أدوات بناء الوكيل الصوتي AI: منصات مستضافة أم مفتوحة المصدر؟

عندما تقرر أن يرد وكيل ذكاء اصطناعي AI Voice Agent على جزء من مكالمات مركز الاتصال، فأول سؤال يطرحه الفريق ليس «أي نموذج لغوي نستخدم؟»، وإنما «من يشغل كل قطعة من القطع الخمس؟»: الخط الهاتفي، وتحويل الصوت إلى نص، والنموذج اللغوي، وتحويل النص إلى صوت، والبرنامج الذي يربطها ببعض. فهناك منصات تأخذ القطع الخمس وتعطيك رقم هاتف وفاتورة بالدقيقة، وهناك أنظمة مراكز اتصال سحابية كاملة فيها وكيل آلي، وهناك أطر عمل مفتوحة المصدر تبني بها كل شيء على سيرفرك. وكل خيار من هذه يغير ثلاثة أشياء تهمك: التكلفة الشهرية، وأين يذهب صوت عملائك، ومدى دعم اللغة العربية.

المواضيع في السلسلة:

• كيف يرد وكيل الذكاء الاصطناعي AI Voice Agent على المكالمة؟
• أدوات بناء الوكيل الصوتي AI: منصات مستضافة أم مفتوحة المصدر؟ (الموضوع الحالي)
• وكيل صوتي AI بالعربية على Asterisk: نموذج محلي أم سحابي؟

وقد شرحنا في المقال الأول كيف تمر المكالمة بين هذه القطع، ولماذا يحسب كل جزء من الثانية، فلن نعيد ذلك هنا. وفي هذا المقال سوف نتناول:

• الطرق الثلاث لبناء الوكيل الصوتي، وأين يمر صوت المتصل في كل طريقة.
• المنصات المستضافة: Vapi وRetell AI وTwilio ConversationRelay، بأسعارها الرسمية ودعمها للعربية.
• أنظمة مراكز الاتصال السحابية: Amazon Connect مع Amazon Lex، ومحادثات Google في Dialogflow CX.
• أطر العمل مفتوحة المصدر: Pipecat وLiveKit Agents وjambonz، وطرق ربط Asterisk ببرنامجك مباشرة.
• مزودو الصوت والنماذج اللغوية الذين تختار منهم إذا بنيت بنفسك، وأيهم يدعم العربية فعلاً.
• حساب تكلفة الدقيقة، ومكان البيانات Data Residency، وكيف تختار.

ثلاث طرق لبناء الوكيل الصوتي

قبل أن ندخل في الأدوات، لنضع الخيارات كلها أمامنا، لأن المقارنة بين Vapi وPipecat مثلاً لا معنى لها إذا لم نعرف أن الأولى خدمة تدفع لها بالدقيقة والثانية مكتبة Python تشغلها أنت. والصورة التالية تبين الطرق الثلاث، ومسار صوت المتصل في كل منها:

1. المنصة المستضافة Hosted Voice Agent Platform: تعرف الوكيل في لوحة تحكم أو API، وتربطه برقم هاتف، والمنصة تشغل كل القطع، وبرنامجك يستقبل منها طلبات Webhook عندما يحتاج الوكيل معلومة مثل حالة الطلب. وأشهر أمثلتها Vapi وRetell AI وElevenLabs Agents.
2. نظام مركز الاتصال السحابي CCaaS: مثل Amazon Connect أو منظومة Google لمراكز الاتصال، وفيها الطابور والموظفون والتقارير والوكيل الآلي في مكان واحد، فإذا كان مركز اتصالك كله هناك أصلاً فالوكيل الآلي إضافة طبيعية.
3. البناء بنفسك Self-hosted: المقسم عندك، وإطار عمل مفتوح المصدر يربط القطع، ولكل قطعة تختار نموذجاً يعمل على سيرفرك أو خدمة سحابية تدفع لها حسب الاستخدام. وهذه الطريقة هي التي سوف نبنيها في مقال التجربة العملية.

وبين الطريقة الأولى والثالثة يوجد خيار وسط يستحق الانتباه، وهو أن تستأجر من مزود الخط الهاتفي التحويل بين الصوت والنص فقط، وتشغل أنت النموذج اللغوي ومنطق المحادثة، وهذا ما تقدمه Twilio في ConversationRelay كما سيأتي.

