# الصوت والسمع (STT/TTS)


# الصوت والسمع (STT/TTS)

تتحكم علامة تبويب **الصوت** في كيف يسمع وكيلك ويتحدّث. كلٌّ من تحويل الكلام إلى نص (STT) وتحويل النص إلى كلام (TTS) **متعدد المزوّدين** — تختار مزوّدًا، ثم نموذجًا وعناصر التحكم الخاصة بالمزوّد. ضبط هذه بشكل صحيح هو ما يجعل الوكيل يبدو طبيعيًا ويفهم المتصلين بدقة. اضبط هذا في منشئ الوكلاء على **/agent/setup**.

:::note[وضع Pipeline فقط لـ STT]

تنطبق إعدادات تحويل الكلام إلى نص في وضع صوت **Pipeline**. في أوضاع realtime (Azure Realtime وGemini Realtime) يُعالَج النسخ داخليًا من المزوّد، فيُتجاهَل قسم STT. اضبط وضع خط أنابيب الصوت على علامة تبويب [LLM](./llm).

:::

## تحويل الكلام إلى نص

![تبويب Voice](/img/screenshots/portal/agent-audio.png)
*علامة التبويب Voice: اللغة، اللغات المحلية المدعومة، اكتشاف اللغة، وإعدادات مزوّد STT / TTS.*

يحوّل تحويل الكلام إلى نص صوت المتصل إلى نص يمكن للوكيل التصرّف بناءً عليه. اختر **مزوّدًا** و**نموذجًا** يناسبان متصليك ومجالك. يشمل مزوّدو STT:

- **Deepgram** (افتراضي) — Nova-3 / Nova-2 والمزيد.
- **Azure** — نموذجا Default وConversation.
- **Groq** — Whisper Large v3 / Turbo.
- **Sarvam** — Saarika (هندية).

### عناصر التحكم الشائعة

تنطبق **اللغة**، و**علامات الترقيم**، و**الطوابع الزمنية للكلمات**، و**النتائج المؤقتة** عبر المزوّدين. ضبط اللغة الصحيحة هو العامل الأكبر منفردًا في دقة النسخ.

### عناصر التحكم الخاصة بالمزوّد

تظهر بعض عناصر التحكم فقط للمزوّد الذي يدعمها:

- **Deepgram** — تعزيز الكلمات المفتاحية، والتنسيق الذكي، وإزالة الحشو، و**التمييز بين المتحدثين** (فصل النص حسب المتحدث)، ومرشّح الألفاظ النابية، والبدائل، ووضع الكمون.
- **Azure** — وضع الألفاظ النابية (مُخفًى / مُزال / خام).
- **Sarvam** — خلط الأكواد.

يمكنك أيضًا إضافة **مفردات مخصصة** (أسماء المنتجات، ومصطلحات العلامة التجارية، والمصطلحات الفنية) لتحسين التعرّف، وضبط توقيتات نقطة النهاية وإيقاف VAD.

:::note[تنقيح معلومات التعريف الشخصية يعيش على Guardrails]

يُهيّأ **تنقيح معلومات التعريف الشخصية** في النص (أي الأنواع الحساسة تُخفى) على علامة تبويب **Guardrails**، لا هنا. انظر [الضوابط والامتثال](./guardrails).

:::

## تحويل النص إلى كلام

تحويل النص إلى كلام هو الصوت الذي يتحدّث به وكيلك. اختر **مزوّدًا** و**نموذجًا** و**صوتًا**. يشمل مزوّدو TTS:

- **ElevenLabs** (افتراضي) — Turbo v2.5 / v2، وMultilingual v2.
- **Azure** — Neural وStandard.
- **Google** — Gemini TTS.
- **Cartesia** — Sonic.
- **Groq** — Orpheus.
- **Sarvam** — Bulbul (هندية).

### الصوت

اختر **الصوت** الذي يناسب علامتك التجارية ومتصليك. يمكنك أيضًا استخدام صوت مخصص أُنشئ في [Voice Lab](../voice-lab) — استنسخ صوتًا من عيّنة قصيرة وعيّنه للوكيل. استخدم زر المعاينة لسماعه.

### عناصر التحكم الشائعة

تنطبق **السرعة**، و**النبرة**، و**النمط**، و**مستوى الصوت**، و**العاطفة**، و**التشديد**، و**تنسيق المخرَج**، و**النطق** المخصص عبر المزوّدين. الكلام الأبطأ قليلًا أسهل في المتابعة على مكالمة هاتفية، خاصة للأرقام والتواريخ والتأكيدات.

### عناصر التحكم الخاصة بـ ElevenLabs

**الثبات**، و**تعزيز التشابه**، و**مبالغة النمط**، و**تعزيز المتحدث** هي عناصر تحكم صوت ElevenLabs:

- **الثبات** يتحكم في مدى اتساق الصوت من عبارة إلى عبارة — الأعلى أكثر ثباتًا، والأدنى يسمح بتنوّع طبيعي أكثر.
- **تعزيز التشابه** يُبقي المخرَج قريبًا من الصوت المصدر.
- **تعزيز المتحدث** يعزّز الشبه بالمتحدث الأصلي.

:::tip

اختبر التغييرات بصوت عالٍ، لا على الورق. استخدم **اختبار الصوت** على **/agent/interface** بعد كل تعديل — تكون مشكلات السرعة والنطق واضحة في ثوانٍ عندما تسمعها.

:::

## الخطوات التالية

- [استنسخ صوتًا وعيّنه في Voice Lab](../voice-lab)
- [اختر وضع خط أنابيب الصوت وLLM](./llm)
- [شكّل سلوك المحادثة](./engine-behavior)
- [اضبط التسجيل والنسخ والاحتفاظ](../workplace-team)