تسرد جداول تحويل النص إلى كلام المنشورة لدى Azure ما مجموعه 82 رمز لغة مميزا، أي نحو 1.1% من 7,170 لغة تحصيها Ethnologue قيد الاستخدام اليوم (82 / 7,170). تزعم وثائق Gemini 3.8 Flash TTS دعم أكثر من 130 لغة، وبلغ مشروع MMS البحثي 1,107 لغة، غير أن هذا النموذج الأوسع تغطية يُوزَّع بترخيص غير تجاري. والعمق أضعف من الاتساع: فللإنجليزية الأمريكية 118 إدخالا في جدول Azure مقابل إدخالين للأمهرية. جمعنا بيانات من Ethnologue وMicrosoft وGoogle وAmazon وApple وMeta وأبحاث الكلام المحكَّمة، وقرأنا كل صفحة لدى الموردين في 31 أكتوبر 2026. يغطي هذا الاستعراض التركيب فقط؛ وللاطلاع على جانب التعرف في الفجوة نفسها، راجع إحصائيات تغطية التعرف على الكلام للغات قليلة الموارد لدينا.
أبرز النقاط
- يستخدم العالم 7,170 لغة، منها 4,153 لغة لها نظام كتابة متطور (Ethnologue 2026).
- بلغت 128 رمز لغة من أصل 7,829 المستويين الأعلى من الدعم الرقمي، أي نحو 1.6% (Simons وThomas وWhite، COLING 2022).
- يُزعم دعم أكثر من 130 لغة في Gemini 3.8 Flash TTS، وهو أوسع ادعاء تجاري قرأناه (Google، وثائق المورد).
- يظهر 82 رمز لغة عبر 154 إعدادا إقليميا في جدول أصوات Azure Speech (Microsoft، وثائق المورد، إحصاؤنا).
- يظهر 25 لغة و42 متغيرا في جدول Amazon Polly، منها متغيران يقدمان أصواتا للمحتوى الطويل (Amazon، وثائق المورد، إحصاؤنا).
- تتوفر نماذج تركيب MMS لـ 1,107 لغة، أي نحو 15.4% من اللغات المستخدمة (Meta AI، ورقة MMS 2023).
- بلغ 945 من تلك النماذج الـ 1,107 معدل خطأ حروف لا يتجاوز 5، لكن أفريقيا تأخرت عند 76% (Meta AI، ورقة MMS 2023).
- 41 من 90 صوتا في Aura-2 إنجليزية (Deepgram، وثائق المورد، إحصاؤنا).
- تظهر 18 من اللغات الهندية المقررة الـ 22 في قائمة الكلام لإمكانية الوصول لدى Apple، مقابل لغة واحدة في Polly (Apple وAmazon، وثائق المورد، حصرنا).
- تغطي 1,704 ساعة من 10,496 متحدثا الآن جميع اللغات الهندية المقررة الـ 22 لأغراض تركيب الكلام (AI4Bharat، IndicVoices-R 2024).
1. المقام: 7,170 لغة، وليست جميعها مكتوبة
تحتاج كل دعوى تغطية إلى مقام، ولتركيب الكلام مقام أقسى مما يتصور معظم الناس. يقرأ تحويل النص إلى كلام نصوصا، لذا فإن 3,017 لغة بلا نظام كتابة متطور تقع خارج مسار الإدخال المعتاد قبل تدريب أي نموذج.
يروي عدد السكان قصة ألطف، ولا ينبغي المزج بين المنظورين أبدا. يمكن لمنصة أن تخدم معظم الناس وهي تسرد أقل من 3% من اللغات، لأن أكثر من 88% من البشر يتحدثون لغة واحدة من 200 لغة فقط بوصفها لغتهم الأم، و200 / 7,170 تساوي 2.8%. لا تذكر أي من صفحات الموردين التي قرأناها حصة الناس التي يصل إليها كتالوجها، لذا لا يمكن مقارنة نطاق الوصول مباشرة.
