أفضل ذكاء اصطناعي صوتي 2026: مقارنة بعد إطلاق OpenAI Realtime
Photo: Solen Feyissa
النقاط المغطاة في المقال
أطلقت OpenAI قبل يومين ثلاثة نماذج ذكاء اصطناعي صوتي دفعة واحدة عبر Realtime API، وفتحت الباب أمام موجة جديدة من المحادثات الفورية والترجمة المباشرة بأكثر من 70 لغة. الخبر يبدو تقنيًا للوهلة الأولى، لكنه يعني شيئًا واحدًا للمستخدم العربي: أدوات الصوت الذكي صارت أرخص وأسرع وأقرب إلى لهجاتنا من أي وقت مضى.
المشكلة أن السوق مكتظ بالخيارات المتداخلة: ChatGPT Advanced Voice، Gemini Live، Microsoft Copilot، ElevenLabs، وHume Octave 2. كل أداة تتفوق في زاوية وتسقط في أخرى، وتتراوح الأسعار بين المجاني و200 دولار شهريًا. هذا الدليل يكشف الصورة بأرقام حقيقية: حدود الرسائل، السعر بالدولار والريال، جودة العربية، وزمن الاستجابة بالمللي ثانية.
الهدف بسيط: تخرج بقرار واضح خلال عشرة دقائق. سنغطي أحدث نماذج OpenAI، ثم نقارنها بالمنافسين الكبار، ونختم بجدول حاسم وتوصية لكل استخدام: المحادثة، الترجمة، صناعة المحتوى، البث المباشر، والألعاب.
نماذج OpenAI الصوتية الجديدة: ماذا تغيّر في 7 مايو 2026؟
كشفت OpenAI عن ثلاثة نماذج صوتية ضمن Realtime API يوم 7 مايو 2026، وكل واحد منها مصمم لمهمة مختلفة. الأول هو GPT-Realtime-2، وهو أول نموذج صوتي ببنية تفكير من فئة GPT-5، ويتعامل مع نافذة سياق تضم 128 ألف رمز بدلاً من 32 ألفًا في الإصدار السابق. هذا يعني أنه يحتفظ بمحادثات أطول دون أن ينسى ما قلته في البداية، وهي قفزة جوهرية للمستخدم الذي يحتاج جلسات طويلة بالعربية.
النموذج الثاني GPT-Realtime-Translate مخصص للترجمة الفورية بسعر 0.034 دولار للدقيقة، ويدعم 70 لغةً للإدخال و13 لغةً للإخراج. سعره يساوي تقريبًا 0.13 ريال سعودي لكل دقيقة ترجمة، وهو رقم جذاب لمن يبني تطبيقات اجتماعات أو دروس مباشرة. أما النموذج الثالث GPT-Realtime-Whisper فيكتب ما يُقال نصًا فوريًا بسعر 0.017 دولار للدقيقة فقط، أي نصف تكلفة الترجمة.
السعر الكامل لـ GPT-Realtime-2 يقف عند 32 دولارًا لكل مليون رمز إدخال صوتي و64 دولارًا للإخراج، مع تخفيض إلى 0.40 دولار للرموز المخزّنة مؤقتًا. هذه ليست أسعارًا للمستخدم النهائي مباشرة، لكنها الأساس الذي ستُبنى عليه تطبيقات شركات عربية كثيرة في الأشهر القادمة. لو كنت مطورًا في الرياض أو دبي، فهذا الإعلان يعني أنك تستطيع إطلاق وكيل دعم عملاء صوتي بالعربية بكلفة معقولة.
الميزة الكبرى للنماذج الثلاثة أنها تعمل عبر الـ Realtime API الذي صار متاحًا للجميع رسميًا في نفس اليوم بعد فترة طويلة من المعاينة. أي مطوّر في السعودية أو الإمارات يستطيع بناء تطبيق محادثة صوتية أو ترجمة فورية أو استماع وتفريغ نصوص خلال أيام بدلًا من أسابيع. المثير أن إطلاق هذه النماذج جاء متزامنًا مع إطلاق GPT-5.5، ما يدل على وتيرة منافسة لا تتوقف.
على صعيد المقارنة بين النماذج الثلاثة، GPT-Realtime-2 يستهدف من يحتاج محادثات معقدة بسياق طويل، GPT-Realtime-Translate يخدم تطبيقات الترجمة المتخصصة، وGPT-Realtime-Whisper الأرخص يكفي لمن يحتاج تفريغ صوتي فقط. الخيار يعتمد على الاستخدام، وكل نموذج يقدّم قيمة مختلفة جذريًا عن الآخر.
