دمج التحويل الصوتي TTS وSTT في أوبن كلاو: وكيلك يتكلم ويسمع بالعربية
ما ستتعلمه: ستعرف كيف تجعل وكيل أوبن كلاو (OpenClaw) يفهم رسائلك الصوتية العربية ويرد عليها بصوت مسموع، عبر إعداد طبقتي STT وTTS خطوة بخطوة. وستخرج بمقارنة واضحة بين المزودين، وإعدادات جاهزة للتعديل، وحلول عملية لأشهر مشاكل النطق العربي.
تخيّل أنك تقود سيارتك صباحاً وتريد أن تعرف مواعيد اليوم. الكتابة مستحيلة، والتوقف مضيعة للوقت. ترسل رسالة صوتية قصيرة على تيليغرام: «ما الذي ينتظرني اليوم؟». بعد لحظات يصلك رد مسموع بصوت عربي واضح يلخص جدولك ويذكّرك باجتماع الظهيرة. هذا ليس مشهداً من فيلم. هذا ما يمكنك بناؤه اليوم مع أوبن كلاو (OpenClaw) في جلسة إعداد واحدة.
المشكلة أن أغلب الأدلة المتاحة عن الوكلاء الصوتيين مكتوبة للإنجليزية. والعربية تطرح تحديات خاصة: لهجات متعددة، وتشكيل يغيّر المعنى، وأرقام تُقرأ بطرق مختلفة، وخلط دائم بين العربية والإنجليزية في الكلام اليومي. في هذا المقال نشرح الطبقتين بوضوح: طبقة STT التي تحوّل كلامك إلى نص يفهمه الوكيل، وطبقة TTS التي تحوّل رده المكتوب إلى صوت. ثم نضبطهما معاً للعربية تحديداً.
لماذا يحتاج وكيلك إلى صوت وأذنين؟
الوكيل النصي مفيد، لكنه يفترض أنك جالس أمام شاشة ولوحة مفاتيح. الواقع مختلف. كثير من لحظات اليوم تكون فيها يداك مشغولتين أو عيناك على شيء آخر. هنا يصبح الصوت هو الواجهة الطبيعية.
إليك حالات يصنع فيها الصوت فرقاً حقيقياً:
- العمل الميداني: فنيّ صيانة أو مندوب مبيعات أو ممرض في جولة. يريد تسجيل ملاحظة أو طرح سؤال دون أن يخلع قفازيه أو يترك ما بيده.
- كبار السن ومن لا يحبون الكتابة: كثيرون يفضلون الرسائل الصوتية على الكتابة، خصوصاً في مجتمعاتنا العربية حيث الرسالة الصوتية جزء من ثقافة التواصل اليومي على تطبيقات المراسلة.
- إمكانية الوصول: لضعاف البصر، الرد المسموع ليس رفاهية بل ضرورة.
- الإنتاجية أثناء التنقل: في السيارة أو أثناء المشي، يمكنك إملاء أفكارك وترك الوكيل ينظمها ويحفظها.
- الملخصات الصباحية: بدلاً من قراءة تقرير طويل، تستمع إليه وأنت تجهّز قهوتك.
النقطة المهمة: الصوت لا يغيّر ذكاء الوكيل. النموذج اللغوي خلف أوبن كلاو يبقى كما هو. ما يتغير هو طريقة الدخول والخروج فقط. وهذا يعني أن كل ما بنيته سابقاً من أدوات ومهام يعمل مع الصوت مباشرة دون إعادة بناء.
كيف يعمل الصوت داخل أوبن كلاو
قبل الإعداد، افهم المسار الذي تسلكه رسالتك الصوتية. هذا الفهم سيوفر عليك ساعات من التخمين عند حدوث أي خلل.
- الاستقبال: تصل الرسالة الصوتية من القناة، مثل تيليغرام أو واتساب، كملف صوتي. تيليغرام مثلاً يرسل الرسائل الصوتية بصيغة OGG بترميز Opus.
- التفريغ (STT): تمرّر البوابة الملف إلى نموذج تفريغ صوتي، محلي أو سحابي. الناتج نص عربي.
