Simba 3.5 مقابل Eleven v4: لوحتا الصدارة تختلفان، وواحدة فقط منهما تخص منتجك

ضع SpeechifyAI Simba 3.5 وElevenLabs Eleven v4 على الطاولة نفسها، وستعتمد النتيجة كليًا على لوحة Artificial Analysis التي تقرأها. في Controlled Voice — الأصوات المرجعية الثمانية المستنسخة نفسها لكل مشارك — يكون Simba 3.5 في المركز الأول عند 1,192 وEleven v4 في المركز السابع عند 1,155، أي فارق قدره 37 نقطة لا تتلامس فتراته. وفي Provider Voice — مجموعة الأصوات الخاصة بكل بائع — يكون Eleven v4 في المركز الأول عند 1,340 وSimba 3.5 في المركز الخامس عند 1,294، أي فارق قدره 46 نقطة في الاتجاه الآخر، مع فصل واضح أيضًا. لا يوجد خطأ في أي من الرقمين. إنهما يقيسان منتجين مختلفين، والرقم الذي ينبغي أن تثق به يتحدد بسؤال عن حزمة التقنيات لديك لا عن أي من البائعين.

المجلسان، ولماذا يختلفان إلى هذا الحد تمامًا

يثبّت «Controlled Voice» المتحدّث. ويستنسخ Artificial Analysis أربعة أصوات أمريكية وأربعة بريطانية، ويجعل كل نموذج ينطق السطور نفسها بتلك الأصوات نفسها، لذا فإن المستمع الذي يقارن عيّنتين لا يسمع سوى جودة التوليف. أما «Provider Voice» فيتيح لكل مورّد طرح أصواته الخاصة، ما يعني أن المستمع يحكم على النموذج وطاقم الأصوات معًا — طابع الصوت واللهجة وخيارات الأداء التي انتقاها المورّد.

أمضت ElevenLabs سنوات في بناء طاقم الأصوات هذا. فهو الجزء من الشركة الذي ليس نموذجًا على الإطلاق، وهو السبب في أن لوحة المزوّدين تضم Eleven v4 وEleven v4 Turbo في المركزين الأولين، بفارق 32 عيّنة واضح يفصلهما عن البقية. وإذا أزلت طاقم الأصوات، يهبط Eleven v4 إلى المركز السابع. أما وضع Speechify فهو الصورة المعكوسة: الخامس بأصواته الخاصة، والأول بدونها.

• صوت مضبوط — SpeechifyAI Simba 3.5 المرتبة 1، Elo 1,192، الفاصل من 1,175 إلى 1,209، 1,783 عينة

• الصوت المُتحكَّم فيه — ElevenLabs Eleven v4 المرتبة 7، Elo 1,155، الفاصل 1,143 إلى 1,167، 3,221 عينة

• الصوت المُتحكَّم به — ElevenLabs Eleven v4 Turbo المرتبة 6، تصنيف Elo 1,156، الفاصل 1,144 إلى 1,168، 3,327 عينة

• صوت المزوّد — ElevenLabs Eleven v4 المرتبة 1، إيلو 1,340، الفاصل 1,325 إلى 1,355، 2,742 عينة

• صوت المزوّد — ElevenLabs Eleven v4 Turbo المرتبة 2، Elo 1,339، الفاصل 1,323 إلى 1,355

• صوت المزوّد — SpeechifyAI Simba 3.5 المرتبة 5، Elo 1,294، الفاصل من 1,277 إلى 1,311، 1,732 عينة

صوت المزوّد — Alibaba Qwen-Audio-3.1-TTS-Plus في المرتبة الثالثة بـ1,300، بين الاثنين على تلك اللوحة.

كلا الفارقين أكبر من الفترتين المحيطتين بهما، لذا لا يُعد أي من الترتيبين مسألة حظ. فوز Simba 3.5 بفارق 37 نقطة في Controlled Voice وفوز Eleven v4 بفارق 46 نقطة في Provider Voice هما قياسان حقيقيان لشيئين مختلفين. هذا غير معتاد — إذ تظهر معظم أزواج النماذج بالاتجاه نفسه على كلتا اللوحتين — وهو كامل مضمون هذه المقارنة.

