متن آهنگ با هوش مصنوعی؛ نوشتن ترانهٔ فارسی و خواندنش با Lyria

صاحب یک کافه جینگلی بیست‌ثانیه‌ای با شعر فارسی برای صفحهٔ کافه می‌خواهد. شعری که از هوش مصنوعی گرفته قافیه دارد، ولی نصف کلمه‌هایش معنی نمی‌دهد. متن آهنگ با هوش مصنوعی در گیسو دو قدم است: شعر را در چت می‌نویسید و ویرایش می‌کنید، بعد آن را در «تولید محتوا» به Lyria می‌دهید تا خوانده شود. این راهنما هر دو قدم را با خروجی واقعی نشان می‌دهد، همراه یک آزمایش شنیداری که ببینیم فارسی را درست خواند یا نه.

متن آهنگ با هوش مصنوعی: چه چیزی به مدل بگویید

شعری که قرار است با آواز خوانده شود، با شعری که روی کاغذ می‌خوانید فرق دارد؛ باید روی ملودی بنشیند. این‌ها را در درخواست بنویسید:

• تعداد خط‌ها: برای جینگل کوتاه چهار خط بس است؛ برای آهنگ کامل، بند (verse) و ترجیع‌بند (chorus) را جدا بخواهید.
• هجای هر خط: مثلاً «هر خط ۶ تا ۹ هجا». خط‌های هم‌اندازه راحت‌تر روی یک ملودی می‌نشینند.
• جای قافیه: آخر خط‌ها، یا خط ۱ با ۲ و ۳ با ۴.
• محاوره یا نوشتاری: برای جینگل و آهنگ پاپ، محاورهٔ ساده بهتر خوانده می‌شود.
• جای نام برند: مثلاً «فقط در خط آخر».
• حال‌وهوا: شاد، آرام، نوستالژیک، پرانرژی.

یک چیز را هم از اول بدانید: مدل‌ها در شعر فارسی، ریتم را بهتر از معنی درمی‌آورند. شعر را همیشه یک بار بلند بخوانید؛ کلمه‌ای که معنی نمی‌دهد، در آهنگ بیشتر به چشم می‌آید تا روی کاغذ.

آزمایش اول: یک ترانهٔ چهارخطی با دو مدل

یک درخواست را به دو مدل دادیم. اول gemini-3.8-flash، مدل سریع و کم‌هزینه:

ریتم دارد، ولی کلمه‌ها معنی‌شان را از دست داده‌اند: «بویِ زرنگ» و «چایِ قندپَلو» در فارسی معنایی ندارند و فقط برای قافیه آمده‌اند. هجاشماری‌اش هم با خط‌های خودش نمی‌خواند. بعد همان درخواست را به gemini-3.1-pro-preview (Gemini 3.1 Pro) دادیم که قوی‌تر و گران‌تر است:

این بار چهار خط معنی‌دار با قافیه‌های تمیز (تازه و اندازه، دِنج و نارنج) و نام کافه فقط در خط آخر، همان‌طور که خواسته بودیم. هجاشماری‌اش هم با خوانش محاوره‌ای جور است (با «یِ» اضافه، هر خط هفت یا هشت هجا)، و خود شعر روی یک ملودی ساده می‌نشیند. نتیجهٔ این مقایسه: برای شعر، مدل قوی‌تر را انتخاب کنید، دو سه نسخه بخواهید و کلمه‌ها را خودتان صیقل بدهید. هزینهٔ یک شعر چهارخطی حتی با مدل قوی‌تر کم است؛ هزینهٔ هر پاسخ زیر همان پاسخ دیده می‌شود.

ترانه سرایی با هوش مصنوعی: شعر را با خود مدل ویرایش کنید

لازم نیست ویرایش را تنها انجام دهید. شعر را به مدل برگردانید و بخواهید مثل یک ترانه‌سرای سخت‌گیر نقدش کند، نه این‌که از نو بنویسد. این درخواست برای همین است:

این‌طور شعری که دوستش دارید از دست نمی‌رود و فقط خط‌های ضعیف عوض می‌شوند. پیشنهادها هم کنار هم‌اند و انتخاب با خودتان است، پس آخر کار شعر صدای شما را دارد. اگر قافیه‌ای پیدا نشد، از مدل بخواهید ده کلمهٔ هم‌قافیه با معنی‌های مختلف بدهد و یکی را خودتان در جمله بنشانید.