ChatGPT Advanced Voice: ذكاء اصطناعي صوتي بحدود يومية
الاشتراك في ChatGPT Plus بقي ثابتًا عند 20 دولارًا شهريًا (حوالي 75 ريال سعودي أو 73 درهمًا إماراتيًا) منذ ثلاث سنوات، ومعه يفتح وضع Advanced Voice Mode بسقف ساعة واحدة يوميًا تقريبًا. الخدمة تقدّم محادثة حقيقية بزمن استجابة دون الثانية، وتتعامل مع أكثر من 50 لغة بينها العربية الفصحى وعدة لهجات.
القيود الفعلية تظهر مع GPT-5.5 (الذي حلّ محل GPT-5 منذ تقاعده في فبراير 2026): يحصل مشترك Plus على 160 رسالة كل ثلاث ساعات، ويتحوّل تلقائيًا إلى الإصدار المُصغّر بعد بلوغ السقف. أما GPT-5.5 Thinking فمتاح يدويًا من قائمة النماذج بسقف يصل إلى 3000 رسالة أسبوعيًا. هذه الأرقام مهمة إذ يستهلك المستخدم العربي في العادة رسائل أكثر بسبب الحاجة للتوضيح وإعادة الصياغة. تجربة العربية في الوضع الصوتي تحسّنت ملحوظًا في 2026، وبات النموذج يفهم اللهجات المصرية والخليجية والشامية، لكنه يتعثر أحيانًا في فهم اللهجة المغاربية.
الميزة الأكبر هي تكامل الصوت مع باقي مزايا ChatGPT: GPT-Image 2 لتوليد الصور، ومستندات Canvas، بالإضافة إلى الذاكرة الموحّدة بين المحادثات الصوتية والكتابية. إذا كنت تستخدم ChatGPT أصلًا في عملك، فالترقية إلى ميزة الصوت تكاد تكون مؤكدة.
هناك ثلاث حالات يكون فيها ChatGPT Voice الخيار الصحيح للمستخدم العربي: الأولى إذا كنت تستخدم الأداة في كتابة المحتوى وتوليد الصور والكتابة التسويقية، فالاشتراك يخدم احتياجاتك المتعددة بسعر واحد. الثانية إذا كنت تحتاج إلى المحادثة الصوتية لتعلم لغة جديدة، فجودة المحاكاة العاطفية والنبرة الطبيعية متفوقة هنا. الثالثة إذا كنت تعمل في مجال إبداعي يستلزم جلسات تفكير إبداعي صوتية متواصلة.
القيود الواضحة هي السقف اليومي ساعة واحدة فقط، والاشتراك المطلوب 20 دولارًا حتى للوصول الأساسي. إذا كنت تحتاج فقط إلى محادثة صوتية بسيطة وترجمة سريعة، هناك بدائل أرخص بكثير. راجع دليل ChatGPT بالعربية إذا لم تكن قد استخدمت الأداة من قبل.
Gemini Live: ذكاء اصطناعي صوتي مجاني يُحرج المنافسين
تتفوّق Gemini Live على المنافسين بنقطة واحدة حاسمة: المحادثة الصوتية الكاملة متاحة في الخطة المجانية على gemini.google.com، دون اشتراك ودون بطاقة ائتمان. هذه الخطوة من Google أعادت رسم ملامح المنافسة وجعلت الأدوات المدفوعة تحت ضغط حقيقي. وتدعم الأداةُ العربية بشكل ممتاز ضمن أربع طبقات اشتراك: المجانية، AI Plus بـ 7.99 دولار شهريًا، Pro بـ 19.99 دولار شهريًا، وUltra بسعر تمهيدي قدره 124.99 دولار شهريًا لأول ثلاثة أشهر ثم 249.99 دولار شهريًا.
ما يميّز Gemini Live للمستخدم العربي هو عمق تكامله مع منظومة Google: Gmail، Calendar، Drive، YouTube. تستطيع أن تطلب من الذكاء الاصطناعي قراءة بريدك الإلكتروني وتلخيصه صوتيًا، أو حجز موعد في تقويمك بأمر صوتي. هذه التجربة لا تتوفر بالنضج ذاته في ChatGPT أو Copilot.
