उच्चारण शब्दकोश गाइड: Eleven v4 पर TTS में किसी भी शब्द का उच्चारण ठीक करें

Eleven v4 ने टेक्स्ट टू स्पीच मॉडल के उच्चारण की गुणवत्ता के लिए एक नया मानक तय किया है। यह संक्षिप्त रूपों, तकनीकी शब्दों, नामों और मिली-जुली भाषाओं वाले टेक्स्ट को इससे पहले के किसी भी मॉडल से अधिक सटीकता से संभालता है। फिर भी, हर ब्रांड की अपनी शब्दावली होती है—अनोखे प्रोडक्ट नामों से लेकर इंडस्ट्री के खास शब्दों तक—इसलिए आप इन शब्दों के उच्चारण पर पूरा नियंत्रण चाहेंगे।

Eleven v4 उच्चारण ठीक करने के कई तरीके देता है, जिससे मॉडल के बोलने के तरीके पर आपको बारीकी से नियंत्रण मिलता है। आप एक विस्तृत उच्चारण शब्दकोश बना सकते हैं, जो TTS ऐप में लिखी हर स्क्रिप्ट पर लागू होगा। या, एकबार के सुधार के लिए सीधे अपने टेक्स्ट में IPA लिख सकते हैं। 

मुश्किल शब्दों से भरी स्क्रिप्ट को Eleven v4 कैसे संभालता है, इसका एक छोटा उदाहरण देखें:

इस गाइड में बताया गया है कि TTS उच्चारण शब्दकोश कैसे बनाएं और इस्तेमाल करें, साथ ही वे सभी तरीके जिनसे आप अपने ऑडियो को अपनी कल्पना के जितना संभव हो उतना करीब बना सकते हैं। 

सारांश

• उच्चारण शब्दकोश नियमों का एक सेट है, जिसे आप टेक्स्ट टू स्पीच मॉडल को खास शब्द या वाक्यांश बोलने का तरीका बताने के लिए लिखते हैं।
• TTS उच्चारण नियम या तो एलियस-आधारित होते हैं, जो अलग टेक्स्ट से बदलते हैं, या फ़ोनीम-आधारित होते हैं, जिनमें ध्वन्यात्मक वर्तनी का इस्तेमाल होता है।
• Eleven v4 फ़ोनीम नियमों और इनलाइन IPA (इंटरनेशनल फ़ोनेटिक अल्फ़ाबेट) को सपोर्ट करता है।
• SSML फ़ोनीम और ब्रेक टैग Eleven v4 पर काम नहीं करते, लेकिन आप उच्चारण शब्दकोश या ऑडियो टैग्स को प्राकृतिक भाषा के विकल्प के तौर पर इस्तेमाल कर सकते हैं।
• आप ElevenAPI के ज़रिए हर रिक्वेस्ट में अधिकतम तीन उच्चारण शब्दकोश लागू कर सकते हैं।

उच्चारण शब्दकोश क्या है?

उच्चारण शब्दकोश एक ऐसा टूल है, जिससे आप तय कर सकते हैं कि टेक्स्ट टू स्पीच मॉडल कुछ शब्दों को ठीक कैसे बोले। उच्चारण शब्दकोश में कुछ शब्द या वाक्यांश जोड़कर, आप तय करते हैं कि TTS स्क्रिप्ट में आने पर वे कैसे सुनाई देंगे। 

उच्चारण शब्दकोश आमतौर पर इन कामों के लिए इस्तेमाल होते हैं:

