नेविगेशन पर जाएँ

प्रोफेशनल वॉइस क्लोनिंग

जानें कि हमारे बेहतरीन मॉडल्स की मदद से अपनी आवाज़ को प्रोफेशनल तरीके से कैसे क्लोन करें।

प्रोफेशनल वॉइस क्लोनिंग फीचर

प्रोफेशनल वॉइस क्लोन बनाना

किसी आवाज़ को क्लोन करते समय यह समझना ज़रूरी है कि AI को किस पर प्रशिक्षित किया गया है: कौन-सी भाषाओं और किस तरह के डेटासेट पर। हर मॉडल और उसकी खूबियों के बारे में मॉडल्स पेज पर और पढ़ें।

गाइड

अगर आपको कानूनी रूप से अनुमत चीज़ों के बारे में संदेह है, तो ज़्यादा जानकारी के लिए कृपया सेवा की शर्तें और हमारी AI सुरक्षा जानकारी देखें।

1

प्रोफेशनल वॉइस क्लोनिंग पेज पर जाएं

ElevenLabs साइडबार में Voices के पास प्लस बटन पर क्लिक करके वॉइस क्रिएशन पेज खोलें, फिर Professional Voice Clone के नीचे Create new पर क्लिक करें।

2

अपना ऑडियो अपलोड करें

प्रोफेशनल वॉइस क्लोन अभी गाने को सपोर्ट नहीं करते। ऑडियो रिकॉर्डिंग में केवल बोली गई आवाज़ होनी चाहिए।

नया प्रोफेशनल वॉइस क्लोन बनाएं

Upload samples पर क्लिक करके अपने ऑडियो सैंपल अपलोड करें।

अगर आपके पास पहले से रिकॉर्ड किया हुआ ट्रेनिंग ऑडियो नहीं है, तो Record yourself चुनकर आप सीधे इंटरफ़ेस में रिकॉर्ड भी कर सकते हैं। हमने नैरेटिव, बातचीत और विज्ञापन के लिए सैंपल स्क्रिप्ट शामिल की हैं। आप अपनी स्क्रिप्ट भी अपलोड कर सकते हैं।

3

सैंपल की लंबाई पर फीडबैक देखें

ऑडियो अपलोड होने के बाद, आपको अपने सैंपल की लंबाई पर फीडबैक दिखेगा। बेहतरीन नतीजों के लिए, हम कम से कम एक घंटे का ट्रेनिंग ऑडियो अपलोड करने की सलाह देते हैं, और आदर्श रूप से इसे तीन घंटे के जितना करीब हो सके उतना रखें।

नया प्रोफेशनल वॉइस क्लोन बनाएं

4

अपने ऑडियो को प्रोसेस करें

ऑडियो सैंपल अपलोड होने के बाद, आप गुणवत्ता बेहतर करने के लिए उन्हें प्रोसेस कर सकते हैं। आप बैकग्राउंड नॉइज़ हटा सकते हैं और अगर आपके ऑडियो में एक से ज़्यादा स्पीकर हैं, तो अलग-अलग स्पीकर को अलग भी कर सकते हैं। इन विकल्पों के लिए, जिस क्लिप को प्रोसेस करना है उसके पास Audio settings बटन पर क्लिक करें।

नया प्रोफेशनल वॉइस क्लोन बनाएं

5

अपनी आवाज़ सत्यापित करें

जब सब कुछ रिकॉर्ड और अपलोड हो जाए, तो आपसे अपनी आवाज़ सत्यापित करने के लिए कहा जाएगा। बेहतर अनुभव के लिए, सैंपल रिकॉर्ड करने में इस्तेमाल किए गए उसी या मिलते-जुलते उपकरण से, और सैंपल के समान टोन व डिलीवरी में अपनी आवाज़ सत्यापित करने की कोशिश करें। अगर आपके पास वही उपकरण उपलब्ध नहीं है, तो जितना बेहतर हो सके सत्यापित करें। अगर यह विफल हो जाए, तो आप दोबारा सत्यापन की कोशिश करने के लिए 24 घंटे इंतज़ार कर सकते हैं या मदद के लिए सपोर्ट से संपर्क कर सकते हैं।

6

अपनी आवाज़ की फाइन ट्यूनिंग पूरी होने का इंतज़ार करें

आवाज़ इस्तेमाल करने से पहले इसकी फाइन ट्यूनिंग पूरी होनी चाहिए। प्रोसेसिंग के दौरान आप My Voices में अपनी आवाज़ का स्टेटस देख सकते हैं। इस्तेमाल के लिए तैयार होने पर आपको सूचना दी जाएगी।

7

अपना वॉइस क्लोन इस्तेमाल करें

डैशबोर्ड में Voices सेक्शन के तहत Personal टैब चुनें, फिर अपना वॉइस क्लोन इस्तेमाल करना शुरू करने के लिए उसके पास Use पर क्लिक करें।

सैंपल अपलोड करने से पहले कुछ बातों का ध्यान रखना चाहिए और बेहतरीन नतीजे पाने के लिए कुछ कदम उठाने ज़रूरी हैं।

1

उच्च गुणवत्ता वाला ऑडियो रिकॉर्ड करें

प्रोफेशनल वॉइस क्लोनिंग अपने प्रशिक्षण में इस्तेमाल किए गए सैंपल को बहुत सटीकता से क्लोन करती है। यह सुनी गई आवाज़ की लगभग हूबहू क्लोन बनाएगी, जिसमें उस आवाज़ की सभी बारीकियां और विशेषताएं होंगी, लेकिन सैंपल में मौजूद आर्टिफैक्ट और अनचाहा ऑडियो भी शामिल होगा। इसका मतलब है कि अगर आप बैकग्राउंड नॉइज़, कमरे के रीवर्ब/इको या संगीत अथवा कई लोगों के बोलने जैसी अनचाही आवाज़ों वाले कम-गुणवत्ता के सैंपल अपलोड करते हैं, तो AI क्लोन में भी इन सभी तत्वों को दोहराने की कोशिश करेगा।

Eleven v4 पहले के मॉडल्स की तुलना में सोर्स रिकॉर्डिंग को ज़्यादा सटीकता से कैप्चर करता है, जिसमें बैकग्राउंड नॉइज़, डिस्टॉर्शन और दूसरी कमियां भी शामिल हैं। इस मॉडल के साथ साफ़ ट्रेनिंग ऑडियो और भी ज़रूरी है।

