
الأصوات الاصطناعية: وضوح الكلام وحدود الثقة
· الصوت واللغة وإتاحة المعرفة · إعداد بمساعدة الذكاء الاصطناعي
يمكن لصوت مصنوع بالذكاء الاصطناعي أن يقرّب كتابًا من مستمع، أو يتيح مقالًا لمن تصعب عليه القراءة. لكن وضوح الكلمات لا يثبت صحة مضمونها، ومألوفية النبرة لا تثبت هوية المتحدث. بين هاتين الحقيقتين تتحدد مسؤولية النشر الصوتي: أن نوسّع الوصول إلى المعرفة، مع إبقاء مصدر الكلام وطريقة إنتاجه قابلين للفهم والمراجعة.
ثلاث مسائل تختبئ داخل صوت واحد
عندما نسمع مقطعًا صوتيًا، قد نخلط بين ثلاثة أحكام مختلفة: هل نفهم الكلمات؟ وهل نصدق المعلومات؟ وهل نعرف صاحب الصوت؟ قد يكون التسجيل واضحًا ومضمونه خاطئًا، وقد تكون المعلومة صحيحة لكن نسبتها إلى شخص بعينه غير صحيحة. لذلك لا يكفي أن يبدو الصوت طبيعيًا حتى يصبح دليلًا على شيء خارج خصائصه السمعية.
توليد الكلام، أو تحويل النص إلى صوت، ينتج أداءً مسموعًا انطلاقًا من كتابة. أما استنساخ الصوت فيحاول محاكاة سمات صوت شخص محدد. وبينهما تطبيقات متعددة، تختلف في جودة النطق والتحكم في الإيقاع. ليست كل قراءة آلية تقليدًا لشخص، وليست كل نبرة تشبه الإنسان تسجيلًا لإنسان قال تلك الجملة. هذا التمييز البسيط ينبغي أن يسبق الانبهار بالتقنية أو الخوف منها.
ماذا تقول أبحاث الوضوح؟
قارنت دراسة لباتي أدانك وهان وانغ، نشرتها مجلة الجمعية الصوتية الأمريكية في أبريل 2026، عشرة أصوات بشرية بنسخ اصطناعية منها في ضوضاء خلفية. شارك ثمانون شخصًا في اختبار تعرف جمل قصيرة، وأظهرت النتائج أفضلية للأصوات المستنسخة في ظروف التجربة. لا تعني النتيجة أن كل صوت اصطناعي أوضح من كل صوت بشري، ولا أنها تقيس فهم كتاب أو الاستمتاع به. [1]
وفي دراسة لاحقة نُشرت في 1 سبتمبر 2026، اختبر الباحثان أربعين مستمعًا تتراوح أعمارهم بين 45 و65 عامًا، من الناطقين بالإنجليزية البريطانية. ظهرت أيضًا فائدة للأصوات المستنسخة في تعرف الكلمات وسط الضوضاء. غير أن الاختبار كان عبر الإنترنت وبجمل محددة، ولم يتضمن قياس السمع بمخطط سمعي مخبري؛ فلا يصح تحويله مباشرة إلى وعد علاجي أو ضمان لمستمعي العربية. [2]
الفائدة المعرفية من هذه النتائج أكثر تواضعًا وأكثر نفعًا: جودة الاستماع تستحق القياس بدل الحكم عليها بالانطباع. وقد تساعد التقنية في بعض الظروف، لكن انتقالها من تجربة قصيرة إلى نشرة يومية أو كتاب طويل يحتاج إلى اختبارات أخرى. فالتعب بعد ساعة، وتذكر الفكرة، والقدرة على متابعة حجة معقدة، مسائل لا يجيب عنها اختبار تعرف الكلمات وحده.