• ब्रांड नाम: ब्रांड नाम उच्चारण शब्दकोशों में आम तौर पर जोड़े जाते हैं, खासकर जिनकी वर्तनी अनोखी या असामान्य हो।
• संक्षिप्त रूप: कुछ संक्षिप्त रूपों को बोलने का एक खास तरीका होता है। उदाहरण के लिए, AEO को /ˌeɪ.iːˈoʊ/ ("A-E-O") की तरह सुनाई देना चाहिए, न कि /eɪˈjoʊ/ ("ay-yo") की तरह। शब्दकोश का पक्का नियम यह सुनिश्चित करता है कि मॉडल हर बार इसे सही बोले।
• स्थान के नाम और अन्य व्यक्तिवाचक संज्ञाएं: कुछ स्थानों के नाम लिखे हुए देखकर उनके उच्चारण की आपकी कल्पना से काफी अलग सुनाई दे सकते हैं। Worcestershire इसका एक प्रसिद्ध उदाहरण है, जिसके लिए उच्चारण गाइड समस्याओं से बचने में मदद कर सकती है।
• इंडस्ट्री के शब्द: उदाहरण के लिए, मेडिकल या कानूनी क्षेत्रों के इंडस्ट्री जार्गन या विशेष शब्द उच्चारण शब्दकोश से लाभ पा सकते हैं, अगर मॉडल को उन क्षेत्रों के डेटा पर खास तौर पर प्रशिक्षित नहीं किया गया है। 

टेक्स्ट टू स्पीच के अलावा, उच्चारण शब्दकोश आमतौर पर मूल वक्ताओं के ऑडियो क्लिप के क्राउड-सोर्स्ड संग्रह होते हैं, जिनका उपयोग सीखने वाले यह सुनने के लिए करते हैं कि कुछ शब्द कैसे बोले जाते हैं।

Eleven v4 पर TTS उच्चारण को कैसे नियंत्रित करें

Eleven v4 को Artificial Analysis' Provider Voice Arena ने सबसे उच्च-गुणवत्ता वाला टेक्स्ट टू स्पीच मॉडल रैंक किया है।¹ Eleven v4 को मार्केट लीडर बनाने वाली एक वजह यह है कि मॉडल जटिल टेक्स्ट को संभालते हुए भी आउटपुट को प्राकृतिक बनाए रखता है। 

यूज़र्स को Eleven v4 के साथ बेहतरीन अनुभव देने के लिए, मॉडल उच्चारण को कस्टमाइज़ करने के कई तरीके देता है, ताकि हर आउटपुट आपके सटीकता मानकों पर खरा उतरे। 

Eleven v4 के साथ उच्चारण को इस तरह नियंत्रित करें:

• इनलाइन IPA: उच्चारण शब्दकोश का इस्तेमाल किए बिना उच्चारण तय करने के लिए आप अपनी स्क्रिप्ट में फ़ॉरवर्ड स्लैश के बीच IPA लिख सकते हैं। इसे कैसे करना है, इसकी जानकारी हम आगे देंगे।
• शब्दकोशों में फ़ोनीम नियम: बार-बार आने वाले शब्दों की ध्वनि नियंत्रित करने के लिए अपने उच्चारण शब्दकोशों में फ़ोनीम-आधारित नियम लिखें।
• भाषाओं में सहज उच्चारण: Eleven v4 90+ भाषाओं में प्राकृतिक लगने वाली स्पीच बना सकता है। एक जैसे सोनिक ब्रांडिंग अनुभव के लिए एक ही वॉइस इस्तेमाल करते हुए हर भाषा में मूल उच्चारण बनाए रखें।

उच्चारण नियंत्रण के लिए अलग-अलग ElevenLabs TTS मॉडल की तुलना यहां देखें:

उच्चारण शब्दकोश में एलियस और फ़ोनीम नियमों में क्या अंतर है?

एलियस उच्चारण नियम मॉडल द्वारा शब्द बोलने से पहले टेक्स्ट के एक हिस्से को दूसरे से बदल देते हैं। जब भी मॉडल ऑडियो बनाता है, यह बैकग्राउंड में होता है और किसी शब्द/वाक्यांश की ध्वनि को आपके उच्चारण शब्दकोश में शामिल टेक्स्ट से बदल देता है। 

एलियस उच्चारण नियमों के कुछ उदाहरण:

• “SaaS” बनता है “sass”
• “UN” बनता है “United Nations”
• “OAuth” बनता है “oh auth”

दूसरी ओर, फ़ोनीम नियम मॉडल को इस्तेमाल करने के लिए सटीक ध्वन्यात्मक वर्तनी देते हैं। इन्हें बनाना अधिक चुनौतीपूर्ण है, क्योंकि आपको IPA ट्रांसक्रिप्शन खुद लिखना या जनरेट करना होगा और उसे अपने शब्दकोश में दर्ज करना होगा। उदाहरण के लिए, "Kubernetes" बनता है /ˌkuː.bərˈnɛt.iːz/।

