पेश है Eleven v4पेश है Eleven v4, हमारा अब तक का सबसे भावपूर्ण मॉडल।

रिडीम करें
कंटेंट पर जाएं
लॉग इनसाइन अप
संपर्क करेंलॉग इन करें

Veo 2 वीडियो को ElevenLabs वॉइसओवर और साउंड इफेक्ट्स के साथ जीवंत बनाएं

लेखक
Ryan Morrison
प्रकाशित
आखिरी बार अपडेट किया गया

सुनेंइस आर्टिकल को सुनें

सेल्स से संपर्क करें
और जानें

Google का Veo 2 फोटोरियलिस्टिक वीडियो बनाना पहले से कहीं आसान बनाता है — और अब यह Gemini वेब ऐप में उपलब्ध है। Gemini से सीधे बेहतर किए गए प्रॉम्प्ट्स के साथ आठ सेकंड के वीडियो, जिनमें आसानी से बदलाव किए जा सकते हैं।

हालाँकि सिर्फ विज़ुअल्स काफी नहीं हैं। साउंड किसी खामोश सीक्वेंस को पूरी तरह इमर्सिव अनुभव में बदल देता है, और यहीं ElevenLabs काम आता है। ElevenLabs के साथ कई भाषाओं में डायनामिक AI वॉइसओवर बनाना या साउंड इफेक्ट्स जोड़ना एक साधारण वीडियो को दिलचस्प कहानी में बदल सकता है।

मैंने भी ऐसा ही करने की कोशिश की, जब मैंने Google की DeepMind लैब के Veo 2 का इस्तेमाल एक ऐसे शहर की कहानी बताने के लिए किया जो कभी नहीं सोता। मैंने शहरी परिवेश पर केंद्रित 18 अलग-अलग क्लिप बनाए, जिनमें से हर एक लगभग 5–8 सेकंड लंबी थी। इन क्लिप्स में नियॉन साइन, बारिश, एक ट्रेन और सड़क के अलग-अलग दृश्य हैं। इन बिखरे हुए पलों को जोड़ने के लिए मैंने ElevenLabs से वॉइसओवर और साउंड इफेक्ट्स जोड़े।

A person walking on a city street near a bus stop with a bus in the background.

दिलचस्प वॉइसओवर तैयार करना

अच्छी तरह तैयार किया गया AI वॉइसओवर आपके वीडियो को संरचना और भावनात्मक गहराई देता है। भले ही रियलिज़्म के लिए Veo 2 सबसे अच्छा वीडियो जनरेटर हो, इसकी क्लिप्स में अक्सर दृश्यों या किरदारों की निरंतरता नहीं होती। इसलिए नैरेशन उन्हें जोड़ने का बेहतरीन माध्यम बनता है।

दर्शकों को बिखरे हुए विज़ुअल्स का मतलब निकालने के लिए छोड़ने के बजाय, ध्यान से तैयार किया गया वॉइसओवर स्पष्टता देता है और उन्हें कहानी के साथ आगे ले जाता है। आप पहले वॉइसओवर स्क्रिप्ट लिखकर उससे मेल खाती क्लिप्स बना सकते हैं, या पहले शॉट्स (आमतौर पर स्टोरीबोर्ड से) बनाकर उनके लिए लिख सकते हैं। शहर वाले वीडियो के लिए मैंने पहले प्रॉम्प्ट्स बनाए।

ElevenLabs' text-to-speech technology ensures professional-grade narration without the need for expensive recording setups. The flexibility to control tone, pacing, and emotion means you can fine-tune your voiceover to fit the mood of your project effortlessly. There are also thousands of voices to choose from to get exactly the right character.