2

सुनिश्चित करें कि केवल एक ही बोलने वाली आवाज़ हो

सुनिश्चित करें कि पूरे ऑडियो में केवल एक ही बोलने वाली आवाज़ हो, क्योंकि एक से ज़्यादा स्पीकर, बहुत ज़्यादा नॉइज़ या ऊपर बताई गई कोई भी चीज़ AI को भ्रमित कर सकती है। इस भ्रम के कारण AI यह पहचान नहीं पाएगा कि किस आवाज़ को क्लोन करना है, या दूसरी आवाज़ों से ढकी होने के कारण आवाज़ वास्तव में कैसी है इसे गलत समझ सकता है, जिससे क्लोन बेहतर नहीं बन पाएगा।

3

पर्याप्त सामग्री दें

सुनिश्चित करें कि आपके पास आवाज़ को ठीक से क्लोन करने के लिए पर्याप्त सामग्री हो। हमारी सुझाई गई न्यूनतम मात्रा 30 मिनट का ऑडियो है, लेकिन सबसे अच्छे और सबसे सटीक क्लोन के लिए हम 2-3 घंटे के करीब ऑडियो की सलाह देते हैं। जितना ज़्यादा ऑडियो दिया जाएगा, तैयार क्लोन की गुणवत्ता उतनी ही बेहतर होगी।

4

स्टाइल एक जैसा रखें

आपके दिए गए सैंपल की बोलने की शैली आउटपुट में दोहराई जाएगी। इसलिए आप जैसी डिलीवरी चाहते हैं, ट्रेनिंग डेटा उसी शैली का होना चाहिए (जैसे, अगर आप अपनी आवाज़ के क्लोन से ऑडियोबुक बनाना चाहते हैं, तो ट्रेनिंग के लिए जमा किया गया ऑडियो उस टोन में किताब पढ़ते हुए आपकी रिकॉर्डिंग होना चाहिए जिसे आप इस्तेमाल करना चाहते हैं)। एकरूपता के लिए अपलोड किए गए सैंपल में केवल एक ही स्टाइल शामिल करना बेहतर है। Eleven v4 उस एकल बोलने की शैली को पहले के मॉडल्स की तुलना में ज़्यादा बारीकी से कैप्चर करता है।

5

जिस भाषा में PVC इस्तेमाल करना है, उसी भाषा में बोले गए सैंपल इस्तेमाल करें

ऐसे सैंपल इस्तेमाल करना सबसे अच्छा है जिनमें आप उस भाषा में बोल रहे हों जिसमें PVC का मुख्य रूप से इस्तेमाल किया जाएगा। बेशक, AI हमारी वर्तमान में समर्थित किसी भी भाषा में बोल सकता है। हालांकि, ध्यान रखें कि अगर आवाज़ खुद उस भाषा की मूल आवाज़ नहीं है जिसमें आप AI से बुलवाना चाहते हैं—यानी आपने किसी दूसरी भाषा बोलने वाली आवाज़ को क्लोन किया है—तो उसमें मूल भाषा का एक्सेंट हो सकता है और वह शब्दों व उतार-चढ़ाव का गलत उच्चारण कर सकती है। उदाहरण के लिए, अगर आप अंग्रेज़ी बोलने वाली आवाज़ को क्लोन करते हैं और फिर Eleven v4 से पहले के किसी मॉडल पर उससे स्पैनिश बुलवाना चाहते हैं, तो स्पैनिश बोलते समय उसमें अंग्रेज़ी एक्सेंट होने की बहुत संभावना है।

Eleven v4 के साथ, सैंपल वाली भाषा में जनरेट की गई स्पीच मूल एक्सेंट बनाए रखती है। दूसरी भाषा में जनरेट की गई स्पीच लक्ष्य भाषा में प्रवाहपूर्ण होती है। अगर आपको दूसरी भाषाओं में भी ट्रेनिंग एक्सेंट चाहिए, तो उस व्यवहार पर निर्भर होने से पहले Eleven v4 के साथ उसका परीक्षण करें।

हम केवल हमारी समर्थित भाषाओं में से किसी एक में रिकॉर्ड किए गए क्लोनिंग सैंपल को सपोर्ट करते हैं। अगर आपका सैंपल किसी असमर्थित भाषा में रिकॉर्ड किया गया है, तो एप्लिकेशन उसे अस्वीकार कर देगा।

अच्छी और खराब रिकॉर्डिंग से क्या उम्मीद करनी है, इसके लिए नीचे दिए गए उदाहरण देखें।

फिलहाल, हम आपको केवल अपनी आवाज़ क्लोन करने की अनुमति देते हैं। फाइन-ट्यूनिंग अनुरोध सबमिट करने से पहले आपको सत्यापन प्रक्रिया से गुज़रना होगा।

सुझाव

प्रोफेशनल रिकॉर्डिंग उपकरण

बेहतरीन नतीजों के लिए उच्च-गुणवत्ता वाले रिकॉर्डिंग उपकरण इस्तेमाल करें, क्योंकि AI ऑडियो की हर चीज़ क्लोन करेगा। उच्च-गुणवत्ता इनपुट = उच्च-गुणवत्ता आउटपुट। कोई भी माइक्रोफ़ोन काम करेगा, लेकिन हमारी सलाह है कि अलग ऑडियो इंटरफ़ेस से जुड़ा XLR माइक इस्तेमाल करें। कम बजट के लिए Audio Technica AT2020 या Rode NT1 जैसे माइक को Focusrite इंटरफ़ेस या समान उपकरण से जोड़ना अच्छा विकल्प है।

पॉप फ़िल्टर इस्तेमाल करें

रिकॉर्डिंग करते समय पॉप फ़िल्टर इस्तेमाल करें। इससे रिकॉर्डिंग के दौरान प्लोसिव्स कम होंगे।

माइक्रोफ़ोन की दूरी

माइक्रोफ़ोन से सही दूरी पर रहें—माइक से लगभग दो मुट्ठी की दूरी रखने की सलाह दी जाती है, लेकिन यह इस पर भी निर्भर करता है कि आप किस तरह की रिकॉर्डिंग चाहते हैं।

