model فقط. النص نفسه يخبر النموذج أين تبدأ الفكرة وتنتهي، وكيف ينبغي قراءة الأرقام، وأي اختصارات قد تكون ملتبسة، وأين سيتوقف متحدث طبيعي.

نص TTS الجيد ليس مقالًا منسوخًا مباشرة إلى generator، بل نسخة محررة من المحتوى ومصممة خصيصًا للاستماع.

اكتب بحيث يُفهم المحتوى من استماع واحد

يمكن للقارئ التوقف والرجوع ومسح العناوين والبنية بصريًا. أما المستمع فيستقبل الجملة مع مرور الوقت، وقد يكون يشاهد فيديو أو يقوم بمهمة أخرى في الوقت نفسه.

لذلك يجب أن يظهر structure مبكرًا في الكلام.

استخدم جملًا مباشرة وانتقالات واضحة وفكرة رئيسية واحدة في كل جملة. إذا احتوت الجملة على عدة clauses متداخلة وشروط واستثناءات، فقسّمها قبل التوليد.

الهدف ليس تبسيط المحتوى إلى درجة تضعفه، بل جعله مفهومًا من دون الاعتماد على layout بصري.

اقرأ النص بصوت مرتفع قبل التوليد

هذا أسرع quality check متاح وأقلها تكلفة.

إذا كنت أثناء القراءة:

• تتعثر؛
• ينفد نفسك؛
• تغيّر الكلمات تلقائيًا؛
• تتردد في نطق abbreviation؛
• تتوقف طبيعيًا في مكان لا يوضحه النص؛

فغالبًا ما يزال script بحاجة إلى تحرير.

القراءة بصوت مرتفع تكشف rhythm غير المريح، والتكرار، والالتباس الخفي، وعلامات الترقيم التي تبدو مقبولة على الشاشة لكنها لا تناسب الكلام.

استخدم الترقيم كبنية للإلقاء

علامات الترقيم ليست لغة دقيقة للتحكم في prosody، لكنها تقدم structure مهمًا.

النقطة تفصل فكرة كاملة بوضوح، والفاصلة تجمع أجزاء طبيعية قصيرة، والنقطتان تقدمان شرحًا أو قائمة، وعلامة الاستفهام تساعد على تمييز السؤال من statement.

لا تضف فواصل أو ellipsis أو شرطات عشوائيًا لإجبار model على أداء درامي. يجب أن يبقى النص مفهومًا نحويًا لمحرر بشري.

إذا احتجت توقفًا أقوى، فاسأل أولًا هل يجب أن تصبح العبارة جملتين بدل إضافة المزيد من الرموز.

اكتب الأرقام بالشكل الذي تريد سماعه

الأرقام مختصرة بصريًا لكنها قد تحمل أكثر من قراءة في الصوت.

تاريخ مثل 2026/08/23 قد يختلف تفسيره حسب locale. والقيمة 3.5 قد تحتاج نطقًا محددًا حسب السياق. أما $14.99 فيتطلب أيضًا تحديد العملة وطريقة قراءة الكسور.

عندما تكون الدقة مهمة، اكتب spoken form بوضوح في اللغة المستهدفة.

يمكن أن يبقى display text مختصرًا على الشاشة، بينما يكون speech script أكثر صراحة. القناتان لهما وظائف مختلفة.

حدد طريقة نطق الاختصارات

بعض acronyms تُقرأ حرفًا حرفًا، وبعضها كلمة واحدة، وبعضها من الأفضل توسيعه إلى عبارة كاملة.

لا يستطيع model دائمًا معرفة convention المشروع.

ضع المصطلحات المهمة داخل جملة طبيعية، واختبر speech-friendly rendering، ثم استخدم الصيغة الناجحة بصورة ثابتة في المشروع كله.

هذا مهم خصوصًا لأسماء الشركات والمنتجات التقنية والمصطلحات الطبية والاختصارات الداخلية وأسماء النماذج والإصدارات.

تعامل مع URLs والبريد الإلكتروني بقصد

وجود URL على الشاشة لا يعني أن الصوت يجب أن يقرأه كاملًا.

اسأل ماذا يحتاج المستمع فعلًا: هل يجب أن يكتب العنوان حرفيًا، أم تكفي جملة مثل «زر موقعنا»؟

في كثير من الفيديوهات، من الأفضل أن يعرض visual channel السلسلة الدقيقة بينما يشرح audio channel المعنى أو الإجراء.

وينطبق الأمر نفسه على email. القراءة حرفًا حرفًا قد تكون مزعجة، بينما يمكن عرض العنوان على الشاشة وقول CTA قصيرة.

لا تحوّل كل text ظاهر تلقائيًا إلى narration.

حوّل القوائم البصرية إلى بنية مسموعة

يمكن للقارئ مسح bullet list كاملة بسرعة، لكن المستمع يستقبل العناصر واحدًا واحدًا.

