فيديو بمتحدث رقمي يتكلم العربية: مقارنة HeyGen وSynthesia وD-ID

 مدرّب في شركة متوسطة الحجم يحتاج فيديو تدريبيًا مدته ثلاث دقائق عن إجراءات السلامة، ويحتاجه بالعربية والإنجليزية والفرنسية معًا، دون ميزانية لاستوديو أو مقدّم أو معلّق صوتي. الحل الذي يلجأ إليه كثيرون الآن هو فيديو بمتحدث رقمي (AI Avatar Video): تكتب النص، فيقرؤه وجه مولَّد بصوت اصطناعي مع مزامنة لحركة الشفاه. غير أن العربية تختلف عن الإنجليزية، فالأسماء الأجنبية والأرقام والتشكيل واللهجات تكشف ضعف الأداة خلال ثوانٍ، وصفحات التسويق لا تذكر ذلك. 

لهذا ستجد هنا بروتوكول اختبار قابلًا للتكرار اسمه «نص واحد وثلاث أدوات»: نص فصيح مدته دقيقة، وسطر بلهجة محكية، وقائمة معايير تحكم بها بنفسك على HeyGen (هاي جين) وSynthesia (سينثيجيا) وD-ID. لم أشغّل الأدوات لأعطيك درجات جاهزة، بل جمعت ما تقوله المصادر الرسمية والمراجعات المؤرخة وقت كتابة المقال (نوفمبر 2026)، وتركت خانات التقييم لك. والخطط والحدود تتبدل كل بضعة أسابيع تقريبًا، فاعتبر كل رقم هنا نقطة بداية للتحقق لا حكمًا نهائيًا.



ما هو فيديو المتحدث الرقمي

الفكرة أقرب إلى الدبلجة المعكوسة في أفلام الرسوم المتحركة: هناك يُرسم الفم أولًا ثم يُركَّب الصوت، أما هنا فيُولَّد الصوت أولًا ثم يُعاد رسم الفم ليطابقه. وخلف أي فيديو بمتحدث رقمي ثلاث طبقات تعمل معًا، وأي ضعف في واحدة منها يظهر فورًا على الشاشة.

الطبقة الأولى هي الأفاتار نفسه، وقد يكون شخصية جاهزة من مكتبة الأداة أو نسخة رقمية منك تُبنى من تسجيل فيديو قصير. الطبقة الثانية هي محرك تحويل النص إلى كلام (Text-to-Speech)، وهو المسؤول عن النطق والتنغيم والوقفات. الطبقة الثالثة هي نموذج مزامنة الشفاه (Lip-sync)، الذي يحرّك الفم والفك بحسب الأصوات المنطوقة. وهناك مسار رابع مختلف قليلًا هو الدبلجة الآلية (AI Dubbing)، إذ ترفع فيديو مسجّلًا لشخص حقيقي فتترجمه الأداة وتستنسخ صوته وتعدّل شفتيه بلغة أخرى. وجودة المتحدث الرقمي النهائية تساوي في الغالب جودة أضعف هذه الطبقات، فالصوت الممتاز لا ينقذ شفاهًا متأخرة، والوجه الواقعي لا يغطي نطقًا خاطئًا للأرقام.

لماذا تُعد العربية اختبارًا قاسيًا؟ السبب الأول أن النص العربي يُكتب غالبًا بلا تشكيل، فكلمة مثل «علم» قد تُقرأ عَلِمَ أو عِلْم أو عَلَم، والمحرك يخمّن من السياق وقد يخطئ. السبب الثاني أن الأرقام في العربية تتغير بحسب التذكير والتأنيث والإعراب، وكثير من المحركات يقرأ «15 مترًا» بصيغة غير سليمة. السبب الثالث أن أصواتًا مثل العين والحاء والقاف تحتاج حركة فم وحلق مختلفة عن الإنجليزية، فإذا كان نموذج المزامنة مدرّبًا أساسًا على لغات أوروبية فقد تبدو الشفاه متأخرة أو مبالغة. وأخيرًا، الجمهور العربي يتنقل بين الفصحى واللهجات، فالأداة التي تُتقن الفصحى قد تتعثر عند سطر واحد بالمصرية أو الخليجية، وهذا ما يجعل فيديو الأفاتار بالذكاء الاصطناعي بالعربية يحتاج اختبارًا خاصًا قبل اعتماده.