नॉइज़-रहित रिकॉर्डिंग

सुनिश्चित करें कि ऑडियो इनपुट में बैकग्राउंड संगीत या नॉइज़ जैसी कोई रुकावट न हो। AI क्लोनिंग साफ़ और व्यवस्थित ऑडियो के साथ सबसे अच्छी तरह काम करती है।

कमरे की ध्वनिकी

संभव हो तो ध्वनिक रूप से ट्रीट किए गए कमरे में रिकॉर्ड करें। इससे अनचाहे इको और बैकग्राउंड नॉइज़ कम होते हैं, जिससे AI को ज़्यादा साफ़ ऑडियो इनपुट मिलता है। रिकॉर्डिंग की जगह की गूंज कम करने के लिए आप मोटे डुवेट या रजाई से अस्थायी व्यवस्था भी बना सकते हैं।

ऑडियो प्री-प्रोसेसिंग

अगर आप चाहते हैं कि AI किसी खास तरह की आवाज़ आउटपुट करे, तो अपना ऑडियो पहले से एडिट करने पर विचार करें। उदाहरण के लिए, अगर आप पॉलिश्ड पॉडकास्ट जैसा आउटपुट चाहते हैं, तो अपने ऑडियो को उस गुणवत्ता के अनुसार प्री-प्रोसेस करें। साथ ही, अगर शब्दों के बीच लंबे पॉज़ या बहुत से “uhm” और “ahm” हों, तो उन्हें भी ध्यान में रखें, क्योंकि AI उनकी भी नकल करेगा।

वॉल्यूम नियंत्रण

एक समान वॉल्यूम रखें जो साफ़ सुनाई देने के लिए पर्याप्त तेज़ हो, लेकिन इतना तेज़ नहीं कि डिस्टॉर्शन हो। लक्ष्य संतुलित और स्थिर ऑडियो स्तर पाना है। आदर्श स्तर -23dB और -18dB RMS के बीच हो, जिसमें ट्रू पीक -3dB हो।

पर्याप्त ऑडियो लंबाई

बेहतरीन नतीजों के लिए ऊपर दिए गए निर्देशों का पालन करने वाला कम से कम 30 मिनट का उच्च-गुणवत्ता ऑडियो दें—अधिमानतः 2+ घंटे के करीब। आप AI को जितना ज़्यादा गुणवत्ता वाला डेटा देंगे, वॉइस क्लोन उतना ही बेहतर होगा। सैंपल की संख्या मायने नहीं रखती; कुल अवधि महत्वपूर्ण है। हालांकि, अगर आप कई घंटों का ऑडियो अपलोड करने वाले हैं, तो उसे कई लगभग 30 मिनट के सैंपल में बांटना बेहतर है। इससे अपलोड करना आसान हो जाता है।

Eleven v4

प्रोफेशनल वॉइस क्लोन को Eleven v4 में पूरी तरह सपोर्ट किया जाता है। वे आवाज़ की सटीकता में उन्हीं सुधारों पर आधारित हैं और टिंबर, कैडेंस, एक्सेंट, डिलीवरी और लाउडनेस समेत सोर्स आवाज़ को पहले के मॉडल्स की तुलना में ज़्यादा सटीकता से दोहराते हैं। Eleven v4 पर एक क्लोन, Eleven v3 पर उसी क्लोन से काफ़ी अलग सुनाई दे सकता है। अपने कंटेंट के साथ दोनों की तुलना करें और अपने उपयोग के मामले के अनुसार सही वर्शन चुनें।

Eleven v4 के दो वेरिएंट हैं। दोनों प्रोफेशनल वॉइस क्लोन के साथ काम करते हैं:

  • Eleven v4 (eleven_v4) कंटेंट क्रिएशन, ऑडियोबुक और कैरेक्टर वॉइसओवर के लिए सबसे उच्च-गुणवत्ता वाला मॉडल है।
  • Eleven v4 Turbo (eleven_v4_turbo) कन्वर्सेशनल एजेंट्स जैसे रियल-टाइम उपयोग के लिए कम लेटेंसी पर वही गुणवत्ता देता है।

दोनों वेरिएंट वॉइस सेटिंग्स Stability और Similarity को सपोर्ट करते हैं, लेकिन Eleven v4 में Style और Speed उपलब्ध नहीं हैं और SSML सपोर्टेड नहीं है।

ज़्यादातर प्रोफेशनल वॉइस क्लोन Eleven v4 पर अपने-आप फाइन ट्यून हो जाएंगे, लेकिन अगर यह मॉडल पहले से उपलब्ध नहीं है, तो आप फाइन ट्यूनिंग प्रक्रिया को मैन्युअल रूप से शुरू कर सकते हैं। किसी मौजूदा प्रोफेशनल वॉइस क्लोन को Eleven v4 पर प्रशिक्षित करने के लिए My Voices खोलें, आवाज़ ढूंढें और उस पर होवर करें। जिन मॉडल्स पर आवाज़ पहले से फाइन-ट्यून है, उन पर टिक दिखेगा और फाइन-ट्यूनिंग के लिए उपलब्ध मॉडल्स पर प्लस दिखेगा। फाइन-ट्यूनिंग शुरू करने के लिए Eleven v4 के पास प्लस बटन पर क्लिक करें। पूरा होने पर आपको ऐप और ईमेल से सूचना दी जाएगी।

क्लोन स्ट्रेंथ

जब आप प्रोफेशनल वॉइस क्लोन और Eleven v4 चुनते हैं, तो Voice settings में Clone Strength स्लाइडर शामिल होता है। क्लोन स्ट्रेंथ नियंत्रित करता है कि जनरेट की गई स्पीच क्लोन की ट्रेनिंग रिकॉर्डिंग को कितनी बारीकी से फ़ॉलो करे।

कम वैल्यू पर आवाज़ थोड़ी स्मूथ हो जाती है और डिलीवरी में परफ़ॉर्मेंस की ज़्यादा लचीलापन मिलता है। इससे अक्सर कुल मिलाकर बेहतर ध्वनि मिलती है, जबकि आवाज़ मूल आवाज़ जैसी ही रहती है। अधिक वैल्यू पर आउटपुट कम स्मूथिंग के साथ ट्रेनिंग रिकॉर्डिंग के ज़्यादा करीब रहता है और मूल आवाज़ की डिलीवरी व परफ़ॉर्मेंस की अधिक बारीकी से नकल करता है। अलग विशेषताओं या अनोखे एक्सेंट वाली आवाज़ों के लिए अधिक वैल्यू खास तौर पर उपयोगी हो सकती है।