على صعيد الأرقام التقنية، يعتمد Gemini Live على عائلة Gemini 3 للاستجابات الفورية، إذ تبدأ أسعار واجهة برمجة التطبيقات من 0.25 دولار لكل مليون رمز إدخال في Gemini 3.1 Flash-Lite (مع 1.50 دولار للإخراج) وترتفع إلى 4 دولارات للإدخال في Gemini 3 Pro. كذلك تتوفر خدمة تحويل النص إلى كلام (TTS) مدمجة بسعر 0.50 دولار لإدخال النص و10 دولارات لتوليد الصوت، وذلك لكل مليون رمز.
التطبيق متاح على أندرويد وiOS والمتصفح بتجربة موحّدة، وفيه ميزة مشاركة الكاميرا أثناء المحادثة الصوتية للاستفسار عن أي شيء يراه المستخدم. الميزة الأخيرة مفيدة جدًا للطلاب الذين يحلّون واجبات الرياضيات أو الكيمياء، وللمسافرين الذين يقرؤون قوائم طعام بلغة لا يفهمونها. ضمن خطة Pro، يحصل المستخدم على ساعات إضافية من المحادثات الطويلة وأولوية أعلى في الاستجابة وقت ذروة الاستخدام.
الجمع بين القوة والمجانية يجعل Gemini Live الخيار الافتراضي لـ 80% من المستخدمين العاديين الذين يحتاجون إلى مساعد صوتي يومي. إن كنت تبحث عن مقارنة أعمق بين النماذج، راجع أفضل ذكاء اصطناعي بالعربية.
ElevenLabs: ملك صناعة الصوت بدلًا من المحادثة
تختلف ElevenLabs عن المنافسين المذكورين آنفًا في الفلسفة، فهي ليست مساعدًا صوتيًا تتحدث معه، بل استوديو لتوليد الصوت من النص واستنساخ الأصوات. الخطة المجانية تمنحك 10,000 رصيد شهريًا، أي حوالي 10 دقائق من الصوت المُولّد، لكنها دون حقوق استخدام تجاري وتطلب الإشارة إلى ElevenLabs كمصدر للمحتوى.
تبدأ الأسعار من 5 دولارات شهريًا لخطة Starter التي تفتح الاستخدام التجاري وتوسّع الرصيد. وتدعم الأداة 29 لغة في نموذج Multilingual v2 بينها العربية، وتُعدّ جودة الصوت لديها مرجعية في الصناعة بفضل قدرة استنساخ الصوت من عينة قصيرة. إذا كنت صانع محتوى على يوتيوب أو مقدّم بودكاست عربي، فإن ElevenLabs أداة لا غنى عنها لإنتاج تعليق صوتي عالي الجودة بتكلفة منخفضة.
الأداة تتألق في أربعة استخدامات بالعربية. أولًا التعليق الصوتي للفيديوهات القصيرة على تيك توك ويوتيوب شورتس، ثانيًا الكتب الصوتية المُحولة من نصوص PDF، ثالثًا تحويل المقالات الإلكترونية إلى نسخ صوتية للقراء الذين يفضلون الاستماع، رابعًا توليد إعلانات صوتية احترافية لحملات تسويقية في السعودية والإمارات. كل واحدة من هذه الحالات توفّر مئات الدولارات شهريًا مقارنة بالاستعانة بمعلّق صوتي بشري.
القيود واضحة للمستخدم العربي: العربية الفصحى ممتازة، لكن التعامل مع اللهجات الإقليمية أضعف بالمقارنة مع Gemini Live أو ChatGPT. كذلك، الأداة لا تصلح لمحادثة فورية أو ترجمة مباشرة. اعتبرها أداة إنتاج وليست مساعدةً. المثير أنها تُكمل بقية الأدوات بدلًا من منافستها: يمكنك استخدام ChatGPT لكتابة النص ثم ElevenLabs لتحويله إلى صوت احترافي. للاطلاع على البدائل المتخصصة، استعرض دليل تحويل النص إلى صوت بالعربية.
