רוב כלי הקול ב־AI נשברים בעברית, וזה המחיר

עברית קשה שפה, ובאודיו היא שוברת מודלים סדרתית. רואים דמו מבריק באנגלית, מקלידים פסקה קצרה לפרויקט, ומקבלים רובוט משנות האלפיים שמגמגם שמות וממציא הברות. באינדקס קול ומוזיקה רשומים כבר 80 כלים שונים, אבל רוב הרשימות ברשת מתעלמות מהמציאות המקומית. עכשיו, כשכל עסק רוצה פודקאסט, מענה טלפוני או פסקול מקורי, כדאי לבדוק מה מתוך זה שמיש כאן.

המרחק בין הבטחה שיווקית לקובץ שמע שעובד בפועל נמדד בשניים: איכות ההגייה ומודל התמחור. מי שמחפש רקע מוזיקלי נתקל במלכודות זכויות יוצרים, ומי שצריך קריינות מגלה שכל ניסיון לתקן מילה עולה כסף אמיתי.

עברית שוברת את הדיבור

עברית היא המבחן האמיתי כאן, כי מודל שנשמע מצוין באנגלית עשוי לשבור שיניים על שווא נע. הפלטפורמה המוכרת ביותר בתחום היא ElevenLabs, שמצהירה באתר הרשמי ElevenLabs על תמיכה ביותר מ־70 שפות. בפועל, החברה מציעה איכות דיבור טבעית באנגלית עם שליטה בהפסקות נשימה ואינטונציה, אבל בעברית התוצאה מוגבלת. הטעמת המילים לעיתים שגויה, קריאת ראשי תיבות נכשלת, ומשפטים מורכבים דורשים עריכה ידנית מתישה.

מהעבר השני עומדת Azure AI של מיקרוסופט. התשתית הזו, שמופעלת דרך Azure Speech, כוללת תמיכה מוצהרת ביותר מ־100 שפות יחד עם גישה ישירה אל OpenAI Whisper. היתרון הגדול הוא היציבות בעברית, אבל מדובר בכלי תשתיתי נטו. אין כאן אפליקציה פשוטה, אלא עבודה מול שרתי ענן ומחשבוני עלויות מורכבים.

מי שמחפש קיצורי דרך חינמיים מגיע מהר אל AI Voice Generator. האתר, שפועל בכתובת AI Voice Generator, מציע תיבת טקסט פשוטה ואחד עשר קולות מוכרים כמו Alloy ו־Echo. באנגלית התוצאה נקייה, אך באתר אין שום מידע על תמיכה בשפות שאינן אנגלית או בקריאת אותיות עבריות. הוא לא דורש הרשמה, אבל גם לא נותן מענה בעברית.

זה עובד רק דרך קוד.

בלי קוד אין כניסה

חלק גדול מכלי האודיו המתקדמים אינם מיועדים למשתמשי קצה, והניסיון להפעיל אותם ללא רקע טכני פשוט יבזבז לכם את הזמן. דוגמה בולטת לכך היא LeMUR מבית AssemblyAI, הזמין דרך AssemblyAI. הכלי מיועד לתמלול אודיו, ניתוח טקסט והפעלת סוכני שיחה בזמן אמת. שולחים הקלטות או מזרימים שמע בשידור חי דרך WebSocket באמצעות קוד Python, ומקבלים תמליל מדויק עם זיהוי דוברים וחותמות זמן.

התמחור של LeMUR מחושב לפי שעה: 0.15 דולר לשעת תמלול במודל Universal-2, ו־0.21 דולר לשעה במודל Universal-3.5 Pro. סוכן קולי מלא עולה 4.50 דולר לשעה. אלא שיש כאן כוכבית: מודל הפרו תומך כרגע ב־18 שפות נבחרות בלבד, ועברית אינה נכללת בהן. כדי לעבד עברית תצטרכו לחזור לדגם Universal-2 שתומך ב־99 שפות, ושם איכות התוצאה דורשת בדיקה זהירה. ללא מפתח API וידע בכתיבת קוד, אי אפשר להשתמש במערכת.

גישה שונה מציג הפרויקט Magenta של גוגל, שפועל באתר Magenta. מדובר בפרויקט קוד פתוח חינמי ברישיון Apache 2.0, ללא שום ממשק רשת או מנוי חודשי. חבילת Magenta Studio עובדת כתוספים לתוכנת Ableton Live או כיישומים עצמאיים, ורכיב Magenta RealTime 2 מריץ מנוע סינתזה ישירות על המחשב. הפרויקט מאפשר לייצר מקצבים, לשנות אופי של כלים בזמן אמת עם תוסף DDSP-VST, ולהתחבר אל Lyria RealTime API. אם אתם לא מפיקים מוזיקליים שעובדים עם מקלדות שליטה וקוד פייתון, אין לכם מה לחפש שם.

המלכוד של המוזיקה החינמית

ביצירת מוזיקה ברשת, המחיר החינמי כמעט תמיד מסתיר הגבלות משפטיות. הכלי AIVA, שפועל בכתובת AIVA, מתמחה בהלחנת מוזיקה תזמורתית וקלאסית עם יותר ממאתיים וחמישים סגנונות. הייחוד שלו הוא היכולת לייצא קובצי MIDI מלאים ולערוך את התווים עצמם בתוך עורך ייעודי, מה שמתאים למלחינים שרוצים שליטה במבנה האקורדים.