- المعالجة: يصل النص المفرَّغ إلى النموذج اللغوي كأي رسالة مكتوبة. يستطيع الوكيل هنا استخدام أدواته، قراءة ملفاته، أو تنفيذ مهامه المعتادة.
- التوليد (TTS): يتحول الرد النصي إلى ملف صوتي عبر مزود تحويل النص إلى كلام.
- الإرسال: يعود الملف إلى القناة، ويظهر في تيليغرام كرسالة صوتية عادية يمكنك الاستماع إليها.
لاحظ أن النموذج اللغوي نفسه لا يسمع ولا يتكلم. هو يرى نصاً ويكتب نصاً. الطبقتان الصوتيتان تحيطان به من الجانبين. هذه البنية لها ميزة كبيرة: تستطيع تغيير مزود الصوت دون المساس بالوكيل، وتستطيع تشغيل STT فقط دون TTS، أو العكس.
وهذا يفسر أيضاً مصدر الأخطاء الشائعة. إذا فهم الوكيل طلبك بشكل خاطئ، فالمشكلة غالباً في التفريغ وليس في النموذج. وإذا كان الصوت غريباً أو الكلمات مقطّعة، فالمشكلة في TTS أو في شكل النص الذي أُرسل إليه.
اختيار المزود المناسب للعربية
لا يوجد مزود واحد هو الأفضل للجميع. الاختيار يعتمد على ثلاثة أسئلة: هل بياناتك حساسة؟ هل تريد الدفع؟ ما اللهجة التي يتحدثها جمهورك؟
| المزود | الطبقة | التشغيل | دعم العربية | الخصوصية | متى تختاره |
|---|---|---|---|---|---|
| Whisper المحلي | STT | على جهازك | جيد للفصحى، ويتفاوت مع اللهجات | الصوت لا يغادر جهازك | بيانات حساسة أو رغبة في الاستقلال عن السحابة |
| واجهة OpenAI للتفريغ | STT | سحابي | جيد، ويتعامل مع الخلط بين اللغات | يُرسل الصوت إلى المزود | تريد سهولة الإعداد وجودة ثابتة |
| Edge TTS | TTS | سحابي، لا يحتاج مفتاحاً في العادة | أصوات عربية بلهجات إقليمية متعددة | يمر النص عبر خوادم مايكروسوفت | بداية سريعة ومجانية |
| ElevenLabs | TTS | سحابي مدفوع | نماذج متعددة اللغات بنطق طبيعي | يُرسل النص إلى المزود | جودة صوت عالية أو صوت مخصص لعلامتك |
| OpenAI TTS | TTS | سحابي مدفوع | ينطق العربية، وقد تظهر لكنة أجنبية أحياناً | يُرسل النص إلى المزود | تستخدم OpenAI أصلاً وتريد مفتاحاً واحداً |
نصيحتنا العملية للبداية: Whisper أو واجهة OpenAI للتفريغ، مع Edge TTS للنطق. هذا المزيج يعطيك نتيجة مقبولة جداً بتكلفة منخفضة، ثم تنتقل إلى ElevenLabs إذا احتجت صوتاً أكثر دفئاً وطبيعية.
مهم: أسماء النماذج وخيارات المزودين تتغير باستمرار. قبل الاعتماد على أي مزود في عمل حقيقي، جرّبه بعينة من رسائل جمهورك الفعلية، بلهجتهم وسرعة كلامهم، وليس بجمل فصحى مثالية.
التطبيق العملي: إعداد STT وTTS خطوة بخطوة
نفترض هنا أن أوبن كلاو مثبت ويعمل. إن لم يكن كذلك، ابدأ بـ دليل المبتدئين لأوبن كلاو ثم عد إلى هنا. ونفترض أيضاً أن وكيلك متصل بتيليغرام، وإن لم يكن فاتبع خطوات ربط أوبن كلاو بتيليغرام أولاً.
الخطوة 1: تحقق من التثبيت
openclaw --version
openclaw doctor
أمر doctor يفحص الإعداد ويخبرك بأي مشكلة واضحة قبل أن تبدأ. حدّث أوبن كلاو إلى آخر إصدار، لأن ميزات الصوت تتطور بسرعة.