| المقياس | القيمة | المصدر |
|---|---|---|
| اللغات المستخدمة في العالم | 7,170 | Ethnologue، كم عدد اللغات 2026 |
| لغات لها نظام كتابة متطور مقابل لغات بلا نظام | 4,153 (57.9%) مقابل 3,017 (42.1%، من 7,170 - 4,153، حسابنا) | الأسئلة الشائعة في Ethnologue، الطبعة 29 لعام 2026 |
| أشخاص لغتهم الأم إحدى أكبر 200 لغة | أكثر من 88% | Ethnologue 200، 2026 |
| رموز لغات عند المستويين الأعلى من الدعم الرقمي (Vital وThriving) | 128 من 7,829 (95 + 33)، أي 1.6% | Simons وThomas وWhite، COLING 2022 |
| رموز لغات عند أدنى مستوى من الدعم الرقمي (Still، بدرجة 0) | 3,996 من 7,829، أي 51.0% | Simons وThomas وWhite، COLING 2022 |
| رموز لغات عند المستويين المتوسطين من الدعم الرقمي (Emerging وAscending) | 3,304 و401 | Simons وThomas وWhite، COLING 2022 |
أحدث البيانات المتاحة لمستويات الدعم الرقمي: Simons وThomas وWhite، 2022. جمعت تلك الدراسة قوائم اللغات المدعومة من 143 أداة رقمية، ومعالجة الكلام إحدى فئات الأدوات السبع فيها. تأتي الإجماليات من إحصاء اللغات لدى Ethnologue والأسئلة الشائعة حول أنظمة الكتابة لديها.
2. الكتالوجات التجارية جنبا إلى جنب
هذه أعداد مأخوذة من وثائق الموردين: السجل الأساسي لما تسرده كل منصة، وليست دليلا مستقلا على الجودة. تتراوح الفجوة بين أطول كتالوج وأقصره في هذا الجدول من أكثر من 130 لغة إلى 9.
الوحدة لا تقل أهمية عن الرقم. الإعداد الإقليمي هو لغة مضافا إليها منطقة، فالإسبانية في المكسيك والإسبانية في إسبانيا تُحتسبان إعدادين إقليميين ولكن لغة واحدة. وتقول صفحة النظرة العامة لدى Azure «أكثر من 100 لغة وإعداد إقليمي»، وهو ما يخلط بين الاثنين؛ أما جدول لغات Azure Speech نفسه فيُفضي إلى الصف أدناه.
الأطول ليس بالضرورة مجموعة شاملة للأقصر. فليس في جدول لغات Gemini TTS صف للأوكرانية أو الأردية أو الزولو، وكلها مدرجة لدى Azure.
| المقياس | القيمة | المصدر |
|---|---|---|
| Gemini 3.8 Flash TTS | يُزعم دعم أكثر من 130 لغة؛ 132 صفا في الجدول، قُرئ في 31 أكتوبر 2026 | Google، وثائق توليد الكلام في Gemini API، حُدّثت في 28 أكتوبر 2026 (ادعاء المورد) |
| Eleven v4 / Eleven v3 / Flash v2.5 / Multilingual v2 | 90+ / 70+ / 32 / 29 لغة | ElevenLabs، وثائق النماذج (ادعاء المورد) |
| أصوات Azure Speech الجاهزة | 82 رمز لغة عبر 154 إعدادا إقليميا؛ الإنجليزية والإسبانية والعربية تضم 52 من الـ 154 (33.8%) | Microsoft، جدول دعم اللغات، حُدّث في 22 أكتوبر 2026 (وثائق المورد، إحصاؤنا) |
| Apple VoiceOver وLive Speech وRead & Speak | 75 إدخال لغة على iOS 27 | Apple، توفر ميزات iOS (وثائق المورد) |
| جدول أصوات Google Cloud Text-to-Speech | 53 رمز لغة، و61 رمز لغة ومنطقة؛ Chirp 3: HD وحده يغطي 47 لغة في 53 إعدادا إقليميا | Google Cloud، قائمة الأصوات ووثائق Chirp 3: HD (وثائق المورد، إحصاؤنا) |
| Sonic 3.6 | 44 لغة | Cartesia، وثائق نماذج TTS (ادعاء المورد) |
| Amazon Polly | 25 لغة، و42 متغيرا، و123 إدراجا لصوت | Amazon، الأصوات المتاحة في Polly (وثائق المورد، إحصاؤنا) |
| IBM Text to Speech | 9 لغات أساسية، و15 إدخال لغة، و48 صوتا | وثائق IBM Cloud، حُدّثت في 4 يونيو 2026 (وثائق المورد، إحصاؤنا) |
إذا كنت تختار مولّد أصوات بالذكاء الاصطناعي للغة غير الإنجليزية، فالجدول الجدير بالفتح هو القائمة لكل إعداد إقليمي، لا الرقم الرئيسي في صفحة المنتج.