على ماذا نقارن؟

سوف نمر على كل أداة بالمعايير نفسها، حتى تستطيع أن تضعها في جدول واحد في النهاية:

• الرخصة License وطريقة التشغيل: هل هي خدمة سحابية فقط، أم يمكن تشغيلها على سيرفرك، وبأي رخصة؟
• السعر بالدقيقة Per-minute Pricing: وما الذي يدخل فيه وما الذي يحسب منفصلاً، لأن أغلب المنصات تعلن رسوماً صغيرة للمنصة ثم تضيف عليها النموذج والصوت والخط.
• دعم العربية: في التحويل من الصوت إلى نص Speech-to-Text، واختصاراً STT، وفي التحويل من النص إلى صوت Text-to-Speech، واختصاراً TTS. ولاحظ أن «يدعم العربية» في صفحات بعض الشركات تعني أن النموذج اللغوي يكتب بالعربية فقط، وهذا أسهل جزء.
• الربط بالمقسم: هل تستطيع إدخال المكالمات إليها من مقسمك أو من مزود الخط عبر SIP Trunk، كما شرحنا في مقال ربط المقسم بشبكة الهاتف؟
• ادعاءات سرعة الاستجابة: الرقم الذي تعلنه الشركة، وشروط قياسه إن ذكرتها.

المنصات المستضافة

Vapi

Vapi منصة للمطورين: تعرف الوكيل بملف إعداد أو من لوحة التحكم، وتختار لكل قطعة مزودها، فتأخذ التحويل إلى نص من Deepgram مثلاً، والنموذج من OpenAI أو Anthropic، والصوت من ElevenLabs أو Azure. وطريقة التسعير في صفحة الأسعار مثال واضح على ما ذكرناه: رسوم الاستضافة 0.05 دولار للدقيقة، ثم تكلفة كل مزود كما يحسبها المزود دون زيادة، وتكلفة الخط الهاتفي من مزود الخط. فالصفحة نفسها تقدر التحويل إلى نص من Deepgram بنحو 0.0095 دولار للدقيقة، والنموذج من OpenAI بين 0.0077 و0.0452 دولار، والصوت من ElevenLabs بين 0.0146 و0.0238 دولار، ومكالمة واردة عبر Twilio بنحو 0.008 دولار، وبالتالي تقترب الدقيقة الواحدة من 0.08 إلى 0.13 دولار. وتعلن Vapi في صفحتها الرئيسية متوسط سرعة استجابة أقل من 500 ملي ثانية، وهذا ادعاء منها لا تذكر شروط قياسه.

وتقبل Vapi المكالمات من أي مزود عبر SIP Trunk خاص بك BYO SIP Trunk، فتبقى أرقامك عند مزودك الحالي. أما العربية فلم نجد في صفحة اللغات ذكراً صريحاً لها، وإنما أعداد اللغات لكل مزود، لذلك تعتمد العربية هنا على المزود الذي تختاره لكل قطعة.

• نقاط القوة: مرونة في اختيار المزودين، وبداية سريعة، وربط مع مقسمك عبر SIP.
• نقاط الضعف: الصوت يمر بسيرفرات Vapi ثم بسيرفرات كل مزود، ولم نجد في صفحاتها خيار تشغيل على سيرفراتك، والمنطقة الأوروبية EU متاحة في الباقة الأعلى Premier فقط.

Retell AI

Retell AI قريبة من Vapi في الفكرة، ولكنها تجمع السعر في أرقام أوضح: في صفحة الأسعار محرك الصوت 0.055 دولار للدقيقة، والنموذج من 0.0016 دولار للدقيقة لأصغر نموذج إلى 0.384 دولار لأكبرها، والصوت 0.015 دولار للدقيقة لأغلب المزودين و0.04 إلى 0.10 دولار لأصوات ElevenLabs، والخط 0.015 دولار للدقيقة إذا أخذت الرقم منهم، ولا شيء إذا ربطت مقسمك عبر SIP. والمثال الذي تحسبه الصفحة نفسها 0.11 دولار للدقيقة. وتعطيك 20 مكالمة متزامنة مجاناً، وبعدها 8 دولارات شهرياً لكل مكالمة متزامنة إضافية، وهذا رقم مهم لمركز اتصال تأتيه المكالمات دفعة واحدة في ساعة الذروة.

والعربية في صفحة اللغات مذكورة صراحة بالرمز ar-SA فقط، مع قائمة بمزودي الصوت ومزودي التحويل إلى نص الذين يدعمونها. وتعلن الشركة سرعة استجابة نحو 600 ملي ثانية، وتذكر في صفحتها الرئيسية خيار التشغيل داخل بنيتك Enterprise On-prem لمتطلبات مكان البيانات، دون تفاصيل منشورة عن شروطه.

