Vercel تضيف 14 نموذجًا من ElevenLabs إلى AI Gateway بخصم 50% لمدة 14 يومًا
أضافت Vercel إلى AI Gateway أربعة عشر نموذجًا من ElevenLabs، وصار بالإمكان بناء تطبيق صوتي بمفتاح API واحد. يتحدث المستخدم، فيتعرف النموذج على كلامه، ويكتب أي نموذج لغوي الرد، ثم يقرأه صوت من ElevenLabs أثناء توليده. وحتى 9 نوفمبر تُباع جميع هذه النماذج في البوابة بسعر أقل بنسبة 50%، ما يجعل الوقت الحالي مناسبًا لتجربة الصوت داخل المنتج.
معالج بواسطة الذكاء الاصطناعي من Vercel Blog؛ بتحرير Hamidun News
تبدو تكلفة الواجهة الصوتية عند البداية أقل مما تصبح عليه لاحقًا. فأنت تحتاج إلى خدمة للتعرف على الكلام، وثانية للنموذج اللغوي، وثالثة للتحويل إلى صوت، ولكل منها مفتاحها وفواتيرها وسجلاتها. تقترح Vercel التخلص من هذا التشتت: أصبح في AI Gateway الآن 14 نموذجًا من ElevenLabs، وتعمل كلها بمفتاح API واحد. وبمناسبة الإطلاق، يسري حتى 9 نوفمبر ضمنًا خصم 50% على جميع نماذج ElevenLabs في البوابة.
ما الذي جرى ربطه بالضبط
النماذج من ستة أنواع. فالتعرف على الكلام (Scribe v2 وScribe v2 Realtime) يحوّل الصوت إلى نص، حتى أثناء حديث المستخدم. أما التحويل الفوري إلى صوت (Eleven Flash v2.5 وFlash v2 وMultilingual v2 وv3 Conversational) فيبدأ تشغيل الصوت بينما لا يزال النموذج اللغوي يكتب الرد. والوكلاء الصوتيون (Eleven Realtime v1 Max وv1 Mini) يديرون المحادثة كلها داخل نموذج واحد. وإلى جانب ذلك هناك توليد الموسيقى (Music v2.5 وv2)، والمؤثرات الصوتية (Sound Effects v2)، وقراءة الحوارات بعدة أصوات (Eleven v4 وv4 Turbo وv3).
والفائدة العملية أن جميع الطلبات تظهر في تقارير الإنفاق والاستخدام والتتبع نفسها التي تظهر فيها بقية الحركة عبر AI Gateway. فلا حاجة إلى فتح حساب منفصل للصوت ولا إلى تجميع الفواتير يدويًا.
طريقتان لبناء مساعد صوتي
الطريقة الأولى خط معالجة من ثلاث خطوات. لنأخذ مثالًا من الوثائق: يسأل مسافر عمّا إذا كان سيلحق برحلة الربط. يحوّل Scribe v2 Realtime كلامه إلى نص لحظة بلحظة، ثم يجمع النموذج اللغوي الذي تختاره (وهو في المثال نموذج من Anthropic ضمن عائلة Claude Haiku) حالة الرحلة والمسافة إلى بوابة الصعود، ويقرأ Eleven Flash v2.5 الرد فور ظهوره. فيسمع المستخدم بداية الجملة دون انتظار اكتمال النص. وكل خطوة نموذج مستقل، لذا يمكن استبدال التعرف على الكلام أو «العقل» أو الصوت دون المساس ببقية الشيفرة.
الطريقة الثانية نموذج واحد لكامل الحوار. يستقبل Eleven Realtime v1 Max وv1 Mini صوت المستخدم ويردان بالصوت عبر جلسة WebSocket واحدة، دون الحاجة إلى ربط التعرف على الكلام والتحويل إلى صوت كلًّا على حدة. وهذا مناسب لخط الدعم أو للمساعد داخل التطبيق، حيث تهم المقاطعة الطبيعية والإيقاع الحي: فعلى سؤال «هل يمكن تغيير عنوان التوصيل؟» يرد الوكيل فورًا «سأساعدك، أخبرني برقم الطلب».
مخطط الأمان بسيط: يكتفي الخادم بإصدار رمز قصير العمر للنموذج المختار، ويفتح المتصفح الاتصال بنفسه، وبذلك لا يصل مفتاح API إلى جهة العميل. وفي الواجهة الأمامية يتوفر الخطّاف useRealtime من @ai-sdk/react، الذي يتولى الميكروفون والاتصال والتشغيل. ومن التفاصيل المهمة أن نماذج Realtime تحدد نهاية الجملة عبر الكشف الدلالي عن الصمت (semantic-vad) فقط، ولا تدعم وضع server-vad.
الموسيقى والمؤثرات والحوارات
يُنتج Music v2.5 وv2 مقطوعة جاهزة بالطول المطلوب انطلاقًا من وصف نصي، بغناء أو بدونه. ويمكن تحديد النوع والمزاج والآلات، وللمزيد من التحكم يمكن وصف الأغنية على شكل أقسام، لكل قسم أسلوبه وطوله. ويفعل Sound Effects v2 الشيء نفسه للأصوات القصيرة: وقع الخطوات، وصفق الباب، والمطر المكرَّر في خلفية مستوى لعبة. وفي الشيفرة هو استدعاء generateSpeech نفسه، لكن بدل النص المراد قراءته يُمرَّر وصف الصوت، مثل «إيقاع lo-fi هادئ مع بيانو ناعم» لمدة 30 ثانية.
