नेविगेशन पर जाएँ
कैसे करें गाइड्सटेक्स्ट टू स्पीच

उच्चारण डिक्शनरी का उपयोग

यह गाइड बताती है कि उच्चारण डिक्शनरी को प्रोग्रामैटिक तरीके से कैसे मैनेज करें।

कैसे करें गाइड · मानता है कि आपने ElevenAPI क्विकस्टार्ट पूरा कर लिया है।

परिचय

उच्चारण डिक्शनरी आपको यह कस्टमाइज़ करने देती हैं कि आपका AI एजेंट खास शब्दों या वाक्यांशों का उच्चारण कैसे करे। यह खास तौर पर इन कामों में उपयोगी है:

  • नामों, जगहों या तकनीकी शब्दों का उच्चारण ठीक करना
  • बातचीत में एक जैसा उच्चारण बनाए रखना
  • क्षेत्रीय उच्चारण के अलग-अलग रूपों को कस्टमाइज़ करना

ElevenLabs IPA और CMU दोनों अल्फ़ाबेट को सपोर्ट करता है।

उच्चारण डिक्शनरी के phoneme टैग सिर्फ़ eleven_v4, eleven_v4_turbo, eleven_flash_v2 और eleven_v3 मॉडल के साथ काम करते हैं।

अन्य मॉडल डिक्शनरी phoneme टैग को छोड़ देते हैं और डिफ़ॉल्ट उच्चारण इस्तेमाल करते हैं। अन्य मॉडल के लिए, ऐसे alias टैग इस्तेमाल करें जो आपकी ज़रूरत के उच्चारण के लिए वर्तनी या वाक्यांशों को बदल दें।

अगर आप अंग्रेज़ी के अलावा दूसरी भाषाओं में IPA और CMU उच्चारण इस्तेमाल करना चाहते हैं, तो आपको eleven_v4 या eleven_v4_turbo मॉडल पर स्विच करना होगा।

क्विकस्टार्ट

यह गाइड मानकर चलती है कि आपने अपनी API कुंजी और SDK सेट अप कर ली है। अगर आपने अभी तक नहीं किया है, तो पहले क्विकस्टार्ट पूरा करें।

1

उच्चारण डिक्शनरी फ़ाइल बनाएं

इस उदाहरण में, हम tomato शब्द के लिए एक उच्चारण डिक्शनरी फ़ाइल बनाएंगे।

यह नियम “IPA” अल्फ़ाबेट का इस्तेमाल करेगा और tomato और Tomato के उच्चारण को एक अलग उच्चारण से अपडेट करेगा। PLS फ़ाइलें केस-सेंसिटिव होती हैं, इसलिए हम इसे बड़े “T” के साथ और उसके बिना, दोनों तरह से शामिल करते हैं।

आप खास शब्दों के लिए IPA या CMU नोटेशन बनाने में मदद के लिए Claude या ChatGPT जैसे AI टूल इस्तेमाल कर सकते हैं।

dictionary.pls
<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"
    xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.w3.org/2005/01/pronunciation-lexicon
        http://www.w3.org/TR/2007/CR-pronunciation-lexicon-20071212/pls.xsd"
    alphabet="ipa" xml:lang="en-US">
<lexeme>
    <grapheme>tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
<lexeme>
    <grapheme>Tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
</lexicon>
2

SDK के ज़रिए फ़ाइल से उच्चारण डिक्शनरी बनाएं

अपनी पसंद की भाषा के आधार पर example.py या example.mts नाम की एक नई फ़ाइल बनाएं और उसमें यह कोड जोड़ें:

from elevenlabs import ElevenLabs, PronunciationDictionaryVersionLocator
from elevenlabs.play import play
elevenlabs = ElevenLabs()
with open("dictionary.pls", "rb") as f:
    # this dictionary changes how tomato is pronounced
    pronunciation_dictionary = elevenlabs.pronunciation_dictionaries.create_from_file(
        file=f.read(), name="example"
    )
audio_1 = elevenlabs.text_to_speech.convert(
    text="Without the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_v4_turbo",
)
audio_2 = elevenlabs.text_to_speech.convert(
    text="With the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_v4_turbo",
    pronunciation_dictionary_locators=[
        PronunciationDictionaryVersionLocator(
            pronunciation_dictionary_id=pronunciation_dictionary.id,
            version_id=pronunciation_dictionary.version_id,
        )
    ],
)
# play the audio
play(audio_1)
play(audio_2)
3

कोड चलाएं

python example.py

आपके स्पीकर से ऑडियो के दो वर्ज़न चलने चाहिए—एक उच्चारण डिक्शनरी के साथ और एक उसके बिना।

अगले चरण

API रेफरेंस

उच्चारण डिक्शनरी का पूरा API रेफरेंस।

टेक्स्ट टू स्पीच स्ट्रीमिंग

कम लेटेंसी वाले प्लेबैक के लिए टेक्स्ट को स्पीच में प्रोग्रेसिव तरीके से स्ट्रीम करें।