TTS मॉडल में ब्रांड नाम का उच्चारण कैसे ठीक करें

ब्रांड नाम उच्चारण शब्दकोशों में सबसे आम एंट्री में से एक हैं, क्योंकि वे हमेशा असली शब्द नहीं होते। अगर आपकी कंपनी ने अपने ब्रांड के लिए कोई शब्द या अनोखी वर्तनी बनाई है, तो TTS मॉडल को उसका सही उच्चारण करने में मुश्किल हो सकती है, क्योंकि उस खास उच्चारण को शामिल करने वाला सुलभ ट्रेनिंग डेटा बहुत कम होता है।

Eleven v4 में ब्रांड नाम का उच्चारण इस तरह ठीक करें:

1. डिफ़ॉल्ट ध्वनि जांचें: टेक्स्ट टू स्पीच ऐप खोलें और अपना ब्रांड नाम लिखें। एक क्लिप जनरेट करें और सुनें कि वह कैसा लगता है। अगर उच्चारण में गलती है, तो अगले चरण पर जाएं। 
2. एलियस नियम आज़माएं: ब्रांड के उच्चारण की गलती ठीक करने का सबसे आसान तरीका एलियस नियम बनाना है। इन्हें लिखना तेज़ और सहज है।
3. फ़ोनीम नियम पर जाएं: अगर आपका एलियस नियम पूरी तरह काम नहीं करता, तो IPA का इस्तेमाल करें। IPA से अपने ब्रांड का नाम ट्रांसक्राइब करें और फिर उसका उच्चारण ठीक करने के लिए टेक्स्ट टू स्पीच उच्चारण शब्दकोश में नियम बनाएं।
4. हर कैपिटलाइज़ेशन शामिल करें: अगर आप अपने ब्रांड नाम के लोअरकेस और अपरकेस, दोनों रूप इस्तेमाल करते हैं, तो दोनों के लिए IPA ट्रांसक्रिप्शन ज़रूर शामिल करें।
5. एकबार के बदलावों के लिए इनलाइन IPA इस्तेमाल करें: अगर आपको किसी एक जनरेशन के लिए जल्दी से सुधार करना है, तो शब्दकोश एंट्री कॉन्फ़िगर करने के बजाय सीधे अपनी स्क्रिप्ट में IPA जोड़ सकते हैं।

ब्रांड नाम का नियम बनाने के बाद, वह आगे हर साझा प्रोजेक्ट में मौजूद रहेगा, चाहे आपके AI एजेंट में हो या API के ज़रिए एक्सेस किया जाए।

ElevenLabs के साथ उच्चारण शब्दकोश कैसे बनाएं

आप टेक्स्ट टू स्पीच ऐप में नियम जोड़कर, .pls फ़ाइल अपलोड करके या ElevenAPI के ज़रिए उच्चारण शब्दकोश बना सकते हैं। इस गाइड में हम पहले विकल्प को कवर करेंगे, जिसमें केवल कुछ चरण हैं।

उच्चारण शब्दकोश बनाने के लिए इन चरणों का पालन करें:

1. उच्चारण शब्दकोश पैनल खोलें: टेक्स्ट टू स्पीच पेज पर, ऊपर सर्च बार पर क्लिक करें, "Pronunciation dictionary" टाइप करें और Actions के अंतर्गत Pronunciation dictionaries चुनें।
2. शब्दकोश बनाएं या चुनें: नया शब्दकोश शुरू करने के लिए New पर क्लिक करें, या बाईं ओर की सूची से कोई मौजूदा शब्दकोश चुनें। 
3. नियम जोड़ें: नई पंक्ति बनाने के लिए Add rule पर क्लिक करें। वह शब्द दर्ज करें जिसे आप ठीक करना चाहते हैं। Input फ़ील्ड में शब्द या वाक्यांश ठीक उसी तरह टाइप करें, जैसे वह आपकी स्क्रिप्ट में दिखता है। नियम केस-सेंसिटिव होते हैं, इसलिए उसी कैपिटलाइज़ेशन का इस्तेमाल करें। 
4. नियम का प्रकार चुनें: अलग टेक्स्ट से बदलने के लिए Alias चुनें, या IPA अथवा CMU वर्तनी दर्ज करने के लिए Phoneme चुनें। 
5. बदलने वाला टेक्स्ट दर्ज करें: Output फ़ील्ड में एलियस या ध्वन्यात्मक वर्तनी टाइप करें। जिस वॉइस पर आप काम कर रहे हैं, उसमें नियम सुनने के लिए पैनल के ऊपर वॉइस सिलेक्टर का इस्तेमाल करें। 
6. अपने बदलाव सेव करें: पैनल के नीचे Save changes पर क्लिक करें।