3. عمق الأصوات: أين تتركز الأصوات فعلا
إدراج اللغة لا يقول الكثير عن عدد الأصوات التي تحصل عليها. للإنجليزية الأمريكية 118 إدخالا في جدول Azure، بينما للأمهرية والأفريقانية والزولو إدخالان لكل منها، أي بنسبة 59 إلى 1. وبالنسبة لمنتج المحتوى، قد يعني صوتان انعدام أي خيار في العمر أو النبرة أو الشخصية.
يتكرر النمط في كل أحجام الكتالوجات. تضع Polly وAura-2 ونموذج Kokoro المفتوح ما بين 28.5% و51.9% من أصواتها في الإنجليزية. جزء من الاختلاف بنيوي: قد تكرر إدخالات الجدول شخصية صوتية واحدة عبر مستويات الجودة، لذا فهذه أعداد إدراج لا متحدثون فريدون.
| المقياس | القيمة | المصدر |
|---|---|---|
| إدخالات جدول أصوات Azure: الإنجليزية الأمريكية مقابل الماندرين مقابل الألمانية مقابل الهندية | 118 مقابل 59 مقابل 23 مقابل 17 | Microsoft، جدول دعم اللغات (وثائق المورد، إحصاؤنا) |
| إدخالات جدول أصوات Azure للأمهرية والأفريقانية والعربية المصرية والزولو | إدخالان لكل منها | Microsoft، جدول دعم اللغات (وثائق المورد، إحصاؤنا) |
| إدراجات أصوات Polly في متغيرات الإنجليزية | 35 من 123 (28.5%) | Amazon، الأصوات المتاحة في Polly (وثائق المورد، إحصاؤنا) |
| أصوات Aura-2: الإنجليزية مقابل الإسبانية مقابل الفرنسية | 41 مقابل 17 مقابل 2، من أصل 90 صوتا في 7 لغات | Deepgram، وثائق نماذج TTS (وثائق المورد، إحصاؤنا) |
| أصوات Kokoro-82M بالإنجليزية الأمريكية والبريطانية | 28 من 54 (51.9%)، مقابل صوت واحد للفرنسية | Hexgrad، قائمة أصوات Kokoro-82M (وثائق المشروع) |
| إدخالات Google Cloud للهندية (الهند) مقابل الآيسلندية | 46 (30 من Chirp 3: HD، و4 من Neural2، و6 من Standard، و6 من WaveNet) مقابل صوت Standard واحد | Google Cloud، قائمة الأصوات (وثائق المورد، إحصاؤنا) |
| الأصوات المدمجة في OpenAI على نقطة نهاية الكلام | 13، وتصفها الوثائق بأنها «محسّنة حاليا للإنجليزية» | OpenAI، دليل تحويل النص إلى كلام (ادعاء المورد) |
تُظهر قائمة أصوات Cloud لماذا تهم المستويات أيضا: فإدخالات Chirp 3: HD الثلاثون للهندية تأتي من مجموعة أصوات مشتركة واحدة، وتحتفظ اللغات خارج تلك المجموعة بأنواع أصوات أقدم. ويأتي إحصاء Polly من جدول الأصوات، حيث تتكرر 4 أسماء لأنها ثنائية اللغة، فيبقى 119 اسما مميزا.
4. مستويات الميزات: الإدراج لا يعني التكافؤ
إجمالي الكتالوج هو أوسع رقم يمكن للمورد ذكره، وكل ميزة متقدمة تقع على مجموعة فرعية أصغر. يصل المحرك التوليدي في Polly إلى 25 من 42 متغيرا، والماندرين واليابانية والعربية والروسية من بين الـ 17 المستبعدة.