تقرأ نماذج Eleven v4 وv4 Turbo وv3 سيناريو بعدة شخصيات في طلب واحد. يُسند إلى كل جملة صوت، وتغيّر الصوت يبدأ دورًا جديدًا، والناتج تسجيل واحد متصل. فلبودكاست بمقدّمَين أو مشهد بفريق كامل لا حاجة إلى لصق عشرات المقاطع المنفصلة.
السعر وما يجب الانتباه إليه
بحسب Vercel، يعرض AI Gateway أسعار المزوّدين دون هامش ربح، ولا يتقاضى عمولة منصة على الاستدلال، بما في ذلك عند استخدام المفتاح الخاص (BYOK). وتتوفر إعادة المحاولة، والتحويل إلى خيار احتياطي، وميزانيات للمفاتيح، وقواعد توجيه، ودعم Zero Data Retention.
وللقيود حضورها أيضًا. فبعض الوظائف في SDK موسومة بأنها تجريبية (experimental)، مثل streamSpeech وstreamTranscribe، لذا قد تتغير الواجهة. والخصم مؤقت، ولا تنشر Vercel بيانات عن زمن الاستجابة والجودة مقارنةً بالاتصال المباشر بـ ElevenLabs. وعلى من يدفع لـ ElevenLabs مباشرة أن يقارن الفواتير النهائية.
الخلاصة للممارس: إذا كنت تبني مساعدًا صوتيًا أو بوت دعم أو لعبة بصوت، فهذان الأسبوعان وسيلة رخيصة لاختبار الفرضية. يمكن بناء نموذج أولي في أمسية واحدة ضمن SDK واحد، ثم اتخاذ قرار المخطط الدائم بعد مقارنة زمن الاستجابة والتكلفة على محادثات حقيقية.
- 21 نوفمبر 2026مطوّر كلّف Claude بتثبيت 900 تطبيق وبنى منظّف Mac مجانيًا
- 21 نوفمبر 2026Apple تعدّ وكيل ذكاء اصطناعي وتصعّب الوصول على الوكلاء الآخرين: الإذن الآن في 14 خطوة بدلًا من 4
- 21 نوفمبر 2026ضبط دقيق لنموذج Qwen3-0.6B على Mac mini: الإجابات الخاطئة تنخفض إلى 3 من 30 بدلًا من 9
- 21 نوفمبر 2026لم يعد المبرمج منسّقًا لوكلاء الذكاء الاصطناعي: Multica يتولى روتين التسليم بينهم
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما الذي جرى ربطه بالضبط؟
النماذج من ستة أنواع. فالتعرف على الكلام (Scribe v2 وScribe v2 Realtime) يحوّل الصوت إلى نص، حتى أثناء حديث المستخدم. أما التحويل الفوري إلى صوت (Eleven Flash v2.5 وFlash v2 وMultilingual v2 وv3 Conversational) فيبدأ تشغيل الصوت بينما لا يزال النموذج اللغوي يكتب الرد. والوكلاء الصوتيون (Eleven Realtime v1 Max وv1 Mini) يديرون المحادثة كلها داخل نموذج واحد. وإلى جانب ذلك هناك توليد الموسيقى (Music v2.5 وv2)، والمؤثرات الصوتية (Sound Effects v2)، وقراءة الحوارات بعدة أصوات (Eleven v4 وv4 Turbo وv3).
ما أبرز التفاصيل حول طريقتان لبناء مساعد صوتي؟
الطريقة الأولى خط معالجة من ثلاث خطوات. لنأخذ مثالًا من الوثائق: يسأل مسافر عمّا إذا كان سيلحق برحلة الربط. يحوّل Scribe v2 Realtime كلامه إلى نص لحظة بلحظة، ثم يجمع النموذج اللغوي الذي تختاره (وهو في المثال نموذج من Anthropic ضمن عائلة Claude Haiku) حالة الرحلة والمسافة إلى بوابة الصعود، ويقرأ Eleven Flash v2.5 الرد فور ظهوره. فيسمع المستخدم بداية الجملة دون انتظار اكتمال النص. وكل خطوة نموذج مستقل، لذا يمكن استبدال التعرف على الكلام أو «العقل» أو الصوت دون المساس ببقية الشيفرة.
ما أبرز التفاصيل حول الموسيقى والمؤثرات والحوارات؟
يُنتج Music v2.5 وv2 مقطوعة جاهزة بالطول المطلوب انطلاقًا من وصف نصي، بغناء أو بدونه. ويمكن تحديد النوع والمزاج والآلات، وللمزيد من التحكم يمكن وصف الأغنية على شكل أقسام، لكل قسم أسلوبه وطوله. ويفعل Sound Effects v2 الشيء نفسه للأصوات القصيرة: وقع الخطوات، وصفق الباب، والمطر المكرَّر في خلفية مستوى لعبة. وفي الشيفرة هو استدعاء generateSpeech نفسه، لكن بدل النص المراد قراءته يُمرَّر وصف الصوت، مثل «إيقاع lo-fi هادئ مع بيانو ناعم» لمدة 30 ثانية. تقرأ نماذج Eleven v4 وv4 Turbo وv3 سيناريو بعدة شخصيات في طلب واحد.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.