अपने नैरेशन की योजना बनाना

वॉइसओवर बनाने से पहले यह योजना बनाना ज़रूरी है कि नैरेशन आपके वीडियो को कैसे बेहतर बनाएगा। अगर मेरी तरह आपका Veo 2 सीक्वेंस एक सिनेमैटिक शहरी मोंटाज है, तो वॉइसओवर सेटिंग स्थापित कर सकता है, काव्यात्मक विचार जोड़ सकता है या माहौल को बेहतर बना सकता है।

उदाहरण के लिए, मेरे वीडियो में नियॉन रोशनी वाली सड़कों और टिमटिमाते साइन का एक दृश्य है। इसलिए मैंने लिखा: "शहर कभी नहीं सोता — वह पलक तक मुश्किल से झपकाता है। वह एग्जॉस्ट का धुआँ अंदर लेता है और नियॉन की रोशनी बाहर छोड़ता है, स्टील और काँच का एक जीव, जो लाखों बेचैन रूहों के कदमों से धड़क रहा है।" इससे कई शॉट्स आपस में जुड़ जाते हैं।

अपने वॉइसओवर की स्क्रिप्ट लिखना

नैरेशन की रूपरेखा बनाने के बाद अगला कदम पूरे वीडियो की स्क्रिप्ट लिखना है। अच्छी तरह लिखी स्क्रिप्ट यह सुनिश्चित करती है कि आपका वॉइसओवर क्लिप्स की टाइमिंग से मेल खाए। Veo 2 के दृश्य अक्सर 5 से 8 सेकंड लंबे होते हैं, इसलिए आपका नैरेशन संक्षिप्त और सही गति वाला होना चाहिए। 5 सेकंड की क्लिप में लगभग 12–15 शब्द आते हैं, जबकि 8 सेकंड की क्लिप में करीब 20–25 शब्द फिट होते हैं।

आपके नैरेशन का टोन वीडियो के अनुरूप होना चाहिए — माहौल वाले विज़ुअल्स के लिए काव्यात्मक, जानकारी देने वाले सीक्वेंस के लिए डॉक्यूमेंट्री-स्टाइल और तेज़ ऊर्जा वाली कहानी के लिए सिनेमैटिक। उदाहरण के लिए, मैनहोल से उठती भाप के स्लो-मोशन शॉट के लिए कहा जा सकता है, "शहर साँस छोड़ता है, भाप ठंडी रात की हवा में लहराती है," जबकि स्टेशन में आती ट्रेन के लिए यह सही होगा, "हवा का एक झोंका। धातु की चीख। एक और ट्रेन आ रही है, उससे पहले आई सैकड़ों ट्रेनों की तरह।"

ElevenLabs के साथ अपना वॉइसओवर बनाना

Screenshot of a text-to-speech software interface with a paragraph of text and various settings on the right side.

आपकी स्क्रिप्ट तैयार हो जाए, तो ElevenLabs के साथ AI वॉइसओवर बनाने का समय है। ElevenLabs ऐप के टेक्स्ट टू स्पीच पेज पर जाएँ। यहाँ आप अपनी स्क्रिप्ट पेस्ट कर सकते हैं या सीधे लिख सकते हैं। फिर दाईं ओर से वॉइस चुनें और उसकी स्पीड, स्टेबिलिटी व अन्य सेटिंग्स तय करें। मुझे 10–20% स्टाइल एक्सैजरेशन जोड़ना पसंद है, क्योंकि इससे किरदार बेहतर उभरता है।

गहरा, सिनेमैटिक टोन नाटकीय शहरी सीक्वेंस के लिए अच्छा काम करता है, जबकि नरम और विचारशील आवाज़ काव्यात्मक नैरेशन को बेहतर बनाती है। तेज़ गति वाले विज़ुअल्स के लिए ऊर्जावान डिलीवरी रिदम बनाए रखती है। अपने वीडियो के लिए मैंने Lamar Lincoln का इस्तेमाल किया, जो एक प्रीमियम वॉइस है और इसने कहानी को अधिक स्वाभाविक एहसास दिया। मैं चाहता था कि यह ऐसा लगे जैसे कोई उस चीज़ पर विचार कर रहा है जिसकी उसे परवाह है।

स्क्रिप्ट डालने के बाद, विज़ुअल्स के अनुरूप वॉइसओवर की स्पीड और भावनाओं को फाइन-ट्यून करें। धीमी और सोच-समझकर रखी गई गति नाटकीय पलों के लिए सही होती है, जबकि अधिक बातचीत वाला टोन ऊर्जावान मोंटाज के साथ अच्छा लगता है। नतीजे से संतुष्ट होने पर ऑडियो फ़ाइल डाउनलोड करें और उसे अपने वीडियो के साथ सिंक करने की तैयारी करें।

