समस्या निवारण

अगर जनरेट किए गए वॉइस आउटपुट का वॉल्यूम या टोन बदलता है, तो अक्सर इसकी वजह वॉइस क्लोन की ट्रेनिंग ऑडियो में असंगतियां होती हैं।

• कंप्रेशन लागू करें: डायनामिक रेंज कम करने और ऑडियो को एकसमान रखने के लिए ट्रेनिंग ऑडियो को कंप्रेस करें। RMS को -23 dB और -18 dB के बीच रखें और ट्रू पीक को -3 dB से नीचे रखें।
• बैकग्राउंड नॉइज़: पक्का करें कि ट्रेनिंग ऑडियो में सिर्फ़ वही आवाज़ हो जिसे आप क्लोन करना चाहते हैं — कोई संगीत, शोर या पॉप की आवाज़ नहीं। बैकग्राउंड नॉइज़, अचानक ऊर्जा के उछाल या लगातार लो-फ़्रीक्वेंसी ऊर्जा AI को कम स्थिर बना सकती है।
• स्पीकर की एकरूपता: पक्का करें कि स्पीकर माइक्रोफ़ोन से एकसमान दूरी बनाए रखे और फुसफुसाने या चिल्लाने से बचे। बदलाव से वॉल्यूम या टोन में असंगति आ सकती है।
• ऑडियो की लंबाई:
  • Instant Voice Cloning: 1–2 मिनट का एकसमान ऑडियो इस्तेमाल करें। टोन, परफ़ॉर्मेंस, ऐक्सेंट और क्वालिटी में एकरूपता बहुत ज़रूरी है।
  • Professional Voice Cloning: बेहतर नतीजों के लिए कम से कम 30 मिनट, आदर्श रूप से 2+ घंटे का एकसमान ऑडियो इस्तेमाल करें।

समस्याएं कम करने के लिए अपने टेक्स्ट को छोटे हिस्सों में बांटें। इससे वॉल्यूम एकसमान रखने में मदद मिलती है और लंबे ऑडियो जनरेशन में होने वाली गिरावट कम होती है। एक साथ कई छोटे ऑडियो सेगमेंट जनरेट करने के लिए हमारे ElevenCreative Studio फ़ीचर का इस्तेमाल करें, ताकि क्वालिटी और एकरूपता बेहतर रहे।

मल्टीलिंगुअल मॉडल कभी-कभी कुछ शब्दों का गलत उच्चारण कर सकते हैं, अंग्रेज़ी में भी। यह समस्या कुछ हद तक मनमानी लगती है, लेकिन वॉइस और टेक्स्ट पर निर्भर प्रतीत होती है। यह कुछ खास वॉइस और टेक्स्ट के साथ ज़्यादा होती है, खासकर ऐसे शब्दों के साथ जो दूसरी भाषाओं में भी आते हैं।

• ElevenCreative Studio इस्तेमाल करें: यह फ़ीचर गलत उच्चारण की समस्याओं को कम करने में मदद करता है, जो स्पीच सिंथेसिस के साथ लंबे टेक्स्ट सेक्शन में ज़्यादा आम होती हैं। हालांकि यह समस्या को पूरी तरह खत्म नहीं करेगा, लेकिन इससे बचने में मदद कर सकता है और पूरा टेक्स्ट फिर से किए बिना खास सेक्शन को दोबारा जनरेट करना आसान बनाता है।
• ठीक से क्लोन की गई वॉइस: असंगति की समस्याओं को ठीक करने की तरह, मनचाही भाषाओं में ठीक से क्लोन की गई वॉइस इस्तेमाल करने से गलत उच्चारण कम हो सकता है।
• उच्चारण बताएं: हमारे ElevenCreative Studio फ़ीचर का इस्तेमाल करते समय, कुछ शब्दों का उच्चारण बताने पर विचार करें, जैसे कैरेक्टर के नाम और ब्रांड नाम, या संक्षिप्त नामों को कैसे पढ़ा जाना चाहिए। अधिक जानकारी के लिए, ElevenCreative Studio की हमारी गाइड का Pronunciation Dictionary सेक्शन देखें।

AI कभी-कभी एक ही जनरेशन के दौरान भाषा या ऐक्सेंट बदल सकता है, खासकर अगर जनरेशन लंबी हो। यह समस्या गलत उच्चारण की समस्या जैसी है और हम इसे बेहतर बनाने के लिए सक्रिय रूप से काम कर रहे हैं।

• ठीक से क्लोन की गई वॉइस इस्तेमाल करें: मनचाही भाषा में उच्च-क्वालिटी, एकसमान ऑडियो पर ट्रेन की गई Instant Voice Clone या Professional Voice Clone इस्तेमाल करने से यह समस्या कम हो सकती है। इसे ElevenCreative Studio फ़ीचर के साथ इस्तेमाल करने से स्थिरता और बेहतर हो सकती है।
• वॉइस की सीमाएं समझें: डिफ़ॉल्ट और जनरेट की गई वॉइस मुख्य रूप से अंग्रेज़ी की होती हैं और दूसरी भाषाओं के लिए इस्तेमाल किए जाने पर उनमें अंग्रेज़ी ऐक्सेंट आ सकता है। मनचाहे ऐक्सेंट के साथ लक्ष्य भाषा बोलने वाली वॉइस को क्लोन करने से AI को बेहतर संदर्भ मिलता है और भाषा बदलने की संभावना कम होती है।
• भाषा चयन: फ़िलहाल AI इनपुट टेक्स्ट के आधार पर भाषा तय करता है। मनचाही भाषा में लिखना बहुत ज़रूरी है, खासकर पहले से बनी अंग्रेज़ी-आधारित वॉइस इस्तेमाल करते समय, क्योंकि वे अंग्रेज़ी ऐक्सेंट ला सकती हैं।
• टेक्स्ट की सही लंबाई: AI छोटे टेक्स्ट सेगमेंट में ऐक्सेंट को एकसमान रखने की कोशिश करता है। बेहतर नतीजों के लिए, टेक्स्ट टू स्पीच इस्तेमाल करते समय टेक्स्ट जनरेशन को 800-900 कैरेक्टर से कम रखें। ElevenCreative Studio वर्कफ़्लो लंबे टेक्स्ट को छोटे, आसानी से संभाले जा सकने वाले हिस्सों में बांटकर मैनेज करने में मदद कर सकता है।