الخطوة 2: فعّل التفريغ الصوتي (STT)
افتح ملف الإعداد الرئيسي في ~/.openclaw/openclaw.json. إذا اخترت واجهة سحابية للتفريغ، أضف قسماً مشابهاً لهذا:
{
tools: {
media: {
audio: {
enabled: true,
language: 'ar',
models: [
{ provider: 'openai', model: 'gpt-4o-mini-transcribe' }
]
}
}
}
}
أما إذا أردت أن يبقى الصوت على جهازك، فثبّت Whisper محلياً:
pip install -U openai-whisper
whisper --help
ثم وجّه أوبن كلاو إلى استخدامه كأداة سطر أوامر:
{
tools: {
media: {
audio: {
enabled: true,
models: [
{
type: 'cli',
command: 'whisper',
args: ['--language', 'ar', '--model', 'small', '{{MediaPath}}']
}
]
}
}
}
}
حجم النموذج قرار بين الدقة والسرعة. النماذج الأكبر أدق مع العربية واللهجات، لكنها أبطأ وتحتاج ذاكرة أكثر. ابدأ بنموذج متوسط وعدّل حسب جهازك.
الخطوة 3: فعّل تحويل النص إلى كلام (TTS)
أضف قسم TTS إلى الملف نفسه. هذا مثال بـ Edge TTS وصوت عربي سعودي:
{
messages: {
tts: {
auto: 'inbound',
provider: 'edge',
edge: {
enabled: true,
voice: 'ar-SA-HamedNeural',
lang: 'ar-SA'
}
}
}
}
الخيار auto: 'inbound' يعني أن الوكيل يرد صوتياً فقط عندما تراسله صوتياً، ويرد نصياً على الرسائل المكتوبة. هذا السلوك هو الأنسب لمعظم الناس. وإذا أردت ElevenLabs بدلاً من ذلك:
{
messages: {
tts: {
auto: 'inbound',
provider: 'elevenlabs',
elevenlabs: {
apiKey: 'ضع_مفتاحك_هنا',
voiceId: 'معرّف_الصوت',
modelId: 'eleven_multilingual_v2'
}
}
}
}
لا تكتب المفاتيح مباشرة في ملفات تشاركها مع أحد. استخدم متغيرات البيئة كلما أمكن.
الخطوة 4: أعد تشغيل البوابة واختبر
openclaw gateway restart
openclaw logs --follow
أرسل رسالة صوتية قصيرة من تيليغرام، وراقب السجلات. يجب أن ترى النص المفرَّغ ثم ملف الصوت الصادر. ويمكنك التحكم في الرد الصوتي من داخل المحادثة بأوامر مثل /tts on و/tts off.
تنبيه صادق: أسماء الحقول في الأمثلة أعلاه مبنية على الإعداد الشائع في أوبن كلاو، لكنها قد تختلف بين الإصدارات. راجع التوثيق الرسمي على openclaw.ai أو المستودع على github.com/openclaw لمطابقة إصدارك بدقة.
فكرة تطبيقية: ملخص صباحي مسموع
بعد أن يعمل الصوت، اجمعه مع المهام المجدولة. أنشئ مهمة تعمل كل صباح، تجمع مواعيدك وأهم رسائلك، ثم ترسلها إليك كرسالة صوتية. الخطوات التفصيلية لإنشاء المهمة موجودة في إعداد أول مهمة مجدولة في أوبن كلاو، وكل ما عليك إضافته هو أن تطلب في نص المهمة أن يكون الرد صوتياً.
تحسين جودة العربية المنطوقة والمسموعة
الإعداد التقني نصف العمل فقط. النصف الآخر هو جعل التجربة طبيعية بالعربية. إليك ما يصنع الفرق فعلاً.
حدّد اللغة صراحة. الكشف التلقائي عن اللغة يخطئ أحياناً مع الرسائل القصيرة أو المليئة بمصطلحات إنجليزية. ضبط language: 'ar' في التفريغ يحسّن النتيجة في الغالب.
اختر صوتاً بلهجة جمهورك. Edge TTS يوفر أصواتاً عربية بلهجات إقليمية، منها مثلاً ar-SA-HamedNeural وar-SA-ZariyahNeural للسعودية، وar-EG-SalmaNeural وar-EG-ShakirNeural لمصر، وar-AE-FatimaNeural للإمارات. جرّب عدة أصوات واسأل مستخدمين حقيقيين عن رأيهم.
