شروع رایگان · با قدرت ElevenLabs v4
تبدیل متن به گفتار با هوش مصنوعی
متن را وارد کنید، یک صدا انتخاب کنید و Eleven Speech آن را با ElevenLabs v4 می‌خواند: با ریتم طبیعی، احساس واقعی و بیش از 90 زبان، در قالب یک MP3 که دقیقاً به اندازه متن طول می‌کشد.
بدون نصب. بدون کارت بانکی. خصوصی به‌صورت پیش‌فرض.
- 90+زبان
- 16صدا
- 5,000نویسه در هر درخواست
- $0شروع رایگان
مقدمات
تبدیل متن به گفتار با هوش مصنوعی چیست؟
تبدیل متن به گفتار یا TTS، متن نوشته‌شده را به صدای گفتاری تبدیل می‌کند. TTS قدیمی کلمات را یکی‌یکی و با صدایی یکنواخت می‌خواند. تبدیل متن به گفتار مدرن با هوش مصنوعی اول کل متن را می‌خواند، پس می‌فهمد روی کدام کلمه تأکید کند، کجا جمله به پرسش تبدیل می‌شود و کی یک مکث منظور را می‌رساند، و با نفس و ریتم یک انسان صحبت می‌کند.
در Mage، تبدیل متن به گفتار با Eleven Speech اجرا می‌شود، جدیدترین مدل ElevenLabs یعنی Eleven v4. تا 5,000 نویسه وارد می‌کنید، یکی از 16 صدا را انتخاب می‌کنید و یک MP3 می‌گیرید که دقیقاً به اندازه خواندن متن طول دارد. تگ‌های صوتی داخل کروشه، مثل [whispers]، [laughs] یا [excited]، لحن را هدایت می‌کنند بدون اینکه خوانده شوند.
این قابلیت در همان حسابی است که مدل‌های تصویر و ویدیوی Mage در آن هستند. یک روایت را می‌توان مستقیم زیر ویدیو گذاشت، به‌عنوان صدای یک شخصیت استفاده کرد، یا به اپ Lipsync برد تا یک پرتره آن را بگوید.
کمی امکانات بیشتر
چرا از تبدیل متن به گفتار در Mage استفاده کنیم
صداهای ElevenLabs v4
گویاترین مدل ElevenLabs که از طریق حساب Mage و بدون اشتراک جداگانه در دسترس شماست.
دقیقاً به اندازه متن
MP3 همان‌جا تمام می‌شود که خواندن تمام می‌شود، بدون سکوتی که لازم باشد حذف شود و بدون طول ثابت برای کلیپ.
بیش از 90 زبان
متن را تقریباً به هر زبانی وارد کنید و هر یک از 16 صدا آن را طبیعی می‌خواند.
لحن را خودتان هدایت کنید
تگ‌های صوتی احساس، سرعت و بلندی صدا را خط‌به‌خط تغییر می‌دهند و می‌توانند جلوه‌های صوتی را وسط گفتار اضافه کنند.
نامحدود در طرح‌های پولی
پلن Basic در هر درخواست 750 کاراکتر (حدود 50 ثانیه گفتار) را پوشش می‌دهد و پلن‌های بالاتر متن‌های طولانی‌تری را.
API و MCP هم هست
توسعه‌دهنده‌ها همین صداها را از طریق Mage API صدا می‌زنند و Claude یا ChatGPT هم می‌توانند از طریق سرور Mage MCP از آن‌ها استفاده کنند.
از ایده تا خلق اثر
چطور متن را به گفتار تبدیل کنیم؟
فقط سه مرحله دارد و شروعش رایگان است.
Eleven Speech را باز کنید
با دکمه‌ی همین صفحه، Eleven Speech را در برنامه‌ی Mage و داخل مرورگر باز کنید.
متن را جای‌گذاری کنید
تا ۵٬۰۰۰ نویسه جای‌گذاری کنید: یک فیلمنامه، مقاله، درس یا فقط یک جمله.
صدا را انتخاب و تولید کنید
یکی از ۱۶ صدا را انتخاب کنید، در صورت تمایل Stability را تنظیم کنید و تولید را بزنید.
MP3 را دانلود کنید
آن را در مرورگر پخش کنید، دانلود کنید یا زیر یک ویدیو، در Lipsync یا به‌عنوان صدای یک شخصیت به کار ببرید.
نکته‌ها و تکنیک‌ها
متنی بنویسید که شنیدنی باشد
تبدیل متن به گفتار دقیقاً همان چیزی را می‌خواند که به آن می‌دهید، پس برای گوش بنویسید. هر چیزی را همان‌طور که باید شنیده شود بنویسید: «دوازده ساعت» به‌جای «۱۲س»، «سال هزار و چهارصد و پنج» اگر عدد باید مثل یک سال خوانده شود، و برای اختصاراتی که قرار نیست حرف‌به‌حرف خوانده شوند، کلمه‌ی کامل. جمله‌های بلند را به جمله‌های کوتاه‌تر بشکنید؛ شنونده نمی‌تواند به عقب برگردد.