אבל תנאי הרישיון ב־AIVA דורשים ערנות. במסלול החינמי מקבלים רק 3 הורדות בחודש באורך של עד 3 דקות, זכויות היוצרים שייכות לחברה בלבד, וחל איסור להרוויח מהיצירה. מסלול Standard עולה 11 אירו לחודש בחיוב שנתי ומאפשר מונטיזציה ברשתות חברתיות, אך עדיין משאיר את הבעלות אצל AIVA. רק מסלול Pro, שעולה 33 אירו לחודש (בחיוב שנתי לפני מעמ), מעניק בעלות מסחרית מלאה לצד ייצוא קובצי WAV איכותיים.

דגם דומה פועל גם בפלטפורמת Mubert, הזמינה באתר Mubert. השירות מייצר רצועות רקע, לופים וג'ינגלים מתוך מאגר דגימות שהוקלטו על ידי מפיקים אנושיים, ואף מאפשר להזרים מוזיקה רציפה. לפי החברה, מסלול Ambassador החינמי מעניק 25 יצירות בחודש ו־5 הורדות MP3, אך מחייב מתן קרדיט מלא ושולל שימוש מסחרי. כדי להשתמש במוזיקה בסרטוני תדמית או במוצרים מסחריים, תצטרכו לשלם לפחות 39 דולר לחודש. עריכה מתקדמת של ערוצים ושינוי סולמות נשמרים למסלולים היקרים בלבד.

החשבון קופץ מהר.

בור התקציב של הארגונים

במעבר למערכות מקצועיות, מודל התמחור משתנה מחיוב על תוצאה מוגמרת לתשלום על תהליך העבודה. ב־ElevenLabs, למשל, התשלום נגזר ממספר התווים שהמרתם. כשצריך לדייק משפט בעברית, לרוב נדרשים ארבעה או חמישה ניסיונות יצירה עד שמגיעים לאינטונציה הנכונה. כל לחיצה כזו שורפת תווים מחבילת המנוי, בלי שום זיכוי על ניסיונות כושלים.

עבור ארגונים שזקוקים לשכפול קול מאובטח, הפלטפורמה Resemble AI מציעה זווית אחרת באתר Resemble AI. החברה משלבת יצירת דיבור יחד עם זיהוי דיפ־פייק, סימון מים סמוי בשם PerTh ובדיקת חותמות SynthID. המערכת יודעת לשכפל קול אנושי מתוך הקלטה של 4 שניות ולהתממשק למרכזיות טלפוניות.

העלויות כאן שונות לחלוטין מכל כלי ביתי. מסלול הבסיס Flex אמנם פועל ללא מנוי חודשי, אך גובה 0.03500 דולר לכל שנייה של ניתוח אודיו ו־0.07000 דולר לשנייה של וידאו. מנוי צוות Team מתחיל ב־280 דולר לחודש (בחיוב שנתי מראש, או 350 דולר בתשלום חודשי), ואילו מסלול Business מטפס ל־800 דולר לחודש בשנה. הממשק פועל באנגלית בלבד, ואין פירוט לגבי איכות העברית. לעסק קטן מדובר בהוצאה מיותרת.

איך לבחור בלי לבזבז

אם אתם צריכים קריינות של משפט או שניים באנגלית למצגת פנימית, AI Voice Generator יסגור לכם את הפינה בדקה אחת בלי שתצטרכו להירשם או להזין כרטיס אשראי. עבור כל עבודה אחרת הוא פשוט לא מתאים.

לקריינות עסקית או פרסומית שכוללת עברית, ElevenLabs נשאר האפשרות הזמינה ביותר בממשק גרפי, בתנאי שתקחו בחשבון עבודה ידנית על הניקוד ותקציב כפול עבור תווים שיישרפו בניסיונות. לא הייתי בונה עליו לפודקאסט שלם בעברית.

ליוצרי וידאו שמחפשים פסקול רקע נקי, Mubert הוא בחירה פרקטית לרצועות אלקטרוניות מהירות, כל עוד משלמים על מסלול מסחרי של 39 דולר. אם אתם זקוקים למוזיקה קלאסית עם ייצוא MIDI ועריכת תווים בתוכנת עריכה, לכו ישירות על מסלול ה־Pro של AIVA ב־33 אירו לחודש. המסלולים החינמיים של שניהם מתאימים לניסויים בלבד ולא לעבודה מול לקוחות.

מפתחים שמתכננים להטמיע סוכני שיחה, מרכזיות קוליות או תמלול שיחות בעברית צריכים לפנות ישירות אל Azure AI של מיקרוסופט, שם התמיכה הלשונית רחבה יותר. LeMUR מציע תשתית מצוינת לפייתון, אך חוסר התמיכה של דגם הפרו בעברית פוסל אותו כרגע עבור רוב המערכות המקומיות. מוזיקאים ומפיקים שרוצים לחקור סינתזה חיה יעדיפו את Magenta על המחשב המקומי בלי לשלם דולר אחד.

הכרטיס עדיין בכיס, ומוטב שיישאר שם עד שהדמו ידבר בשפה שלכם.