ज़्यादातर उपयोग के मामलों में हम 0% की सलाह देते हैं, लेकिन अनोखे एक्सेंट या विशेषताओं के लिए ज़्यादा वैल्यू उपयोगी हो सकती है। ऐसे मामलों में, हम क्लोन स्ट्रेंथ को 50% तक बढ़ाने का सुझाव देते हैं।

FAQ

प्रोफेशनल वॉइस क्लोनिंग, इंस्टेंट वॉइस क्लोनिंग से अलग है, जो आपको 2 मिनट से कम ऑडियो के साथ तेज़ी से वॉइस क्लोन करने देती है। प्रोफेशनल वॉइस क्लोनिंग से आप अपनी वॉइस का ज़्यादा वास्तविक मॉडल ट्रेन कर सकते हैं। यह बड़े वॉइस डेटासेट पर एक समर्पित मॉडल को ट्रेन करके हासिल किया जाता है, जिससे ऐसा मॉडल बनता है जो आपकी मूल वॉइस से लगभग अलग नहीं पहचाना जा सकता।

प्रोफेशनल वॉइस क्लोन के लिए फ़ाइन-ट्यूनिंग और ट्रेनिंग ज़रूरी होती है, इसलिए अपने वॉइस क्लोन को इस्तेमाल करने से पहले कुछ समय लगेगा। इसका अनुमान देना मुश्किल है क्योंकि यह आपसे पहले कतार में मौजूद लोगों की संख्या और कुछ अन्य कारकों पर निर्भर करता है, लेकिन आमतौर पर फ़ाइन-ट्यूनिंग में 3–6 घंटे लगते हैं।

आपका प्रोफेशनल वॉइस क्लोन तैयार होने पर आपको ईमेल से सूचना मिलेगी।

नहीं। आप सिर्फ़ अपनी वॉइस का Professional Voice Clone बना सकते हैं। किसी की सहमति होने पर भी आप किसी और की वॉइस क्लोन नहीं कर सकते। सभी Professional Voice Clones में यह पुष्टि करने के लिए वेरिफ़िकेशन प्रक्रिया ज़रूरी है कि वॉइस आपकी है।

अगर कोई व्यक्ति अपनी वॉइस आपके साथ शेयर करना चाहता है, तो वह अपने अकाउंट पर Professional Voice Clone बनाकर उसे वेरिफ़ाई कर सकता है, फिर शेयरिंग लिंक से उसे निजी तौर पर आपके साथ शेयर कर सकता है। हमारे लेख में और जानें: मैं वॉइस कैसे शेयर करूं?

Professional Voice Clone (PVC) स्लॉट्स आपकी सब्सक्रिप्शन टियर के हिसाब से अलग-अलग होते हैं:


बेस PVC स्लॉट्स
  • Free और Starter प्लान: कोई PVC स्लॉट उपलब्ध नहीं
  • Creator, Pro और पुराने Scale प्लान: 1 PVC स्लॉट
  • Scale और पुराने Business प्लान: 3 PVC स्लॉट्स
  • Business प्लान: 10 PVC स्लॉट्स
  • Enterprise प्लान: PVC स्लॉट्स की कस्टम संख्या

अतिरिक्त PVC स्लॉट्स

जब आपके द्वारा वॉइस लाइब्रेरी में शेयर किए गए Professional Voice Clone को Studio Quality के रूप में मार्क किया जाता है, तो आप अतिरिक्त PVC स्लॉट्स पा सकते हैं।

  • Studio Quality रिव्यू सिर्फ़ उन वॉइसेज़ पर लागू होता है जिन्हें आपने वॉइस लाइब्रेरी में शेयर किया है
  • आपकी वॉइस वॉइस लाइब्रेरी में स्वीकार होने के बाद Studio Quality रिव्यू अपने आप होता है। यह तुरंत नहीं होता
  • अगर आपके शेयर किए गए PVC को Studio Quality के रूप में मार्क किया जाता है, तो आपको अपने आप एक अतिरिक्त PVC स्लॉट मिलता है
  • अगर कई शेयर की गई वॉइसेज़ को Studio Quality के रूप में मार्क किया जाए, तो यह कई बार हो सकता है
  • आप ज़्यादा PVCs नहीं बना सकते, जब तक कि आप इनमें से कोई एक काम न करें:
    • वॉइस लाइब्रेरी में शेयर की गई वॉइसेज़ के Studio Quality रिव्यू से अतिरिक्त स्लॉट्स पाएं
    • Scale या उससे ऊपर के प्लान में अपग्रेड करें
ज़रूरी नोट्स
  • Professional Voice Clones का इस्तेमाल सिर्फ़ अपनी वॉइस क्लोन करने के लिए किया जा सकता है
  • अगर आप Creator टियर से नीचे के प्लान में डाउनग्रेड करते हैं, तो आपका PVC आपके अकाउंट में रहेगा, लेकिन Creator या उससे ऊपर अपग्रेड करने तक आप उसका इस्तेमाल नहीं कर पाएंगे
  • आपके पास मौजूद कस्टम वॉइसेज़ की कुल संख्या, जिसमें PVCs भी शामिल हैं, आपकी सब्सक्रिप्शन टियर पर निर्भर करती है

सभी Professional Voice Clones (PVCs) अपने आप Flash v2.5, Turbo v2.5 और Multilingual v2 मॉडल्स पर ट्रेन होंगे। अंग्रेज़ी ऑडियो पर ट्रेन किए गए PVCs अपने आप Flash v2 और Turbo v2 मॉडल्स पर भी ट्रेन होंगे।