نشانه‌گذاری ارزان‌ترین راه برای کنترل ریتم است. ویرگول یک نفس کوتاه است، نقطه یک نفس بلندتر، سه‌نقطه یک مکث و تردید، و خط تیره یک گسست ناگهانی. علامت سؤال آهنگ کل جمله را عوض می‌کند، پس مطمئن شوید پرسش‌ها واقعاً با آن تمام می‌شوند.
- وقتی نحوه‌ی خواندن مهم است، عددها را با حروف بنویسید
- جمله‌ها را کوتاه و محاوره‌ای نگه دارید
- برای مکث از سه‌نقطه و برای گسست از خط تیره استفاده کنید
- پیش از تولید، یک بار متن را بلند بخوانید
- متن‌های خیلی طولانی را به فصل‌ها تقسیم کنید
نکته‌ها و تکنیک‌ها
صدای مناسب را انتخاب کنید
۱۶ صدا رایج‌ترین کارها را پوشش می‌دهند. برای روایت‌های طولانی و کتاب صوتی، یک قصه‌گوی آرام مثل Darian، Florence یا Sawyer انتخاب کنید. برای خبر، آموزش و ویدیوهای توضیحی، یک گوینده‌ی شمرده مثل Alicia یا Eldrin. برای تبلیغات و ویدیوهای شبکه‌های اجتماعی، یک صدای پرانرژی و مدرن مثل Elowen، Jade یا Lawrence. برای بازی‌ها، یک صدای شخصیت مثل Kaelen.
هر صدا همه‌ی زبان‌های پشتیبانی‌شده را صحبت می‌کند، پس متن اسپانیایی یا ژاپنی هم با هر کدام جواب می‌دهد. دو سه جمله‌ی اول را با چند صدا تولید کنید، مقایسه کنید و بعد کل متن را با صدایی که بهتر جواب می‌دهد اجرا کنید.
نکته‌ها و تکنیک‌ها
با تگ‌های صوتی احساس اضافه کنید
Eleven v4 تگ‌های داخل کروشه را به‌عنوان دستور اجرا می‌خواند. [excited]، [nervous]، [sarcastic] و [softly] احساس را تغییر می‌دهند؛ [whispers] و [shouting] بلندی صدا را؛ [sighs]، [laughs] و [gulps] یک واکنش اضافه می‌کنند؛ [door creaks] یا [applause] یک صدا وسط گفتار می‌گذارند. تگ را درست پیش از جمله‌ای که تغییر می‌دهد بگذارید و برای هر جمله یکی دو تگ کافی است.
تگ‌ها دیالوگ و جمله‌های شخصیت‌ها را زنده می‌کنند، در حالی که روایت ساده معمولاً به آن‌ها نیازی ندارد. برای صدای شخصیت‌هایی که باید در همه‌ی ویدیوها یکسان بمانند، راهنمای تولید صدا با هوش مصنوعی را ببینید و برای آهنگ و موسیقی زمینه، به راهنمای ساخت موسیقی با هوش مصنوعی سر بزنید.
نکته‌ها و تکنیک‌ها
تبدیل متن به گفتار در API یا دستیار هوشمند
همین صداها از طریق API مجیک هم در دسترس‌اند: متن و یک صدا را به POST /v1/eleven_speech/generate بفرست و یک فایل MP3 بگیر. قیمت‌گذاری بر اساس بلوک‌های 250 کاراکتری است. صفحه‌ی Mage API درباره‌ی کلیدها و قیمت‌ها توضیح می‌دهد. وقتی سرور Mage MCP وصل باشد، Claude، ChatGPT و دستیارهای دیگر می‌توانند متن را در چت برایتان بخوانند، البته بعد از اینکه تعداد Gems موردنیاز را اعلام کردند.
مدل مناسب برای هر کار
مدل‌های تبدیل متن به گفتار در Mage
Eleven Speech متن را می‌خواند. این مدل‌ها آن را به کار می‌گیرند.
Eleven Speech
ElevenLabs v4: ۱۶ صدا، بیش از ۹۰ زبان، تگ‌های صوتی و تا ۵٬۰۰۰ نویسه در هر درخواست. طول MP3 به اندازه‌ی طول متن است.
Seed Audio
صدایی که در پرامپت توصیف می‌شود، نه اینکه از یک فهرست انتخاب شود؛ به‌علاوه دیالوگ، موسیقی و افکت صوتی با طول دقیق.
