بهترین هوش مصنوعی برای صداگذاری فارسی
امروز الون لبز وی۳ بالاترین امتیاز این جدول را دارد، چون تنها مدل رده بالایی است که هم فارسی را در فهرست زبان هایش آورده و هم اجازه ساخت صدای تازه با پروانه تجاری می دهد. نکته ای که بیشتر آدم ها را غافلگیر می کند: مدل سریع تر و ارزان تر همان شرکت اصلا فارسی نمی خواند.
- شش مدل با شاهد واقعی
- وزن فارسی ۳۵ از ۱۰۰
- ستون دسترسی از ایران
آخرین بررسی: این صفحه یک مرجع است. با هر نسخه تازه، منابع سازنده دوباره خوانده و صفحه بهروز می شود. چه چیزی عوض شد
امتیاز هر ابزار از کجا می آید
حلقه زیر، همان وزن هایی است که در سرستون های جدول پایین نوشته شده.
- فارسی می خواند ۳۵
- کنترل صدا ۳۰
- شمار زبان ۲۵
- دسترسی از ایران ۱۰
وزن ها را ما انتخاب کرده ایم و همین تنها جای سلیقه این جدول است. اگر وزن دیگری درست تر می دانید، ترتیب هم عوض می شود.
رتبه بندی امروز، بر پایه فهرست زبان های خود سازنده ها
پله فارسی هر مدل از فهرست زبان های منتشرشده خود سازنده خوانده شده و نه از تست شنیداری. مدلی که سازنده اش اصلا فهرست زبان منتشر نکرده، در این ستون «تایید نشده» می ماند.
| رتبه | ابزار | امتیاز | فارسی می خواند ۳۵ | کنترل صدا ۳۰ | شمار زبان ۲۵ | دسترسی از ایران ۱۰ |
|---|---|---|---|---|---|---|
| ۱ | الون لبز وی۳ انتخاب فعلی | ۹۹.۰ | ۱/۲ | ۳/۳ | ۷۴ منبع: elevenlabs.io | مسدود / راه کارآمدی ندارد |
| ۲ | جمینای ۳.۱ فلش تیتیاس | ۸۰.۰ | ۱/۲ | ۱/۳ | ۷۷ منبع: ai.google.dev | مسدود / راه کارآمدی ندارد |
| ۳ | جی پی تی ۴او مینی تیتیاس | ۵۵.۰ | ۱/۲ | ۱/۳ | تایید نشده | مسدود / راه کارآمدی ندارد |
| ۴ | الون لبز فلش ۲.۵ | ۴۹.۴ | ۰/۲ | ۳/۳ | ۳۲ منبع: elevenlabs.io | مسدود / راه کارآمدی ندارد |
| ۵ | الون لبز مالتیلینگوال ۲ | ۴۸.۳ | ۰/۲ | ۳/۳ | ۲۹ منبع: elevenlabs.io | مسدود / راه کارآمدی ندارد |
| ۶ | نوا سونیک | ۰.۰ | ۰/۲ | ۰/۳ | ۵ منبع: docs.aws.amazon.com | تایید نشده |
سلول خالی یعنی آن عدد را نتوانسته ایم تایید کنیم، نه اینکه ابزار صفر گرفته است.
پشت هر عدد
هر نمره داوری این جدول یک دلیل نوشته شده دارد و ستون ایران می گوید چطور بررسی شده. آن دو اینجا بازند. رد اندازه گیری هر عدد، یعنی اینکه از کدام ردیف کدام لیدربورد و با چند رای آمده، زیر همان مدل باز می شود.
۱ الون لبز وی۳
فارسی می خواند ۱/۲ فارسی با کد fas در فهرست ۷۴ زبانه این مدل در مستندات خود الون لبز نوشته شده. صدای مخصوص فارسی اعلام نشده، پس پله دو را نمی گیرد.
کنترل صدا ۳/۳ کلون صدا از روی نمونه، با پروانه تجاری از پله Creator به بالا. صفحه قیمت خودش کلون آنی را از Starter و کلون حرفه ای را از Creator اعلام کرده.
دسترسی از ایران مسدود / راه کارآمدی ندارد شرایط استفاده خود الون لبز ایران را با اسم می آورد: کاربر تعهد می دهد که در کشوری زیر تحریم اقتصادی آمریکا نیست و ایران در همان فهرست نوشته شده. این را از بند کنترل صادرات همان صفحه خوانده ایم و نه از تست شبکه.