अगर आपके पास पहले से PVC है, तो अब आपके पास उसे अतिरिक्त मॉडल्स पर फ़ाइन-ट्यून करने का विकल्प है। भविष्य में, अगर फ़ाइन-ट्यूनिंग सपोर्ट करने वाले नए मॉडल्स रिलीज़ होते हैं, तो आपको नोटिफ़िकेशन मिलेगा। यह एक एक्सक्लेमेशन आइकन से दिखाया जाता है, जो My Voices. में वॉइस सूची में आपकी वॉइस के दाईं ओर दिखाई देगा। इस आइकन पर होवर करने पर नोटिफ़िकेशन दिखेगा।

 

 

फ़ाइन-ट्यूनिंग प्रक्रिया शुरू करने के लिए, My Voices, में सूची में अपनी वॉइस के नाम पर होवर करें। आपको सभी उपलब्ध मॉडल्स दिखेंगे। जिन मॉडल्स पर वॉइस पहले ही फ़ाइन-ट्यून हो चुकी है, वे टिक आइकन के साथ दिखेंगे, और फ़ाइन-ट्यूनिंग के लिए उपलब्ध मॉडल्स प्लस आइकन के साथ दिखेंगे। फ़ाइन-ट्यूनिंग शुरू करने के लिए, बस मॉडल पर क्लिक करें। 

जब वॉइस फ़ाइन-ट्यून हो रही हो, तो प्रगति देखने के लिए मॉडल नाम पर होवर कर सकते हैं। ध्यान दें कि वॉइस कैशिंग की वजह से, नवीनतम प्रगति देखने के लिए आपको पेज रिफ़्रेश करना पड़ सकता है। फ़ाइन-ट्रेनिंग पूरी होने के बाद, आपको ऐप में और ईमेल से नोटिफ़िकेशन मिलेगा।

प्रोसेस होने के दौरान आपका प्रोफेशनल वॉइस क्लोन कुछ अलग चरणों से गुज़रेगा। ये चरण My Voices में आपके प्रोफेशनल वॉइस क्लोन के लिए दिखाए गए स्टेटस में दिखाई देते हैं।

मौजूदा स्टेटस देखने के लिए, सूची में अपनी वॉइस ढूँढें और दाईं ओर दिख रहे आइकन देखें।

 

ड्राफ़्ट: इस स्टेटस का मतलब है कि आपकी वॉइस अधूरी है। आमतौर पर ऐसा तब होता है जब आपने वॉइस बनाना पूरा नहीं किया है या आपने अभी तक वॉइस सत्यापित नहीं की है।

सत्यापन प्रक्रिया शुरू करने के लिए, टिक आइकन पर क्लिक करें।

वॉइस बनाने की प्रक्रिया पर वापस जाने के लिए More actions (तीन डॉट) पर क्लिक करें और Edit voice चुनें।

 

अपनी वॉइस सत्यापित करने के बाद, उसे इस्तेमाल करने से पहले हमारे मॉडल्स पर फ़ाइन-ट्यूनिंग करनी होगी। आप My Voices में अपनी वॉइस के नाम पर कर्सर ले जाकर इस प्रक्रिया को ट्रैक कर सकते हैं। यहाँ सभी उपलब्ध मॉडल्स की सूची दिखेगी और हर मॉडल का स्टेटस बताने के लिए एक आइकन होगा। 

 

ज़्यादा जानकारी के लिए मॉडल के नाम पर कर्सर ले जाएँ। आपको इनमें से कोई एक स्टेटस दिखेगा:

ट्रेनिंग रन शेड्यूल हो गया है: इसका मतलब है कि आपकी वॉइस ट्रेनिंग के लिए उपलब्ध स्लॉट खुलने का इंतज़ार कर रही है। आपकी वॉइस कितनी देर तक कतार में रहेगी, यह कतार में मौजूद अन्य वॉइस की संख्या पर निर्भर करेगा।

डेटासेट बनाया जा रहा है और फ़ाइन-ट्यूनिंग चल रही है: स्लॉट खुलने के बाद फ़ाइन-ट्यूनिंग शुरू होगी। इसमें 6–24 घंटे लग सकते हैं। प्रतिशत के रूप में दिखेगा कि आपकी वॉइस ट्रेनिंग प्रक्रिया के हर चरण में कितनी आगे बढ़ चुकी है।

हमें खेद है कि ट्रेनिंग रन में समस्या आई और इसे फिर से शुरू किया गया है। आगे कोई कार्रवाई ज़रूरी नहीं है

इसका मतलब है कि कुछ गड़बड़ हुई, लेकिन आपकी वॉइस को फ़ाइन-ट्यूनिंग प्रक्रिया दोबारा शुरू करने के लिए अपने-आप कतार में डाल दिया गया है। आपकी वॉइस को अगली कोशिश में फ़ाइन-ट्यूनिंग प्रक्रिया सफलतापूर्वक पूरी कर लेनी चाहिए, लेकिन अगर कई बार विफलता होती है, तो हमें support@elevenlabs.io पर ईमेल करके सहायता टीम से संपर्क करें।

वॉइस मॉडल के साथ इस्तेमाल के लिए तैयार है: इसका मतलब है कि इस मॉडल के लिए फ़ाइन-ट्यूनिंग प्रक्रिया पूरी हो गई है और अब आप इस मॉडल के साथ अपनी वॉइस इस्तेमाल कर सकते हैं।

फ़ाइन-ट्यूनिंग शुरू करने के लिए क्लिक करें: कुछ मॉडल्स अपने-आप ट्रेन नहीं होते और फ़ाइन-ट्रेनिंग शुरू करने के लिए आपको मॉडल के नाम पर क्लिक करना होगा। अगर आपकी वॉइस के लिए फ़ाइन-ट्यूनिंग के अतिरिक्त मॉडल उपलब्ध हो गए हैं, तो आपकी वॉइस के आगे विस्मयादिबोधक आइकन दिखेगा। 

फ़ाइन-ट्यूनिंग प्रक्रिया शुरू करने के लिए, अपनी वॉइस के नाम पर कर्सर ले जाएँ और मॉडल के नाम पर क्लिक करें।

प्रोफेशनल वॉइस क्लोनिंग में किसी खास वक्ता की आवाज़ के बड़े डेटासेट पर मॉडल को ट्रेन (फाइन-ट्यून) करके एक कस्टम मॉडल बनाया जाता है।

