راهنمای کاربردی · بهروز با قیمتهای امروز دیمو
تبدیل متن فارسی به گفتار با هوش مصنوعی؛ صداگذاری ویدیو، پادکست و تبلیغ
متن فارسی را با صدای طبیعی هوش مصنوعی بخوانید؛ برای صداگذاری ویدیو، ریلز، پادکست و تبلیغ. مقایسهی مدلها، قیمت بهروز و نکتههای تلفظ.
برای صداگذاری ویدیو، ریلز اینستاگرام، کتاب صوتی یا تیزر تبلیغاتی دیگر لازم نیست گوینده استخدام کنید. مدلهای تبدیل متن به گفتار متن فارسی را میگیرند و با صدای طبیعی، با لحن و سرعت دلخواه، فایل صوتی تحویل میدهند.
در دیمو ایمجین مدلهای صدای ElevenLabs، گوگل، OpenAI، MiniMax و چند سازندهی دیگر کنار هم هستند. همهی مدلهای صدا با اعتبار هدیهی کاربران جدید هم باز هستند، پس میتوانید چند مدل را روی یک جمله امتحان کنید و بهترین را انتخاب کنید.
مدلهای پیشنهادی و هزینهی هر کدام
| ویژگی | Gemini 3.8 Flash TTS | ElevenLabs v4 | MiniMax Speech 2.8 HD | GPT Audio |
|---|---|---|---|---|
| سازنده | ElevenLabs | MiniMax | OpenAI | |
| هزینه در دیمو | هر دقیقه: حدود 1.4 اعتبار | هر ۱,۰۰۰ کاراکتر: 8 اعتبار | هر ۱,۰۰۰ کاراکتر: 10 اعتبار | هر دقیقه: حدود 7.7 اعتبار |
| تعداد صدا | 30 | 21 | 45 | 10 |
| با اعتبار هدیه | بله | بله | بله | بله |
هزینهها به اعتبار دیمو است و مستقیم از فهرست بهروز مدلها خوانده میشود.
کدام مدل برای چه کاری؟
خودمان صداگذاری فارسی ویدیوهای اینستاگرام دیمو را با همین مدل میسازیم؛ لحن را با یک دستور کوتاه تعیین کنید.
صداهای پرحس برای قصه، تیزر و روایت؛ از پرطرفدارترین مدلها بین کاربران دیمو.
دهها صدای آماده با کیفیت بالا.
صدای گفتوگویی و طبیعی از OpenAI.
نکتههایی برای تلفظ درست فارسی
مدلها متن را همانطور میخوانند که نوشته شده؛ چند تغییر کوچک در متن نتیجه را خیلی بهتر میکند.
- کلمههایی که دو جور خوانده میشوند را اعرابگذاری کنید (مثلاً «مُهر» یا «مِهر»).
- عددها، تاریخها و نمادها را با حروف بنویسید: «بیست و پنج درصد» بهجای «۲۵٪».
- برای مکث از ویرگول و نقطه استفاده کنید و جملههای خیلی بلند را بشکنید.
- نیمفاصلهها را درست بگذارید («میرود»، نه «می رود») تا کلمه درست خوانده شود.
- اسمهای خارجی را اگر بد خوانده شد، فارسی و همانطور که تلفظ میشود بنویسید.
لحن و حس را مشخص کنید
در مدلهایی که دستور لحن میپذیرند (مثل Gemini TTS)، قبل از متن بنویسید چطور خوانده شود؛ مثلاً «با لحن گرم و آرام، مثل گویندهی مستند» یا «پرانرژی و سریع، مثل تیزر تبلیغاتی». یک جملهی کوتاه را با چند صدا امتحان کنید و بعد کل متن را بسازید.
- ('h', 'لحن و حس را مشخص کنید')
- ('text', 'در مدل\u200cهایی که دستور لحن می\u200cپذیرند (مثل Gemini TTS)، قبل از متن بنویسید چطور خوانده شود؛ مثلاً «با لحن گرم و آرام، مثل گوینده\u200cی مستند» یا «پرانرژی و سریع، مثل تیزر تبلیغاتی». یک جمله\u200cی کوتاه را با چند صدا امتحان کنید و بعد کل متن را بسازید.')
بعد از ساخت صدا
فایل صوتی در فضای ابری دیمو ذخیره میشود. میتوانید آن را در دیمو ادیتس روی ویدیو بگذارید، یا در استودیو صدا یک موسیقی پسزمینه بسازید و کنارش قرار دهید.
- ('h', 'بعد از ساخت صدا')
- ('text', 'فایل صوتی در فضای ابری دیمو ذخیره می\u200cشود. می\u200cتوانید آن را در دیمو ادیتس روی ویدیو بگذارید، یا در استودیو صدا یک موسیقی پس\u200cزمینه بسازید و کنارش قرار دهید.')
قدم به قدم در دیمو
- ثبتنام کنید و شماره را تأیید کنید؛ اعتبار هدیه برای همهی مدلهای صدا فعال میشود.
- در استودیو صدا، زبانهی «متن به گفتار» را باز کنید و مدل و صدا را انتخاب کنید.
- متن فارسی را بنویسید (و اگر مدل پشتیبانی میکند، دستور لحن را).
- فایل صوتی را گوش دهید، دانلود کنید یا مستقیم در ادیتور روی ویدیو بگذارید.
سؤالهای متداول
کدام مدل فارسی را طبیعیتر میخواند؟
به صدا و متن بستگی دارد. ما برای صداگذاری فارسی خودمان از Gemini 3.8 Flash TTS استفاده میکنیم؛ ElevenLabs v4 هم بین کاربران پرطرفدار است. چون همهی مدلهای صدا با اعتبار هدیه باز هستند، بهترین کار امتحان یک جمله با چند مدل است.
هزینهی صداگذاری چقدر است؟
هزینه به ازای هر هزار کاراکتر یا هر دقیقه حساب میشود و برای هر مدل در جدول همین صفحه بهروز نمایش داده میشود. صداگذاری یک ریلز معمولاً فقط چند اعتبار خرج دارد.
میشود از صدای ساختهشده در تبلیغ و کار تجاری استفاده کرد؟
فایلهایی که میسازید مال خودتان است؛ فقط از صدا برای جعل هویت یا فریب دیگران استفاده نکنید.
آیا برای استفاده در ایران به فیلترشکن نیاز دارم؟
نه. دیمو از ایران بدون فیلترشکن باز میشود و درخواست شما را به مدل میرساند.
هزینه را چطور پرداخت کنم؟
با خرید بستهی اعتبار و پرداخت ریالی از درگاه بانکی؛ نیازی به کارت ارزی یا اکانت خارجی نیست.
میشود رایگان امتحان کرد؟
بله. کاربران جدید بعد از تأیید شمارهی موبایل اعتبار هدیه میگیرند که روی مدلهای چت و تصویر «مصرف کم» و «مصرف متوسط»، همهی مدلهای صدا و چند ویدیوی کوتاه با مدلهای اقتصادی ویدیو کار میکند.