السؤال الذي يحسم الأمر

إذا كان منتجك يشحن أي صوت اختاره المورّد — صوت مساعد افتراضي، أو مسار سرد جاهز، أو صوت واحد موحّد عبر تطبيق — فأنت تشتري ما قاسه {{Provider Voice}}، ويفوز {{Eleven v4}} في ذلك بفارق 46 نقطة. وإذا كان منتجك يتيح للمستخدمين اختيار صوت، أو استنساخ صوتهم الخاص، أو إحضار صوت علامة تجارية ثابت إلى كل لغة، فأنت تشتري ما قاسه {{Controlled Voice}}، ويفوز {{Simba 3.5}} في ذلك بفارق 37 نقطة.

ثمة اختبار عملي يحسم الأمر في ظهيرة واحدة: خذ ثلاث دقائق من تسجيلك المرجعي الخاص، واستنسخه على المنصتين، ثم استمع. النموذج الذي يتصدر اللوحة المضبوطة هو نموذج يتعامل جيدًا مع صوت غير مألوف. أما النموذج الذي يتصدر لوحة المزوّد فهو نموذج لديه ذوق جيد في الأصوات. هاتان مهارتان مختلفتان، ولا يحتاج عبء عملك إلا إلى واحدة منهما.

السعر ليس قريبًا، وليس هو القصة كاملةً أيضًا.

يُدرج Eleven v4 بسعر 0.08 دولار لكل ألف حرف، أي 80 دولارًا لكل مليون حرف. وهذا هو السعر المذكور على صفحة أسعار واجهة برمجة التطبيقات الخاصة بـ ElevenLabs، وهو الرقم الذي تورده Artificial Analysis عن هذا الطراز؛ وقد انتهت الفترة الترويجية التي استمرت حتى منتصف أكتوبر، لذا فإن 80 دولارًا هو السعر الثابت وليس أثرًا من آثار الإطلاق. أما Eleven v4 Turbo فيبلغ نصف ذلك، أي 40 دولارًا لكل مليون.

تُدرج Simba 3.5 بأسعار 15 دولارًا و12 دولارًا و10 دولارات لكل مليون حرف عبر Starter وPro وScale — وهو خفض من 20 دولارًا و16 دولارًا و12 دولارًا التي أُطلقت بها في 21 أكتوبر. وحتى 21 نوفمبر 2026، تُحاسب بأسعار الطرازات الأقدم بدلًا من ذلك: 10 دولارات و8 دولارات و6 دولارات. وبعد 22 نوفمبر، تُطبّق القائمة الجديدة ولا يُطبّق العرض.

• Eleven v4 — $80.00 لكل مليون حرف، سعر القائمة، لا يوجد عرض ترويجي نشط

Eleven v4 Turbo — 40.00 دولارًا لكل مليون حرف

• Simba 3.5 — 15.00 دولارًا لـ Starter، و12.00 دولارًا لـ Pro، و10.00 دولارات لـ Scale لكل مليون حرف، اعتبارًا من 22 نوفمبر

• Simba 3.5 — 10.00 دولارات، و8.00 دولارات، و6.00 دولارات لكل مليون حرف حتى 21 نوفمبر

• Simba 3.2 وSimba 3.0 — دون تغيير بأسعار 10$ و8$ و6$ على نفس الخطط

عند خمسة ملايين حرف شهريًا — نحو مئة ساعة من الكلام المُنجَز — تكلّف Eleven v4 مبلغ 400 دولار، وتكلّف Simba 3.5 ما بين 50 و75 دولارًا حسب الخطة والتاريخ. أي بمعامل يتراوح بين خمسة وثمانية. وأي شخص يستشهد بسعر 6.58 دولار الوارد في لوحة الصدارة لـ Simba 3.5 إنما يستشهد بسعر مضمَّن في خطة لا يطابق قائمة Speechify المنشورة؛ اعتمد في الميزانية على جدول الفئات أعلاه.