۲ جمینای ۳.۱ فلش تیتیاس
فارسی می خواند ۱/۲ فارسی در فهرست زبان های صفحه تولید گفتار گوگل هست. گوگل صدای مخصوص فارسی اعلام نکرده و می گوید زبان ورودی را خودکار تشخیص می دهد، پس پله دو را نمی گیرد.
کنترل صدا ۱/۳ سی صدای آماده به اضافه کنترل لحن با دستور متنی. ساخت صدای تازه از روی نمونه در این صفحه اعلام نشده.
دسترسی از ایران مسدود / راه کارآمدی ندارد صفحه مناطق در دسترس Gemini API فهرست کشورهایی را می دهد که این واجهه در آنها کار می کند و ایران در آن فهرست نیست. از همان صفحه خوانده شده و نه از تست شبکه.
۳ جی پی تی ۴او مینی تیتیاس
فارسی می خواند ۱/۲ فارسی صراحتا در فهرست زبان های پشتیبانی شده راهنمای تبدیل متن به گفتار اوپن ای آی آمده. صدای مخصوص فارسی اعلام نشده، پس پله دو را نمی گیرد.
کنترل صدا ۱/۳ سیزده صدای آماده به اضافه کنترل لحن با دستور متنی. ساخت صدای تازه از روی نمونه در این راهنما نیست.
دسترسی از ایران مسدود / راه کارآمدی ندارد ایران در فهرست کشورهای پشتیبانی شده مستندات توسعه دهندگان اوپن ای آی نیست. از همان صفحه خوانده شده و نه از تست شبکه.
۴ الون لبز فلش ۲.۵
فارسی می خواند ۰/۲ فهرست ۳۲ زبانه این مدل در مستندات خود الون لبز فارسی ندارد. عربی و ترکی هست، فارسی نه.
کنترل صدا ۳/۳ کلون صدا از روی نمونه، با پروانه تجاری از پله Creator به بالا. صفحه قیمت خودش کلون آنی را از Starter و کلون حرفه ای را از Creator اعلام کرده و استفاده تجاری هم از همان پله ها.
دسترسی از ایران مسدود / راه کارآمدی ندارد شرایط استفاده خود الون لبز ایران را با اسم می آورد: کاربر تعهد می دهد که در کشوری زیر تحریم اقتصادی آمریکا نیست و ایران در همان فهرست نوشته شده. این را از بند کنترل صادرات همان صفحه خوانده ایم و نه از تست شبکه.
۵ الون لبز مالتیلینگوال ۲
فارسی می خواند ۰/۲ فهرست ۲۹ زبانه این مدل در مستندات خود الون لبز فارسی ندارد.
کنترل صدا ۳/۳ کلون صدا از روی نمونه، با پروانه تجاری از پله Creator به بالا. صفحه قیمت خودش کلون آنی را از Starter و کلون حرفه ای را از Creator اعلام کرده و استفاده تجاری هم از همان پله ها.
دسترسی از ایران مسدود / راه کارآمدی ندارد شرایط استفاده خود الون لبز ایران را با اسم می آورد: کاربر تعهد می دهد که در کشوری زیر تحریم اقتصادی آمریکا نیست و ایران در همان فهرست نوشته شده. این را از بند کنترل صادرات همان صفحه خوانده ایم و نه از تست شبکه.
۶ نوا سونیک
فارسی می خواند ۰/۲ آمازون برای این مدل پنج زبان نام برده: انگلیسی آمریکا و بریتانیا، فرانسوی، ایتالیایی، آلمانی و اسپانیایی. فارسی در آن نیست.
کنترل صدا ۰/۳ صداهای آماده سازنده. ساخت صدای تازه از روی نمونه در مستندات نوا اعلام نشده.
برای رتبه دادن، داده تاییدشده کافی نداریم
اینها ابزارهای واقعی اند و پیگیری شان می کنیم، ولی بیش از نیم وزن معیارها برایشان عدد تاییدشده ندارد، پس رتبه دادنشان حدس زدن بود.
