
با ElevenLabs و مدل Eleven v4 متن فارسی را به صدای طبیعی تبدیل کنید. در این آموزش قدمبهقدم، تنظیمات درست، متن نمونه با تگ صوتی، کلون صدا با لهجه دری و هزینهها را میبینید.
خلاصه: برای تبدیل متن به صدا فارسی با هوش مصنوعی، در ElevenLabs مدل Eleven v4 را انتخاب کنید، یک صدای فارسی یا صدای کلونشده خودتان را بگذارید و متن را کوتاه، با نقطهگذاری درست و بدون ترکیب زبانها بنویسید. نسخه رایگان ماهانه ۱۰ هزار کریدت دارد و هر حرف حدود یک کریدت مصرف میکند. برای کار تجاری و کلون صدا، پلن پولی لازم است.
تبدیل متن به صدا فارسی با هوش مصنوعی حالا به کیفیتی رسیده که صدای ساختهشده شبیه گوینده واقعی است. مشکل اینجاست که بیشتر خروجیها هنوز ماشینی، با تلفظ غلط یا لهجه عجیب تولید میشوند. در این راهنمای بستهها (Bastaha) قدمبهقدم یاد میگیرید با ElevenLabs صدای فارسی طبیعی بسازید، با متن نمونه، تنظیمات درست و اشتباهاتی که باید از آنها دوری کنید.
کدام هوش مصنوعی متن فارسی را طبیعی میخواند؟ 🎙️
در ElevenLabs فقط مدلهای Eleven v4 و Eleven v3 فارسی را پشتیبانی میکنند. مدل قدیمی Multilingual v2 که ۲۹ زبان دارد، فارسی را در فهرست خود ندارد.
- Eleven v4: تازهترین و باکیفیتترین مدل ElevenLabs است و طبق مستندات رسمی بیش از ۹۰ زبان، از جمله فارسی (fa)، پشتو (ps) و تاجیکی (tg) را پشتیبانی میکند. برای نریشن، کتاب صوتی و صداگذاری ویدیو بهترین انتخاب است.
- Eleven v4 Turbo: کیفیت نزدیک به v4 با تأخیر کمتر؛ برای کارهای زنده مثل رباتهای گفتگو ساخته شده است.
- Eleven v3: مدل قبلی که بیش از ۷۰ زبان، از جمله فارسی، دارد. خود ElevenLabs توصیه میکند به v4 بروید.
ابزارهای فارسی رایگان برای خواندن متن کوتاه کافی هستند. برای صدای احساسی، کلون صدای خودتان یا کیفیت ویدیو و پادکست، ElevenLabs کاملتر است.
آموزش تبدیل متن به صدا فارسی در ElevenLabs (۶ قدم) 🪜
کل کار کمتر از ۱۰ دقیقه وقت میگیرد: ثبتنام، انتخاب مدل و صدا، نوشتن متن، تنظیم و دانلود فایل MP3.
قدم ۱: حساب بسازید و بخش Text to Speech را باز کنید
در سایت elevenlabs.io یا اپ اندروید و iOS ثبتنام کنید. برای متنهای کوتاه از Text to Speech و برای متنهای بلند مثل کتاب صوتی یا پادکست از بخش Studio استفاده کنید.
قدم ۲: مدل Eleven v4 را انتخاب کنید
از منوی مدل، Eleven v4 را بزنید. مدل Multilingual v2 فارسی ندارد و متن را درست نمیخواند.
قدم ۳: صدای مناسب فارسی را انتخاب کنید
طبق راهنمای ElevenLabs، لهجه خروجی از خود صدا میآید. پس در Voice Library با فیلتر زبان، صدایی پیدا کنید که با فارسی ساخته شده است. اگر لهجه دری یا لهجه خاصی میخواهید، بهترین راه کلون کردن صدایی است که به همان لهجه صحبت میکند (قدم ۶).
قدم ۴: متن را برای خواندن آماده کنید
هوش مصنوعی همان چیزی را میخواند که میبیند. این چهار کار کیفیت را بالا میبرد:
- جملهها را کوتاه بنویسید و نقطه و ویرگول را درست بگذارید.
- برای مکث از سهنقطه (…) یا خط تیره (—) استفاده کنید؛ برای مکث طولانیتر، پاراگراف جدید بگذارید.
- اعداد را با حروف بنویسید، مثلا «بیست و پنج» به جای «25».
- فارسی و انگلیسی را در یک متن قاطی نکنید. سایت ElevenLabs زبان را خودکار از روی متن تشخیص میدهد و ترکیب زبانها آن را گیج میکند.