نص عربي لاختبار الأفاتار الناطق

قاعدة الاختبار العادل بسيطة: النص نفسه، ونوع الأفاتار نفسه (وجه أمامي، رجل أو امرأة في الأدوات الثلاث)، والخطة نفسها، وهي المجانية أو التجريبية. لا تغيّر الصوت أو السرعة بين أداة وأخرى إلا إذا سجّلت ذلك في ملاحظاتك، وصدّر كل نسخة بأعلى دقة تسمح بها الخطة. النص التالي مكتوب ليُقرأ في نحو دقيقة، وقد زرعت فيه عمدًا أرقامًا واسمًا أجنبيًا وتاريخًا وجملة مشكّلة وأخرى بلا تشكيل:

مرحبًا بكم في الوحدة الثالثة من برنامج السلامة المهنية. خلال الدقائق القادمة سنتعرّف على ثلاث خطوات للتعامل مع حريق صغير في المكتب. الخطوة الأولى أن تضغط زر الإنذار الأقرب إليك، وهو موجود عادةً على بُعد 15 مترًا من أي مكتب. الخطوة الثانية أن تتصل برقم الطوارئ الداخلي 4512، ثم تُبلغ مشرف الطابق عبر منصة Microsoft Teams. الخطوة الثالثة أن تستخدم طفاية ثاني أكسيد الكربون وتوجّهها إلى قاعدة اللهب لا إلى أعلاه. لا تَستخدِمِ المِصعَدَ، فقد عُلِّقَ تشغيلُه تلقائيًا. وإذا علم المشرف بالحادث قبل وصولك فاتبع تعليماته فورًا. أعدّ هذه الوحدة قسم الموارد البشرية في شركة نماء للتدريب، وآخر تحديث لها كان في 12 مارس 2026، وتجد تفاصيلها في الصفحة 24 من الدليل. شكرًا لحسن استماعكم.

بعد ذلك اختبر سطر اللهجة في مشروع منفصل، واختر صوتًا مصنّفًا باللهجة نفسها إن وُجد، وإلا فاستخدم الصوت الفصيح ولاحظ ما يحدث:

بالمصرية: لو شفت دخان ما تستناش حد يقولك، اضغط على زرار الإنذار على طول. وبالخليجية: إذا شفت دخان لا تنتظر أحد يقول لك، اضغط زر الإنذار على طول.

📸 لقطة شاشة مقترحة: محرر HeyGen بعد لصق النص الفصيح كاملًا، مع ظهور قائمة الأصوات العربية مفتوحة واسم الصوت المختار واللهجة المكتوبة بجانبه بوضوح.

معايير تقييم فيديو الأفاتار بالذكاء الاصطناعي

شاهد كل نسخة مرتين: مرة بالصوت كاملًا، ومرة بلا صوت لتراقب الشفاه وحدها. امنح كل معيار درجة من 1 إلى 5، حيث تعني 1 أن النتيجة غير صالحة، و3 أنها مقبولة للاستخدام الداخلي، و5 أنها جاهزة للنشر أمام متدربين أو عملاء. المجموع الأقصى 35 درجة، والمعايير السبعة هي:

  • مزامنة الشفاه مع الأصوات العربية: راقب الكلمات التي فيها عين وحاء وقاف، مثل «تتعامل» و«حريق» و«قاعدة». هل ينفتح الفم في اللحظة الصحيحة، أم تتأخر الشفاه أو تتحرك حركة عامة لا تطابق الصوت؟
  • نطق الأسماء والأرقام: استمع إلى «15 مترًا» و«4512» و«12 مارس 2026» و«Microsoft Teams». الخطأ الشائع هو قراءة الرقم بصيغة مذكّر بدل مؤنث، أو نطق الاسم الأجنبي بحروف عربية متقطعة.
  • التعامل مع التشكيل: قارن الجملة المشكّلة «لا تَستخدِمِ المِصعَدَ» بالجملة غير المشكّلة «إذا علم المشرف». هل احترم المحرك الحركات؟ وهل قرأ «علم» فعلًا كما يقتضي السياق أم اسمًا؟
  • طبيعية الصوت: انتبه للوقفات عند الفواصل، ولتنغيم السؤال والتعداد، ولسرعة القراءة. الصوت الآلي يُعرف عادة من تساوي الإيقاع ومن نبرة واحدة لا تتغير بين أول الجملة وآخرها.
  • واقعية الأفاتار: شاهد بلا صوت وركّز على العينين والرمش وحركة الرأس واليدين. هل تبدو الحركات متكررة كحلقة واحدة؟ وهل تظهر تشوهات عند الأسنان أو حدود الوجه؟
  • سهولة واجهة التحرير: قيّم سهولة لصق نص من اليمين إلى اليسار، وتعديل النطق لكلمة واحدة، وإضافة وقفة، وإدراج شريحة أو صورة خلفية. هل الواجهة تعرض النص العربي بلا تقطيع أو انعكاس؟
  • العلامة المائية وشروط التصدير: سجّل حجم العلامة المائية ومكانها، ودقة التصدير، والحد الأقصى للمدة في الخطة المجانية. هذا المعيار يحدد إن كانت النسخة المجانية صالحة لأي شيء غير التجربة.