Plum Max
مدل پیش‌فرض در Lipsync که باعث می‌شود یک پرتره یا شخصیت، جمله‌ای را که تولید کرده‌اید بگوید.
این پرامپت‌ها را امتحان کن
متن‌هایی برای امتحان تبدیل متن به گفتار
یکی را در Eleven Speech جای‌گذاری کنید و یک صدا انتخاب کنید.
شروع یک کتاب صوتی
هر فانوس دریایی یک قول دارد... اینکه تا صبح روشن بماند. [softly] و این یکی هرگز قولش را نشکست.
صداگذاری محصول
با بطری‌ای آشنا شوید که قهوه را دوازده ساعت داغ نگه می‌دارد... و آب را یک روز کامل خنک. [confident] یک بطری. هر ماجراجویی.
مقدمه‌ی آشپزی به اسپانیایی
[warmly] Bienvenidos a la cocina de mi abuela. Hoy preparamos churros... [laughs] y sí, nos vamos a comer la mitad antes de terminar.
اعلان به ژاپنی
[calmly] 次は、京都です。お出口は右側です。[softly] 本日もご乗車いただき、ありがとうございました。
فضایی برای آزمایش
تبدیل متن به گفتار با هوش مصنوعی در Mage در مقایسه با یک ابزار ساده‌ی TTS
screen reader داخلی یا یک سایت رایگان TTS برای بررسی یک پیش‌نویس کافی است. اما برای هر چیزی که قرار است مردم بشنوند، شیوه‌ی اجرا اهمیت دارد و یک مدل مدرن دقیقاً همین‌جا ارزشش را نشان می‌دهد.
یک ابزار ساده‌ی TTS
- خواندنی یکنواخت و رباتی
- تأکیدها و مکث‌ها در جاهای نادرست
- صدا و زبان‌های محدود
- بدون امکان کنترل احساس صدا
Eleven Speech در Mage
- ElevenLabs v4 با ریتم طبیعی
- تگ‌های صوتی برای احساس و جلوه‌های صدا
- 16 صدا در بیش از 90 زبان
- نامحدود در طرح‌های پولی، کنار ابزارهای ویدیویی
دنبال تخیلت برو
مردم با تبدیل متن به گفتار با هوش مصنوعی چه می‌سازند؟
گویندگی ویدیو
روایت برای یوتیوب، تیک‌تاک، ریلز، ویدیوهای آموزشی و معرفی محصول.
کتاب صوتی و مقاله
فصل‌ها، خبرنامه‌ها و پست‌های وبلاگ را فصل به فصل با صدای بلند بشنوید.
دوره‌ها و آموزش
درس‌ها و آموزش ورود به کار به هر زبانی که مخاطبانتان صحبت می‌کنند.
اپ‌ها، بازی‌ها و دستیارها
پیام‌های گفتاری، اعلان‌ها و دیالوگ شخصیت‌ها از طریق API مجیک (Mage API).
کوچک شروع کن، بزرگ رؤیا ببین.
آیا تبدیل متن به گفتار با هوش مصنوعی رایگان است؟
شروع با Mage رایگان است و حساب‌های جدید 300 Gems می‌گیرند. در حالت Gems، Eleven Speech برای هر بلوک 250 کاراکتری (حتی ناقص) 30 Gems هزینه دارد و پلن‌های پولی آن را تا طولی که هر پلن پوشش می‌دهد نامحدود می‌کنند.
رایگان
$0
300 Gems یک‌بار برای اعضای جدید. بدون واترمارک.
Basic
$10 در ماه
تبدیل متن به گفتار نامحدود تا 750 کاراکتر (حدود 50 ثانیه) در هر درخواست، 500 Gems در ماه.
Max
$200 در ماه
تبدیل متن به گفتار نامحدود تا 4,750 کاراکتر در هر درخواست، 15,000 Gems در ماه.
کمی شفاف‌تر
سؤالات متداول
Mage از کدام ابزار تبدیل متن به گفتار با هوش مصنوعی استفاده می‌کند؟
آیا تبدیل متن به گفتار رایگان است؟
متن می‌تواند چقدر طولانی باشد؟
از چه زبان‌هایی پشتیبانی می‌کند؟
فایل صوتی با چه فرمتی است؟
آیا می‌توانم از طریق API استفاده کنم؟
آیا می‌توانم از صدا استفاده تجاری کنم؟
مولدها و راهنماهای مرتبط
Mage فقط برای بزرگسالان بالای ۱۸ سال است. هر محتوای غیرقانونی ممنوع است؛ هر محتوایی که شامل افراد زیر سن قانونی یا تصویرسازی بدون رضایت از افراد واقعی باشد اکیداً ممنوع است.