قدم ۵: لحن را با تگ صوتی تنظیم کنید
Eleven v4 تگهای صوتی داخل کروشه را میفهمد. تگ را درست قبل از جملهای بگذارید که لحنش باید عوض شود. چون نمونههای رسمی انگلیسی هستند، تگ را انگلیسی بنویسید. یک متن نمونه برای معرفی کوتاه:
[warm, calm narration] سلام دوستان! امروز سه راه ساده برای پسانداز بیشتر را با هم مرور میکنیم.
[excited] راه اول… خیلی سادهتر از چیزی است که فکر میکنید.
[whispers] و راه سوم، رازی است که کمتر کسی به شما میگوید.
تگهای مفید: [whispers] برای نجوا، [excited] برای هیجان، [sighs] برای آه کشیدن و [laughs] برای خنده. ElevenLabs میگوید تگها هنوز همیشه دقیق اجرا نمیشوند؛ پس هر تگ را یک بار تست کنید.
قدم ۶: صدای خودتان را کلون کنید (اختیاری)
با Instant Voice Cloning یک نمونه یک تا دو دقیقهای از صدای خودتان بارگذاری کنید و چند ثانیه بعد صدای کلون آماده است. نکته مهم Eleven v4: اگر زبان نمونه و زبان متن یکی باشد، لهجه شما دقیق حفظ میشود. پس برای لهجه دری، نمونه را به دری ضبط کنید.
- در اتاق ساکت و با یک میکروفون ثابت ضبط کنید؛ v4 نویز و عیب ضبط را هم کپی میکند.
- در کل نمونه یک لحن ثابت داشته باشید، نه ترکیبی از داد و نجوا.
بهترین تنظیمات Eleven v4 برای صدای فارسی طبیعی چیست؟ ⚙️
در Eleven v4 فقط دو تنظیم اصلی دارید: Stability و Similarity. اسلایدرهای Style و Speed در این مدل نیستند و SSML هم پشتیبانی نمیشود.
- Stability (ثبات): عدد پایینتر صدای پراحساستر و متنوعتر میدهد؛ عدد بالاتر لحن یکنواختتر و قابل پیشبینیتر. برای آموزش و کتاب صوتی بالاتر، برای داستان و تبلیغ پایینتر بگذارید.
- Similarity (شباهت): هرچه بالاتر باشد، خروجی به صدای اصلی نزدیکتر است، اما ممکن است کمی از طبیعی بودن کم شود.
- Clone Strength: فقط برای کلون حرفهای (PVC) دیده میشود. ElevenLabs پیشنهاد میکند برای بیشتر صداها از صفر درصد شروع کنید.
روش ساده: یک پاراگراف را با سه مقدار Stability بسازید و بهترین را برای کل پروژه نگه دارید.
تبدیل متن به صدا با هوش مصنوعی رایگان است؟ هزینهها 💵
بله، تا یک حد. پلن رایگان ElevenLabs هر ماه ۱۰ هزار کریدت میدهد و در بخش Text to Speech هر حرف حدود یک کریدت مصرف میکند. برای استفاده تجاری و کلون صدا پلن پولی لازم است.
- Free: ۱۰ هزار کریدت در ماه؛ کریدت باقیمانده به ماه بعد نمیرود.
- Starter (۶ دالر در ماه): ۳۰ هزار کریدت، لایسنس تجاری و Instant Voice Cloning.
- Creator (۲۲ دالر در ماه): ۱۲۱ هزار کریدت و کلون حرفهای صدا (Professional Voice Cloning).
کریدتها بین همه بخشها مشترک است؛ مثلا ساخت افکت صوتی یا دوبله هم از همین کریدت کم میکند. در پلنهای پولی، کریدت استفادهنشده تا دو ماه به ماههای بعد منتقل میشود.
چه اشتباهاتی صدای فارسی را ماشینی میکند؟ ⚠️
بیشتر صداهای بد از متن بد یا مدل اشتباه میآیند، نه از خود هوش مصنوعی.
- انتخاب Multilingual v2: این مدل فارسی ندارد. همیشه Eleven v4 را بزنید.
- صدای انگلیسی برای متن فارسی: لهجه از صدا میآید؛ صدای فارسی یا کلون خودتان را انتخاب کنید.
- متن خیلی بلند در یک بار: متن را پاراگرافبهپاراگراف بسازید تا اشتباه را راحتتر پیدا و اصلاح کنید.
- اعداد و علامتهای عجیب: اعداد، تاریخ و نمادها را با حروف بنویسید.
- ضبط پرنویز برای کلون: هر صدای اضافی در نمونه، در خروجی هم شنیده میشود.
