टेक्स्ट टू स्पीच

अवलोकन

ElevenLabs टेक्स्ट टू स्पीच (TTS) API टेक्स्ट को बारीक उतार-चढ़ाव, गति और भावनात्मक समझ के साथ जीवंत ऑडियो में बदलता है। हमारे मॉडल 32 भाषाओं और कई वॉइस स्टाइल्स में टेक्स्ट संकेतों के अनुसार ढल जाते हैं और इनका इस्तेमाल इन कामों के लिए किया जा सकता है:

• वैश्विक मीडिया कैंपेन और विज्ञापनों का नैरेशन करना
• जटिल भावनात्मक अभिव्यक्ति के साथ कई भाषाओं में ऑडियोबुक बनाना
• टेक्स्ट से रीयल-टाइम ऑडियो स्ट्रीम करना

एक नमूना सुनें:

अपने प्रोजेक्ट के लिए सही वॉइस खोजने के लिए हमारी वॉइस लाइब्रेरी देखें।

वॉइस क्वालिटी

रीयल-टाइम एप्लिकेशन के लिए, Eleven v4 Turbo और Flash v2.5 बेहद कम लेटेंसी देते हैं, जबकि Multilingual v2 ज़्यादा बारीक अभिव्यक्ति के साथ सबसे उच्च गुणवत्ता वाला ऑडियो देता है।

वॉइस विकल्प

ElevenLabs कई क्रिएशन तरीकों के ज़रिए 32 भाषाओं में हज़ारों वॉइस उपलब्ध कराता है:

• समुदाय द्वारा साझा की गई 10,000+ वॉइसेज़ वाली वॉइस लाइब्रेरी
• सबसे सटीक प्रतिकृतियों के लिए प्रोफेशनल वॉइस क्लोनिंग
• तेज़ वॉइस प्रतिकृति के लिए इंस्टेंट वॉइस क्लोनिंग
• टेक्स्ट विवरणों से कस्टम वॉइस जनरेट करने के लिए वॉइस डिज़ाइन

हमारे वॉइस विकल्पों के बारे में और जानें।

ऑडियो इफेक्ट्स

ऑडियो इफेक्ट्स जनरेट की गई स्पीच को पोस्ट-प्रोसेस करते हैं, ताकि वह किसी खास जगह पर रिकॉर्ड की हुई लगे, बिना बाद में एडिट किए। इनमें से कोई भी संयोजन सेट करें:

• फ़िल्टर प्रीसेट: वॉइस का टोन बदलता है, जैसे फ़ोन लाइन, पुराना रेडियो या रोबोट।
• दूरी: स्पीकर को माइक्रोफ़ोन से दूर करता है।
• एनवायरनमेंट: वॉइस को गूंज वाले स्पेस में रखता है, जैसे छोटा कमरा या हॉल।
• बैकग्राउंड नॉइज़: वॉइस के नीचे कैफ़े या कीबोर्ड टाइपिंग जैसी एम्बिएंट ध्वनि लूप करता है।
• पैन: वॉइस को बाएं और दाएं चैनल के बीच स्थित करता है।

इफेक्ट्स टेक्स्ट टू स्पीच और टेक्स्ट टू डायलॉग एंडपॉइंट्स पर उपलब्ध हैं, जिनमें स्ट्रीमिंग और टाइमस्टैम्प वाली रिक्वेस्ट भी शामिल हैं। इसके लिए audio_effects पैरामीटर इस्तेमाल करें। उपलब्ध फ़िल्टर प्रीसेट, एनवायरनमेंट और बैकग्राउंड नॉइज़ की सूची ऑडियो इफेक्ट्स कैटलॉग से देखें। Agents भी वॉइस फ़िल्टर लागू कर सकते हैं; ऑडियो एनवायरनमेंट देखें। ऐप में, टेक्स्ट टू स्पीच प्लेग्राउंड से इफेक्ट्स जोड़ें।

इफेक्ट्स से रिक्वेस्ट की लागत नहीं बदलती।

समर्थित भाषाएं

हमारे multilingual v2 मॉडल्स 29 भाषाओं को support करते हैं:

अंग्रेज़ी (USA, UK, ऑस्ट्रेलिया, कनाडा), जापानी, चीनी, जर्मन, हिंदी, फ़्रेंच (फ़्रांस, कनाडा), कोरियाई, पुर्तगाली (ब्राज़ील, पुर्तगाल), इतालवी, स्पेनिश (स्पेन, मेक्सिको), इंडोनेशियाई, डच, तुर्की, फ़िलिपीनो, पोलिश, स्वीडिश, बल्गेरियाई, रोमानियाई, अरबी (सऊदी अरब, UAE), चेक, यूनानी, फ़िनिश, क्रोएशियाई, मलय, स्लोवाक, डेनिश, तमिल, यूक्रेनी और रूसी।

Flash v2.5, v2 मॉडल्स की सभी भाषाओं के साथ-साथ 32 भाषाओं को support करता है:

हंगेरियन, नॉर्वेजियन और वियतनामी

हमारी किसी भी समर्थित भाषा में टेक्स्ट डालें और हमारी वॉइस लाइब्रेरी से उससे मेल खाने वाली वॉइस चुनें। सबसे स्वाभाविक नतीजों के लिए, ऐसी वॉइस चुनें जिसका एक्सेंट आपकी लक्षित भाषा और क्षेत्र से मेल खाता हो।

प्रॉम्प्टिंग

मॉडल टेक्स्ट इनपुट से भावनात्मक संदर्भ को सीधे समझते हैं। उदाहरण के लिए, “उसने उत्साह से कहा” जैसा वर्णनात्मक टेक्स्ट जोड़ने या विस्मयादिबोधक चिह्नों का इस्तेमाल करने से स्पीच की भावना प्रभावित होगी। स्टेबिलिटी और सिमिलैरिटी जैसी वॉइस सेटिंग्स एकरूपता नियंत्रित करने में मदद करती हैं, जबकि मूल भावना टेक्स्ट संकेतों से आती है।

ज़्यादा जानकारी के लिए प्रॉम्प्टिंग गाइड पढ़ें।

अक्सर पूछे जाने वाले सवाल

मुख्य बातें

• डिटरमिनिज़्म: आउटपुट नॉन-डिटरमिनिस्टिक है — ज़्यादा एकरूप नतीजों के लिए seed पैरामीटर इस्तेमाल करें
• ऑडियो इफेक्ट्स: बिना अतिरिक्त लागत के audio_effects के साथ फ़िल्टर प्रीसेट, दूरी, रीवर्ब, बैकग्राउंड नॉइज़ या पैनिंग जोड़ें
• मुफ़्त रीजनरेशन: हर जनरेशन के लिए 2 तक मुफ़्त रीजनरेशन (सिर्फ़ एक जैसे कंटेंट और पैरामीटर्स के लिए)
• मालिकाना हक: जनरेट किए गए ऑडियो का मालिकाना हक आपके पास रहता है; व्यावसायिक उपयोग के लिए पेड प्लान चाहिए
• कम-लेटेंसी उपयोग के मामले: Flash मॉडल्स (eleven_flash_v2 या eleven_flash_v2_5) इस्तेमाल करें — लेटेंसी ऑप्टिमाइज़ेशन गाइड देखें
• बड़ा टेक्स्ट: लंबे टेक्स्ट को सेगमेंट्स में बांटें; चंक्स में स्वाभाविक प्रोसोडी बनाए रखने के लिए previous_text / next_text पैरामीटर्स इस्तेमाल करें