मैं वॉइस को फाइन-ट्यून करने के लिए सिर्फ एक या दो वाक्यों का इस्तेमाल करना पसंद करता हूँ, फिर पूरी स्क्रिप्ट के आधार पर जनरेट करता हूँ। हालाँकि इस मामले में स्क्रिप्ट सिर्फ तीन पैराग्राफ़ की थी, इसलिए पूरी स्क्रिप्ट इस्तेमाल करना कोई बड़ी बात नहीं थी। यह शुरुआत से ही अच्छा काम कर गया।

अपने वॉइसओवर को सिंक करना

Screenshot of a video editing timeline with clips, audio tracks, and visual effects on a blue background.

Adobe Premiere Pro, DaVinci Resolve, Final Cut Pro या CapCut जैसे एडिटिंग सॉफ़्टवेयर में AI वॉइसओवर को अपनी Veo 2 क्लिप्स के साथ सिंक करना आसान है।

  • अपनी वीडियो क्लिप्स इम्पोर्ट करें, वॉइसओवर को टाइमलाइन में जोड़ें और विज़ुअल्स के साथ मिलाने के लिए उसके शुरुआती और अंतिम पॉइंट्स को एडजस्ट करें।
  • नैरेशन और मूवमेंट के बीच सहज मेल सुनिश्चित करने के लिए ज़रूरत पड़ने पर क्रॉसफ़ेड्स या टाइम-स्ट्रेचिंग का इस्तेमाल करें।

साउंड इफेक्ट्स से बेहतर बनाना

A text box with a description of flickering fluorescent light and neon signs, and a button labeled "Generate Sound Effects."

वॉइसओवर लग जाने के बाद, अपने वीडियो को साउंड इफेक्ट्स से बेहतर बनाने का समय है। AI से बने साउंड इफेक्ट्स रियलिज़्म और टेक्सचर जोड़कर सुनने के अनुभव को पूरा करते हैं। कोई वीडियो क्लिप अपने आप में फ़ोन से शूट किए गए वीडियो जितनी असली लग सकती है, लेकिन साउंड के बिना उसमें एक खालीपन रह जाता है, जिससे लगता है कि कुछ गायब है।

ElevenLabs के साथ साउंड इफेक्ट्स बनाना

ElevenLabs का टेक्स्ट-टू-SFX जनरेटर आपको शहर के माहौल वाले शोर से लेकर हल्की पर्यावरणीय आवाज़ों तक, कस्टम ऑडियो एलिमेंट्स बनाने देता है। आप एक जटिल प्रॉम्प्ट में पूरा साउंडस्केप बता सकते हैं, या अलग-अलग साउंड सेट वाली कई फ़ाइलें जनरेट कर सकते हैं जिन्हें बाद में अपने वीडियो एडिटर में लेयर कर सकते हैं।

साउंड इफेक्ट्स बनाने के लिए ElevenLabs SFX जनरेटर पर जाएँ। आप हमारी लाइब्रेरी में पहले से बने साउंड इफेक्ट्स की सूची देख सकते हैं, या टेक्स्ट-टू-SFX जनरेटर से कस्टम साउंड बना सकते हैं। हमारा वीडियो-टू-साउंड एक्सपेरिमेंट आज़माकर आप प्रक्रिया को और आसान बना सकते हैं। इसमें आप एक क्लिप अपलोड करते हैं और यह डाउनलोड करने के लिए 4 साउंड इफेक्ट्स देता है।

अगर आप साउंड्स पर ज़्यादा नियंत्रण चाहते हैं, तो साउंड इफेक्ट्स जनरेटर पर जाएँ। यहाँ प्रॉम्प्ट टाइप करें और जनरेट पर क्लिक करें। Settings बटन पर क्लिक करके आप क्लिप की अवधि 0.5 से 22 सेकंड के बीच कस्टमाइज़ भी कर सकते हैं।

