الون لبز (ElevenLabs) چیست؟ ساخت صدا و دوبله با هوش مصنوعی

الون لبز (ElevenLabs) سرویسی است که با هوش مصنوعی صدا می‌سازد. متنی را که می‌نویسید با صدایی شبیه آدم واقعی می‌خواند و با یکی دو دقیقه از صدای ضبط‌شدهٔ شما، یک «کلون» از صدایتان می‌سازد. ویدیو را هم به زبان دیگری دوبله می‌کند و صدای ضبط‌شده را به متن برمی‌گرداند. فارسی جزو زبان‌های مدل‌های جدیدش است و پلن رایگانش ماهی ۱۰ هزار اعتبار می‌دهد که برای امتحان کردن کافی است.

به کار کسی بیشتر می‌آید که مرتب محتوای صوتی می‌سازد: یوتیوبری که حوصلهٔ چند بار ضبط کردن ندارد، مدرس دورهٔ آنلاین، نویسنده‌ای که می‌خواهد کتابش صوتی شود یا برنامه‌نویسی که می‌خواهد اپش حرف بزند.

الون لبز چه ابزارهایی دارد؟

الون لبز از اول با فکر دوبله شروع شد. خود شرکت در راهنمای دوبله‌اش نوشته هدفش این بود که بشود هر محتوایی را با صدای بازیگرهای اصلی به هر زبانی دوبله کرد. امروز چند ابزار صوتی را زیر یک حساب و یک سهمیهٔ اعتبار جمع کرده است. در تصویر پایین صفحهٔ تبدیل متن به گفتارش را می‌بینید: یک طرف دکمهٔ شروع است و طرف دیگر فهرست صداهای آماده.

ابزارهای اصلی‌اش این‌ها هستند:

• تبدیل متن به گفتار (Text to Speech): متن را می‌دهید، صدا را انتخاب می‌کنید و فایل صوتی تحویل می‌گیرید. به گفتهٔ خود سایت، کتابخانهٔ صداهایش بیش از ۱۰ هزار صدا دارد.
• کلون صدا (Voice Cloning): از روی نمونهٔ صدای شما صدایی می‌سازد که بعد می‌شود هر متنی را با آن خواند.
• دوبله (Dubbing): گفتار ویدیو را ترجمه می‌کند و به زبان تازه، با صدایی نزدیک به صدای گوینده‌های اصلی، دوباره می‌خواند.
• تبدیل گفتار به متن (Speech to Text): مدل Scribe صدای ضبط‌شده را به متن تبدیل می‌کند و حرف‌های تا ۳۲ گوینده را از هم تشخیص می‌دهد. برای زیرنویس و صورت‌جلسه به درد می‌خورد.
• موسیقی و افکت صوتی: چند خط توضیح می‌نویسید و برایتان آهنگ می‌سازد، یا صدای کوتاهی مثل باران و به‌هم خوردن در.
• تغییر صدا و جدا کردن صدا (Voice Changer و Voice Isolator): اولی حرف‌های ضبط‌شدهٔ شما را با صدای دیگری بازسازی می‌کند و دومی صدای گوینده را از نویز پس‌زمینه جدا می‌کند.
• ایجنت‌های صوتی (ElevenAgents) و API: کسب‌وکارها با ایجنت‌ها دستیار تلفنی یا چت صوتی راه می‌اندازند و برنامه‌نویس‌ها با API همین ابزارها را به محصول خودشان می‌آورند.

الون لبز فارسی بلد است؟

بله، ولی نه با همهٔ مدل‌هایش. الون لبز چند مدل صوتی دارد و فارسی فقط در فهرست زبان‌های دو مدل جدیدترش آمده است: Eleven v4 با بیش از ۹۰ زبان و Eleven v3 با بیش از ۷۰ زبان. مدل‌های قدیمی‌تر، یعنی Multilingual v2 با ۲۹ زبان و Flash v2.5 با ۳۲ زبان، فارسی ندارند. پس اگر متن فارسی دادید و صدای عجیبی شنیدید، اول ببینید کدام مدل انتخاب شده است.

برای تبدیل گفتار فارسی به متن، الون لبز دقت مدل Scribe v2 را در ردهٔ «دقت بالا» گذاشته است؛ یعنی نرخ خطای کلمه‌اش بین ۵ تا ۱۰ درصد است. به زبان ساده، در هر صد کلمه انتظار حدود ۵ تا ۱۰ خطا را داشته باشید. برای زیرنویس اولیه خوب است، ولی متن نهایی را یک بار خودتان بخوانید.