متن آهنگ برای سبک‌های مختلف

سبک آهنگ روی شکل شعر اثر دارد. برای پاپ شاد، خط‌های کوتاه و ترجیع‌بندی که دو بار تکرار شود بهتر جواب می‌دهد. برای آهنگ آرام و احساسی، خط‌ها می‌توانند بلندتر باشند و قافیه‌ها نرم‌تر. برای حال‌وهوای شاد ایرانی با ریتم شش‌هشتم، کلمه‌های دوهجایی و سه‌هجایی ریتم را بهتر نگه می‌دارند. سبک را هم در درخواست شعر بنویسید و هم بعداً در توصیف آهنگ، تا هر دو قدم با هم بخوانند.

از متن آهنگ تا آهنگ خوانده‌شده با Lyria

شعر مدل Pro را بدون تغییر به Lyria 3 Clip دادیم. پرامپت را با ساختار قالب آمادهٔ خود استودیو، جینگل تبلیغاتی با شعر فارسی، نوشتیم: توصیف سبک، سرعت، سازها و یک صدای خوانندهٔ زن به انگلیسی، و شعر فارسی زیر عنوان «Lyrics (Persian)» با این دستور که کلمه‌به‌کلمه خوانده شود.

فایل حدود ۲۸ ثانیه شد، با این‌که حدود ۲۰ ثانیه خواسته بودیم؛ کلیپ کوتاه Lyria حدود ۳۰ ثانیه است و طولش را دقیق نمی‌شود تعیین کرد. یک صدای زن شعر فارسی را روی یک پس‌زمینهٔ پاپ الکترونیکی می‌خواند؛ ولی سازها همان یوکللی و پیانویی نیست که خواسته بودیم و آخر کار هم به‌جای آکورد پایانی تمیز، ناگهان قطع می‌شود. برای انتشار، آخرش را در یک برنامهٔ ویرایش صدا محو (fade out) کنید.

Lyria فارسی را درست می‌خواند؟ آزمایش شنیداری ما

فقط به گوش خودمان تکیه نکردیم. فایل را به gemini-3.8-flash دادیم و خواستیم فقط کلمه‌هایی را بنویسد که خواننده می‌خواند، بی هیچ حدسی:

هر چهار خط کلمه‌به‌کلمه برگشت. یک بررسی دوم و مستقل هم با مدل تبدیل صدا به متن whisper-1 (که آن هم در گیسو هست) انجام دادیم: خط‌های دوم تا چهارم را شنید و نوشت، «خنده» را «خانده» نوشت و خط اول را جا انداخت. پس در این آزمایش کلمه‌های فارسی آن‌قدر واضح خوانده شدند که دو مدل جداگانه، یکی بی‌خطا و دیگری با یک خط کم و یک کلمهٔ اشتباه، آن‌ها را نوشتند. این یک آزمایش است، نه قول برای هر شعری؛ تلفظ همهٔ کلمه‌ها همیشه همین‌قدر واضح درنمی‌آید. پیش از انتشار، خودتان با دقت گوش بدهید.

ساخت آهنگ با شعر فارسی در گیسو، قدم‌به‌قدم

1. شعر را بنویسید و ویرایش کنید. در چت، با درخواست بالا و ترجیحاً با مدل قوی‌تر؛ دو سه نسخه بخواهید.
2. قالب را باز کنید. «تولید محتوا» و بعد «ساخت موسیقی»؛ قالب «جینگل تبلیغاتی با شعر فارسی» را انتخاب کنید.
3. جاهای خالی را پر کنید. نام برند و شعرتان را بنویسید و خط‌ها را با / از هم جدا کنید.
4. طول را انتخاب کنید. «کلیپ کوتاه» حدود ۳۰ ثانیه است؛ برای آهنگ کامل با بند و ترجیع‌بند، «قطعهٔ کامل» را بزنید یا از قالب آهنگ کامل پاپ فارسی با شعر شما شروع کنید.
5. بسازید و گوش بدهید. «هزینهٔ تقریبی» کنار دکمه دیده می‌شود. اگر یک کلمه واضح خوانده نشد، فقط همان کلمه را با کلمه‌ای ساده‌تر عوض کنید و دوباره بسازید. درخواستی که فایل صوتی برنگرداند، هزینه‌ای ندارد.