قراءة قائمة طويلة حرفيًا قد تبدو رتيبة ويصعب تذكر structure.

اجمع العناصر المتقاربة واستخدم انتقالات مثل «أولًا» و«بعد ذلك» و«أخيرًا» عندما تكون مفيدة.

إذا كان الجمهور يحتاج قائمة دقيقة، يمكن للصوت شرح المنطق بينما تعرض الشاشة كل العناصر.

اختبر الأسماء والعلامات مبكرًا

لا تنتظر final batch لتكتشف أن proper noun يُنطق خطأ في كل المقاطع.

اختبر الاسم داخل جملة طبيعية قصيرة، لا ككلمة معزولة فقط.

وفي العمل متعدد اللغات، حدد هل تريد source-language pronunciation أم localized pronunciation الشائع في السوق المستهدف.

بعد اعتماد spoken rendering، أعد استخدامه في كل clips حتى لا يعيد model اتخاذ القرار في كل generation.

قلّل الكتابة الاعتراضية

الأقواس والهوامش والمراجع تعمل جيدًا في المستندات لأن القارئ يفهم hierarchy بصريًا. في الصوت قد تصبح interruptions مربكة.

حوّل المعلومات المهمة إلى جملة طبيعية. وإذا لم يحتجها المستمع، فاحذفها من narration.

واسأل السؤال نفسه عن footnotes وcitations: هل تنتمي فعلًا إلى تجربة الاستماع أم ينبغي أن تبقى في الصفحة فقط؟

ولّد في وحدات صغيرة لكنها مترابطة

كون العمل النهائي طويلًا لا يعني أن كل generation يجب أن يكون ضخمًا.

section بحجم paragraph يحافظ عادة على context كافٍ لإيقاع طبيعي ويجعل التصحيح موضعيًا.

قسّم عند meaning boundaries، لا وفق عدد أحرف اعتباطي، ولا تقطع complete sentence في منتصفها.

اكتب الانتقالات المنطوقة

تعتمد المستندات المرئية على headings والمسافات وحجم الخط لإعلان انتقال الموضوع. الصوت لا يملك تلك العلامات الصامتة.

عنوان مثل Security قد يحتاج جملة مثل:

وقد تحتاج بدايات الفصول والانتقالات والملخصات إلى orientation sentence مشابهة.

لا تفترض أن heading غير منطوق سيصل إلى المستمع تلقائيًا.

حافظ على tone متسق

قد يجمع script بين marketing copy وtechnical docs وsupport text. وغالبًا تختلف هذه المصادر في formality وطول الجمل والمفردات.

قبل التوليد، وحّدها في speaking style واحد:

• مستوى الرسمية؛
• طول الجملة المعتاد؛
• terminology المفضل؛
• طريقة مخاطبة المستمع؛
• نمط الانتقالات.

كثير من «عدم اتساق الصوت» يبدأ أصلًا من عدم اتساق الكتابة. توحيد script قد يحسن التجربة حتى من دون تغيير model.

اجعل اختبار النطق جزءًا من الكتابة

إذا فشلت كلمة مرارًا، لا تنتظر final batch ثم تصلح كل WAV على حدة.

أنشئ test sentence قصيرة، وغيّر representation للكلمة فقط، ثم سجّل الصيغة الناجحة في pronunciation guide.

بهذا يصبح pronunciation جزءًا من script authoring بدل أن يكون مشكلة تأتي بعد generation.

راجع الصوت مقابل النص المعتمد

بعد التوليد، لا تسأل فقط هل الصوت «جميل». تحقق من أن audio يطابق approved script.

راجع:

• الكلمات المحذوفة؛
• التكرار؛
• الوقفات غير المتوقعة؛
• تفسير الأرقام والاختصارات؛
• أي قراءة تغيّر المعنى.

إذا تكرر نفس الخطأ في عدة sections، أصلح script convention بدل إصلاح كل output منفردًا.

قائمة مراجعة Speech-first

قبل generation، تأكد من أن:

1. كل جملة مريحة عند قراءتها بصوت مرتفع؛
2. الترقيم يعكس structure طبيعيًا؛
3. الأرقام المهمة غير ملتبسة؛
4. لكل acronym spoken form محدد؛
5. الأسماء والعلامات تم اختبارها؛
6. URLs والبريد والنص البصري فقط تم التعامل معها بقصد؛
7. الانتقالات بين العناوين مكتوبة صوتيًا عند الحاجة؛
8. الفقرات الطويلة مقسمة حسب المعنى؛
9. tone والمصطلحات متسقة في المشروع؛
10. قواعد النطق المعروفة موثقة ويعاد استخدامها.

حتى أفضل TTS model لا يستطيع الاستفادة إلا من structure الذي يتلقاه. الكتابة للأذن تقلل إعادة التوليد، وتجعل مراجعة النطق أسهل، وتنتج صوتًا يبدو مصممًا للمستمع بدل أن يكون مجرد مستند تمت قراءته آليًا.