सैंपल अपलोड करने और अपनी आवाज़ सत्यापित करने के बाद, आपका प्रोफेशनल वॉइस क्लोन कतार में जोड़ दिया जाएगा। अनुमानित ट्रेनिंग समय करीब 3–6 घंटे है। यह कुछ कारकों पर निर्भर करता है, इसलिए सटीक अनुमान देना मुश्किल है। कभी-कभी इसमें अधिक समय लग सकता है।

आप माय वॉइसेज़ में अपनी वॉइस का मौजूदा स्टेटस देख सकते हैं। अधिक जानकारी के लिए मेरे प्रोफेशनल वॉइस क्लोन के स्टेटस का क्या मतलब है? देखें।

आपके PVC की फाइन-ट्यूनिंग प्रक्रिया पूरी होने पर, आपको ऐप में और ईमेल से सूचना मिलेगी कि आपकी वॉइस अब इस्तेमाल के लिए तैयार है।

अपनी वॉइस सत्यापित करने के बाद, उसे इस्तेमाल करने से पहले हमारे मॉडल्स पर फ़ाइन-ट्यूनिंग करनी होगी। इस दौरान, आप My Voices में अपनी वॉइस के नाम पर कर्सर ले जाकर उसका स्टेटस देख सकते हैं। यहाँ आपकी वॉइस के लिए उपलब्ध सभी मॉडल दिखेंगे। हर मॉडल का स्टेटस देखने के लिए उसके नाम पर कर्सर ले जाएँ। 

अगर कुछ गड़बड़ हुई है, तो आपको यह स्टेटस दिख सकता है:

हमें खेद है कि ट्रेनिंग रन में समस्या आई और इसे फिर से शुरू किया गया है। आगे कोई कार्रवाई ज़रूरी नहीं है। इसका मतलब है कि कुछ गड़बड़ हुई, लेकिन आपकी वॉइस को फ़ाइन-ट्यूनिंग प्रक्रिया दोबारा शुरू करने के लिए अपने-आप कतार में डाल दिया गया है। आपकी वॉइस को अगली कोशिश में फ़ाइन-ट्यूनिंग प्रक्रिया सफलतापूर्वक पूरी कर लेनी चाहिए, लेकिन अगर कई बार विफलता होती है, तो डेटासेट में ऐसी समस्या हो सकती है जिसे AI हल नहीं कर सकता।

इसे ठीक करने के लिए आप वॉइस डिलीट करके शुरुआत से डेटा फिर से अपलोड कर सकते हैं। इससे कुछ यूज़र्स को मदद मिली है।

अगर इससे समस्या हल नहीं होती, तो आपको अपने ट्रेनिंग ऑडियो की समीक्षा करनी पड़ सकती है और संभव है कि अलग ट्रेनिंग ऑडियो इस्तेमाल करना पड़े।

फ़ाइन-ट्यूनिंग प्रक्रिया के दौरान विफलता होने पर आप हमें support@elevenlabs.io पर ईमेल करके सहायता टीम से संपर्क कर सकते हैं।

अगर आप अपना प्रोफेशनल वॉइस क्लोन बनाते समय सत्यापन की सभी कोशिशों में विफल हो जाते हैं, तो 24 घंटे इंतज़ार कर सकते हैं, जिसके बाद आप प्रक्रिया फिर से आज़मा पाएँगे।

आप support@elevenlabs.io पर ईमेल करके सहायता टीम से भी संपर्क कर सकते हैं, ताकि वे आपके लिए इसकी जाँच कर सकें। अगर सब कुछ सही लगता है, तो वे आपकी सत्यापन कोशिशें रीसेट कर देंगे, ताकि आप प्रक्रिया फिर से आज़मा सकें।

अपने प्रोफेशनल वॉइस क्लोन को सफलतापूर्वक सत्यापित करने के लिए ये सुझाव अपनाएँ:

  • पक्का करें कि आपके वेब ब्राउज़र को माइक्रोफ़ोन इस्तेमाल करने की अनुमति है और आपका माइक्रोफ़ोन म्यूट नहीं है।
  • सुनिश्चित करें कि कंप्यूटर के माइक्रोफ़ोन से रिकॉर्ड किया गया ऑडियो क्लोनिंग के लिए अपलोड किए गए ऑडियो जैसा सुनाई देता है और उसमें बैकग्राउंड नॉइज़ या बाहरी ऑडियो का हस्तक्षेप नहीं है।
  • जिस ऑडियो से आपने वॉइस को ट्रेन किया था, उसी जैसी शैली में बोलने की कोशिश करें।
  • सत्यापन की हर लाइन सिर्फ़ एक बार पढ़ें, फिर रिकॉर्डिंग रोकने के लिए Stop दबाएँ। लाइन को एक से ज़्यादा बार पढ़ने पर सत्यापन प्रक्रिया विफल हो सकती है।

आप अपने सबसे हालिया वेरिफ़िकेशन प्रयास के 24 घंटे बाद, My Voices से बिना वेरिफ़ाई किया गया Professional Voice Clone (PVC) हटा सकते हैं। अगर आपको इसे पहले हटाना है, तो support@elevenlabs.io पर ईमेल करके सहायता टीम से संपर्क करें।

अगर आपने अभी तक वेरिफ़िकेशन प्रक्रिया शुरू नहीं की है, तो आप अपना PVC कभी भी हटा सकते हैं।

प्रोफेशनल वॉइस क्लोनिंग Eleven v4 मॉडल फ़ैमिली में उपलब्ध सभी भाषाओं को सपोर्ट करता है — कुल 90+ भाषाएं।

Eleven v4 मॉडल परिवार 90+ भाषाओं को सपोर्ट करता है, जिनमें शामिल हैं:

अफ़्रीकांस (af), अम्हारिक (am), अरबी (ar), अर्मेनियाई (hy), असमिया (as), अस्तूरियाई (ast), अज़रबैजानी (az), बेलारूसी (be), बांग्ला (bn), बोस्नियाई (bs), बल्गेरियाई (bg), बर्मी (my), कैंटोनीज़ (yue), कैटलन (ca), सेबुआनो (ceb), क्रोएशियाई (hr), चेक (cs), डेनिश (da), डच (nl), अंग्रेज़ी (en), एस्टोनियाई (et), फ़िलिपीनो (fil), फ़िनिश (fi), फ़्रेंच (fr), फुला (पुलार) (ff), गैलिशियन (gl), जॉर्जियाई (ka), जर्मन (de), यूनानी (el), गुजराती (gu), हौसा (ha), हिब्रू (he), हिंदी (hi), हंगेरियाई (hu), आइसलैंडिक (is), इंडोनेशियाई (id), इतालवी (it), जापानी (ja), जावानीज़ (jv), कांबा (kam), कन्नड़ (kn), कज़ाख़ (kk), कोरियाई (ko), किर्गिज़ (ky), लाओ (lo), लातवियाई (lv), लिंगाला (ln), लिथुआनियाई (lt), लुगांडा (lg), लक्ज़मबर्गिश (lb), मैसेडोनियाई (mk), मलय (ms), मलयालम (ml), माल्टीज़ (mt), मंदारिन चीनी (zh), माओरी (mi), मराठी (mr), मंगोलियाई (mn), नेपाली (ne), नॉर्वेजियन (no), ऑक्सितान (oc), ओड़िया (or), पश्तो (ps), फ़ारसी (fa), पोलिश (pl), पुर्तगाली (pt), पंजाबी (pa), रोमानियाई (ro), रूसी (ru), सर्बियाई (sr), शोना (sn), सिंधी (sd), स्लोवाक (sk), स्लोवेनियाई (sl), सोमाली (so), सोरानी कुर्दिश (ckb), स्पैनिश (es), स्वाहिली (sw), स्वीडिश (sv), ताजिक (tg), तमिल (ta), तेलुगु (te), थाई (th), तुर्की (tr), यूक्रेनी (uk), उर्दू (ur), उज़्बेक (uz), वियतनामी (vi), वेल्श (cy), वोलोफ़ (wo), ज़ुलू (zu).

language_code पैरामीटर ज़्यादातर भाषाओं के लिए ISO 639-1 के दो-अक्षर वाले कोड स्वीकार करता है। जिन भाषाओं का ISO 639-1 कोड नहीं है, उनके लिए ISO 639-3 के तीन-अक्षर वाले कोड इस्तेमाल होते हैं: अस्तूरियाई (ast), कैंटोनीज़ (yue), सेबुआनो (ceb), फ़िलिपीनो (fil), कांबा (kam), और सोरानी कुर्दिश (ckb)।

इंस्टेंट वॉइस क्लोनिंग और प्रोफेशनल वॉइस क्लोनिंग के लिए, हम कई तरह की फ़ाइल टाइप स्वीकार करते हैं। हम 192kbps या उससे ऊपर के MP3 की पुरज़ोर सलाह देते हैं।

सुझाया गया फ़ॉर्मेट

  • MP3, 192kbps या उससे ऊपर

सुझाई गई अवधि

  • इंस्टेंट वॉइस क्लोनिंग: 1–2 मिनट का अच्छा ऑडियो
  • प्रोफेशनल वॉइस क्लोनिंग: 30–180 मिनट का अच्छा ऑडियो

इंस्टेंट वॉइस क्लोनिंग के लिए न्यूनतम अवधि

ऐप में सैंपल अपलोड करते समय, हर फ़ाइल कम से कम 5 सेकंड लंबी होनी चाहिए और आपके सभी सैंपल मिलाकर कम से कम 10 सेकंड के होने चाहिए। अच्छे क्लोन के लिए, ऊपर दी गई सुझाई गई अवधि का लक्ष्य रखें।

WAV जैसे अनकंप्रेस्ड फ़ॉर्मेट आमतौर पर क्लोन की गुणवत्ता बेहतर नहीं बनाते और अपलोड प्रक्रिया में समस्याएं पैदा कर सकते हैं। इसके बजाय रिकॉर्डिंग की गुणवत्ता पर ध्यान दें: बिना बैकग्राउंड नॉइज़, रूम रीवर्ब या कई स्पीकर्स वाली साफ रिकॉर्डिंग का इस्तेमाल करें। वॉल्यूम और टोन एक जैसे रखें और लंबे साइलेंस गैप न हों।

अधिक जानकारी के लिए इंस्टेंट वॉइस क्लोनिंग (IVC) और प्रोफेशनल वॉइस क्लोनिंग (PVC) देखें।

ElevenLabs में, हम बौद्धिक संपदा अधिकारों का सम्मान करने और अपनी टेक्नोलॉजी के संभावित दुरुपयोग को रोकने के लिए सुरक्षा उपाय लागू करने, दोनों के लिए पूरी तरह प्रतिबद्ध हैं:

  • हम सिर्फ़ उन क्लाइंट्स के साथ काम करते हैं जो हमारी सेवा की शर्तों और निषिद्ध उपयोग नीति का पालन करते हैं। ये हमारी टेक्नोलॉजी का किसी भी गैरकानूनी या हानिकारक उद्देश्य के लिए दुर्भावनापूर्ण इस्तेमाल प्रतिबंधित करती हैं;
  • हम वॉइस मालिकों और उनके लाइसेंसधारकों को अपने अधिकारों का दावा करने में सहयोग देते हैं और सभी ज्ञात उल्लंघनों की समीक्षा करके कार्रवाई करते हैं;
  • हमारे मॉडल्स से जनरेट किया गया हर ऑडियो तुरंत उस यूज़र तक ट्रेस किया जा सकता है जिसने उसे जनरेट किया है।

हम जो टेक्नोलॉजी विकसित कर रहे हैं वह नई है और इसके लिए स्पष्ट नियम अभी लागू नहीं किए गए हैं। एक AI रिसर्च लैब के रूप में हमारा एक लक्ष्य इस टेक्नोलॉजी के अस्तित्व, इसकी क्षमता और इसकी सीमाओं के बारे में जागरूकता फैलाना भी है।

विस्तृत गाइड के लिए, हम आपको Instant Voice Cloning और Professional Voice Cloning पर हमारा डॉक्यूमेंटेशन पढ़ने की सलाह देते हैं।

सीधी बात: अच्छा और एक-जैसा इनपुट = अच्छा और एक-जैसा आउटपुट।

लंबाई

  • Instant Voice Cloning: अच्छी क्वालिटी के ऑडियो के 1 - 2 मिनट
  • Professional Voice Cloning: अच्छी क्वालिटी के ऑडियो के 30 - 180 मिनट

