Text to Speech AI

Text to speech, atau TTS, mengubah teks tertulis menjadi audio ucapan. TTS lama membaca kata demi kata dengan suara datar. Text to speech AI modern membaca seluruh bagian terlebih dahulu, sehingga memahami kata mana yang perlu ditekankan, kapan kalimat berubah menjadi pertanyaan, dan kapan jeda menegaskan maksud, lalu berbicara dengan napas dan ritme seperti manusia.

Di Mage, text to speech berjalan dengan Eleven Speech, model terbaru ElevenLabs, Eleven v4. Kamu tempel hingga 5.000 karakter, pilih satu dari 16 suara, dan dapatkan MP3 yang durasinya persis sepanjang bacaan. Tag audio dalam tanda kurung siku, seperti [whispers], [laughs], atau [excited], mengarahkan gaya bicara tanpa ikut dibacakan.

Fitur ini ada dalam satu akun yang sama dengan model gambar dan video Mage. Narasi bisa langsung dipasang di bawah video, dijadikan suara karakter, atau dibawa ke aplikasi Lipsync agar sebuah potret mengucapkannya.

Text to speech membaca persis apa yang kamu berikan, jadi tulislah untuk didengar. Tulis apa yang harus diucapkan sesuai cara pengucapannya: "dua belas jam" bukan "12j", "tahun dua ribu dua puluh enam" jika angkanya harus dibaca sebagai tahun, dan kata lengkap untuk singkatan yang tidak dieja. Pecah kalimat panjang menjadi kalimat yang lebih pendek; pendengar tidak bisa menggulir ke belakang.

Tanda baca adalah cara termudah untuk mengatur tempo. Koma adalah jeda napas singkat, titik jeda yang lebih panjang, elipsis tanda ragu, dan tanda pisah jeda mendadak. Tanda tanya mengubah melodi seluruh kalimat, jadi pastikan pertanyaan memang diakhiri dengan tanda tanya.

• Tulis angka dengan huruf jika cara bacanya penting
• Buat kalimat pendek dan seperti bahasa lisan
• Pakai elipsis untuk jeda dan tanda pisah untuk putus mendadak
• Baca naskah dengan lantang sekali sebelum membuatnya
• Bagi teks yang sangat panjang menjadi beberapa bab

Ke-16 suara ini mencakup kebutuhan yang paling umum. Untuk narasi panjang dan buku audio, pilih pencerita yang tenang seperti Darian, Florence, atau Sawyer. Untuk berita, pelatihan, dan video penjelasan, pilih pembawa berita yang tegas seperti Alicia atau Eldrin. Untuk iklan dan video sosial media, pilih suara modern yang ceria seperti Elowen, Jade, atau Lawrence. Untuk game, pilih suara karakter seperti Kaelen.

Setiap suara bisa berbicara dalam semua bahasa yang didukung, jadi naskah berbahasa Spanyol atau Jepang bisa dibacakan oleh suara mana pun. Buat dua atau tiga kalimat pertama dengan beberapa suara, bandingkan, lalu jalankan seluruh naskah dengan suara yang paling cocok.

Eleven v4 membaca tag dalam tanda kurung siku sebagai arahan. [excited], [nervous], [sarcastic], dan [softly] mengubah emosi; [whispers] dan [shouting] mengubah volume; [sighs], [laughs], dan [gulps] menambahkan reaksi; [door creaks] atau [applause] menambahkan suara di dalam pembacaan. Letakkan tag tepat sebelum kalimat yang ingin diubah, dan pakai satu atau dua tag per kalimat.

Tag membuat dialog dan dialog karakter terasa hidup, sedangkan narasi biasa sering tidak memerlukannya. Untuk suara karakter yang harus tetap sama di setiap video, lihat panduan generator suara AI, dan untuk lagu serta musik latar, lihat generator musik AI.

Suara yang sama bisa dipakai lewat Mage API: kirim teks dan suara ke POST /v1/eleven_speech/generate dan terima file MP3, dengan harga per blok 250 karakter. Halaman Mage API menjelaskan soal kunci dan harga. Dengan server Mage MCP yang terhubung, Claude, ChatGPT, dan asisten lain bisa membacakan naskah untukmu di chat, setelah menyebutkan biaya Gems-nya.