اللغات: 48 ضمن معرّف واحد مقابل أكثر من 90

عند هذه النقطة، لم تعد المقارنة تعادلًا بل تتحول إلى قرار توجيه. يتحدث Simba 3.5 ثمانيًا وأربعين لغة تحت معرّف نموذج واحد، ارتفاعًا من ست لغات كان Simba 3.0 يغطيها، وكل صوت في الكتالوج — بما في ذلك صوت مستنسخ — يتحدث اللغات الثماني والأربعين كلها بمعرّف الصوت نفسه. الإستونية والكانتونية غير مدرجتين صراحةً في القائمة. يغطي Eleven v4 أكثر من 90 لغة بحد أقصى قدره 10,000 حرف لكل طلب، وهو ما يعادل نحو عشر دقائق من الكلام قبل أن تضطر إلى التقسيم.

ثمانٍ وأربعون لغة كافية لمعظم خطوط المنتجات الأوروبية والأمريكية اللاتينية وشرق الآسيوية، وغير كافية لكتالوج عالمي حقًا. أما أكثر من تسعين لغة فهي كافية لـ«كل شيء تقريبًا»، وإذا كان مطلبك هو «كل بيئة محلية نبيع فيها»، فإن حجة الجودة تتوقف عن الأهمية — أحد هذين الخيارين يستطيع أداء المهمة والآخر قد لا يستطيع.

ثمة تحفّظ على 48 يذكره المورّد صراحةً وتتجاهله معظم التغطيات: الصوت يحتفظ بلكنة تسجيله المصدر. صوت أمريكي مستنسخ يتحدث اليابانية سيبدو كأمريكي يتحدث اليابانية. إرشادات Speechify نفسها هي البدء من الصوت المختار من فريق التحرير الأصلي لكل لغة، ولهذا يظهر staff_pick_rank الآن في voices endpoint. نقل الصوت عبر اللغات متاح؛ لكنه ليس خاليًا من اللكنة.

زمن الاستجابة والاستنساخ وشكل واجهة برمجة التطبيقات

تذكر Speechify زمنًا قدره 72 مللي ثانية للوصول إلى أول صوت عند المئين الخامس والتسعين لطلبات البث تحت حمل الإنتاج، وإنتاجية تبلغ 1.8 ضعف إنتاجية Simba 3.2 لكل نسخة خدمة. هذه أرقام المورّد، ولم يُعَد إنتاجها. ولا تنشر ElevenLabs رقمًا مماثلًا لـ Eleven v4 نفسه. أما الرقم الوحيد المقاس لزمن الاستجابة في وثائق Simba فهو أقدم وأضيق نطاقًا: Simba 3.2 عند وسيط قدره 56 مللي ثانية و102 مللي ثانية عند المئين التسعين لأول بايت من جهة الخادم، وقيس في شرق الولايات المتحدة في 15 سبتمبر 2026 — وهو مقياس مختلف عن زمن الوصول إلى أول صوت ولا يمكن نقله.

يُعد استنساخ الصوت بتقنية zero-shot وخدمة ذاتية على كلتيهما، مع اختلاف في الاحتكاك يهم على نطاق الفريق. يتوفر استنساخ Simba 3.5 في الخطط المدفوعة دون موافقة. وتقدم ElevenLabs نسخًا فوريًا انطلاقًا من عشر ثوانٍ من الصوت إلى جانب طبقتها الاحترافية للاستنساخ، كما أن التحقق من الموافقة لديها هو الأكثر تطورًا بين الاثنين — وهي نقطة لصالحها لأي شخص ينشر أصواتًا يقدمها المستخدمون.

