टेक्स्ट टू स्पीच

परिचय

ElevenLabs टेक्स्ट टू स्पीच (TTS) API टेक्स्ट को प्राकृतिक लगने वाले ऑडियो में बदलता है, जिसमें बारीक उतार-चढ़ाव, गति और भावनात्मक समझ होती है। हमारे मॉडल 32 भाषाओं और कई वॉइस स्टाइल्स में टेक्स्ट के संकेतों के अनुसार ढलते हैं और इनका उपयोग इन कामों के लिए किया जा सकता है:

• वैश्विक मीडिया कैंपेन और विज्ञापनों का वॉइसओवर बनाने के लिए
• जटिल भावनात्मक अभिव्यक्ति के साथ कई भाषाओं में ऑडियोबुक बनाने के लिए
• टेक्स्ट से रियल-टाइम ऑडियो स्ट्रीम करने के लिए

एक नमूना सुनें:

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

वॉइस क्वालिटी

रियल-टाइम एप्लिकेशन के लिए Flash v2.5 बेहद कम 75ms लेटेंसी देता है, जबकि Multilingual v2 ज़्यादा बारीक अभिव्यक्ति के साथ सबसे उच्च गुणवत्ता का ऑडियो देता है।

वॉइस विकल्प

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

• समुदाय द्वारा साझा की गई 3,000+ आवाज़ों वाली वॉइस लाइब्रेरी
• सबसे सटीक प्रतिकृतियों के लिए प्रोफेशनल वॉइस क्लोनिंग
• तेज़ी से आवाज़ की प्रतिकृति बनाने के लिए इंस्टेंट वॉइस क्लोनिंग
• टेक्स्ट विवरणों से कस्टम आवाज़ें 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 ऐसा लगे जैसे उसे किसी खास जगह पर रिकॉर्ड किया गया हो, और बाद में एडिटिंग की ज़रूरत न पड़े। इनमें से कोई भी कॉम्बिनेशन सेट करें:

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

स्ट्रीमिंग और टाइमस्टैम्प वाले अनुरोधों सहित, audio_effects पैरामीटर के ज़रिए टेक्स्ट टू स्पीच और टेक्स्ट टू डायलॉग एंडपॉइंट्स पर इफेक्ट्स उपलब्ध हैं। उपलब्ध फ़िल्टर प्रीसेट, एनवायरनमेंट और बैकग्राउंड नॉइज़ को ऑडियो इफेक्ट्स कैटलॉग में देखें। एजेंट्स वॉइस फ़िल्टर भी लागू कर सकते हैं; ऑडियो एनवायरनमेंट देखें। ऐप में टेक्स्ट टू स्पीच प्लेग्राउंड से इफेक्ट्स जोड़ें।

इफेक्ट्स से अनुरोध की लागत नहीं बदलती। रीवरब और पैनिंग स्टीरियो ऑडियो बनाते हैं, इसलिए ये मोनो pcm_*, ulaw_* और alaw_* आउटपुट फ़ॉर्मैट के साथ उपलब्ध नहीं हैं।

समर्थित भाषाएँ

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

बस हमारी किसी भी समर्थित भाषा में टेक्स्ट डालें और हमारी वॉइस लाइब्रेरी से मिलती-जुलती आवाज़ चुनें। सबसे प्राकृतिक नतीजों के लिए, ऐसी आवाज़ चुनें जिसका एक्सेंट आपकी टारगेट भाषा और क्षेत्र से मेल खाता हो।

प्रॉम्प्टिंग

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

ज़्यादा जानकारी के लिए प्रॉम्प्टिंग गाइड पढ़ें।

FAQ

मुख्य बातें

• डिटरमिनिज़्म: आउटपुट नॉनडिटरमिनिस्टिक है — अधिक एकरूप नतीजों के लिए seed पैरामीटर इस्तेमाल करें
• ऑडियो इफेक्ट्स: बिना अतिरिक्त लागत audio_effects के साथ फ़िल्टर प्रीसेट, दूरी, रीवरब, बैकग्राउंड नॉइज़ या पैनिंग जोड़ें
• मुफ़्त रीजनरेशन: हर जनरेशन के लिए 2 तक मुफ़्त रीजनरेशन (सिर्फ़ समान कंटेंट और पैरामीटर्स)
• मालिकाना हक: जनरेट किए गए ऑडियो का मालिकाना हक आपके पास रहता है; कमर्शियल इस्तेमाल के लिए पेड प्लान चाहिए
• कम-लेटेंसी इस्तेमाल 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 बाँटें; चंक्स में प्राकृतिक प्रोसोडी बनाए रखने के लिए previous_text / next_text पैरामीटर्स इस्तेमाल करें