علّم وكيلك أن يكتب للأذن لا للعين. هذه أهم نصيحة في المقال. النص المكتوب للقراءة يحتوي على عناوين ونقاط وجداول وروابط، وكلها تتحول إلى ضجيج عند نطقها. أضف تعليمات واضحة إلى ملف شخصية الوكيل:
## قواعد الرد الصوتي
- عندما يكون الرد صوتياً، اكتب جملاً قصيرة متصلة بلا عناوين ولا نقاط ولا جداول.
- لا تذكر الروابط صوتياً. قل: أرسلت لك الرابط نصياً.
- اكتب الأرقام المهمة بالحروف عند الحاجة لتجنب القراءة الخاطئة.
- شكّل الكلمات الملتبسة فقط، مثل عَلِمَ وعِلْم.
- اجعل الرد الصوتي موجزاً، وإن كان المحتوى طويلاً فلخّصه واعرض إرسال التفاصيل كتابة.
انتبه للخلط اللغوي. كثير منا يقول «ابعتلي الـ report». نماذج التفريغ الحديثة تتعامل مع هذا بشكل معقول، لكن أصوات TTS العربية قد تنطق الكلمات الإنجليزية بطريقة غريبة. إن كان مجالك مليئاً بالمصطلحات الأجنبية، اطلب من الوكيل تعريبها أو كتابتها بحروف عربية في الردود الصوتية.
اختبر بأصوات متنوعة. لا تكتفِ بصوتك. جرّب رجلاً وامرأة، وشخصاً يتكلم بسرعة، وتسجيلاً في مكان صاخب. هكذا تكتشف حدود الإعداد قبل أن يكتشفها مستخدموك.
الخصوصية والتكلفة: قرارات يجب أن تتخذها بوعي
الصوت يحمل معلومات أكثر من النص. فيه نبرة صوتك، وأحياناً أصوات من حولك، وربما أسماء ومعلومات شخصية. لذلك قرار المزود ليس تقنياً فقط.
إذا كنت تتعامل مع بيانات حساسة، مثل معلومات صحية أو مالية أو بيانات عملاء، ففضّل التفريغ المحلي بـ Whisper. الصوت يبقى على جهازك، والنص فقط يصل إلى النموذج اللغوي. وتذكّر أن الرد نفسه سيمر على مزود TTS إن كان سحابياً، فلا تجعل الوكيل يقرأ أرقام الحسابات أو كلمات المرور بصوت عالٍ.
أما التكلفة، فالمزودون السحابيون يحاسبون عادةً حسب مدة الصوت في التفريغ، وحسب عدد الأحرف في التوليد. أسعارهم تتغير، فراجعها مباشرة عند كل مزود. وهناك طرق بسيطة لضبط الإنفاق:
- استخدم
auto: 'inbound'بدلاً من الرد الصوتي الدائم. - اجعل الردود الصوتية قصيرة عبر تعليمات الشخصية التي ذكرناها.
- ابدأ بـ Edge TTS، وانتقل إلى مزود مدفوع فقط عندما تثبت الحاجة.
- استخدم Whisper المحلي إن كان جهازك قادراً، فلا تكلفة لكل دقيقة.
وإذا كنت تقارن بين بناء هذا بنفسك ومنصات الأتمتة الجاهزة، فاطّلع على مقارنة أوبن كلاو مع Make. الفرق الجوهري أن أوبن كلاو يمنحك تحكماً كاملاً في مكان معالجة الصوت ومساره.
ومن لا يريد التثبيت والإعداد أصلاً، ويبحث عن مساعد عربي جاهز على تيليغرام مبني على أوبن كلاو، يمكنه تجربة فارس، المساعد الذكي العربي على تيليجرام والبدء فوراً دون أي ملفات إعداد.
الأسئلة الشائعة
سؤال 1: هل أحتاج إلى تفعيل STT وTTS معاً؟
الجواب: لا، الطبقتان مستقلتان تماماً. يمكنك تفعيل التفريغ فقط ليفهم الوكيل رسائلك الصوتية ويرد كتابة، وهذا خيار ممتاز لمن يفضل قراءة الردود، ثم تضيف TTS لاحقاً عندما تحتاجه.