• نقاط القوة: تسعير واضح لكل قطعة، ودعم مكتوب للعربية السعودية، وربط SIP دون رسوم خط.
• نقاط الضعف: التشغيل داخل بنيتك متاح لعقود المؤسسات فقط، والمكالمات المتزامنة بعد العشرين تزيد التكلفة الثابتة.

Twilio ConversationRelay

هنا الفكرة مختلفة: ConversationRelay تتولى الصوت فقط، فتحول كلام المتصل إلى نص وترسله إلى برنامجك عبر WebSocket، وبرنامجك يرد بنص فتحوله إلى صوت. أي أن النموذج اللغوي ومنطق المحادثة والأدوات كلها عندك، بأي نموذج تريد. والسعر في صفحة أسعار الصوت في الولايات المتحدة 0.07 دولار للدقيقة لـ ConversationRelay، فوق سعر المكالمة نفسها، وهو 0.0085 دولار للدقيقة الواردة على رقم محلي أمريكي. وتعلن Twilio في صفحة المنتج وسيطاً أقل من 0.5 ثانية، وأقل من 0.725 ثانية عند 95% من الحالات p95، من اختباراتها الداخلية.

أما العربية فتحتاج انتباهاً: مزودو التحويل إلى نص في وثائق العنصر ConversationRelay هما Google وDeepgram، ومزودو الصوت Google وAmazon وElevenLabs. وفي قائمة أصوات Twilio أصوات عربية من Google بالرمز ar-XA ومن Amazon Polly بالرمز ar-AE، ولا يوجد فيها صوت بالرمز ar-SA. ولم نجد في وثائق Twilio نفسها تأكيداً للتحويل إلى نص بالعربية عبر ConversationRelay، فهي تحيلك إلى وثائق المزود، لذلك جرب بمكالمات حقيقية قبل أن تقرر.

• نقاط القوة: تبقى السيطرة على النموذج والبيانات ومنطق المحادثة عندك، وتتخلص من أصعب جزء في الوقت الحقيقي، وهو الصوت.
• نقاط الضعف: الصوت يمر بسحابة Twilio ومزوديها، والخط يجب أن يكون عند Twilio أو يصل إليها عبر SIP، والأصوات العربية المتاحة ليست سعودية اللهجة.

أنظمة مراكز الاتصال السحابية

Amazon Connect مع Amazon Lex

إذا كان مركز اتصالك على Amazon Connect، فالوكيل الآلي جزء من المنظومة نفسها، وصفحة الأسعار تحسب 0.038 دولار لدقيقة الصوت، وملحق الأسعار يوضح أن طلبات Amazon Lex التي تأتي من Connect داخلة في هذا السعر، ومعها الصوت التوليدي من Amazon Polly والتحليلات، بينما تحسب أسعار الاتصال الهاتفي منفصلة. وفي الملحق نفسه باقة أبسط بسعر 0.018 دولار للدقيقة، يضاف إليها 0.008 دولار للدقيقة للخدمة الذاتية بالذكاء الاصطناعي مع سعر Lex.

والعربية في قائمة لغات Amazon Lex نوعان: العربية الخليجية بالرمز ar_AE مدعومة دعماً كاملاً، والعربية السعودية ar_SA عليها علامة تعني دعماً محدوداً عبر النماذج التوليدية ومزودي صوت خارجيين. والنقطة الأهم لمن في السعودية والخليج أن قائمة مناطق Amazon Connect لا تحتوي أي منطقة في الشرق الأوسط اليوم، وأن منطقة AWS في المملكة ما زالت في قائمة المناطق المعلنة ولم تطلق بعد، فصوت المتصل سوف يعالج في منطقة خارج المنطقة العربية، مثل أوروبا.

• نقاط القوة: الطابور والموظفون والوكيل الآلي والتقارير في نظام واحد، والوكيل الآلي داخل سعر الدقيقة.
• نقاط الضعف: لا توجد منطقة في الشرق الأوسط، والعربية السعودية في Lex محدودة، وأنت داخل منظومة AWS بالكامل.

