Eleven Multilingual v1: हमारा नया स्पीच सिंथेसिस मॉडल

आज हम Eleven Multilingual v1 लॉन्च करते हुए बेहद उत्साहित हैं—हमारा उन्नत स्पीच सिंथेसिस मॉडल, जो सात नई भाषाओं को सपोर्ट करता है: फ़्रेंच, जर्मन, हिंदी, इतालवी, पोलिश, पुर्तगाली, और स्पैनिश। Eleven Monolingual v1 को शक्ति देने वाले रिसर्च पर आधारित हमारा मौजूदा डीप लर्निंग तरीका ज़्यादा डेटा, अधिक कंप्यूटिंग क्षमता और नए तरीकों का इस्तेमाल करता है। यह लगातार अधिक परिष्कृत हो रहे मॉडल के भीतर काम करता है, जो टेक्स्ट की बारीकियों को समझकर भावनाओं से भरपूर प्रदर्शन दे सकता है। यह प्रगति क्रिएटर्स, गेम डेवलपर्स और पब्लिशर्स के लिए रचनात्मक संभावनाएं बढ़ाती है और ज़्यादा स्थानीय, सुलभ और कल्पनाशील कंटेंट बनाने के लिए जनरेटिव मीडिया का रास्ता खोलती है।

नया मॉडल सभी सब्सक्रिप्शन प्लान में उपलब्ध है और आप इसे अभी हमारे Beta प्लेटफ़ॉर्म पर आजमा सकते हैं।

इसे इस्तेमाल करने के लिए, स्पीच सिंथेसिस पैनल में नए जोड़े गए ड्रॉप-डाउन मेनू से इसे चुनें।

रिसर्च का सारांश

अपने पिछले मॉडल की तरह, नया मॉडल पूरी तरह हमारे इन-हाउस रिसर्च पर आधारित है। इसमें वे सभी खूबियां बरकरार हैं, जिन्होंने Eleven Monolingual v1 को स्टोरीटेलिंग का एक बेहतरीन टूल बनाया था, जैसे संदर्भ के आधार पर डिलीवरी को बदलने और इरादे व भावनाओं को बेहद वास्तविक ढंग से व्यक्त करने की क्षमता। बहुभाषी डेटा ट्रेनिंग के ज़रिए इन खूबियों को अब नई समर्थित भाषाओं तक बढ़ाया गया है।

मॉडल की एक खासियत इसकी बहुभाषी टेक्स्ट को पहचानने और उसका सही उच्चारण करने की क्षमता है। अब आप एक ही प्रॉम्प्ट से कई भाषाओं में स्पीच जनरेट कर सकते हैं और हर स्पीकर की अनोखी वॉइस विशेषताएं बनाए रख सकते हैं। बेहतरीन नतीजों के लिए, हम एक ही भाषा में प्रॉम्प्ट देने की सलाह देते हैं। मॉडल एक साथ कई भाषाओं के साथ पहले ही ठीक-ठाक काम कर सकता है, लेकिन इसमें और सुधार की ज़रूरत है।

नया मॉडल VoiceLab के दूसरे फीचर्स के साथ भी काम करता है, जैसे Instant वॉइस क्लोनिंग और वॉइस डिज़ाइन। बनाई गई सभी वॉइस से उम्मीद है कि वे मूल एक्सेंट समेत अपनी ज़्यादातर मूल स्पीच विशेषताएं सभी भाषाओं में बनाए रखेंगी।

फिर भी, मॉडल की कुछ ज्ञात सीमाएं हैं: किसी दूसरी भाषा में प्रॉम्प्ट देने पर संख्याएं, संक्षिप्त शब्द और विदेशी शब्द कभी-कभी डिफ़ॉल्ट रूप से अंग्रेज़ी में बोले जाते हैं। उदाहरण के लिए, स्पैनिश प्रॉम्प्ट में लिखी संख्या "11" या शब्द “radio” का उच्चारण अंग्रेज़ी की तरह हो सकता है। हम सुधार पर काम कर रहे हैं, इसलिए संक्षिप्त शब्दों और संख्याओं को लक्ष्य भाषा में पूरा लिखने की सलाह देते हैं।

