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

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

Eleven v4 उच्चारण ठीक करने के कई तरीके देता है, जिससे आपको मॉडल के बोलने के तरीके पर बारीक नियंत्रण मिलता है। आप एक विस्तृत उच्चारण शब्दकोश बना सकते हैं, जो TTS ऐप में लिखी आपकी हर स्क्रिप्ट पर लागू होता है। या, एक बार 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 नमूना यहां है:

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

सारांश

• उच्चारण शब्दकोश नियमों का एक सेट होता 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 एलियास-आधारित होते हैं, जो अलग टेक्स्ट से बदलते हैं, या फोनीम-आधारित होते हैं, जो ध्वन्यात्मक वर्तनी का इस्तेमाल करते हैं।
• Eleven v4 फोनीम नियमों और इनलाइन IPA (इंटरनेशनल फोनेटिक अल्फाबेट) को सपोर्ट करता है।
• SSML फोनीम और ब्रेक टैग Eleven v4 पर काम नहीं करते, लेकिन आप उच्चारण शब्दकोश या ऑडियो टैग्स का इस्तेमाल प्राकृतिक भाषा के विकल्प के तौर पर कर सकते हैं।
• आप ElevenAPI के ज़रिए हर अनुरोध 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 यह निर्धारित 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: उच्चारण शब्दकोश में ब्रांड नाम जोड़ना आम है, 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। एक पक्का शब्दकोश नियम यह सुनिश्चित करता है कि हर बार लिखने पर मॉडल इसे सही बोले।
• स्थान नाम और अन्य व्यक्तिवाचक संज्ञाएं: कुछ स्थानों के नाम, उन्हें देखकर जिस तरह उच्चारित होने की आप कल्पना करते हैं, उससे काफी अलग सुनाई दे सकते हैं। Worcestershire इसका एक मशहूर उदाहरण है, जिसके लिए उच्चारण गाइड किसी भी समस्या से बचने में मदद कर सकती है।
• इंडस्ट्री के शब्द: उदाहरण के लिए, मेडिकल या कानूनी क्षेत्र के इंडस्ट्री जार्गन या विशेष शब्दों के लिए उच्चारण शब्दकोश मददगार हो सकता है, अगर मॉडल ने उन क्षेत्रों के डेटा पर स्पष्ट रूप से प्रशिक्षण नहीं लिया है। 

टेक्स्ट टू स्पीच के बाहर, उच्चारण शब्दकोश आमतौर पर मूल भाषियों की ऑडियो क्लिप के क्राउड-सोर्स्ड संग्रह होते हैं, जिनका इस्तेमाल 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 माना है।¹ Eleven v4 को मार्केट लीडर बनाने वाली बातों में से एक यह है कि मॉडल जटिल टेक्स्ट को संभालते हुए भी आउटपुट को प्राकृतिक बनाए रखता है। 

यूज़र्स को Eleven v4 का सबसे अच्छा अनुभव देने के लिए, मॉडल उच्चारण को कस्टमाइज़ करने के कई तरीके देता है, ताकि हर आउटपुट आपकी सटीकता की अपेक्षाओं पर खरा उतरे। 

Eleven v4 के साथ उच्चारण को इस तरह नियंत्रित किया जा सकता है:

• इनलाइन IPA: उच्चारण शब्दकोश इस्तेमाल किए बिना उच्चारण निर्देशित करने के लिए, आप अपनी स्क्रिप्ट में फ़ॉरवर्ड स्लैश के बीच IPA लिख सकते हैं। इसे कैसे करना है, इसकी बारीकियां हम जल्द ही बताएंगे।
• शब्दकोश में फोनीम नियम: बार-बार आने वाले शब्दों की ध्वनि नियंत्रित करने के लिए अपने उच्चारण शब्दकोशों में फोनीम-आधारित नियम लिखें।
• भाषाओं में सहज उच्चारण: Eleven v4 90+ भाषाओं में प्राकृतिक सुनाई देने वाली स्पीच बना सकता है। एक समान सोनिक ब्रांडिंग अनुभव के लिए एक ही वॉइस इस्तेमाल करते हुए, हर भाषा में उसका मूल उच्चारण बनाए रखें।

उच्चारण नियंत्रण के मामले में अलग-अलग ElevenLabs TTS मॉडल की तुलना यहां दी गई है:

उच्चारण शब्दकोश में एलियास और फोनीम नियमों में क्या अंतर है?

एलियास 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। 

एलियास उच्चारण नियमों के कुछ उदाहरण यहां हैं:

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

इसके विपरीत, फोनीम 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 इसे अपने शब्दकोश में दर्ज करना होगा। उदाहरण के लिए, "Kubernetes" बन जाता है /ˌkuː.bərˈnɛt.iːz/।