تُظهر Azure التضييق نفسه. فإعداداتها الإقليمية الـ 154 تنخفض إلى 102 إدخال للفيزيمات (بيانات شكل الفم المستخدمة لتحريك الوجه) و42 للنقل عبر اللغات (جعل صوت مخصص ينطق بلغة ثانية). على الفرق التي تخطط لإطلاق متعدد اللغات أن تتحقق من الميزة لا من اللغة. أما السرعة والسعر لكل نموذج فسؤال منفصل، نتناوله في إحصائيات تكلفة استدلال TTS لدينا.
| المقياس | القيمة | المصدر |
|---|---|---|
| الإعدادات الإقليمية في Azure بحسب الميزة: الأصوات الجاهزة / إدخالات الفيزيمات / الصوت المخصص الاحترافي / الصوت الشخصي / مصدر النقل عبر اللغات | 154 / 102 / 68 / 65 / 42 | Microsoft، جدول دعم اللغات (وثائق المورد، إحصاؤنا) |
| متغيرات Polly التي لها صوت توليدي واحد على الأقل مقابل صوت للمحتوى الطويل واحد على الأقل | 25 من 42 (59.5%) مقابل 2 من 42 (الإنجليزية الأمريكية، الإسبانية في إسبانيا) | Amazon، الأصوات المتاحة في Polly (وثائق المورد، إحصاؤنا) |
| متغيرات Polly التي تقدم محرك الصوت القياسي فقط | 6 من 42، منها الروسية والرومانية والآيسلندية | Amazon، الأصوات المتاحة في Polly (وثائق المورد، إحصاؤنا) |
| صفوف جدول Gemini المدعومة في Flash TTS مقابل Flash-Lite TTS | 132 مقابل 103؛ الفنلندية والسويدية والتايلاندية والسواحيلية من بين الـ 29 غير المتوفرة في Flash-Lite | Google، وثائق توليد الكلام في Gemini API (وثائق المورد، إحصاؤنا) |
| لغات Personal Voice لدى Apple مقابل إدخالات قائمة الكلام لإمكانية الوصول | 3 مقابل 75 على iOS 27 | Apple، توفر ميزات iOS (وثائق المورد) |
فجوة Apple هي الأوضح: فـصفحة توفر الميزات لديها تسرد Personal Voice للإنجليزية الأمريكية والماندرين في البر الرئيسي والإسبانية المكسيكية فقط.
5. النماذج المفتوحة: مدى واسع بشروط
يضم الجانب المفتوح أوسع رقم في هذا الاستعراض. بلغ MMS-TTS 1,107 لغة، أي نحو 8.5 أضعاف الـ 130 المزعومة لـ Gemini (1,107 / 130)، ونحو 11 ضعفا لنحو 100 لغة كانت تغطيها تقنية الكلام قبله (1,107 / 100).
كان للاتساع ثمن. دربت ورقة MMS نموذج VITS منفصلا لكل لغة، في الغالب من تسجيلات بمتحدث واحد لنصوص دينية، وتذكر بطاقة نموذجها ترخيصا غير تجاري. وأنفع نتائجها إقليمي: فقد كان تراجع الجودة أشد في أفريقيا، ويعزوه المؤلفون «جزئيا» إلى الخطوط الكتابية.
يعني معدل خطأ الحروف هنا أن مُتعرِّفا على الكلام ينسخ الصوت الاصطناعي وتُحصى الأخطاء، لذا فالأقل أفضل. وهو يقيس ما إذا كانت الكلمات تصل سليمة لا ما إذا كان الكلام يبدو طبيعيا؛ وللجانب الآخر راجع إحصائيات النبرة والتنغيم في تحويل النص إلى كلام العصبي لدينا.