مقارنة HeyGen وSynthesia وD-ID بالعربية

الأرقام التالية مأخوذة من صفحات المساعدة الرسمية والمراجعات المؤرخة وقت كتابة المقال، وكلها قابلة للتغيير. والأدوات الثلاث خدمات ويب تعمل من المتصفح، فلم أجد ما يشير إلى حجبها في السعودية أو مصر أو الخليج، لكن تحقق من قبول وسيلة الدفع لديك قبل الاشتراك.

هاي جين واللهجات العربية

تذكر صفحة الترجمة العربية في HeyGen دعم العربية الفصحى ولهجات إقليمية تشمل مصر والسعودية والإمارات ولبنان والمغرب، مع خيارين لمزامنة الشفاه هما Speed للقطات الأمامية البسيطة وPrecision للقطات الجانبية والمعقدة. وبحسب مركز مساعدة HeyGen، تمنح الخطة المجانية من فيديو إلى ثلاثة بحسب المنطقة، بمدة أقصاها دقيقة واحدة ودقة 720p لروابط المشاركة، بينما تُعد إزالة العلامة المائية ميزة في خطة Creator.

سينثيجيا في الفيديو التعليمي

تستهدف Synthesia أساسًا الفيديو التعليمي وتدريب الموظفين. بحسب مراجعة على موقع marcandrews.com حُدّثت في يوليو 2026، تمنح الخطة المجانية Basic رصيدًا يكفي لنحو 10 دقائق شهريًا مع شعار Synthesia في زاوية الإطار، ولا تتيح إنشاء أفاتار شخصي. أما صفحة الدبلجة الرسمية فتذكر أكثر من 130 لغة منها العربية، وتقول إن أول دقيقة من الدبلجة متاحة مجانًا بعلامة مائية، بينما تصنّف المراجعة نفسها الدبلجة ضمن خطة Starter، فتحقق بنفسك من هذا التعارض.

D-ID وترجمة الفيديو

تقول صفحة المساعدة في D-ID إن أداة Video Translate تدعم 30 لغة هدف منها العربية، بحد أقصى 5 دقائق وملف حجمه 2 غيغابايت، وتعمل أفضل مع متحدث واحد أمامي. وأصواتها القياسية من Microsoft Azure في كل الخطط، وأصوات ElevenLabs وPlayHT من خطة Pro فما فوق. والتجربة المجانية تضع علامة مائية، ولم تنشر D-ID رصيدها بوضوح وقت كتابة المقال..

كيف تعمل الدبلجة الآلية بثلاث لغات

بالعودة إلى المدرّب وفيديو الدقائق الثلاث، أمامه طريقان. الأول أن يولّد النسخة العربية بأفاتار جاهز ثم يكرر التوليد بنصّين مترجمين، إنجليزي وفرنسي، بأصوات أصلية لكل لغة. الثاني أن يسجّل نفسه مرة واحدة بالعربية ثم يمرّر التسجيل على الدبلجة الآلية لتنتج النسختين الأخريين بصوته وشفتيه. ولكل طريق ثمن، والاختيار بينهما يعتمد على وجود وجه بشري مألوف للمتدربين أم لا. فإذا كان المتدربون لا يعرفون المدرّب أصلًا، فالأفاتار الناطق الجاهز يكفي غالبًا ويوفّر وقت التصوير كله.

الطريق الأول أدق لغويًا، لأنك تراجع كل نص قبل التوليد وتختار صوتًا محليًا لكل لغة، لكنه يعطي ثلاثة فيديوهات منفصلة قد تختلف قليلًا في الإيقاع. الطريق الثاني يحافظ على هوية المتحدث، لكنه يعتمد على جودة التفريغ النصي والترجمة الآلية، وأي خطأ في التفريغ العربي ينتقل إلى الإنجليزية والفرنسية. هنا تظهر قيمة مراجعة النص قبل الترجمة: تذكر HeyGen أنك تستطيع مراجعة التفريغ وتصحيح الأسماء قبل الترجمة، بينما تقول D-ID إن تدقيق النص قبل التوليد متاح في خطة Enterprise فقط.