Google: Dialogflow CX ومنظومة مراكز الاتصال

عند Google تسمى المنظومة اليوم Customer Engagement Suite، والوكيل الآلي فيها مبني على Dialogflow CX، أو Conversational Agents كما تسميه الوثائق الحديثة. وصفحة الأسعار تحسب الصوت بالثانية: 0.001 دولار للثانية للوكيل المبني بالمسارات Flows، أي 0.06 دولار للدقيقة، و0.002 دولار للثانية للوكيل التوليدي Playbooks، أي 0.12 دولار للدقيقة، ويكفي أن تستخدم Playbook في أي نقطة من المحادثة حتى تحسب المحادثة كلها بالسعر الأعلى.

والعربية في قائمة لغات Dialogflow CX موجودة بالرمز ar ومعه رموز الدول العربية ومنها ar-sa. أما المكان، فرغم أن لدى Google منطقة في الدمام me-central2، فإن قائمة مناطق Dialogflow CX لا تحتوي أي منطقة في الشرق الأوسط، والوصول إلى منطقة الدمام نفسها يتم للعملاء في المملكة عبر موزع حصري هو CNTXT.

• نقاط القوة: تسعير واضح بالثانية، ورموز لغة لكل الدول العربية، ومنظومة كاملة لمراكز الاتصال.
• نقاط الضعف: الوكيل التوليدي ضعف سعر الوكيل التقليدي، ومناطق Dialogflow CX كلها خارج المنطقة العربية.

أطر العمل مفتوحة المصدر

هنا تتغير المعادلة: الإطار نفسه مجاني، وأنت تدفع للسيرفر ولكل مزود تستخدمه، أو لا شيء إذا شغلت النماذج على سيرفرك. والفائدة الأكبر أنك تختار مكان كل قطعة، فتستطيع أن تبقي الصوت داخل شبكتك بالكامل.

Pipecat

Pipecat مكتبة Python برخصة BSD-2-Clause، وآخر إصدار منها v1.13.0 صدر في 19 أكتوبر 2026. وفكرتها خط معالجة Pipeline من مراحل: صوت يدخل، ثم كشف الكلام، ثم التحويل إلى نص، ثم النموذج، ثم الصوت، ولكل مرحلة خدمات جاهزة. وفي قائمة الخدمات المدعومة تجد Whisper للتحويل إلى نص، وPiper للصوت، وOllama وAnthropic للنموذج، أي أنك تستطيع بناء وكيل محلي بالكامل أو سحابي بالكامل أو خليطاً بينهما. وللهاتف تأتي معها محولات Serializers جاهزة لـ Twilio وTelnyx وPlivo وVonage وغيرها، ومحول لـ Asterisk من المجتمع.

• نقاط القوة: رخصة متساهلة، وأكبر قائمة خدمات جاهزة، ومعالجة المقاطعة Interruptions مفعلة افتراضياً.
• نقاط الضعف: الربط الهاتفي الجاهز موجه لمزودي الخطوط السحابيين، ومحول Asterisk ليس من الفريق الأساسي.

LiveKit Agents

LiveKit Agents برخصة Apache-2.0، وآخر إصدار منها 1.8.8 في 15 أكتوبر 2026، وهي تعمل فوق سيرفر LiveKit للصوت والفيديو، وهو أيضاً برخصة Apache-2.0 ويمكن تشغيله على سيرفرك. وللهاتف يوجد livekit/sip، وهو جسر بين SIP وWebRTC يستقبل المكالمات من مقسمك أو من مزود الخط. والميزة اللافتة هنا نموذج كشف نهاية الدور Turn Detection، فنسخته الصغيرة v1-mini تعمل محلياً على المعالج، وصفحة النموذج تذكر العربية بين 14 لغة يدعمها، وهذه نقطة مهمة لأن الصمت وحده لا يكفي لمعرفة أن المتصل أنهى كلامه، كما شرحنا في المقال الأول.

• نقاط القوة: كل الطبقات مفتوحة المصدر وقابلة للتشغيل على سيرفرك، ونموذج لنهاية الدور يدعم العربية.
• نقاط الضعف: تحتاج تشغيل سيرفر LiveKit وجسر SIP بجانب مقسمك، أي مكونات إضافية تراقبها.

jambonz

jambonz منصة اتصالات كاملة مبنية للذكاء الاصطناعي: فيها SIP وموجه للمكالمات، والأمر llm يربط المكالمة مباشرة بنماذج الصوت إلى صوت مثل OpenAI Realtime وGemini Live وDeepgram Voice Agent، مع أدوات وتحويل إلى موظف. والكود برخصة MIT كما في صفحة التعريف، ولكن انتبه إلى أن التشغيل على سيرفرك يحتاج اليوم مفتاح ترخيص License Key مرتبطاً بنطاقك، بتجربة مجانية 30 يوماً، ثم اشتراك شهري، وصفحة الأسعار تحسب 7 دولارات شهرياً لكل مكالمة متزامنة Session، أو 2000 دولار شهرياً لعدد غير محدود، دون أي رسوم بالدقيقة.