چه کسانی از صداگذاری با هوش مصنوعی بیشتر سود میبرند؟ 👥
هر کسی که محتوای صوتی منظم میسازد و وقت یا امکان ضبط حرفهای ندارد.
- سازندگان ویدیو کوتاه: صدا را بسازید و در CapCut روی ویدیو بگذارید. روش کامل را در آموزش ساخت ویدیو کوتاه با CapCut AI و ElevenLabs ببینید.
- معلمها و مدرسهای آنلاین: درسنامه را به فایل صوتی تبدیل کنید تا شاگردان در راه گوش دهند.
- پادکسترها و نویسندهها: با Studio کتاب صوتی یا پادکست چندبخشی بسازید. برای افکت صدا هم راهنمای ElevenLabs SFX را بخوانید.
- کسبوکارهای کوچک: پیام تبلیغاتی را با یک صدای ثابت و آشنا بسازید.
سوالات متداول ❓
آیا ElevenLabs لهجه دری را پشتیبانی میکند؟
زبان فارسی (fa) را پشتیبانی میکند و لهجه از صدا میآید. طبق مستندات Eleven v4، وقتی زبان نمونه صدا و متن یکی باشد، لهجه حفظ میشود. پس صدایی را کلون کنید که به دری صحبت میکند.
آیا میتوانم متن را با صدای خودم به صدا تبدیل کنم؟
بله. با Instant Voice Cloning و یک نمونه یک تا دو دقیقهای صدای خودتان را میسازید. این امکان از پلن Starter شروع میشود.
فایل خروجی در چه فرمتی است؟
فایل را به صورت MP3 دانلود میکنید یا مستقیم در Studio برای ساخت کتاب صوتی و نریشن ادامه میدهید.
بدون کارت بانکی خارجی چطور اشتراک ElevenLabs بگیرم؟
در بستهها اکانت آماده ElevenLabs Creator و بستههای کریدت را با HesabPay یا تتر میخرید. جزئیات را در راهنمای خرید ElevenLabs در افغانستان و ایران بخوانید.
نکته خرید: «ElevenLabs Creator — اکانت آماده سهماهه» یک حساب واقعی ElevenLabs با پلن Creator است. بستههای Vibi.pro اما حساب مستقل ElevenLabs نیستند؛ کریدت را در سایت Vibi.pro فعال میکنید و از همانجا با مدلهای صدای ElevenLabs کار میکنید.
اشتراک ElevenLabs و ابزارهای صداگذاری در بستهها 🛒
همه محصولات موجود این دستهها را در فروشگاه بستهها (Bastaha) میبینید. پرداخت با HesabPay، Binance Pay یا تتر (USDT) انجام میشود.
اشتراکهای ElevenLabs
- ElevenLabs در Vibi.pro — ۱۳۱ هزار کریدت — 2.84 دالر
- ElevenLabs Creator — اکانت آماده سهماهه — 4.59 دالر
- ElevenLabs در Vibi.pro — ۳۰۰ هزار کریدت — 5.57 دالر
- ElevenLabs در Vibi.pro — ۳ میلیون کریدت — 26.88 دالر
- ElevenLabs در Vibi.pro — ۷ میلیون کریدت — 56.63 دالر
اشتراکهای CapCut
- CapCut Pro — اشتراک ۷ روزه — 0.43 دالر
- CapCut Pro شخصی — اشتراک ۳ تا ۴ ماهه (با گارانتی کامل) — 7.16 دالر
اشتراکهای Higgsfield
- Higgsfield Genjutsu — اشتراک یکماهه (ضمانت ۲۴ ساعته) — 1.65 دالر
- Higgsfield Pro با کد — اشتراک ۱۲ ماهه (بدون گارانتی) — 149.18 دالر
اشتراکهای Adobe
- Adobe Express Premium — اشتراک ۱۲ ماهه با لینک (بدون گارانتی) — 0.45 دالر
- Adobe Creative Cloud All Apps — حساب یکماهه (با گارانتی کامل) — 10.90 دالر
قیمتها به دالر امریکایی و مربوط به زمان نگارش این مطلب هستند؛ قیمت نهایی و موجودی را در صفحه هر محصول ببینید.
جمعبندی
برای صدای فارسی طبیعی سه چیز لازم است: مدل Eleven v4، صدای فارسی یا کلون خودتان، و متنی که برای خواندن آماده شده باشد. با نسخه رایگان امتحان کنید؛ اگر کریدت بیشتر یا کلون صدا خواستید، ElevenLabs Creator سهماهه را در بستهها ببینید و با HesabPay، Binance Pay یا تتر پرداخت کنید.