وضع دوبله از همه کمتر روشن است. راهنمای دوبلهٔ الون لبز از «بیش از ۹۰ زبان» حرف می‌زند، ولی فهرست زبان‌ها را در همان صفحه نیاورده است. برای همین پیش از هر کار بزرگی، دوبلهٔ فارسی را با یک کلیپ کوتاه در پلن رایگان امتحان کنید.

پیش از ساختن صدای فارسی، این چند کار دوباره‌کاری را کم می‌کند:

• جمله‌های خیلی بلند را بشکنید. نقطه‌ها و ویرگول‌ها به مدل می‌گویند کجا مکث کند.
• روی کلمه‌هایی که دو جور خوانده می‌شوند، مثل «کشتی»، اعراب بگذارید یا آن‌ها را با کلمهٔ دیگری عوض کنید.
• اگر عدد یا تاریخی درست خوانده نشد، آن را با حروف بنویسید.
• اول یک پاراگراف را با چند صدای مختلف بسازید و صدایی را نگه دارید که لحن فارسی‌اش به گوشتان طبیعی‌تر است. بعد سراغ کل متن بروید.

کلون صدا: دو روش و یک شرط مهم

راهنمای کلون صدای الون لبز دو راه برای کلون کردن صدا پیش پایتان می‌گذارد. فرقشان در این است که چقدر صدا از شما می‌خواهند و نتیجه چقدر دقیق درمی‌آید.

• کلون فوری (Instant Voice Cloning): با یکی دو دقیقه صدای تمیز کار می‌کند و تقریباً بلافاصله آماده است. در این روش مدل تازه‌ای روی صدای شما آموزش نمی‌بیند و الون لبز با چیزهایی که از قبل یاد گرفته، صدایتان را حدس می‌زند. برای همین ممکن است با لهجه‌های کم‌یاب یا صداهای خیلی خاص خوب درنیاید. در اپ، هر فایل نمونه باید دست‌کم ۵ ثانیه باشد و همهٔ نمونه‌ها روی هم دست‌کم ۱۰ ثانیه. این روش از پلن Starter به بعد در دسترس است.
• کلون حرفه‌ای (Professional Voice Cloning): بین ۳۰ دقیقه تا ۳ ساعت صدا لازم دارد و یک مدل اختصاصی روی صدای شما آموزش می‌بیند. آموزش معمولاً ۳ تا ۶ ساعت طول می‌کشد و وقتی تمام شد، ایمیل می‌گیرید. اینجا کیفیت ضبط اهمیت زیادی دارد. این روش از پلن Creator به بعد فعال است.

شرط مهم این بخش رضایت است. سیاست استفادهٔ الون لبز که آخرین بار ۱۷ مهر ۱۴۰۵ به‌روز شده، این کارها را مجاز نمی‌داند:

• کلون کردن یا تقلید صدای هر آدم زنده‌ای بدون رضایت روشن و آگاهانهٔ خود او. ساختن صدای آدم‌های درگذشته هم اگر احتمال آسیب داشته باشد یا حقی را که قانون پس از مرگ برایشان قائل است زیر پا بگذارد، مجاز نیست.
• فرستادن صدای کسی که کمتر از ۱۸ سال دارد برای ساختن یا آموزش مدل صوتی.
• تقلید صدای نامزدهای انتخابات و مقام‌های منتخب بدون اجازه، و استفاده از صدا برای کلاهبرداری یا تبلیغ فریبنده.

کلون حرفه‌ای قاعدهٔ سخت‌تری دارد: فقط از صدای خودتان ساخته می‌شود، حتی اگر صاحب صدای دیگری رضایت داده باشد. الون لبز پیش از فعال کردنش با یک مرحلهٔ تأیید مطمئن می‌شود که صدا مال خود شماست. اگر کسی بخواهد صدایش را در اختیار شما بگذارد، باید کلون را در حساب خودش بسازد و تأیید کند و بعد لینک خصوصی‌اش را برایتان بفرستد.

اگر فکر می‌کنید کسی صدای شما را بی‌اجازه ساخته است، در همان صفحهٔ سیاست استفاده فرم گزارش «استفادهٔ غیرمجاز از صدا» (Unauthorized Use of Voice) را پیدا می‌کنید. الون لبز می‌گوید هر صدایی را که با مدل‌هایش ساخته شود، می‌شود تا کاربری که آن را ساخته ردیابی کرد.