| المقياس | القيمة | المصدر |
|---|---|---|
| تغطية MMS-TTS للغات وترخيصه | 1,107 لغة (15.4% من 7,170)، CC-BY-NC 4.0 | Pratap وآخرون (Meta AI)، ورقة MMS 2023؛ بطاقة نموذج Hugging Face |
| لغات MMS التي بلغت معدل خطأ حروف 5 أو أقل في الكلام الاصطناعي | 945 من 1,107 (85%) | Pratap وآخرون (Meta AI)، ورقة MMS 2023 |
| حصة لغات MMS التي بلغت هذه العتبة، بحسب المنطقة | أفريقيا 76% (277 من 363)، آسيا 88%، أمريكا الشمالية 87%، المحيط الهادئ 90%، أمريكا الجنوبية وأوروبا 95% | Pratap وآخرون (Meta AI)، ورقة MMS 2023 |
| معدل خطأ حروف MMS، الكلام الاصطناعي مقابل الكلام البشري المرجعي؛ ومتوسط درجات الرأي (من 1 إلى 5) في 61 لغة | 3.5 ±0.2 مقابل 2.2 ±0.1؛ 3.52 للكلام الاصطناعي مقابل 3.33 للصوت البشري المرجعي خارج بيانات التدريب، وهي فجوة يعزوها المؤلفون إلى ضوضاء التسجيلات المرجعية | Pratap وآخرون (Meta AI)، ورقة MMS 2023 |
| اللغات المستهدفة في SeamlessM4T: مخرجات الكلام مقابل مخرجات النص | 36 مقابل 96 | فريق SEAMLESS Communication (Meta)، Nature 2025 |
| مُركِّب الكلام eSpeak NG القائم على القواعد | أكثر من 100 لغة ولهجة | ملف README لمشروع eSpeak NG |
| قائمة أصوات Piper | 37 لغة، و42 إدخال إعداد إقليمي؛ أُرشف المستودع في 6 أكتوبر 2025 | Rhasspy، Piper VOICES.md |
| Chatterbox Multilingual مقابل XTTS-v2 | 23+ مقابل 17 لغة | Resemble AI، مستودع Chatterbox؛ Coqui، بطاقة نموذج XTTS-v2 |
أحدث البيانات المتاحة لجودة التركيب على مستوى اللغة: Pratap وآخرون، 2023. وتسرد النماذج المفتوحة الأحدث في هذا الجدول لغات أقل بكثير. وتُظهر ورقة SeamlessM4T اللاتناظر نفسه داخل نموذج واحد: فهو يقرأ ويكتب لغات أكثر بكثير مما ينطق.
6. أفريقيا والهند: حيث تصبح الفجوة محددة
تكشف الحصائل الإقليمية ما تخفيه الإجماليات العالمية. يضم جدول Gemini 22 لغة من أفريقيا، وجدول Azure 5، ولا تسرد Polly وApple أي لغة سوى الإنجليزية الجنوب أفريقية، في حين تضم أفريقيا جنوب الصحراء الكبرى وحدها أكثر من 2,000 لغة متمايزة (Google Research، WAXAL 2026).
تُظهر اليوروبا أن الفجوة لا تتعلق بالبيانات وحدها. فهي موجودة في مدونتي WAXAL وBibleTTS المفتوحتين، لكن لا إدخال لها في جداول Azure وPolly وChirp 3: HD وGemini التي قرأناها. وجود بيانات عامة لا يعني أن منصة أطلقت صوتا.
تروي الهند قصة أفضل، لأن مجموعة بيانات واحدة سدت ثغرة معروفة. فقد توقفت مجموعات البيانات السابقة عند 14 من اللغات المقررة الـ 22، بحسب ورقة IndicVoices-R، وغالبا بمتحدث أو متحدثين لكل لغة. وقد تحتاج المجتمعات الصغيرة إلى أقل مما هو متوقع: فقد شكك Pine وزملاؤه في الافتراض القائل إن التركيب العصبي يتطلب مجموعات بيانات كبيرة.
