AI वॉइस जनरेटर

AI वॉइस जनरेटर लिखे हुए शब्दों को बोली गई आवाज़ में बदल देता है। आप लिखते हैं कि क्या बोला जाना चाहिए और बताते हैं कि वह कैसा सुनाई दे, जैसे उम्र, लहजा, रफ़्तार और भावना, और मॉडल उसे बोलकर सुनाता है। नतीजा एक ऑडियो फ़ाइल होती है, जिसे आप वीडियो, गेम, पॉडकास्ट के इंट्रो या प्रेज़ेंटेशन में इस्तेमाल कर सकते हैं।

Mage पर वॉइस मॉडल Seed Audio है। यह एक ही प्रॉम्प्ट से आवाज़ें, डायलॉग, म्यूज़िक और साउंड इफ़ेक्ट बनाता है, और आपकी चुनी हुई सटीक अवधि का MP3 देता है: 5, 10, 30, 60 या 120 सेकंड। आवाज़ को दिशा देने के लिए यह एक इमेज रेफ़रेंस या अधिकतम तीन ऑडियो रेफ़रेंस ले सकता है, लेकिन एक ही क्लिप में दोनों नहीं।

Mage पर इसे खास बनाती है इसके बाद की प्रक्रिया। सेव किया हुआ कैरेक्टर अपनी एक आवाज़ रख सकता है, और कैरेक्टर की आवाज़ पढ़ने वाले वीडियो मॉडल, Cherry, Raspberry, Plum, Lemon और MiniMax-H3, उसे अपने आप इस्तेमाल करते हैं, इसलिए आपका बनाया किरदार हर क्लिप में एक जैसा सुनाई देता है। Lipsync ऐप भी आपकी बनाई वॉइस लाइन लेकर किसी चेहरे को उससे सिंक कर सकता है।

वॉइस प्रॉम्प्ट के दो हिस्से होते हैं: क्या बोला जाता है और वह कैसा सुनाई देता है। बोले जाने वाले शब्द उद्धरण चिह्नों में रखें ताकि साफ़ पता चले कि वही स्क्रिप्ट है, फिर उनके आसपास प्रस्तुति का वर्णन करें। “सत्तर के आसपास का एक गर्मजोशी भरा, भारी आवाज़ वाला आदमी, धीमे और मज़ाकिया अंदाज़ में, शांत कमरे में माइक्रोफ़ोन के पास बैठकर कहता है: ‘हर कहानी किसी ऐसे इंसान से शुरू होती है जिसे घर पर ही रुकना चाहिए था।’” यह Seed Audio को बोलने वाला, बोलने का अंदाज़ और जगह, तीनों दे देता है।

आवाज़ को सबसे ज़्यादा बदलने वाली बातें हैं उम्र, ऊर्जा, रफ़्तार और दूरी। माइक्रोफ़ोन के पास फुसफुसाहट, बड़े हॉल में मंच की आवाज़ और फ़ोन लाइन पर थकी हुई आवाज़, एक ही शब्दों की तीन अलग प्रस्तुतियाँ हैं। भावना को सिर्फ़ विशेषण से नहीं, बल्कि क्रिया से बताएँ, जैसे छेड़ना, गिड़गिड़ाना या घोषणा करना।

• सटीक शब्द उद्धरण चिह्नों में रखें
• उम्र की सीमा और ऊर्जा का स्तर बताएँ
• रफ़्तार बताएँ: आराम से, तेज़, रुक-रुककर
• जगह का वर्णन करें: रिकॉर्डिंग बूथ, सड़क, गिरजाघर, फ़ोन
• लंबी रीडिंग से पहले आवाज़ परखने के लिए 5 या 10 सेकंड की लाइन रखें

Seed Audio ठीक वही अवधि देता है जो आप चुनते हैं, इसलिए अवधि को स्क्रिप्ट के हिसाब से चुनें। एक लाइन या रिएक्शन 5 या 10 सेकंड में आ जाता है। छोटा वॉइसओवर या प्रोडक्ट रीड 30 सेकंड में। डायलॉग का एक सीन या नैरेशन 60 या 120 सेकंड में। क्लिप के लिए बहुत लंबी स्क्रिप्ट जल्दबाज़ी में बोली जाती है, और बहुत छोटी स्क्रिप्ट के अंत में खामोशी या कमरे की आवाज़ रह जाती है।

पहले से सोच लें कि ऑडियो कहाँ इस्तेमाल होगा। Lipsync और Music Video 15 सेकंड तक का ऑडियो लेते हैं, इसलिए बोलते पोर्ट्रेट के लिए ऐसी लाइन लिखें जो 10 सेकंड में आ जाए और उसी अवधि में जनरेट करें।

Mage पर कैरेक्टर के पास अपनी आवाज़ हो सकती है: MP3 या WAV अपलोड करें, या कैरेक्टर बनाते समय Seed Audio से छोटा सैंपल जनरेट करें। उसके बाद Cherry, Raspberry, Plum, Lemon और MiniMax-H3 कैरेक्टर के बोलने पर अपने आप वही आवाज़ इस्तेमाल करते हैं। AI कैरेक्टर जनरेटर गाइड कैरेक्टर के बारे में बताती है, और AI टॉकिंग फ़ोटो गाइड दिखाती है कि पोर्ट्रेट से कोई लाइन कैसे बुलवाएँ।

रेफ़रेंस ऑडियो में सिर्फ़ अपनी आवाज़ या ऐसी आवाज़ इस्तेमाल करें जिसकी आपको अनुमति है। किसी असली व्यक्ति की उसकी सहमति के बिना नकल करना Mage पर मना है।