دوبله با الون لبز چطور کار می‌کند؟

فایل ویدیو یا صدا را بارگذاری می‌کنید یا لینک یوتیوب و تیک‌تاک را می‌دهید، بعد زبان یا زبان‌های مقصد را انتخاب می‌کنید. الون لبز گفتار را ترجمه می‌کند و با صدایی نزدیک به گوینده‌های اصلی دوباره می‌سازد. پیش از شروع، این‌ها را بدانید:

• هزینه برای هر زبان جدا حساب می‌شود؛ دوبله به سه زبان یعنی سه برابر اعتبار.
• فایلی که در سایت بارگذاری می‌کنید باید هم کمتر از ۲ گیگابایت باشد و هم کمتر از ۱۸۰ دقیقه.
• دوبله در همهٔ پلن‌ها هست، حتی پلن رایگان، ولی خروجی پلن رایگان واترمارک دارد و نمی‌شود آن را برداشت.
• ابزار دوبله حرکت لب گوینده را با زبان جدید هماهنگ نمی‌کند (Lip sync)؛ لب‌ها همان حرکت زبان اصلی را دارند.
• ویدیویی که تحویل می‌دهد بیشتر پیش‌نمایش است: معمولاً با کیفیت ۱۰۸۰p و صدایی که از استریو بیشتر نیست. خود الون لبز پیشنهاد می‌کند برای انتشار، فقط صدای دوبله را دانلود کنید و جای صدای ویدیوی اصلی بگذارید.

الون لبز بخشی به اسم Image & Video هم دارد و هماهنگی لب را آنجا با مدل‌های شرکت‌های دیگر انجام می‌دهد، ولی قوت اصلی‌اش صداست. اگر خود ویدیو برایتان مهم‌تر است، ابزارهای ساخت ویدیو با هوش مصنوعی را هم کنارش بسنجید.

قیمت الون لبز و حساب اعتبارها

الون لبز به‌جای دقیقه، اعتبار (credit) می‌فروشد و همهٔ ابزارها از یک سهمیهٔ ماهانهٔ مشترک برداشت می‌کنند؛ یعنی هر چه برای دوبله خرج کنید، از سهم تبدیل متن به گفتار کم می‌شود.

طبق صفحهٔ قیمت‌ها در ۶ آبان ۱۴۰۵، تبدیل متن به گفتار برای هر کاراکتر تقریباً یک اعتبار برمی‌دارد. هر دقیقه تبدیل گفتار به متن ۳۳۰ اعتبار خرج دارد و هر دقیقه موسیقی ۹۰۰ اعتبار. تغییر صدا و جدا کردن صدا دقیقه‌ای هزار اعتبار می‌برند و هر افکت صوتی ۲۰۰ اعتبار. دوبلهٔ خودکار هم دقیقه‌ای ۲ هزار اعتبار با واترمارک و ۳ هزار اعتبار بدون آن خرج دارد. در نمودار پایین ببینید ۱۰ هزار اعتبار پلن رایگان، اگر همه‌اش خرج یک ابزار شود، تقریباً چند دقیقه خروجی می‌دهد.

در همان تاریخ، Starter که ارزان‌ترین پلن پولی است ماهی ۶ دلار بود و ۳۰ هزار اعتبار می‌داد، و Creator ماهی ۲۲ دلار با ۱۲۱ هزار اعتبار. پلن‌های Pro، Scale و Business برای حجم بالاتر و کار تیمی‌اند. اگر سالانه پرداخت کنید، پول ده ماه را می‌دهید و دو ماه مجانی است. قیمت‌ها و تخفیف‌های ماه اول زود عوض می‌شوند؛ قیمت امروز را در صفحهٔ قیمت‌های الون لبز ببینید.

کدام پلن برای چه کاری؟

مثال: صداگذاری و دوبلهٔ یک ویدیوی ۵ دقیقه‌ای

فرض کنید یک ویدیوی آموزشی ۵ دقیقه‌ای برای یوتیوب می‌سازید که از آن درآمد دارید. متن فارسی‌اش حدود ۵ هزار کاراکتر است و می‌خواهید نسخهٔ انگلیسی‌اش را هم با دوبله منتشر کنید. با نرخ‌های ۶ آبان ۱۴۰۵، حساب این‌طور درمی‌آید (عددها فرضی‌اند):

1. خواندن متن فارسی با یکی از صداها: حدود ۵ هزار اعتبار.
2. دوباره ساختن چند پاراگرافی که خوب درنیامده‌اند: فرض کنید ۲ هزار اعتبار.
3. دوبلهٔ خودکار ۵ دقیقه به انگلیسی، بدون واترمارک: ۵ × ۳ هزار = ۱۵ هزار اعتبار.