- وکسترال تیتیاس
این رتبه بندی چطور حساب می شود
هر معیار زیر یک وزن دارد و یک منبع. وزن را عوض کنید، کل جدول از نو حساب می شود. هیچ جای این مرجع، جایگاهی دستی گذاشته نشده است.
| معیار | وزن | شاهد |
|---|---|---|
| فارسی می خواند | ۳۵ | مقیاس تعریف شده، با دلیل نوشته برای هر انتسابدر این دسته خروجی خودش زبان دارد، پس مدلی که فارسی ندارد برای متن فارسی صفر است و نه کمی ضعیف تر |
| کنترل صدا | ۳۰ | مقیاس تعریف شده، با دلیل نوشته برای هر انتسابصداگذاری یعنی صدای مشخص. چند صدای آماده با ساخت صدای تازه یکی نیست، و پروانه تجاری هم بخشی از همین است |
| شمار زبان | ۲۵ | مشخصات اعلامی سازندهشمار زبان فقط وقتی شمرده شده که سازنده فهرست را کامل چاپ کرده باشد یا عدد قطعی داده باشد |
| دسترسی از ایران | ۱۰ | ستون دسترسی ما، با روش اعلام شدهوزنش کم است چون جای اصلی این بحث صفحه «هوش مصنوعی در ایران» است، ولی صفر هم نیست |
تله ای که بیشتر آدم ها در آن می افتند
الون لبز سه مدل تبدیل متن به گفتار دارد. فارسی فقط در فهرست یکیشان هست.
وی۳ فهرست ۷۴ زبانه دارد و فارسی با کد fas در آن نوشته شده. فلش ۲.۵ فهرست ۳۲ زبانه دارد و مالتیلینگوال وی۲ فهرست ۲۹ زبانه، و فارسی در هیچکدام نیست. مشکل اینجاست که فلش ۲.۵ همان مدلی است که آدم به سمتش می رود: سریع ترین است با ۷۵ میلی ثانیه تاخیر، سقف کاراکترش هشت برابر وی۳ است (چهل هزار در برابر پنج هزار)، و ارزان ترین هم هست.
پس کسی که ثبت نام می کند، مدل سریع را برمی دارد، متن فارسی می دهد و خروجی بدی می گیرد، معمولا نتیجه می گیرد «الون لبز فارسی بلد نیست». درست تر این است: آن مدلش بلد نیست.
چرا وزن فارسی ۳۵ است
در دسته کدنویسی، زبان خروجی مساله نیست. اینجا خروجی خودش صداست و صدا زبان دارد. مدلی که هفتاد زبان می خواند و فارسی جزوشان نیست، برای کسی که متن فارسی دارد صفر است و نه «کمی ضعیف تر». هیچ وزن دیگری این را درست نشان نمی داد، و هر جدولی که این ستون را نداشته باشد برای خواننده این سایت جدول اشتباهی است.
پله ها را از فهرست زبان های خود سازنده خوانده ایم و نه از گوش دادن. یعنی این ستون می گوید سازنده چه چیزی را اعلام کرده و نه اینکه لهجه اش چقدر خوب است. آن دومی را باید شنید و ما هنوز نشنیده ایم.
سه معیاری که عمدا در جدول نیستند
تاخیر. فقط الون لبز عددش را چاپ می کند (۷۵ میلی ثانیه برای فلش، ۲۸۰ برای وی۳ گفتوگویی). گوگل و اوپن ای آی هیچ عددی نمی دهند. معیاری که برای دو نامزد از شش تا عدد دارد، بقیه را بی دلیل پایین می کشد.
قیمت. الون لبز اعتبار ماهانه می فروشد، گوگل و اوپن ای آی توکنی حساب می کنند، و میسترال وزن را می دهد و هیچ. اینها را نمی شود در یک ستون گذاشت. هر جدولی که این کار را بکند، دارد یک عدد را به عدد دیگری تبدیل می کند با فرض هایی که ننوشته.
شمار صداهای آماده. گوگل سی صدا دارد و اوپن ای آی سیزده، ولی الون لبز اجازه می دهد صدای تازه بسازید. وقتی می شود صدای تازه ساخت، شمردن صداهای آماده معنایش را از دست می دهد.
هیچ کدام به پله دو نرسیده اند
مقیاس فارسی سه پله دارد و پله دو یعنی سازنده صدای مخصوص فارسی هم اعلام کرده باشد. امروز هیچ نامزدی به این پله نرسیده. گوگل می گوید زبان ورودی را خودکار تشخیص می دهد و صدای فارسی جدا نام نمی برد؛ اوپن ای آی سیزده صدایش را به زبان گره نزده. یعنی همه این مدل ها فارسی را با صدایی می خوانند که برای فارسی ساخته نشده.
یک تناقض که باید صریح گفت
مدلی که در این جدول اول شده، شرایط استفاده خودش ایران را با اسم آورده. بند کنترل صادرات الون لبز می گوید کاربر تعهد می دهد در کشوری زیر تحریم اقتصادی آمریکا نیست و ایران در همان فهرست نوشته شده.