किसी एजेंट के साथ उच्चारण गाइड जोड़ने या API के ज़रिए उसे लागू करने के लिए, हमारे उच्चारण शब्दकोश डॉक्स देखें।

Eleven v4 पर टेक्स्ट टू स्पीच में IPA का इस्तेमाल कैसे करें

छोटे बदलावों या असामान्य शब्दों के लिए, गलती सुधारने हेतु आपको अपने TTS उच्चारण शब्दकोश में नई एंट्री बनाने की ज़रूरत नहीं है। इसके बजाय, आप इनलाइन IPA के ज़रिए ठीक-ठीक बता सकते हैं कि मॉडल को शब्द का उच्चारण कैसे करना चाहिए।

Eleven v4 में, फ़ॉरवर्ड स्लैश इस्तेमाल करके इनलाइन IPA सक्रिय कर सकते हैं। ऑडियो टैग्स की तरह, ये भी चीज़ों को आसान रखने के लिए सीधे आपकी स्क्रिप्ट में लिखे जाते हैं। Eleven v4 में IPA के कुछ उदाहरण:

• तकनीकी शब्द: शब्द "/ˌbaɪoʊˈkemɪstri/" रासायनिक प्रक्रियाओं के अध्ययन को दर्शाता है। 
• मेडिकल शब्दावली: "/ɡluːˈkoʊs/" और "/ˈɪnsjəlɪn/" का इस्तेमाल आमतौर पर "/ˌdaɪəˈbiːtiːz/" जैसी स्थितियों को मैनेज करने के लिए होता है। 
• ब्रांड और प्रोडक्ट नाम: ट्रैफ़िक स्पाइक्स संभालने के लिए हमारे सर्वर "/ˌɛndʒɪnˈɛks/" पर चलते हैं।

एक अतिरिक्त बात: जिनके पास भाषाविज्ञान की डिग्री नहीं है, वे प्राकृतिक भाषा के इनपुट से सही IPA पाने और उसे अपनी स्क्रिप्ट में पेस्ट करने के लिए IPA कन्वर्टर इस्तेमाल कर सकते हैं।

SSML फ़ोनीम टैग्स Eleven v4 पर काम क्यों नहीं करते

Eleven v4 SSML को सपोर्ट नहीं करता। इसके बजाय, यह ऑडियो टैग्स और उच्चारण शब्दकोश जैसी अधिक लचीली सुविधाएं देता है, जिनसे आपको अंतिम ऑडियो प्रोडक्शन पर ज़्यादा नियंत्रण मिलता है। 

SSML की हर सुविधा का v4 में सीधा विकल्प है:

Eleven v4 पर प्राकृतिक लगने वाले टेक्स्ट टू स्पीच उच्चारण के साथ शुरुआत करें

Eleven v4 में उच्चारण की सटीकता बेहतर बनाने वाले कई टूल्स के साथ, आप विस्तृत स्क्रिप्ट लिख सकते हैं और मॉडल से उन्हें ठीक अपनी कल्पना के अनुसार प्रस्तुत करवा सकते हैं।

ElevenLabs टेक्स्ट टू स्पीच ऐप में उच्चारण शब्दकोश बनाएं और ElevenAPI के साथ उन्हें बड़े पैमाने पर लागू करें। 

साइन अप करें और शुरुआत करें या Eleven v4 के बारे में आज ही और जानें।

अक्सर पूछे जाने वाले सवाल

1. ^{Artificial Analysis, Provider Voice Arena Preference Elo, 30 सितंबर, 2026}