अपने ऐप्लिकेशन में टेक्स्ट टू स्पीच कैसे इंटीग्रेट करें

इंटीग्रेट करने के लिए टेक्स्ट टू स्पीच को अपने ऐप्लिकेशन में, एक API key बनाएं, ElevenLabs SDK इंस्टॉल करें, अपने टेक्स्ट को किसी वॉइस और मॉडल के साथ TTS endpoint पर भेजें और लौटकर आने वाला ऑडियो चलाएं।

यह गाइड Python और TypeScript में इन सभी चरणों के बारे में बताती है, आपके लिए सबसे सही TTS इंटीग्रेशन तरीका चुनने का तरीका दिखाती है और आम गलतियों के समाधान बताती है।

टेक्स्ट टू स्पीच API क्या है?

टेक्स्ट टू स्पीच API डेवलपर को अपना TTS मॉडल होस्ट किए बिना, लिखे हुए टेक्स्ट को प्रोग्राम के ज़रिए प्राकृतिक लगने वाले ऑडियो में बदलने देता है। किसी ऐप्लिकेशन में TTS API इंटीग्रेट करने के बाद, डेवलपर को सिर्फ API को अनुरोध भेजना और ऑडियो वापस पाना होता है। इससे ऐप्लिकेशन में आसानी से वॉइस लेयर जुड़ जाती है।

सबसे अच्छे टेक्स्ट टू स्पीच API, जैसे ElevenAPI द्वारा दिया गया API, आपको अंतिम ऑडियो की आवाज़ पर बारीकी से नियंत्रण देते हैं—टेक्स्ट सेगमेंट बोलने वाली वॉइस चुनने से लेकर उसके भाव तक। आपके ऐप्लिकेशन के उपयोग के आधार पर, आप बैच और स्ट्रीमिंग प्रोसेसिंग विकल्प भी चुन सकते हैं, ताकि अपने ऑडियो सैंपल बना सकें।

टेक्स्ट टू स्पीच API अनुरोध कैसे काम करता है

जब आप TTS API को कॉल करते हैं, तो आपका ऑडियो देने के लिए बैकग्राउंड में कुछ चरण पूरे होते हैं।

टेक्स्ट टू स्पीच API अनुरोध इस तरह काम करता है:

1. आपका ऐप्लिकेशन चुनी हुई वॉइस और मॉडल के साथ टेक्स्ट को टेक्स्ट टू स्पीच endpoint पर भेजता है।
2. API स्पीच जनरेट करता है और आपके अनुरोध किए गए आउटपुट फ़ॉर्मैट, जैसे MP3, में ऑडियो लौटाता है।
3. आपका ऐप्लिकेशन ऑडियो चलाता है या उसे फ़ाइल के रूप में सेव करता है।

एक और बात: अगर आपका ऐप्लिकेशन ब्राउज़र में चलता है, तो अनुरोध अपने सर्वर के ज़रिए भेजें, ताकि आपकी API key कभी client-side code में न दिखे।

अपने ऐप्लिकेशन में TTS इंटीग्रेट करने से पहले ज़रूरी चीज़ों की चेकलिस्ट

अपने ऐप्लिकेशन में टेक्स्ट टू स्पीच इंटीग्रेट करने से पहले, सुनिश्चित करें कि आपके पास ये चीज़ें हैं:

• एक ElevenLabs अकाउंट। आप साइन अप कुछ मिनटों में कर सकते हैं।
• एक टर्मिनल और कोड एडिटर।
• जिस कंप्यूटर पर आप काम कर रहे हैं, उस पर Python 3 या Node.js इंस्टॉल होना चाहिए।
• मिले हुए ऑडियो को चलाने का कोई तरीका।

इन सभी चीज़ों के साथ, अब आप अपने ऐप में TTS बनाने के लिए तैयार हैं।

अपने ऐप्लिकेशन में टेक्स्ट टू स्पीच API कैसे इंटीग्रेट करें

ElevenAPI के साथ, अपने ऐप्लिकेशन में TTS API इंटीग्रेट करने में सिर्फ कुछ मिनट लगने चाहिए। अगर आपने पहले ही अकाउंट बना लिया है, तो सीधे नीचे दिए गए चरणों पर जाएं। अगर नहीं, तो शुरू करने के लिए साइन अप करना न भूलें।