جمعش ۲۲ هزار اعتبار می‌شود؛ بیشتر از ۱۰ هزار اعتبار پلن رایگان، که تازه نه مجوز تجاری دارد و نه دوبلهٔ بدون واترمارک. این حساب در ۳۰ هزار اعتبار ماهانهٔ Starter جا می‌شود و ۸ هزار اعتبار هم برای بقیهٔ ماه می‌ماند. ولی اگر ماهی چهار ویدیو مثل این بسازید، ۸۸ هزار اعتبار لازم دارید و باید سراغ Creator بروید.

پرداخت از ایران و مراقبت از حساب

الون لبز هزینهٔ اشتراک را با کارت اعتباری، Apple Pay یا Google Pay می‌گیرد و کارت‌های بانکی ایرانی در این پرداخت کار نمی‌کنند. برای همین کسی که از ایران پلن پولی می‌خواهد، معمولاً از یک فروشنده یا آشنایی که کارت بین‌المللی دارد کمک می‌گیرد. اگر دوستی خارج از ایران با کارت خودش پرداخت کند، تمدید خودکار و لغو اشتراک هم دست اوست و رسیدها به اسم او صادر می‌شود. پس پیش از پرداخت روشن کنید تمدید ماه بعد با کیست.

هر راهی را انتخاب کنید، این چند عادت به پایداری حساب کمک می‌کند:

• پلن را روی حساب و ایمیل خودتان فعال کنید، نه روی حساب مشترک. صداهای کلون‌شده و پروژه‌ها داخل همان حساب می‌مانند و در حساب مشترک، صدای شما دست چند نفر دیگر هم هست. سیاست استفادهٔ الون لبز هم دادن رمز حساب به دیگران را مجاز نمی‌داند؛ همان حرفی که در فرق اکانت شخصی و اشتراکی ChatGPT زده‌ایم، اینجا هم صدق می‌کند.
• اطلاعات ثبت‌نام را درست وارد کنید؛ الون لبز فقط به افراد ۱۸ سال به بالا اجازهٔ ساختن حساب می‌دهد.
• خروجی‌ها را مرتب دانلود کنید و نمونه‌های صدای اصلی‌تان را هم جای دیگری نگه دارید، تا اگر حساب محدود شد، کارتان از دست نرود.

هیچ‌کس نمی‌تواند برای یک سرویس خارجی ضمانت صددرصد بدهد، ولی حسابی که مال خودتان است و درست از آن استفاده می‌کنید، کمترین دردسر را دارد.

اگر بیشتر کارتان نوشتن و ترجمهٔ متن است و صدا را فقط گاهی لازم دارید، پلن رایگان الون لبز در کنار یک دستیار متنی کارتان را راه می‌اندازد. اشتراک ChatGPT را می‌توانید از فروشگاه سواپ‌ولت بخرید. اگر هنوز بین دستیارها مرددید، مقایسهٔ ChatGPT، Gemini و Claude کمکتان می‌کند.

جعل صدا و کلاهبرداری با صدای کلون‌شده

وقتی یکی دو دقیقه صدای تمیز برای ساختن کلون بس است، فقط به این دلیل که صدایی آشناست نمی‌شود به آن اعتماد کرد. کلاهبردار می‌تواند با صدای ساختگی یک خویشاوند یا همکار پیام صوتی بفرستد و برای یک «کار فوری» پول، کد تأیید یا انتقال تتر (USDT) بخواهد. چند عادت ساده جلوی این دام را می‌گیرد:

• با خانواده یک رمز یا سؤال خصوصی قرار بگذارید که فقط خودتان جوابش را بدانید.
• اگر پیام صوتی پول یا کد خواست، به همان پیام جواب ندهید و خودتان به شمارهٔ همیشگی آن آدم زنگ بزنید.
• کد تأیید پیامکی و عبارت بازیابی کیف پول را به هیچ‌کس ندهید، هر قدر هم صدایش آشنا باشد.

ترفندهای رایج دیگر را در کلاهبرداری‌های رایج ارز دیجیتال کنار هم گذاشته‌ایم. اگر خودتان با الون لبز صدا می‌سازید، فقط صدای خودتان یا کسی را به کار ببرید که رضایت روشن داده است، و در توضیح ویدیو بنویسید که صدا با هوش مصنوعی ساخته شده.