قصص العملاء

قبل تقييم Fish Audio، كانت HeyGen تستخدم ElevenLabs كطبقة TTS في مسار توليد فيديو AI. كانت المنصة تعمل وكانت الأصوات مفهومة. لكن مشكلة بنيوية ظلت تظهر في ملاحظات المستخدمين: مشكلات تشابه الصوت، خصوصًا لدى المبدعين ذوي اللكنات الإنجليزية غير الأمريكية.

يتحدث صناع المعرفة باللكنات التي يملكونها. الأستراليون يبدون أستراليين، والهنود يبدون هنودًا. البريطاني، الجنوب أفريقي، السنغافوري، الإيرلندي، الاسكتلندي، الفلبيني، الكاريبي — خريطة لكنات الإنجليزية العالمية ليست حالة هامشية لـ HeyGen، بل هي شكل قاعدة المبدعين الدولية.

محرك TTS الذي ينتج إنجليزية أمريكية قوية لكنه يسطّح كل اللكنات الأخرى إلى شيء أقرب إلى الأمريكية المحايدة يكسر الوعد الأساسي لاستنساخ الصوت في فيديو AI: أن يبدو الفيديو كأنه أنت. كان مستخدمو HeyGen ذوو اللكنات غير الأمريكية يشتكون من الحفاظ على اللكنة؛ ولم تكن الأصوات المستنسخة تحفظ هوية اللكنة التي توقعها المبدعون.

حصلت Fish Audio على اختيار HeyGen وفق معيار أهم من غيره: جودة استنساخ الصوت للأصوات الفريدة، خصوصًا الأصوات ذات اللكنات الإنجليزية غير الأمريكية.يحافظ نموذج Fish S2 Pro على هوية اللكنة في الصوت المصدر بدلًا من تطبيعها نحو خط أساس أمريكي، وهو تحديدًا نمط الفشل الذي ظهر في اختبارات HeyGen لدى مزوّدين آخرين.

بالنسبة إلى HeyGen، هذه ليست تفصيلة تقنية. إنها الفرق بين أن يسمع جمهور صانع المعرفة الشخص الذي يعرفونه أو يسمعوا غريبًا اصطناعيًا. جودة استنساخ الصوت، لا الكمون ولا التكلفة، كانت العامل الحاسم.