• نقاط القوة: منصة اتصالات كاملة، وتسعير بالمكالمات المتزامنة وليس بالدقيقة، وهذا أوفر عند الحجم الكبير.
• نقاط الضعف: «مفتوح المصدر» هنا لا يعني مجانياً عند التشغيل على سيرفرك، والأمر llm مبني على نماذج الصوت السحابية.

Asterisk مباشرة: AudioSocket وExternal Media

إذا كان لديك Asterisk كما في دليل Asterisk العملي، فلا تحتاج أي إطار لتوصل صوت المكالمة إلى برنامجك، فهناك ثلاث طرق مدمجة:

• AudioSocket: التطبيق AudioSocket في خطة الاتصال يفتح اتصال TCP إلى برنامجك، والبروتوكول بسيط جداً: ترويسة من ثلاث بايتات، ثم صوت PCM بدقة 16 بت، وبتردد 8 kHz افتراضياً، ومنذ الإصدارات 20.17.0 و21.12.0 و22.7.0 يمكن أن يكون بترددات أعلى. وهذه الطريقة التي نستخدمها في التجربة العملية.
• ARI External Media: من خلال طلب externalMedia في ARI ينشئ برنامجك قناة ترسل الصوت إليه عبر RTP أو AudioSocket أو WebSocket، وهي أنسب إذا كان برنامجك يتحكم بالمكالمة كلها عبر ARI كما في قسم ARI.
• chan_websocket: قناة WebSocket أضيفت في الإصدارات 20.16.0 و21.11.0 و22.6.0 و23.0.0، وترسل الصوت في رسائل WebSocket ثنائية دون ترويسات RTP، وهي أسهل للبرامج المكتوبة بلغات الويب.
• نقاط القوة: لا يوجد أي مكون إضافي بين المقسم وبرنامجك، ولا أي رسوم، والصوت لا يغادر سيرفرك.
• نقاط الضعف: كل شيء عليك: كشف الكلام، والمقاطعة، وتوقيت إرسال الصوت، والتحويل إلى موظف، وهذا ما سوف تراه بالتفصيل في المقال القادم.

مزودو الصوت والنماذج إذا بنيت بنفسك

في الطريقة الثالثة تختار لكل قطعة مزوداً، والجدول التالي يجمع ما تحققنا منه في الصفحات الرسمية عن دعم العربية والسعر:

ولاحظ في الجدول أمرين: الأول أن الصوت العربي ذا اللهجة السعودية قليل، فهو عند Azure وفي بعض أصوات ElevenLabs، أما Piper المحلي فليس فيه إلا صوت أردني واحد، والثاني أن سعر النموذج اللغوي أصبح أصغر جزء في الفاتورة غالباً، فمكالمة من ثلاث دقائق فيها عادة بضعة آلاف Token فقط، بينما الصوت والخط يحسبان على كل ثانية.

كم تكلف الدقيقة فعلاً؟

لنفرض أن لديك 10,000 مكالمة شهرياً، ومتوسط المكالمة دقيقتان مع الوكيل الآلي، أي 20,000 دقيقة. الجدول التالي يحسب التكلفة الشهرية من الأرقام الرسمية أعلاه، دون الخط الهاتفي لأنه يختلف بين الدول ويدفع في كل الطرق:

والرقم 500 حرف في الدقيقة من قياسنا: جملة عربية من 73 حرفاً أعطت 8.8 ثانية من الصوت، وأرقام السطر الأخير من مكالمات حقيقية في المقال القادم، وفيها كان الصوت المولد أكثر من 80% من التكلفة. وقد يتساءل البعض: إذا كان البناء الذاتي أرخص بخمس مرات أو أكثر، فلماذا تدفع الشركات للمنصات؟ والإجابة على ذلك أن الفرق 1,500 إلى 2,000 دولار شهرياً تقريباً في هذا المثال، وهذا أقل من راتب مطور واحد يتابع المقاطعة وتوقيت الصوت والتحويل إلى موظف وانقطاع المزودين، فالمنصة مناسبة في البداية أو للحجم الصغير، والبناء الذاتي يصبح منطقياً عندما يكبر الحجم، أو عندما يكون مكان البيانات شرطاً وليس تفضيلاً. وتذكر أن الأرقام أعلاه تقريبية لأن طول ردود الوكيل ونوع النموذج يغيران الحساب، لذلك احسبها من مكالمات حقيقية بعد أسبوع من التجربة.

