الصورة إلى صوت — تصويت البكسل إلى موسيقى أو طيف

معظم أدوات «الصورة إلى موسيقى» الشهيرة اليوم (InsMelo، Mubert، Suno، Artlist) تولّد أغانٍ كاملة من صورتك بالذكاء الاصطناعي — تحلل المزاج والألوان وتؤلّف مقطوعة بلحن وطبول. هذه الأداة بدلاً من ذلك تنفّذ تصويتاً علمياً: تعيّن بيانات البكسل إلى صوت مباشرة. الوضع الموسيقي يضيف سلّماً ليبدو الناتج موسيقياً، لكنه ما زال تحويلاً 1:1 لصورتك وليس أغنية مؤلّفة. لموسيقى بالذكاء الاصطناعي، ابحث عن أدوات بعنوان "AI music from image".

الوضع الموسيقي يلتقط أكثر البكسلات سطوعاً في كل شريحة زمنية ويعيّن موقعها العمودي إلى نغمة على السلّم الذي اخترته (بنتاتوني، كبرى، صغرى، كروماتي). الناتج لحني ويسهل الاستماع إليه. وضع Raw يطبّق توليفاً جمعياً: كل بكسل في كل عمود يصبح موجة جيبية يعتمد ترددها على صفّها وحجمها على سطوعها. الصوت هو طيف صورتك حرفياً — قاسٍ ودرنيٌّ بعض الشيء، لكنه المنهج الكلاسيكي للتصويت المستخدم في vOICe (لتوجيه المكفوفين) و Photosounder.

تُمسح الصورة من اليسار إلى اليمين (محور الزمن). لكل عمود، تُعيَّن البكسلات من الأسفل للأعلى على نطاق ترددي لوغاريتمي (200–4000 هرتز). سطوع البكسل يحدّد حجم ذلك التردد — البكسلات المضيئة عالية، المعتمة صامتة. اللون يؤثر في شكل الموجة: الدافئ منشاري، البارد جيبي، المحايد مثلث.

في الوضع الموسيقي، أي صورة بتباين واضح وأشكال مضيئة مميّزة ستنتج لحناً مميزاً — جرّب وجوهاً، أشياء بسيطة، أو نصاً. في وضع Raw، الأنماط البسيطة العالية التباين (أشكال هندسية، نصوص، خطوط قطرية، تدرّجات) تنتج أكثر الأصوات الطيفية تميزاً. الصور المعتمة جداً أو المتجانسة تنتج قليلاً من الصوت في كلا الوضعين.

نعم. تصويت الصور ينقل معلومات بصرية عبر الصوت — هل في الصورة مناطق مضيئة، أنماط، أو مناطق مميّزة. وضع Raw هو المقاربة القياسية المستخدمة في أدوات الوصول مثل vOICe. الوضع الموسيقي أقل إفادةً لكنه أمتع للاستماع اليومي. كلاهما لا يُغني عن قارئ الشاشة أو النص البديل، لكنهما يوفّران طريقة إضافية لإدراك المحتوى البصري عبر الصوت.