चरण ये हैं:

1. API key बनाएं
2. SDK इंस्टॉल करें
3. अपना पहला अनुरोध करें
4. इसे चलाएं

आइए इन्हें विस्तार से समझें।

API key बनाएं

से API key लें ElevenLabs API डैशबोर्ड। ‘Create Key’ पर क्लिक करने के बाद, आप सेट अप करने के लिए API का प्रकार कॉन्फ़िगर कर सकेंगे। इस उपयोग के लिए, सुनिश्चित करें कि TTS में 'Access' सक्षम है।

API key कॉपी करके उसे .env में environment variable के रूप में पेस्ट करें (या अपने ऐप के आर्किटेक्चर के अनुसार सीधे उसके कॉन्फ़िगरेशन में)। इसे .env फ़ाइल में रखना आपकी key को गुप्त रखने और स्क्रिप्ट को रनटाइम पर लोड करने देने का अच्छा तरीका है।

ELEVENLABS_API_KEY=<your_api_key_here>

क्या आप चाहते हैं कि आपका coding agent सेटअप संभाले? अपने agent में यह पेस्ट करें: npx -y @elevenlabs/cli@latest onboard init. ElevenLabs CLI साइन इन करने के लिए आपका ब्राउज़र खोलता है, key को आपके प्रोजेक्ट की env फ़ाइल में सेव करता है और बाकी चरणों में agent की मदद करता है। npx के लिए Node.js चाहिए। विवरण के लिए क्विकस्टार्ट देखें।

SDK इंस्टॉल करें

टेक्स्ट टू स्पीच API सेट अप करते समय आपको दो मुख्य पैकेज इंस्टॉल करने होते हैं। पहला ElevenLabs SDK है, जो आपके लिए API call संभालेगा। दूसरा dotenv है, जो चरण 1 में कॉन्फ़िगर की गई .env फ़ाइल से आपकी API key लोड करेगा।

अगर आप CLI पर काम कर रहे हैं, तो हमारा TTS API दस्तावेज़ देखें, जहां आपको ज़्यादा खास निर्देश और उपयोग के विकल्प मिलेंगे।

अपने TTS API के लिए Python और TypeScript, दोनों में SDK और dotenv इंस्टॉल करने का तरीका यहां है।

Python

pip install elevenlabs
pip install python-dotenv

TypeScript

npm install @elevenlabs/elevenlabs-js
npm install dotenv

अपना पहला अनुरोध करें

अब client बनाएं। Client एक ऑब्जेक्ट है जो ElevenAPI को रैप करता है। जिस प्रोग्रामिंग भाषा में आप लिख रहे हैं, उसके अनुसार .py या .mts फ़ाइल बनाएं।

चार मुख्य वैल्यू आउटपुट को प्रभावित करेंगी:

• वॉइस ID: हमारी वॉइस लाइब्रेरी में ElevenLabs की 17,500 से ज़्यादा वॉइस उपलब्ध हैं। ऐसी वॉइस चुनें जो आपके ऐप्लिकेशन का सही प्रतिनिधित्व करती हो या उपयोग के अनुसार वॉइस चुनें। नीचे हमारे quickstart code blocks में हम “George” का उपयोग कर रहे हैं, जिसकी voice ID “JBFqnCBsd6RMkjVDRZzb” है।
• टेक्स्ट: वह टेक्स्ट स्ट्रिंग जिसे आप ElevenAPI TTS मॉडल से ऑडियो फ़ाइल में बदलवाना चाहते हैं।
• मॉडल ID: ऑडियो जनरेट करने के लिए चुना गया खास मॉडल। नीचे के उदाहरण में हमने eleven_v4 इस्तेमाल किया है, लेकिन आप हमारे किसी भी टेक्स्ट टू स्पीच मॉडल को भी चुन सकते हैं, अगर वह आपके उपयोग के लिए बेहतर हो। उदाहरण के लिए, कम latency के लिए आप Eleven Flash v2.5 चुन सकते हैं (model ID फ़ील्ड में eleven_flash_v2_5)।
• आउटपुट फ़ॉर्मैट: वह ऑडियो encoding तय करें जो आप TTS API से वापस पाना चाहते हैं। डिफ़ॉल्ट रूप से यह mp3 देता है, लेकिन आप ulaw या pcm जैसे फ़ॉर्मैट चुन सकते हैं।