TTS मॉडल में ब्रांड नाम का उच्चारण कैसे ठीक करें

ब्रांड नाम उच्चारण शब्दकोशों में सबसे आम प्रविष्टियों में से एक हैं, क्योंकि वे हमेशा वास्तविक शब्द नहीं होते। अगर आपकी कंपनी ने अपने ब्रांड के लिए कोई शब्द या अनोखी वर्तनी बनाई है, तो TTS मॉडल के लिए उसका सही उच्चारण करना मुश्किल हो सकता है, क्योंकि उस खास उच्चारण 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 सुनाई देता है। अगर उच्चारण में गलती हो, तो अगले चरण पर जाएं। 
2. एलियास नियम आज़माएं: ब्रांड के उच्चारण की गलती ठीक करने का सबसे आसान तरीका एलियास नियम बनाना है। इन्हें लिखना आसान और सहज है।
3. फोनीम नियम पर जाएं: अगर एलियास नियम ठीक से काम नहीं करता, तो IPA का इस्तेमाल करें। IPA से अपने ब्रांड का नाम ट्रांसक्राइब करें और फिर उच्चारण ठीक करने के लिए टेक्स्ट टू स्पीच उच्चारण शब्दकोश में एक नियम बनाएं।
4. हर कैपिटलाइज़ेशन शामिल करें: अगर आप दोनों का इस्तेमाल करते हैं, तो अपने ब्रांड नाम के लोअरकेस और अपरकेस, दोनों संस्करणों के लिए IPA ट्रांसक्रिप्शन ज़रूर शामिल करें।
5. एक बार के बदलाव के लिए इनलाइन IPA इस्तेमाल करें: अगर आपको सिर्फ एक बार के जनरेशन के लिए त्वरित सुधार चाहिए, तो शब्दकोश प्रविष्टि कॉन्फ़िगर करने के बजाय आप सीधे अपनी स्क्रिप्ट में IPA जोड़ सकते हैं।

ब्रांड नाम के लिए नियम सेट करने के बाद, वह आगे हर साझा प्रोजेक्ट में मौजूद रहेगा, चाहे वह आपके AI एजेंट में हो या API से 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 पहला विकल्प बताएंगे, जिसमें बस कुछ चरण लगते हैं।

उच्चारण शब्दकोश बनाने के लिए ये चरण अपनाएं:

1. उच्चारण शब्दकोश पैनल खोलें: टेक्स्ट टू स्पीच पेज से ऊपर दिए खोज 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 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 दिखाई देता है। नियम केस-सेंसिटिव होते हैं, इसलिए वही कैपिटलाइज़ेशन रखें जो आप इस्तेमाल करते हैं। 
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 एलियास या ध्वन्यात्मक वर्तनी टाइप करें। जिस वॉइस पर आप काम कर रहे हैं, उसके साथ नियम सुनने के लिए पैनल के ऊपर वॉइस सेलेक्टर का इस्तेमाल करें। 
6. बदलाव सेव करें: पैनल के नीचे Save changes पर क्लिक करें।

किसी एजेंट में उच्चारण गाइड जोड़ने या API के ज़रिए लागू करने के लिए, हमारे उच्चारण शब्दकोश दस्तावेज़ देखें।

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

छोटे बदलावों या असामान्य शब्दों के लिए, गलती ठीक करने हेतु आपके TTS उच्चारण शब्दकोश में नई प्रविष्टि बनाना हमेशा ज़रूरी नहीं है। इसके बजाय, आप इनलाइन IPA से यह स्पष्ट कर सकते हैं कि मॉडल को किसी शब्द का उच्चारण ठीक कैसे करना चाहिए।

Eleven v4 में फ़ॉरवर्ड स्लैश का इस्तेमाल करके इनलाइन IPA सक्रिय किया जा सकता है। ऑडियो टैग्स की तरह, इन्हें भी चीज़ें आसान बनाने के लिए सीधे आपकी स्क्रिप्ट में जोड़ा जाता है। Eleven v4 में IPA के कुछ उदाहरण यहां हैं:

• तकनीकी शब्द: "/ˌbaɪoʊˈkemɪstri/" शब्द का अर्थ रासायनिक प्रक्रियाओं का अध्ययन है। 
• मेडिकल शब्दावली: "/ɡluːˈkoʊs/" और "/ˈɪnsjəlɪn/" का इस्तेमाल आमतौर पर "/ˌdaɪəˈbiːtiːz/" जैसी स्थितियों को नियंत्रित करने के लिए किया जाता है। 
• ब्रांड और प्रोडक्ट नाम: ट्रैफ़िक में अचानक बढ़ोतरी संभालने के लिए हमारे सर्वर "/ˌɛndʒɪnˈɛks/" पर चलते हैं।

एक अतिरिक्त बात: जिनके पास भाषाविज्ञान की डिग्री नहीं है, उनके लिए IPA कन्वर्टर इस्तेमाल करने से प्राकृतिक भाषा के इनपुट से सही IPA पाने और उसे स्क्रिप्ट में पेस्ट करने में मदद मिलेगी।

SSML फोनीम टैग Eleven v4 पर काम क्यों नहीं करते

Eleven v4 SSML को सपोर्ट नहीं करता। इसके बजाय, यह ऑडियो टैग्स और उच्चारण शब्दकोश जैसे अधिक लचीले फ़ीचर्स देता है, जिनसे आपको अंतिम ऑडियो प्रोडक्शन पर ज्यादा नियंत्रण मिलता है। 

SSML के हर फ़ीचर का v4 में सीधा विकल्प मौजूद है:

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

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

ElevenLabs टेक्स्ट टू स्पीच ऐप में उच्चारण शब्दकोश बनाएं और ElevenAPI से उन्हें बड़े स्तर 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}