मॉडल कुछ नंबर, सिंबल और संक्षिप्त नामों का गलत उच्चारण कर सकते हैं। उदाहरण के लिए, नंबर “1, 2, 3” का अंग्रेज़ी में उच्चारण “one,” “two,” “three” हो सकता है। किसी दूसरी भाषा में सही उच्चारण सुनिश्चित करने के लिए, उन्हें ध्वन्यात्मक रूप से या उन शब्दों में लिखें जैसा आप उन्हें बुलवाना चाहते हैं।

• उदाहरण: नंबर “1” का फ़्रेंच में उच्चारण करवाने के लिए, “un.” लिखें।
• सिंबल: बताएं कि सिंबल को कैसे पढ़ा जाना चाहिए, जैसे ”$” को “dollar” या “euro.” के रूप में।
• संक्षिप्त नाम: संक्षिप्त नामों को ध्वन्यात्मक रूप से लिखें।

विकृत स्पीच एक दुर्लभ समस्या है, जिसमें मॉडल दबा हुआ या विकृत ऑडियो जनरेट करता है। यह अनिश्चित रूप से होता है और हमें इसका कारण नहीं मिला है। अगर ऐसा हो, तो समस्या हल करने के लिए सेक्शन को दोबारा जनरेट करें।

लंबे टेक्स्ट टू स्पीच कन्वर्ज़न के दौरान ऑडियो क्वालिटी गिर सकती है। इसे कम करने के लिए टेक्स्ट को 800 कैरेक्टर से कम के सेक्शन में बांटें।

• वॉइस चयन: कुछ वॉइस में गिरावट होने की संभावना ज़्यादा होती है। आर्टिफ़ैक्ट कम करने के लिए क्लोन की गई वॉइस के लिए उच्च-क्वालिटी सैंपल इस्तेमाल करें।
• स्थिरता और समानता: वॉइस के व्यवहार और आर्टिफ़ैक्ट की प्रमुखता को प्रभावित करने के लिए इन सेटिंग्स को एडजस्ट करें। अधिक जानकारी के लिए हर सेटिंग पर होवर करें।

कुछ वॉइस के लिए, यह वॉइस सेटिंग अस्थिरता ला सकती है, जिसमें असंगत स्पीड, गलत उच्चारण और अतिरिक्त आवाज़ें शामिल हैं। हम इस सेटिंग को 0 पर रखने की सलाह देते हैं, खासकर अगर आपको अपने जनरेट किए गए ऑडियो में ये समस्याएं आ रही हैं।

इंपोर्ट फ़ंक्शन आपके दिए गए फ़ाइल को वेबसाइट पर इंपोर्ट करने की कोशिश करता है। वेबसाइट संरचनाओं और किताब के फ़ॉर्मैटिंग में बदलाव, जिसमें इमेज भी शामिल हैं, को देखते हुए इंपोर्ट की सटीकता हमेशा जांचें।

• चैप्टर इमेज: अगर किसी किताब के चैप्टर की शुरुआत पहले अक्षर के रूप में इमेज से होती है, तो AI शायद अक्षर को पहचान न पाए। हर चैप्टर में अक्षर को मैन्युअली जोड़ें।
• पैराग्राफ संरचना: अगर टेक्स्ट मूल किताब की संरचना के बजाय एक लंबे पैराग्राफ के रूप में इंपोर्ट होता है, तो वह ठीक से काम नहीं कर सकता। पक्का करें कि टेक्स्ट में मूल लाइन ब्रेक बने रहें। अगर समस्या बनी रहे, तो कॉपी और पेस्ट करके देखें। अगर इससे भी समस्या हल न हो, तो टेक्स्ट फ़ॉर्मैट को कन्वर्ट या फिर से लिखना पड़ सकता है।
• पसंदीदा फ़ॉर्मैट: ElevenCreative Studio में प्रोजेक्ट बनाने के लिए EPUB सुझाया गया फ़ाइल फ़ॉर्मैट है। अच्छी संरचना वाला EPUB हर चैप्टर को ElevenCreative Studio में अपने-आप अलग कर देगा, जिससे नेविगेशन आसान होगा। सही पहचान के लिए हर चैप्टर हेडिंग को “Heading 1” के रूप में फ़ॉर्मैट करें।

कभी-कभी पैराग्राफ के बीच गड़बड़ियां या तेज़ सांस की आवाज़ आ सकती है। यह दुर्लभ है और सामान्य टेक्स्ट टू स्पीच समस्याओं से अलग है। ऐसा होने पर, पिछले पैराग्राफ को दोबारा जनरेट करें, क्योंकि समस्या अक्सर वहीं से शुरू होती है।