| المقياس | القيمة | المصدر |
|---|---|---|
| لغات من أفريقيا باستثناء أصناف العربية: Gemini Flash TTS / Gemini Flash-Lite TTS / Azure / Chirp 3: HD / Polly / Apple | 22 / 13 / 5 / 1 / 0 / 0 | كتالوجات Google وMicrosoft وAmazon وApple (وثائق المورد، حصرنا) |
| لغات WAXAL-TTS والساعات المسجلة | 17 لغة؛ أكثر من 180 ساعة في بطاقة مجموعة البيانات، وأكثر من 235 في الورقة، وأكثر من 565 في منشور المدونة | Google Research، بطاقة مجموعة بيانات WAXAL وورقتها ومدونتها 2026 |
| تسجيلات BibleTTS بجودة الاستوديو لتركيب الكلام الأفريقي | 10 لغات، حتى 86 ساعة لكل لغة عند 48 kHz | Meyer وآخرون، Interspeech 2022 |
| اللغات الهندية المقررة الـ 22 المدرجة: Apple / Gemini Flash TTS / Azure / Chirp 3: HD / Polly | 18 / 17 / 13 / 10 / 1 | كتالوجات Apple وGoogle وMicrosoft وAmazon (وثائق المورد، حصرنا) |
| بيانات التركيب الهندية السابقة: IndicTTS | 284 ساعة، و27 متحدثا، و14 لغة | AI4Bharat، ورقة IndicVoices-R 2024 |
| مدونة IndicVoices-R لتركيب الكلام | 1,704 ساعة، و10,496 متحدثا، و22 لغة | AI4Bharat، ورقة IndicVoices-R 2024 |
| مدونة كلام Kanien’kéha بعد قرار مجتمعي باستبعاد تسجيلات متحدثين رحلوا عن الحياة | 3.46 ساعة محتفظ بها من 24 ساعة مسجلة | Pine وآخرون 2022، كما أوردها Nigatu وآخرون 2024 |
| نموذج FastSpeech2 على ساعة واحدة من الإنجليزية مقابل Tacotron2 على 10 ساعات | طبيعية صوتية مماثلة | Pine وآخرون، ACL 2022 |
أحدث البيانات المتاحة لـ BibleTTS ولنتائج Pine وآخرون: 2022. ويُنقل رقم Kanien’kéha في Nigatu وآخرون، وهو أنفع رقم في هذا الجدول: فقد كان قيد تلك المدونة هو الموافقة لا التقنية.
الخلاصة: تغطية اللغات والأصوات في تحويل النص إلى كلام بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| اللغات المستخدمة في العالم | 7,170 | Ethnologue، كم عدد اللغات 2026 |
| أشخاص لغتهم الأم إحدى أكبر 200 لغة | أكثر من 88% | Ethnologue 200، 2026 |
| رموز لغات عند المستويين الأعلى من الدعم الرقمي | 128 من 7,829 | Simons وThomas وWhite، COLING 2022 |
| لغات Gemini 3.8 Flash TTS | يُزعم دعم أكثر من 130 | Google، وثائق Gemini API (ادعاء المورد) |
| لغات Eleven v4 | 90+ | ElevenLabs، وثائق النماذج (ادعاء المورد) |
| رموز لغات Azure وإعداداتها الإقليمية | 82 و154 | Microsoft، جدول دعم اللغات (إحصاؤنا) |
| قائمة الكلام لإمكانية الوصول لدى Apple | 75 إدخالا | Apple، توفر ميزات iOS |
| لغات Amazon Polly ومتغيراتها | 25 و42 | Amazon، الأصوات المتاحة في Polly (إحصاؤنا) |
| إدخالات أصوات Azure: الإنجليزية الأمريكية مقابل الأمهرية | 118 مقابل 2 | Microsoft، جدول دعم اللغات (إحصاؤنا) |
| أصوات Aura-2 الإنجليزية | 41 من 90 | Deepgram، وثائق نماذج TTS (إحصاؤنا) |
| متغيرات Polly ذات الصوت التوليدي | 25 من 42 | Amazon، الأصوات المتاحة في Polly (إحصاؤنا) |
| لغات MMS-TTS | 1,107 | Pratap وآخرون (Meta AI)، ورقة MMS 2023 |
| لغات MMS الأفريقية ذات معدل خطأ حروف 5 أو أقل | 277 من 363 (76%) | Pratap وآخرون (Meta AI)، ورقة MMS 2023 |
| أصوات Kokoro-82M بالإنجليزية الأمريكية والبريطانية | 28 من 54 | Hexgrad، قائمة أصوات Kokoro-82M |
| مدونة IndicVoices-R | 1,704 ساعة، 22 لغة | AI4Bharat، ورقة IndicVoices-R 2024 |
| مدونة كلام Kanien’kéha: المحتفظ به مقابل المسجل | 3.46 مقابل 24 ساعة | Pine وآخرون 2022، كما أوردها Nigatu وآخرون 2024 |
المنهجية والمصادر
قُرئت جميع صفحات الموردين في 31 أكتوبر 2026. الأرقام الموسومة بعبارة «إحصاؤنا» أو «حصرنا» هي أعدادنا الخاصة لجداول منشورة؛ وتبقى ادعاءات من الموردين بشأن ما يُعرض، لا اختبارات مستقلة بأن كل صوت يعمل جيدا.