Hume Octave 2 وCopilot: ذكاء اصطناعي صوتي متخصص
أطلقت Hume AI نموذج Octave 2 في أكتوبر 2025 بدعم 11 لغة بينها العربية، مع زمن استجابة أقل من 200 مللي ثانية وذكاء عاطفي يُغيّر نبرة الصوت حسب المعنى. الميزة الفريدة هي استنساخ الصوت الفوري من عينة لا تتجاوز 15 ثانية، مع اكتشاف تلقائي للهجة. عدد اللغات أقل مما تدعمه منصة ElevenLabs لكن جودة التعبير العاطفي أعلى، ما يجعله مثاليًا لكتب صوتية أو شخصيات في ألعاب الفيديو.
أما Microsoft Copilot Voice فإنه يدعم العربية ويأتي ضمن باقة Microsoft 365 Premium بـ 19.99 دولار شهريًا التي تشمل تطبيقات Office وتيرابايت من تخزين OneDrive والمساعد الصوتي، علمًا بأن مايكروسوفت دمجت معظم مزايا Copilot Pro في هذه الباقة الجديدة، مع إبقاء اشتراك Copilot Pro المنفصل بـ 20 دولارًا شهريًا كإضافة لمشتركي Microsoft 365 Personal أو Family. أما الشركات، فتبدأ خطة Microsoft 365 Copilot Business بـ 18 دولارًا للمستخدم شهريًا عند الاشتراك السنوي حتى 30 يونيو 2026، ثم ترتفع إلى 21 دولارًا. هذه الخدمة هي الأنسب لمن يعتمد بشكل رئيسي على Word وExcel وOutlook.
تتميز Hume Octave 2 بقدرة فريدة اسمها contextual emotional intelligence، أي تتعرف على مشاعر النص وتُغير النبرة تلقائيًا. إن كتبت جملة حزينة، قرأها النموذج بصوت خافت بطيء، وإن كتبت سؤالًا متحمسًا، قرأه بنبرة متصاعدة. هذا الفارق ملموس وجليّ في القصص والكتب والمقاطع الإعلانية، ويرفع جودة المحتوى بشكل واضح. وستتوسع المنصة لتدعم ما يتجاوز 20 لغة إجمالًا في الأشهر القادمة حسب إعلان Hume، ما يعني دعمًا قريبًا للهجات العربية المختلفة.
لكلٍّ من Hume وCopilot جمهور محدد. يُعدّ Hume الخيار الأمثل للمحترفين الذين يبحثون عن أصوات ذات شخصية لمشاريع إبداعية، خاصة في صناعة الألعاب العربية الناشئة. أما Copilot فيناسب الموظف الذي يستخدم Microsoft Office يوميًا ويريد مساعدًا صوتيًا داخل أدواته يقرأ مستندات Word ويُلخّص اجتماعات Teams. الخطأ الشائع هو محاولة استخدام أحدهما بديلًا عن الآخر، فكلٌّ منهما يعالج مشكلة مختلفة. إن كنت تودّ تتبع أحدث وكلاء العمل من Microsoft وOpenAI، تابع تحديثات وكلاء العمل في ChatGPT.
جدول المقارنة الكامل: ذكاء اصطناعي صوتي 2026
الجدول التالي يلخّص الفروقات الجوهرية بين أبرز أدوات الذكاء الاصطناعي الصوتي في مايو 2026. السعر بالدولار الأمريكي والحدود محسوبة من المصادر الرسمية لكل أداة:
| الأداة | الخطة المجانية | السعر الشهري | اللغات | دعم العربية | الأنسب لـ |
|---|---|---|---|---|---|
| OpenAI Realtime API | لا | 0.034$ / دقيقة ترجمة | 70 إدخال + 13 إخراج | ممتاز | المطورون |
| ChatGPT Advanced Voice | محدودة | 20$ | 50+ | جيد جدًا | المستخدم العام |
| Gemini Live | كاملة | 0$ أو 19.99$ Pro | 40+ | ممتاز | المستخدم اليومي |
| ElevenLabs | 10 دقائق شهريًا | 5$ Starter | 29 | جيد للفصحى | صانعو المحتوى |
| Hume Octave 2 | تجربة | حسب الاستخدام | 11 | جيد | الكتب الصوتية والألعاب |
| Microsoft Copilot | محدودة | 19.99$ Premium | 40+ | جيد جدًا | موظفو Microsoft 365 |
الجدول يكشف نقطة محورية: لا توجد أداة واحدة تتفوق في كل شيء. Gemini Live تغلب في النسبة بين السعر والجودة، OpenAI Realtime يتفوق في المرونة للمطورين، ElevenLabs لا منافس لها في إنتاج الصوت، وCopilot يتميز حين تعمل ضمن بيئة Microsoft 365. القرار الذكي هو الجمع بين أداتين متكاملتين عوضًا عن دفع اشتراكات ثلاثة. إذا أردتَ توسيع المقارنة لتشمل تحويل الصوت إلى نص، يمكنك الاطلاع على دليل تحويل الصوت إلى نص.