أشكال الطلبات ليست قابلة للتبادل، وهذا جدير بمعرفته قبل كتابة طبقة تجريد. تتم المصادقة في Speechify باستخدام bearer token، ويُرسَل النص بوصفه input، والطراز بوصفه model، ولا يملك كائن voice_settings على الإطلاق. وتستخدم ElevenLabs ترويستها الخاصة وأسماء حقولها الخاصة. يدعم كلاهما البث؛ ودعم Speechify لـ SSML هو مجموعة فرعية، إذ تُطبَّق وسوم break وprosody rate وprosody pitch وprosody volume وsub alias، بينما تُقبَل وسوم emphasis وemotion لكنها تُتجاهَل.

حيث يساعد جهاز التوجيه فعليًا هنا

لا يوجد أي من الطرازين على OrcaRouter، ولا يزعم هذا المقال خلاف ذلك: يتم الوصول إلى خط Simba عبر واجهة برمجة التطبيقات الخاصة بـ Speechify، وخط ElevenLabs عبر واجهة ElevenLabs. ما نوجّهه فعلاً هو كتالوج التخليق الأصغر الذي يشكّل مجموعة ضابطة عادلة — openai/tts-1 بسعر 15.00 دولارًا لكل مليون حرف وopenai/tts-1-hd بسعر 30.00 دولارًا، وكلاهما بسعر القائمة لدى المزوّد دون أي إضافة.

لا يتعلق نقاش التوجيه في هذه المواجهة تحديدًا بالجودة، لأن إجابة الجودة منقسمة أصلًا. بل يتعلق بأن لوحتي التصنيف تختلفان، وأن الأسعار تتفاوت بمعامل يتراوح بين خمسة وثمانية، وأن كلتا الحقيقتين لا تصمدان إلا حتى صدور النموذج التالي. المنظومة التي تستطيع إرسال النص نفسه إلى مورّدين اثنين ومقارنة النتيجة على صوتها الخاص لديها إجابة تصمد أمام إعادة تشغيل لوحة الصدارة التالية؛ أما المنظومة المرتبطة ارتباطًا ثابتًا بأحدهما فعليها إعادة النظر في القرار كل ربع سنة. كما يغطي التحويل التلقائي عند الفشل الحالة التي لا يقيسها أحد في الاختبارات المعيارية — وهي حادثة من جانب المزوّد خلال أسبوع إطلاق.

حكم صادق، مع إبقاء ربطة العنق.

Eleven v4 هو النموذج الأفضل إذا كنت بحاجة إلى تغطية لغوية واسعة، أو طاقم أصوات منسّق لا يتعيّن عليك بناؤه، أو أكثر أدوات الموافقة والاستنساخ نضجًا، أو تصدُّرٍ في لوحة المزوّدين حافظ على القمة ضمن مجال يضم مئة نموذج. وهو يكلّف خمسة إلى ثمانية أضعاف، والسعر ليس ترويجيًا.

Simba 3.5 هو الطراز الأفضل إذا كانت أصواتك مملوكة لك — مستنسخة، أو مملوكة للعلامة التجارية، أو مختارة لكل سوق محلي — وإذا كانت 48 لغة تغطي الأسواق التي تبيع فيها فعلاً. إنه يتصدر لوحة الصدارة التي تُبقي المتحدث ثابتًا، وهي اللوحة التي تتنبأ بالأداء على صوت لم يسمعه المورّد من قبل. كما أنه بعد ثلاثة أسابيع من بدء جدول تسعير تغيّر مرة بالفعل، مع ترحيل معرّف الطراز المقرر في 21 نوفمبر، لذا فالسعر الذي تسجّل به ليس بالضرورة السعر الذي ستدفعه في ديسمبر.

ما لا تخبرك به أيٌّ من اللوحتين هو أيّهما يفضّله مستمعوك على محتواك. إنّ سبعًا وثلاثين نقطة في Elo فارقٌ ذو دلالة، وهو ليس بديلًا عن اختبار استماع على ثلاث دقائق من نصّك أنت بصوتك أنت. نفّذ ذلك الاختبار قبل أن تخصّص حجمًا لأيٍّ منهما.