- Ethnologue (SIL Global): كم عدد اللغات، Ethnologue 200، الأسئلة الشائعة حول اللغات غير المكتوبة.
- Simons وThomas وWhite: Assessing Digital Language Support on a Global Scale، COLING 2022.
- Microsoft: دعم اللغات والأصوات في Azure Speech، نظرة عامة على تحويل النص إلى كلام.
- Google: توليد الكلام في Gemini API، قائمة أصوات Cloud، Chirp 3: HD، مدونة WAXAL، ورقة WAXAL، بطاقة مجموعة بيانات WAXAL.
- Amazon: الأصوات المتاحة في Polly.
- Apple: توفر ميزات iOS.
- وثائق الموردين: نماذج ElevenLabs، نماذج TTS لدى Cartesia، نماذج TTS لدى Deepgram، أصوات IBM، دليل OpenAI لتحويل النص إلى كلام.
- Meta: ورقة MMS، بطاقة نموذج MMS-TTS، SeamlessM4T في Nature.
- مشاريع مفتوحة: أصوات Kokoro-82M، أصوات Piper، eSpeak NG، Chatterbox، XTTS-v2.
- أبحاث: BibleTTS، Meyer وآخرون، IndicVoices-R، Pine وآخرون، ACL 2022، Nigatu وآخرون، Zeno’s Paradox of Low-Resource Languages.
- ملاحظة حول البيانات: تتغير كتالوجات الموردين دون إشعار، لذا تعامل مع كل رقم بوصفه لقطة آنية. تكرر إدخالات Azure الشخصيات الصوتية نفسها عبر مستويات الجودة، وتتضمن مجموعة الإنجليزية الأمريكية إدخالات متعددة المتحدثين سُميت بالفرنسية والصينية. يضم جدول Gemini 132 صفا، لكن 5 لغات تظهر مرتين بحسب الخط الكتابي، فيبقى 127 اسما، ولم نرَ على الصفحة أي بيانات جودة لكل لغة. تظهر السواحيلية في جدول Chirp 3: HD لكننا لم نجدها في قائمة الأصوات الأوسع، لذا قد يكون إحصاء الرموز الـ 53 ناقصا بواحد. وتورد الأسئلة الشائعة حول أنظمة الكتابة لدى Ethnologue رقما من الطبعة الـ 28 تحت استشهاد بالطبعة الـ 29، ويستخدم Simons وآخرون 7,829 رمز ISO بدلا من 7,170 لغة حية، لذا فالمقامان غير قابلين للتبادل. وتتعارض مصادر WAXAL الثلاثة (27 لغة وأكثر من 565 ساعة في المدونة، و24 لغة وأكثر من 235 ساعة في الورقة، و17 لغة تركيب وأكثر من 180 ساعة في البطاقة). وتقول ورقة SeamlessM4T إن في نتائجها 36 لغة كلام، لكنها تذكر «35 في صيغة الكلام» في منهجيتها. ويذكر دليل OpenAI أن عدد الأصوات المدمجة 11 و13 معا، ويورد أن نماذج الكلام الحالية لديها ستتوقف في 6 يناير 2027. وتجمع قائمة Apple ثلاث ميزات تحت عنوان واحد. وحصائلنا الإقليمية مطابقات لأسماء اللغات لا تدقيقات لغوية، وتستخدم المقارنتان 8.5 أضعاف و15.4% الإجمالي 7,170 وادعاء أكثر من 130، لذا فكلتاهما تقريبية.
آخر تحديث: 31 أكتوبر 2026. نحدّث هذا الاستعراض كل ثلاثة أشهر، ومن المتوقع أن يصدر التحديث التالي عندما تنشر Ethnologue طبعتها الثلاثين.