إتاحة المعرفة تحتاج إلى خيارات
لنتصور، في مثال من التحرير، مكتبة صغيرة تريد إتاحة مقالاتها صوتيًا. تستطيع إنتاج تسجيلات أولية بسرعة، ثم مراجعة الأسماء والمصطلحات والوقفات، وإتاحة النص بجانبها. قد يستفيد منها قارئ أثناء التنقل أو شخص يفضل الاستماع. لكن الخدمة تصبح أفضل حين تسمح بتغيير السرعة والعودة إلى الفقرة والبحث في النص، بدل اختزال الإتاحة في زر تشغيل.
ولا ينبغي افتراض أن خيارًا واحدًا يناسب الجميع. فقد يرتاح مستمع إلى نطق بطيء، ويجد آخر أن بطأه يقطع تسلسل المعنى. وقد يحتاج متعلم اللغة إلى رؤية الكلمات التي يسمعها. من ثم، يُقاس النجاح بقدرة الناس على استعمال المادة وفهمها وفق حاجاتهم، لا بعدد الدقائق التي أمكن توليدها. ويظل توفير نسخة مكتوبة جيدة جزءًا من جودة التجربة.
في العربية، قد تغيّر الوقفة المعنى
قراءة العربية ليست تحويل الحروف إلى أصوات فحسب. فكلمة «علم» قد تُقرأ بوجوه مختلفة بحسب السياق، كما تتطلب أسماء الأشخاص والأماكن عناية لا تكفي معها سلاسة الجملة المحيطة بها. وفي النص العلمي، قد يقع الخلل في نطق اختصار أو عدد أو وحدة قياس، بينما يبقى الأداء كله مريحًا للأذن. الراحة هنا قد تجعل الخطأ أقل ظهورًا.
وفي الترجمة المسموعة تتراكم مرحلتان: نقل المعنى، ثم أداؤه. إذا حوّلت الترجمة عبارة «قد يتحسن الأداء» إلى «سيتحسن الأداء»، فلن تعالج أجمل نبرة هذا التحول. وإذا كان النص صحيحًا، فقد توحي وقفة غير مناسبة بأن عبارة تفسيرية جزء من اقتباس. هذه أمثلة تحريرية افتراضية؛ والغرض منها أن تكون مراجعة النص ومراجعة النطق مهمتين واضحتين، لكل منهما أسئلتها.
طبيعية الصوت لا تمنح شهادة أصالة
بحث منشور في Scientific Reports بتاريخ 22 يونيو 2026 اختبر قدرة المشاركين على تمييز وجوه وأصوات حقيقية ومولدة. كان الأداء في المجالين أعلى من المصادفة، لكن الباحثين لم يجدوا دليلًا على قدرة عامة تنتقل بين اكتشاف الصور واكتشاف الأصوات. كما ارتبطت الثقة بالدقة في الوجوه، ولم يظهر الارتباط نفسه في الأصوات. هذه نتائج تجربة محددة، وليست حكمًا باستحالة التمييز. [3]
وتقودنا، تحريريًا، إلى احتياط عملي: قولنا «أعرف هذا الصوت» بداية تحقق، وليس نهايته. في العمل الصحفي، نحتاج إلى أصل التسجيل وسياقه والتواصل مع المصدر عند اللزوم. وقد يسيء الشك العشوائي إلى تسجيل صحيح، مثلما قد يمر مقطع مصنوع لأنه مألوف. لذلك لا يصح أن تتحول وفرة الأصوات الاصطناعية إلى ذريعة لتصديق كل مسموع أو إنكار كل تسجيل.
الإفصاح الذي يساعد المستمع
يمكن لصحيفة أن تنشر خبرًا صحيحًا بصوت اصطناعي، بشرط أن يعرف المستمع أن هذا أداء لنص راجعه المحررون. ومن المفيد أن يُتاح معه تاريخ النسخة ورابط النص واسم الجهة المسؤولة عن التصحيح. أما إعادة إنشاء كلام ضيف بصوت يشبهه، فقد توحي بوجود تسجيل لم يحدث؛ وهنا لا تكفي صحة الفكرة المنقولة إذا اختلط التمثيل بالتوثيق.