Python और TypeScript में ये TTS API फ़ाइलें ऐसी दिखती हैं। नीचे के दोनों उदाहरण eleven_v4 मॉडल का उपयोग करते हैं।

Python

from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs
from elevenlabs.play import play
import os

load_dotenv()

elevenlabs = ElevenLabs(
  api_key=os.getenv("ELEVENLABS_API_KEY"),
)

audio = elevenlabs.text_to_speech.convert(
    text="The first move is what sets everything in motion.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",  # "George" - browse voices at elevenlabs.io/app/voice-library
    model_id="eleven_v4",
    output_format="mp3_44100_128",
)

play(audio)

TypeScript

import { ElevenLabsClient, play } from "@elevenlabs/elevenlabs-js";
import "dotenv/config";

const elevenlabs = new ElevenLabsClient();
const audio = await elevenlabs.textToSpeech.convert(
	"JBFqnCBsd6RMkjVDRZzb", // "George" - browse voices at elevenlabs.io/app/voice-library
	{
		text: "The first move is what sets everything in motion.",
		modelId: "eleven_v4",
		outputFormat: "mp3_44100_128",
	},
);

await play(audio);

cURL

आप HTTP अनुरोध करने वाली किसी भी भाषा से endpoint को कॉल कर सकते हैं। यह cURL उदाहरण वही टेक्स्ट भेजता है और ऑडियो को फ़ाइल में सेव करता है:

curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128" --output speech.mp3 \
     -H "xi-api-key: $ELEVENLABS_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
  "text": "The first move is what sets everything in motion.",
  "model_id": "eleven_v4"
}'

इसे चलाएं

अब आप TTS API फ़ाइल चलाने के लिए तैयार हैं। Python या TypeScript में लिखने के अनुसार, इनमें से कोई एक कमांड चलाएं।

Python

python example.py

TypeScript

npx tsx example.mts

ऑडियो आपके स्पीकर पर चलना चाहिए। cURL उदाहरण में, इसके बजाय speech.mp3 खोलें।

आम TTS इंटीग्रेशन त्रुटियों का समाधान

अगर आपका पहला अनुरोध विफल हो जाए, तो मिले हुए status code को संभावित त्रुटियों की इस सूची से मिलाएं।

त्रुटियों की पूरी सूची के लिए त्रुटियाँ रेफरेंस पेज पर विवरण देखें।

टेक्स्ट टू स्पीच API इंटीग्रेट करने के फायदे

अपने ऐप्लिकेशन में स्पीच इंटरफ़ेस जोड़ने से यूज़र को इंटरैक्ट करने का नया तरीका मिलता है। कुछ लोगों के लिए, जैसे दृष्टिबाधित लोगों के लिए, यह आपके ऐप्लिकेशन का उपयोग करने का एकमात्र व्यावहारिक तरीका हो सकता है।

अपने ऐप्लिकेशन में TTS API इंटीग्रेट करने के फायदे:

• सुलभता: बोला गया ऑडियो आपके ऐप्लिकेशन से इंटरैक्ट करने का नया तरीका देता है, जिससे वह उन लोगों के लिए उपलब्ध होता है जो स्क्रीन पर उसे आसानी से नहीं पढ़ सकते।
• जुड़ाव: पढ़कर सुनाने और साथ सुनने वाले फीचर यूज़र को कुछ और करते हुए कंटेंट समझने देते हैं, जो अब ब्राउज़ करने का एक प्रमुख तरीका बन रहा है।
• वॉइस-फर्स्ट अनुभव: बोले गए जवाब चैटबॉट और इन-ऐप गाइड को यूज़र से स्वाभाविक ढंग से बात करने का तरीका देते हैं।
• बहुभाषी पहुंच: Eleven v4 90+ भाषाओं को कवर करता है, जिससे आपका इंटीग्रेशन दुनिया भर के लोगों तक पहुंच सकता है।

सेट अप करना इतना आसान होने के कारण, अपने ऐप्लिकेशन में TTS API इंटीग्रेट करना उसे ज़्यादा इंटरैक्टिव और अभिव्यक्तिपूर्ण बनाने का असरदार तरीका है।

सही इंटीग्रेशन तरीका और मॉडल चुनना

हालांकि ElevenAPI किसी ऐप्लिकेशन में वॉइस जोड़ने के सबसे तेज़ और आसान तरीकों में से एक है, लेकिन आप अपनी ज़रूरत के अनुसार कई दूसरे तरीके भी चुन सकते हैं।

चुनने के लिए कुछ अलग TTS इंटीग्रेशन तरीके यहां दिए गए हैं:

अगर आप ElevenAPI चुनते हैं, तो आपको अपने अनुरोध में शामिल करने के लिए मॉडल भी चुनना होगा। उपलब्ध ElevenLabs TTS मॉडल की त्वरित गाइड यहां है:

आप हमारी वॉइस लाइब्रेरी से 17,500 से ज़्यादा वॉइस भी चुन सकते हैं। किसी code snippet में उदाहरण ID को बस अपनी पसंद की ID से बदल दें।

ऐप्लिकेशन में टेक्स्ट टू स्पीच API के आम उपयोग

जब आपका पहला अनुरोध काम करने लगे, तो वही call कई फीचर को पावर दे सकता है।

ऐप्लिकेशन में TTS API इस्तेमाल करने के कुछ उदाहरण:

• इन-ऐप रीडिंग: टेक्स्ट को हिस्सों में भेजें और ऑडियो क्रम से चलाएं। अधिक जानकारी के लिए हमारी API बैचिंग इंटीग्रेशन गाइड पढ़ें।
• ऑडियो चैटबॉट जवाब: अपने चैटबॉट के हर जवाब को API से भेजें और अधिक इंटरैक्टिव अनुभव के लिए ऑडियो स्ट्रीम करें और उसे यूज़र तक वापस भेजें।
• फोन सिस्टम: टेलीफोनी के लिए ulaw_8000 output format का अनुरोध करें। अधिक जानकारी के लिए हमारी Twilio TTS इंटीग्रेशन गाइड देखें।

अगर आप वॉइस agents बनाना चाहते हैं जो दोतरफ़ा बातचीत करें, तो ElevenAgents इसी काम के लिए बना है। पूरी स्पीच पाइपलाइन खुद जोड़ने के बजाय, आप प्लेटफ़ॉर्म में agent कॉन्फ़िगर और deploy करते हैं। अधिक जानने के लिए ElevenAgents देखें।

ElevenAPI के साथ अपने ऐप्लिकेशन में TTS API बनाएं

टेक्स्ट टू स्पीच इंटीग्रेट करने के चार मुख्य चरण हैं: API key बनाएं, SDK इंस्टॉल करें, अपना पहला अनुरोध करें और फिर उसे चलाएं। यही call TypeScript, Python या HTTP अनुरोध कर सकने वाली किसी भी भाषा में काम करता है। आप अपने ऐप्लिकेशन के अनुकूल मॉडल और वॉइस भी चुन सकते हैं।

अगर आप अपने ऐप्लिकेशन में TTS बनाने के लिए तैयार हैं, तो साइन अप करके आज ElevenAPI के साथ अपना पहला अनुरोध करें या टेक्स्ट टू स्पीच API के बारे में और जानें।

अक्सर पूछे जाने वाले सवाल