वॉइस को सबके लिए सुलभ बनाना

ElevenLabs की शुरुआत इस सपने के साथ हुई कि हर कंटेंट, हर भाषा और हर वॉइस में सभी के लिए सुलभ हो। हमारी टीम के सदस्य यूरोप, एशिया और अमेरिका के अलग-अलग हिस्सों से आते हैं। जैसे-जैसे हमारी टीम और दुनिया अधिक बहुभाषी हो रही है, हम हर भाषा में इंसानी गुणवत्ता वाली AI वॉइस उपलब्ध कराने के लक्ष्य के लिए और भी एकजुट हैं।

हमारे टेक्स्ट टू स्पीच (TTS) मॉडल का नवीनतम संस्करण इस लक्ष्य को साकार करने की दिशा में बस पहला कदम है। इंसानी गुणवत्ता वाली AI वॉइस के आने से यूज़र्स और बिज़नेस अब अपनी ज़रूरतों, प्राथमिकताओं और पसंद के अनुसार ऑडियो कंटेंट बना और कस्टमाइज़ कर सकते हैं। इससे क्रिएटर्स, छोटे बिज़नेस और स्वतंत्र कलाकारों के लिए समान अवसर बनने की संभावना पहले ही दिख चुकी है। AI ऑडियो की ताकत से यूज़र्स अब उच्च-गुणवत्ता वाले ऑडियो अनुभव विकसित कर सकते हैं, जो अधिक संसाधनों वाली बड़ी संस्थाओं के अनुभवों की बराबरी करते हैं।

ये फायदे अब बहुभाषी, बहुसांस्कृतिक और शैक्षिक उपयोगों तक भी पहुंचते हैं, क्योंकि यूज़र्स, कंपनियों और संस्थानों को व्यापक दर्शकों से जुड़ने वाला प्रामाणिक ऑडियो बनाने की क्षमता मिलती है। वॉइस, एक्सेंट और भाषाओं की व्यापक रेंज देकर AI सांस्कृतिक दूरियां कम करने और वैश्विक समझ को बढ़ावा देने में मदद करता है। Eleven में हमारा मानना है कि यह नई सुलभता आखिरकार अधिक रचनात्मकता, नवाचार और विविधता को बढ़ावा देती है।

कंटेंट क्रिएटर्स जो विविध दर्शकों से जुड़ना चाहते हैं अब उनके पास सांस्कृतिक दूरियां कम करने और समावेशिता को बढ़ावा देने के टूल हैं।

गेम डेवलपर्स और पब्लिशर्स अंतरराष्ट्रीय दर्शकों के लिए इमर्सिव, स्थानीय अनुभव बना सकते हैं। वे भाषा की बाधाओं से आगे बढ़कर खिलाड़ियों और श्रोताओं से जुड़ सकते हैं, जिससे गुणवत्ता या सटीकता से समझौता किए बिना एंगेजमेंट और दक्षता बढ़ती है।

शैक्षिक संस्थान अब अलग-अलग यूज़र्स के लिए उनकी लक्षित भाषाओं में ऑडियो कंटेंट बना सकते हैं। इससे भाषा की समझ और उच्चारण कौशल बेहतर होता है, साथ ही अलग-अलग शिक्षण शैलियों और सीखने की ज़रूरतों को भी पूरा किया जा सकता है।

सुलभता संस्थान अब दृष्टिबाधित लोगों या सीखने में कठिनाई वाले लोगों को और सशक्त बना सकते हैं। वे कम सुलभ संसाधनों को आसानी से ऐसे माध्यम में बदल सकते हैं, जो कंटेंट और रूप, दोनों के लिहाज़ से उनकी ज़रूरतों के अनुकूल हो।

हम यह देखने के लिए उत्सुक हैं कि हमारे मौजूदा और भविष्य के क्रिएटर्स व डेवलपर्स संभावनाओं की सीमाओं को कैसे आगे बढ़ाते हैं!