रेडीमेड ऑडियो को जल्दी ब्राउज़ करने, प्रीव्यू करने और इकट्ठा करने के लिए साउंडबोर्ड एक इंटरैक्टिव इंटरफ़ेस देता है, जहाँ आप बिना प्रॉम्प्ट लिखे तुरंत साउंड इफेक्ट्स को टेस्ट और मिक्स कर सकते हैं।

साउंड इफेक्ट्स के लिए प्रॉम्प्ट लिखना

आप पूरे साउंडस्केप का विस्तार से वर्णन करने वाला जटिल प्रॉम्प्ट दे सकते हैं, लेकिन मेरे अनुभव में कई प्रॉम्प्ट बनाकर उन्हें एक-दूसरे पर लेयर करना बेहतर है। इससे वीडियो की सामग्री के आधार पर आप यह नियंत्रित कर सकते हैं कि अलग-अलग साउंड्स कब चलें।

सही जगह लगाया गया साउंड इफेक्ट किसी दृश्य को असली महसूस कराता है — गली में गूँजते कदमों की आवाज़, दूर किसी कार का हॉर्न या सड़क पर बारिश की लयबद्ध बूँदें। इन आवाज़ों को विज़ुअल्स के साथ मिलाने से इमर्शन बढ़ता है और हर फ़्रेम ज़्यादा असरदार बनता है।

अगर आपके वीडियो में टिमटिमाता नियॉन साइन है, तो बैकग्राउंड में हल्की इलेक्ट्रिकल भनभनाहट उसकी मौजूदगी को मज़बूत करती है। अगर मेट्रो ट्रेन चीखती हुई रुकती है, तो धातु के धातु से रगड़ने की आवाज़ लेयर करने से दृश्य अधिक वास्तविक लगता है।

प्रॉम्प्ट के उदाहरण:

  • वर्णनात्मक प्रॉम्प्ट: "घड़ी की सेकंड हैंड की हल्की टिक-टिक, कोट की आस्तीन ठीक करने की धीमी सरसराहट, बैकग्राउंड में शहर का माहौल वाला शोर — धीमे हॉर्न, दूर की बातचीत, बीच-बीच में नियॉन साइन की टिमटिमाहट, कलाई मुड़ने पर हल्की धात्विक खरोंच।"
  • लेयर्ड प्रॉम्प्ट्स:
    • "घड़ी की सेकंड हैंड की हल्की टिक-टिक"
    • "कोट की आस्तीन ठीक करने की धीमी सरसराहट"
    • "शहर का माहौल वाला शोर"

फिर आप इन्हें अपने वीडियो एडिटर में एक-दूसरे के ऊपर स्टैक कर सकते हैं।

साउंड्स को लेयर करने और बेहतरीन आउटपुट के लिए हर क्लिप का वॉल्यूम सेट करने के बाद, अपना वीडियो एक्सपोर्ट करें और शेयर करें।

चाहे आप सिनेमैटिक मोंटाज, शहर पर काव्यात्मक चिंतन या डॉक्यूमेंट्री-स्टाइल शॉर्ट फ़िल्म बना रहे हों, AI से बना ऑडियो आपके विज़न को जीवंत कर देता है। आज ही ElevenLabs आज़माएँ और वॉइस व साउंड की ताकत से अपने Veo 2 वीडियो को पूरी तरह इमर्सिव अनुभव में बदलें।

लेखक

A man with glasses and a beard looking to the side in a room with bookshelves.

Ryan Morrison

Growth

प्रोफ़ाइल देखें

रयान ने बीबीसी और फ्यूचर पीएलसी में भूमिकाओं सहित, समाचार और प्रकाशन में दो दशकों से अधिक समय के बाद ElevenLabs में शामिल हुए। वह कंटेंट स्ट्रेटेजी और कहानी कहने पर ध्यान केंद्रित करते हैं, जिससे ElevenLabs अपनी कहानी को आकार देने और साझा करने में मदद मिलती है।

संबंधित लेख

उच्चतम गुणवत्ता वाले AI ऑडियो के साथ बनाएं

सेल्स से बात करेंसाइन अप करें