اگر فقط موسیقی بی‌کلام برای پس‌زمینهٔ ویدیو یا پادکست می‌خواهید، ساخت موسیقی بی‌کلام با هوش مصنوعی روش و قالب‌های خودش را دارد. صفحهٔ ساخت آهنگ با هوش مصنوعی هم ابزار موسیقی گیسو و مدل‌هایش را معرفی می‌کند.

چند نکته برای این‌که شعر بهتر خوانده شود

• کلمه‌های کوتاه و آشنا: «تازه»، «دِنج»، «خنده» راحت خوانده می‌شوند؛ کلمه‌های کم‌کاربرد و طولانی، کمتر.
• کمتر حرف‌های بی‌صدا پشت هم: کلمه‌هایی که چند حرف بی‌صدای پشت سر هم دارند، در آواز راحت گم می‌شوند.
• یک فکر در هر خط: خطی که وسطش جمله عوض شود، روی ملودی گنگ می‌شود.
• زبان شعر را بگویید: در توصیف بنویسید شعر فارسی است و باید کلمه‌به‌کلمه خوانده شود؛ قالب‌های آمادهٔ گیسو همین را دارند.
• نام برند در اوج: نام را جایی بگذارید که ملودی بالا می‌رود یا گروه هم‌خوانی می‌کند؛ قالب جینگل این را از پیش در خودش دارد.
• اِعراب برای کلمه‌های دوپهلو: اگر کلمه‌ای دو جور خوانده می‌شود، با یک اِعراب کوتاه راهنمایی کنید (مثل «دِنج»)؛ نمونهٔ ما همین را داشت و درست خوانده شد.

هزینه و حق استفاده

هزینهٔ موسیقی به‌ازای هر قطعه حساب می‌شود، نه بر اساس طول پرامپت؛ کلیپ کوتاه از قطعهٔ کامل کم‌هزینه‌تر است. جدول زیر هزینهٔ امروز هر کدام را، کنار ابزارهای دیگر، نشان می‌دهد:

دربارهٔ استفادهٔ تجاری از خروجی، قرارداد جداگانه‌ای نداریم؛ پیش از استفاده در تبلیغ پولی، شرایط خود سرویس‌دهنده را ببینید. صدای یک خوانندهٔ واقعی یا سبک یک هنرمند مشخص را هم نخواهید. اگر جینگل را برای تبلیغ می‌سازید، متن پست و پیامکی که همراهش می‌رود را با متن تبلیغاتی برای جذب مشتری بنویسید تا هر دو یک حرف بزنند.

جینگل، آهنگ تولد یا هدیه: چه طولی، چه قالبی

جینگل تبلیغاتی و امضای صوتی برند در همان کلیپ کوتاه جا می‌شود. برای آهنگ تولد، سالگرد یا هدیه که بند و ترجیع‌بند دارد، «قطعهٔ کامل» را انتخاب کنید و شعر را با برچسب [Verse] و [Chorus] جدا بنویسید، همان‌طور که در قالب آهنگ کامل آمده است. اسم کسی را که آهنگ برایش است، در ترجیع‌بند بگذارید تا چند بار تکرار شود و اگر اسم کم‌کاربرد است، یک بار با اِعراب بنویسید.

یک نکتهٔ آخر دربارهٔ انتظار: کلیپ سی‌ثانیه‌ای برای یک جینگل یا امضای صوتی کافی است، ولی هر بار ساختن، نتیجهٔ کمی متفاوتی می‌دهد؛ ملودی، صدای خواننده و سازها با همان پرامپت هم عوض می‌شود. اگر نتیجهٔ اول نزدیک بود، به‌جای تغییر کل پرامپت، فقط یک چیز را عوض کنید (سرعت، ساز اصلی یا یک کلمه) تا بفهمید کدام تغییر اثر داشت.

چهار خط برای برندتان بنویسید، از مدل قوی‌تر دو نسخهٔ دیگر بخواهید و روشن‌ترینشان را نگه دارید. بعد یک کلیپ سی‌ثانیه‌ای بسازید و با دقت گوش بدهید؛ کلمه‌ای که روشن خوانده نشد را عوض کنید.