سؤال 2: هل يفهم الوكيل اللهجات العامية أم الفصحى فقط؟
الجواب: نماذج التفريغ الحديثة تتعامل مع كثير من اللهجات العربية، لكن الدقة تتفاوت حسب اللهجة والنموذج وجودة التسجيل. أفضل طريقة لمعرفة النتيجة هي اختبار عينات حقيقية بلهجة جمهورك، واختيار نموذج أكبر إن كانت النتائج غير مرضية.
سؤال 3: لماذا ينطق الوكيل رموزاً غريبة أو نجوماً في الرد الصوتي؟
الجواب: لأن الوكيل يكتب رده بتنسيق Markdown المخصص للقراءة، ومزود TTS يحاول نطق كل شيء. الحل هو إضافة قواعد الرد الصوتي إلى ملف شخصية الوكيل كما شرحنا، ليكتب جملاً متصلة بلا عناوين ولا رموز عندما يكون الرد مسموعاً.
سؤال 4: هل يمكن تشغيل كل شيء محلياً دون أي خدمة سحابية؟
الجواب: التفريغ يمكن تشغيله محلياً بالكامل عبر Whisper، وهناك أيضاً محركات TTS محلية مفتوحة المصدر يمكن ربطها كأداة سطر أوامر. لكن جودة الأصوات العربية في الحلول المحلية قد تكون أقل طبيعية من الخدمات السحابية، فوازن بين الخصوصية والجودة حسب احتياجك.
سؤال 5: كيف أعرف أين المشكلة إذا لم يعمل الصوت؟
الجواب: افتح السجلات بأمر openclaw logs --follow وأرسل رسالة صوتية. إذا لم يظهر نص مفرَّغ فالمشكلة في إعداد STT أو مفتاح المزود، وإذا ظهر النص والرد لكن دون ملف صوتي فالمشكلة في إعداد TTS، وأمر openclaw doctor يساعدك على كشف الأخطاء الواضحة في ملف الإعداد.
الخاتمة
إضافة الصوت إلى أوبن كلاو لا تتطلب إعادة بناء وكيلك. هي طبقتان تحيطان به: أذن تحوّل كلامك إلى نص، وصوت يحوّل رده إلى كلام. ابدأ بالتفريغ وحده، ثم أضف TTS بـ Edge، ثم علّم وكيلك أن يكتب للأذن. هذه الخطوات الثلاث وحدها تنقل تجربتك من بوت نصي إلى مساعد تتحدث معه فعلاً.
ابدأ الآن: افتح ملف openclaw.json، أضف قسم التفريغ الصوتي، وأرسل لوكيلك أول رسالة صوتية بالعربية. ثم شاركنا تجربتك وأفضل الأصوات التي وجدتها للهجتك، فخبرتك قد تختصر الطريق على قارئ عربي آخر.
جاهز لتجربة OpenClaw؟
ابدأ الآن مع دليل التثبيت الكامل بالعربية وابنِ أول وكيل ذكاء اصطناعي خاص بك.
دليل التثبيتمقالات ذات صلة
وكيل التسعير الذكي للتجارة الإلكترونية: تحسين الأسعار تلقائياً
وكيل التسعير الذكي للتجارة الإلكترونية مع أوبن كلاو: راقب أسعار المنافسين وعدّل أسعار متجرك تلقائياً ضمن قواعد حماية واضحة تحفظ هامش ربحك.
اقرأ المزيدأتمتة مطابع الطباعة مع أوبن كلاو: الطلبات والعروض ومتابعة التسليم
دليل عملي لأتمتة مطابع الطباعة مع أوبن كلاو: استقبال الطلبات من واتساب، تجهيز عروض الأسعار من جدولك، ومتابعة التسليم بمهام مجدولة وسيناريو تطبيقي كامل.
اقرأ المزيدالخصوصية والعمل المحلي أولاً في أوبن كلاو: دليل المبتدئين
دليل المبتدئين للخصوصية في أوبن كلاو: كيف تشغّل مساعدك الذكي محلياً، وتعرف أين تذهب بياناتك، وتضبط النماذج المحلية والقنوات بإعدادات آمنة خطوة بخطوة.
اقرأ المزيد