حالات استخدام عملية: أي ذكاء اصطناعي صوتي تختار؟
اختيار الأداة الصحيحة يبدأ من تحديد الحاجة الفعلية. هذه أبرز السيناريوهات للمستخدم العربي مع التوصية المباشرة لكل واحدة:
للمحادثة اليومية والإجابة عن الأسئلة
اختر Gemini Live المجاني أولًا. يجيب بالعربية الفصحى وعدة لهجات بسرعة، ويتكامل مع Gmail وDrive، ويعمل على المتصفح والهاتف دون الحاجة إلى تثبيت. إن احتجتَ إلى رسائل أكثر أو نموذجٍ أقوى، انتقل إلى خطة Pro بـ 19.99 دولار. ChatGPT Plus بـ 20 دولارًا خيار قوي إذا كنتَ تستخدم توليد الصور ومستندات Canvas، لكن الفرق في تجربة الصوت وحدها لا يبرر التكلفة لمن لا يحتاج إلى هذه الإضافات.
للترجمة الفورية في الاجتماعات والدروس
يُعدّ OpenAI GPT-Realtime-Translate الأقوى تقنيًا بتكلفة 0.034 دولار للدقيقة وسبعين لغةً للإدخال. غير أن استخدامه يستلزم تطبيقًا مبنيًا فوقه أو خبرة تقنية. أما المستخدم العادي فيمكنه استخدام وضع الترجمة في Gemini Live أو ChatGPT Voice مباشرةً. إن كانت الترجمة تحديدًا أولويةً في عملك، استكشف أفضل أدوات الترجمة بالذكاء الاصطناعي.
لصناعة المحتوى الصوتي والبودكاست
تُعدّ ElevenLabs بخطتها Starter البالغة 5 دولارات شهريًا الخيارَ الأوضح. جودة استنساخ الصوت العربي ممتازة، والاستخدام التجاري مفتوح، والرصيد الشهري يكفي لإنتاج عدة مقاطع فيديو قصيرة. تحذير مهم: أي استنساخ صوتي يجب أن يكون بإذن صاحب الصوت. يُرجى الاطلاع على تحذيرات استنساخ الصوت والاحتيال.
للاعبين والستريمرز العرب
يُعدّ Hume Octave 2 الأبرز هنا، إذ تخدم نبرةُ الصوت العاطفية الشخصياتِ في الألعاب المستقلة، أو يمكن اللجوء إلى ElevenLabs لإنتاج تعليق صوتي عربي للقنوات. للمحادثة المباشرة أثناء البث، استخدم Gemini Live. وإن كنتَ تطوّر ألعابًا، فإن صناعة وكيل ذكاء اصطناعي صوتي عربي باتت أقل تكلفةً بفضل OpenAI Realtime API.
المصادر
الأرقام والمواصفات في هذا الدليل مأخوذة من المصادر الرسمية وأبرز المنشورات التقنية:
- OpenAI - Advancing voice intelligence with new models in the API
- MarkTechPost - GPT-Realtime-2 وGPT-Realtime-Translate وGPT-Realtime-Whisper
- TechRadar - OpenAI 3 new voice models
- OpenAI - ChatGPT Plans Pricing
- Google - Gemini Developer API pricing
- Google Blog - Improved Gemini audio models
- ElevenLabs - API Pricing
- Hume AI - Octave 2 launch
- Microsoft - 365 Copilot Pricing
- 9to5Mac - OpenAI new voice models
أسئلة شائعة
ما هو أفضل ذكاء اصطناعي صوتي مجاني للعربية في 2026؟▾
كم تكلفة استخدام نماذج OpenAI الصوتية الجديدة؟▾
هل ChatGPT Advanced Voice يدعم اللهجات العربية؟▾
هل ElevenLabs أفضل من Gemini Live؟▾
كم لغة يدعم النموذج الجديد GPT-Realtime-Translate؟▾
ما الفرق بين OpenAI Realtime API وChatGPT Voice العادي؟▾