این را می نویسیم چون واقعیت است و پنهان کردنش به کسی کمک نمی کند. چیزی که نمی نویسیم راه دور زدنش است. ما اکانت نمی فروشیم، واسطه معرفی نمی کنیم و روش دور زدن تحریم را هم توضیح نمی دهیم. اگر کارتان صداگذاری فارسی است و راه رسمی ندارید، این را از ما بشنوید که راه رسمی ندارید.
یک مدل که وزنش باز است و به کارتان نمی آید
وکسترال تیتیاس از میسترال تنها مدل این جدول است که وزنش منتشر شده، یعنی می شود روی سخت افزار خودتان اجرا کرد و هیچ فهرست کشوری جلویش نیست. پروانه اش سی سی بای ان سی ۴.۰ است و ان سی یعنی استفاده تجاری ممنوع.
در دسته ای که کارش صداگذاری سفارشی است، این دقیقا همان کاری است که آدم می خواهد بکند. پس مدلی که از نظر دسترسی بهترین گزینه است، از نظر پروانه بی فایده ترین است. میسترال برایش فهرست زبان هم منتشر نکرده، پس ستون فارسی اش «تایید نشده» مانده و رتبه نگرفته.
چه وقت انتخاب اول ما را نگیرید
- اگر فقط انگلیسی کار می کنید و سرعت برایتان مهم است، فلش ۲.۵ همان سازنده با ۷۵ میلی ثانیه تاخیر انتخاب بهتری است و رتبه پایین ترش در این جدول فقط به خاطر فارسی است.
- اگر می خواهید مدل را خودتان میزبانی کنید، هیچ کدام از سه ردیف بالای جدول به دردتان نمی خورد و باید سراغ وکسترال بروید، با قید پروانه اش.
- اگر کارتان پیاده سازی صوت به متن است و نه صداگذاری، این جدول جواب شما نیست. مدل های اسکرایب و وکسترال ترنسکرایب کار دیگری می کنند.
کجا کم می آورد
- پله فارسی از فهرست منتشرشده سازنده خوانده شده و نه از گوش دادن. کیفیت لهجه را نسنجیده ایم.
- قیمت در این جدول اصلا ستون ندارد، چون واحدهای سه سازنده قابل مقایسه نیستند.
- تاخیر فقط برای مدل های الون لبز منتشر شده، پس در رتبه بندی نیامده.
- ستون دسترسی از ایران از صفحه سیاست خود سازنده ها خوانده شده و نه از تست شبکه از داخل ایران.
نظر ما
اگر متن فارسی دارید و می خواهید صدای مشخصی داشته باشید، امروز الون لبز وی۳ تنها گزینه ای است که هر دو را می دهد. فقط حواستان باشد مدل را دستی روی وی۳ بگذارید، وگرنه پیش فرض سریع تر همان چیزی است که فارسی ندارد.
پرسش هایی که واقعا پرسیده می شود
الون لبز فارسی دارد یا نه
بستگی دارد به مدل. وی۳ فهرست ۷۴ زبانه دارد و فارسی با کد fas در آن هست. فلش ۲.۵ و مالتیلینگوال وی۲ فهرست ۳۲ و ۲۹ زبانه دارند و فارسی در هیچکدام نیست. اگر فارسی می خواهید باید مدل را دستی روی وی۳ بگذارید.
بهترین هوش مصنوعی تبدیل متن به صدا فارسی کدام است
بر اساس جدول همین صفحه، الون لبز وی۳. سه مدل فارسی را در فهرستشان دارند (وی۳، جمینای فلش تیتیاس و جیپیتی ۴او مینی تیتیاس) و از بین این سه فقط وی۳ اجازه ساخت صدای تازه با پروانه تجاری می دهد.
کیفیت لهجه فارسی این مدل ها چطور است
نمی دانیم و ادعا هم نمی کنیم. این جدول می گوید سازنده فارسی را در فهرست زبان هایش آورده یا نه. سنجیدن لهجه یک تست شنیداری می خواهد که هنوز انجام نداده ایم و وقتی انجام شد همین جا نوشته می شود.
مدل رایگان یا متن باز برای صداگذاری فارسی هست
وکسترال تیتیاس از میسترال وزن باز دارد، ولی پروانه اش سی سی بای ان سی ۴.۰ است و استفاده تجاری را ممنوع می کند. میسترال فهرست زبان هایش را هم منتشر نکرده، پس نمی دانیم فارسی دارد یا نه.
صداگذاری ویدیوی شما با ما
خدمات موشن گرافیک و صداگذاری