أين يذهب صوت عملائك؟

المكالمة الصوتية بيانات شخصية: صوت العميل، ورقمه، ورقم طلبه، وربما عنوانه، ونظام حماية البيانات الشخصية في المملكة يشترط في المادة 29 لنقل البيانات خارج المملكة أن يكون مستوى الحماية في الجهة المستقبلة مماثلاً على الأقل، وأن ينقل الحد الأدنى من البيانات. وعند مراجعة ما سبق نجد أن:

• Amazon Connect لا توجد له منطقة في الشرق الأوسط، ومنطقة AWS في المملكة لم تطلق بعد.
• Dialogflow CX لا توجد له منطقة في الشرق الأوسط، رغم وجود منطقة Google في الدمام.
• Azure يقدم الصوت من مناطق منها الإمارات وقطر، ولا توجد في القائمة نفسها منطقة سعودية.
• المنصات المستضافة تمر بسيرفراتها ثم بسيرفرات كل مزود تختاره، أي بجهتين أو أكثر.
• البناء الذاتي بنماذج محلية هو الطريقة الوحيدة في هذا المقال التي يبقى فيها الصوت داخل شبكتك بالكامل.

وهذا لا يمنع استخدام الخدمات السحابية، ولكنه قرار تحتاج فيه رأي المسؤول عن حماية البيانات في مؤسستك قبل التنفيذ، وليس بعده.

الجدول الكامل

كيف تختار؟

• إذا كنت تريد أن تجرب الفكرة خلال أسبوع، أو حجم مكالماتك صغير، فابدأ بمنصة مستضافة مثل Retell AI أو Vapi، واربطها بمقسمك عبر SIP حتى لا تنقل أرقامك.
• إذا كان مركز اتصالك على Amazon Connect أو منظومة Google أصلاً، فالوكيل الآلي في المنظومة نفسها أبسط من ربط منصة خارجية بها، بشرط أن يناسبك مكان البيانات.
• إذا كنت تريد التحكم بالنموذج ومنطق المحادثة دون أن تتعب في الصوت، فـ Twilio ConversationRelay حل وسط جيد، وجرب العربية قبل الالتزام.
• إذا كان مكان البيانات شرطاً، أو حجم المكالمات كبيراً، أو لديك Asterisk وفريق يعرفه، فابن بنفسك مع Pipecat أو LiveKit Agents أو مباشرة مع AudioSocket، واختر لكل قطعة نموذجاً محلياً أو سحابياً بحسب حساسية البيانات.

وأياً كان اختيارك، فاجعل التحويل إلى موظف متاحاً في كل لحظة، لأن الوكيل الآلي الذي لا يعرف متى يتوقف أسوأ من عدم وجوده.

الخلاصة

• المقارنة الحقيقية ليست بين أدوات، وإنما بين ثلاث طرق: منصة تشغل كل شيء، أو مركز اتصال سحابي فيه وكيل آلي، أو بناء ذاتي تختار فيه كل قطعة.
• سعر المنصة المعلن جزء من الدقيقة فقط، فاجمع المنصة والتحويل إلى نص والنموذج والصوت والخط قبل المقارنة.
• العربية في التحويل إلى نص متوفرة عند أغلب المزودين، أما الصوت العربي باللهجة السعودية فقليل، ولا يوجد محلياً في Piper.
• لا توجد منطقة في الشرق الأوسط لـ Amazon Connect ولا لـ Dialogflow CX اليوم، والبناء الذاتي بنماذج محلية هو الطريقة الوحيدة التي لا يغادر فيها الصوت شبكتك.

وفي المقال القادم بإذن الله سوف نبني الطريقة الثالثة خطوة بخطوة على Asterisk، ونقيس كل جزء من الثانية، ونجرب التحويل إلى موظف والمقاطعة ومحاولة خداع الوكيل.

سجل التحديثات

• أكتوبر 2026: كتابة المقال، والأسعار والتراخيص من الصفحات الرسمية كما كانت في 21 أكتوبر 2026.