انتبه أيضًا لطول الجمل، فالفرنسية تطول عادةً عن الإنجليزية، والعربية قد تقصر أو تطول بحسب الصياغة. تذكر Synthesia خيار الإبقاء على مدة الفيديو الأصلية أو السماح بتعديلها لتناسب الصوت المدبلج، وهو خيار مهم إذا كان الفيديو التعليمي مرتبطًا بشرائح متزامنة. وتذكّر أن ثلاث دقائق تتجاوز حد الدقيقة الواحدة في الخطة المجانية لدى HeyGen، فمشروع المدرّب الكامل يحتاج خطة مدفوعة غالبًا، والخطة المجانية تبقى للاختبار وحده..

هل يجوز صنع أفاتار لشخص آخر

الجواب القصير: لا، إلا بموافقة صريحة وموثقة من صاحب الوجه والصوت. والأدوات الثلاث تبني هذا الشرط في مسار الإنشاء نفسه، لأن الأفاتار الناطق المبني على شخص حقيقي يمكن أن يُستخدم لقول أي شيء على لسانه. والقواعد العملية التي تحميك وتحمي جمهورك واضحة:

  • أفاتارك أنت يمر بتحقق موافقة: تطلب HeyGen لكل نسخة رقمية مبنية على فيديو تسجيل موافقة قصيرًا أقل من 30 ثانية، تقرأ فيه نصًا يظهر على الشاشة حرفيًا مع رمز تحقق أحيانًا. وتنص سياسة Synthesia على عدم إنشاء أي أفاتار دون موافقة مستنيرة تشمل إجراء تحقق بيومتري.
  • لا تستنسخ زميلًا أو مشهورًا أو مديرك: حتى لو كان لديك فيديو منشور له، فهذا ليس إذنًا. وإن كان الأفاتار لشخص آخر بموافقته، فهو من يسجّل فيديو الموافقة بنفسه، وتتيح Synthesia له مراجعة الاستخدام وسحب الإذن لاحقًا.
  • أفصح عن استخدام الذكاء الاصطناعي: ضع عبارة واضحة في بداية الفيديو أو وصفه تقول إن المتحدث مولَّد آليًا. المتدرب الذي يكتشف ذلك وحده قد يفقد ثقته في المحتوى كله، حتى لو كانت المعلومات صحيحة.

ويستحق الأمر هذا الحرص لأن فيديو بمتحدث رقمي مقنع يُنتج اليوم في دقائق، فالخطأ في الموافقة أو الإفصاح ينتشر بالسرعة نفسها. وراجع كذلك سياسات الاستخدام في كل أداة، فبعضها يقيّد استخدام الأفاتارات الجاهزة في المحتوى السياسي أو الإخباري أو الإعلانات المدفوعة، وراجع القوانين المحلية في بلدك إن كان الفيديو موجّهًا للجمهور العام.

اختيار أداة فيديو بمتحدث رقمي للعربية لا يُحسم من صفحة الأسعار، بل من دقيقة واحدة تشغّلها بنفسك على النص نفسه في الأدوات الثلاث. تقدّم HeyGen وقت كتابة المقال أوضح قائمة لهجات عربية معلنة مع خيارين لمزامنة الشفاه، وتميل Synthesia إلى بيئة الفيديو التعليمي وتدريب الشركات مع رصيد مجاني شهري أكبر نسبيًا، بينما تقدم D-ID ترجمة فيديو تشمل العربية بحدود واضحة للمدة والحجم. لكن هذه الفروق المعلنة لا تخبرك كيف ستُقرأ «15 مترًا» أو «Microsoft Teams» أو جملة بلا تشكيل، وهذا تحديدًا ما يكشفه بروتوكول «نص واحد وثلاث أدوات» ومعاييره السبعة. اجمع الدرجات في جدول بسيط، واحتفظ بالمقاطع المصدّرة مع تاريخ الاختبار، لأن تحديثًا واحدًا لمحرك الصوت قد يغيّر النتيجة الشهر القادم. وإن احتجت ثلاث لغات كما احتاج المدرّب، فجرّب الدبلجة الآلية على مقطع قصير قبل أن تلتزم بخطة مدفوعة. ولا تبنِ الأفاتار الناطق إلا على وجهك أنت أو على شخص وقّع موافقته بنفسه، وأفصح دائمًا عن أن المتحدث مولَّد. بهذه الخطوات يصبح فيديو الأفاتار بالذكاء الاصطناعي أداة توفير حقيقية، لا مخاطرة بثقة جمهورك.

إرسال تعليق

0 تعليقات