الأفضل أن يكون الوصف مباشرًا وقريبًا من زر الاستماع: قراءة صوتية مولدة للنص المنشور، أو أداء تمثيلي معلن عند اقتضاء السياق. هذه توصية تحريرية وليست عرضًا لقانون بلد معين. فالإفصاح الجيد يوضح ما يسمعه الناس فعلًا، ويمنحهم طريقًا إلى الأصل، بدل عبارة تقنية مبهمة لا تساعدهم على تقدير المادة.
الأداء الإنساني عمل ومعرفة
في الرواية المسموعة، يختار المؤدي زمن الصمت ومقدار الانفعال وطريقة التفريق بين الشخصيات. وهذه قرارات تأويل، يمكن مناقشتها ونقدها. وقد تخدم قراءة اصطناعية غرضًا عمليًا، بينما يحتاج عمل أدبي إلى خبرة ممثل ومخرج ومراجع لغوي. ليست السرعة معيارًا كافيًا للمفاضلة بينهما، لأن الغاية قد تكون إبلاغ المعلومة أو بناء تجربة أدبية مختلفة.
وحين يتعلق المشروع بصوت إنسان معروف أو متعاون، فإن السياسة المهنية الرشيدة توضح رضاه، والاستعمال المقصود، ومدته، وإمكان إعادة الاستخدام، وأجر العمل، وكيفية معالجة الاعتراض. إنها مقترحات لإدارة العلاقة، لا افتراض بأن ملفًا صوتيًا متاحًا على الإنترنت مباح لكل غرض. فحضور الصوت في المجال العام لا يلغي علاقة صاحبه به ولا ما يحمله من سمعة وتجربة.
تنوع الأصوات قرار ثقافي أيضًا
حين تتيح مؤسسة محتواها بأكثر من لغة، يجدر بها أن تسأل عن جمهور كل نسخة، وعن النطق الذي يخدمه دون محو اختلافه. يمكن تجربة أسماء مغربية وعربية وأمازيغية مع أصحاب المعرفة بها، وإتاحة وسيلة للإبلاغ عن قراءتها خطأ. ولا يحتاج القارئ إلى أداء مبالغ في محاكاة لهجته حتى يشعر بأن المادة تخاطبه؛ فقد تكون الدقة والاحترام وسهولة المتابعة أهم من التشابه الظاهري.
ويقترح هذا المنظور أن يشترك في الاختيار محرر ومراجع لغوي ومستمعون من الجمهور المقصود. لا يُترك القرار لمكتبة الأصوات الجاهزة وحدها، ولا يُفرض صوت واحد على الشعر والخبر والإرشاد. هذه طريقة مقترحة للتجريب، وليست نتيجة أثبتتها الدراسات الثلاث؛ وهي تجعل التنوع جزءًا من تصميم الخدمة ومن أسئلة تقييمها.
تجربة صغيرة قبل التوسع
يمكن لمؤسسة ثقافية أن تبدأ بصفحتين: نص معلوماتي وآخر أدبي، بدل تحويل أرشيفها كله دفعة واحدة. تراجع النص أولًا، وتضبط الأسماء والأعداد، ثم تنتج الصوت وتقارنه بالأصل. وبعد ذلك تستمع مجموعة صغيرة متنوعة إلى المادتين، وتجيب عن أسئلة في الفهم والراحة وسهولة الرجوع إلى موضع معين. تسجل الملاحظات بحسب نوع الخطأ، لا بعبارة عامة مثل «الصوت ممتاز».
وتشمل الكلفة وقت التحرير والاستماع والتصحيح وتحديث النسخ، لا فاتورة التوليد وحدها. فإذا تغيرت معلومة في النص، يجب أن تصل المراجعة إلى التسجيل أيضًا. عندئذ تصبح الأصوات الاصطناعية وسيلة نافعة لتوسيع المعرفة ضمن عملية مسؤولة. يظل السؤال الأجدى للمؤسسة: هل صار محتواها أوضح وأيسر وصولًا، وهل يعرف المستمع مصدره وحدوده ومن يصححه؟