जितने अच्छे और स्पष्ट ऑडियो क्लिप्स मिल सकें, उनका इस्तेमाल करें। उनमें सिर्फ़ एक स्पीकर होना चाहिए, बैकग्राउंड नॉइज़ या रुकावट नहीं होनी चाहिए, और उनकी आवाज़ तेज़ व साफ़ होनी चाहिए।

सिर्फ़ लंबाई बढ़ाने के लिए अलग-अलग क्वालिटी के बहुत-से क्लिप्स इस्तेमाल करने के बजाय, ऐसे क्लिप्स को प्राथमिकता दें जिनमें माइक्रोफ़ोन की क्वालिटी साफ़ तौर पर बहुत अच्छी हो और जिनकी क्वालिटी व टोन पूरे क्लिप में एक-जैसी हो। कुल अवधि बढ़ाने पर ध्यान न दें।

पक्का करें कि आपके क्लिप्स में ज़्यादातर डायलॉग स्पीकर की उस बोलने की शैली और इंटोनेशन से मेल खाते हों, जिसे आप सबसे ज़्यादा पसंद करते हैं। ऐसे डायलॉग के बहुत ज़्यादा हिस्से नहीं होने चाहिए जिनमें स्पीकर आपके पसंदीदा स्पीच पैटर्न से अलग बोलता हो।

ज़रूरत हो तो बैकग्राउंड नॉइज़ कम करने के लिए नॉइज़ रिमूवर का इस्तेमाल करें।

आप हमारे डॉक्यूमेंटेशन में यहाँ ज़्यादा जानकारी पा सकते हैं।

हां। आप Flash v2.5 और Multilingual v2 द्वारा समर्थित किसी भी भाषा में अपनी वॉइस क्लोन कर सकते हैं। समर्थित भाषाओं की पूरी सूची यहाँ देखें।

आप ऐसी भाषा बोलने वाली वॉइस भी क्लोन कर सकते हैं, जिसे AI सपोर्ट नहीं करता। क्लोन स्पीकर का टोन कैप्चर कर सकता है, लेकिन वह उस भाषा में बोल नहीं पाएगा और नतीजे अनुमान से अलग हो सकते हैं। हम इसकी सलाह नहीं देते।

आप अपने वॉइस क्लोन्स को अलग फ़ाइलों के रूप में डाउनलोड या एक्सपोर्ट नहीं कर सकते। वॉइस क्लोन्स आपके ElevenLabs अकाउंट में ही रहते हैं।

फिर भी आप ElevenLabs वेबसाइट के बाहर अपनी ElevenLabs वॉइसेज़ इस्तेमाल कर सकते हैं। आपकी API key से थर्ड-पार्टी सेवाएं ElevenLabs API को कॉल कर सकती हैं और आपके अकाउंट की वॉइसेज़ से स्पीच जनरेट कर सकती हैं।

अगर आप बाद में किसी क्लोन को दोबारा बनाना चाहते हैं, तो उसे बनाने के लिए इस्तेमाल किए गए मूल ऑडियो सैंपल्स संभालकर रखें। एक ही ऑडियो इस्तेमाल करने पर भी हर क्लोन की आवाज़ थोड़ी अलग होगी।

ElevenLabs दो क्लोनिंग विकल्प देता है:

  • इंस्टेंट वॉइस क्लोनिंग: करीब 1–3 मिनट के ऑडियो से तेज़ नतीजे। ज़्यादातर आवाज़ों के लिए अच्छी तरह काम करती है, लेकिन असामान्य एक्सेंट या खास आवाज़ों के साथ मुश्किल हो सकती है।
  • प्रोफेशनल वॉइस क्लोनिंग: 30 मिनट से करीब 3 घंटे के ऑडियो का इस्तेमाल करके बेहतर गुणवत्ता देती है। फाइन-ट्यूनिंग में आमतौर पर 3–6 घंटे लगते हैं और कतार में बहुत-सी आवाज़ें होने पर अधिक समय लग सकता है।

अगर इंस्टेंट वॉइस क्लोनिंग आपकी आवाज़ या एक्सेंट को अच्छी तरह कैप्चर नहीं करती, तो प्रोफेशनल वॉइस क्लोनिंग आज़माएं।

क्लोन बनने के बाद उसका एक्सेंट या टोन बदला नहीं जा सकता। नतीजा बेहतर करने के लिए इस्तेमाल किए गए ऑडियो सैंपल बदलें। सैंपल में छोटे बदलाव से बड़ा अंतर आ सकता है।

अगर आप अपने प्रोफेशनल वॉइस क्लोन (PVC) को फ़ाइन-ट्यूनिंग प्रक्रिया पूरी होने और इस्तेमाल के लिए उपलब्ध होने से पहले इस्तेमाल करने की कोशिश करते हैं, तो आपको यह त्रुटि दिखाई देगी।

PVC बनाने पर, इस्तेमाल के लिए उपलब्ध होने से पहले उसे कई प्रक्रियाओं से गुज़रना होता है। अपनी वॉइस सत्यापित करने के बाद, उसे प्रोसेस किया जाएगा और फ़ाइन-ट्यूनिंग के लिए कतार में डाल दिया जाएगा। फ़ाइन-ट्यूनिंग के लिए पहले से कतार में मौजूद अन्य वॉइस की संख्या के आधार पर, हमारा अनुमान है कि इस प्रक्रिया में आमतौर पर 3–6 घंटे लगेंगे, लेकिन इसमें 24 घंटे तक लग सकते हैं।

आप My Voices में अपनी वॉइस की सूची से वॉइस ढूँढकर और फिर ज़्यादा जानकारी देखने के लिए View पर क्लिक करके अपने PVC की प्रगति देख सकते हैं। मौजूदा स्टेटस देखने के लिए हर मॉडल पर कर्सर ले जाएँ।  

हर स्टेटस के मतलब की ज़्यादा जानकारी के लिए मेरे प्रोफेशनल वॉइस क्लोन का स्टेटस क्या दर्शाता है? देखें।

आपके PVC की फ़ाइन-ट्यूनिंग पूरी होने और इस्तेमाल के लिए उपलब्ध होने पर, आपको पॉप-अप नोटिफ़िकेशन दिखेगा और ईमेल से भी सूचना मिलेगी।

No results