टेक्स्ट टू डायलॉग

परिचय

ElevenLabs टेक्स्ट टू डायलॉग API, Eleven v4 और Eleven v3 का उपयोग करके टेक्स्ट से स्वाभाविक लगने वाले, अभिव्यंजक संवाद बनाता है। हम Eleven v4 की सलाह देते हैं। इसके लोकप्रिय उपयोगों में शामिल हैं:

• वीडियो गेम के लिए बेहतरीन बातचीत जनरेट करना
• पॉडकास्ट और अन्य ऑडियो कॉन्टेंट के लिए इमर्सिव संवाद बनाना
• अभिव्यंजक नैरेशन के साथ ऑडियोबुक्स को जीवंत बनाना

मनचाहे नतीजे पाने के लिए कई जनरेशन की जरूरत पड़ सकती है। अपने ऐप्लिकेशन में टेक्स्ट टू डायलॉग इंटीग्रेट करते समय, कई जनरेशन बनाने और यूज़र को सबसे अच्छा विकल्प चुनने देने पर विचार करें।

बातचीत को किसी दृश्य में रखने के लिए, जैसे फ़ोन कॉल, कैफ़े या बड़े हॉल में, अपने अनुरोध के साथ audio_effects भेजें। टेक्स्ट टू स्पीच ऑडियो इफेक्ट्स जैसे ही फ़िल्टर प्रीसेट, एनवायरनमेंट और बैकग्राउंड नॉइज़ पूरे संवाद पर लागू होते हैं। डायलॉग इफेक्ट्स सिर्फ़ API के ज़रिए उपलब्ध हैं।

एक सैंपल सुनें:

वॉइस विकल्प

ElevenLabs कई तरीकों से बनाई गई हज़ारों वॉइस प्रदान करता है। Eleven v4 90+ भाषाओं और Eleven v3 70+ भाषाओं को सपोर्ट करता है।

• समुदाय द्वारा शेयर की गई 10,000+ वॉइस के साथ वॉइस लाइब्रेरी
• सबसे सटीक प्रतिकृतियों के लिए प्रोफेशनल वॉइस क्लोनिंग
• तेज़ी से वॉइस कॉपी करने के लिए इंस्टेंट वॉइस क्लोनिंग
• टेक्स्ट विवरणों से कस्टम वॉइस जनरेट करने के लिए वॉइस डिज़ाइन

हमारे वॉइस विकल्पों के बारे में और जानें।

प्रॉम्प्टिंग

मॉडल टेक्स्ट इनपुट से सीधे भावनात्मक संदर्भ समझते हैं। उदाहरण के लिए, “she said excitedly” जैसा वर्णनात्मक टेक्स्ट जोड़ने या विस्मयादिबोधक चिह्नों का उपयोग करने से बोलने की भावना प्रभावित होगी। Stability और Similarity जैसी वॉइस सेटिंग्स स्थिरता नियंत्रित करने में मदद करती हैं, जबकि मूल भावना टेक्स्ट संकेतों से आती है।

ज़्यादा जानकारी के लिए प्रॉम्प्टिंग गाइड पढ़ें।

ऑडियो टैग्स के साथ भावनात्मक डिलीवरी

Eleven v4 और Eleven v3, संवाद की डिलीवरी को प्रभावित करने के लिए गैर-वाक् ऑडियो इवेंट्स का इस्तेमाल करने देते हैं। इसके लिए ऑडियो इवेंट्स को वर्ग कोष्ठकों में लपेटकर टेक्स्ट इनपुट में डालें।

टेक्स्ट टू डायलॉग में, हर डायलॉग टर्न का अपना टेक्स्ट और वॉइस होता है। जिन टर्न पर ऑडियो टैग्स का असर होना चाहिए, उनके टेक्स्ट में टैग्स जोड़ें। voice_id उस टर्न के लिए स्पीकर वॉइस चुनता रहता है, जबकि टैग्स डिलीवरी को निर्देशित करते हैं।

उदाहरण के लिए, एक स्पीकर एक वॉइस का उपयोग कर सकता है जबकि टेक्स्ट [giggling] से शुरू होता है, और अगला स्पीकर दूसरी वॉइस का उपयोग कर सकता है जबकि टेक्स्ट [whispering] से शुरू होता है। टैग्स और voice_id को मिलाने वाले API उदाहरण के लिए, टेक्स्ट टू डायलॉग क्विकस्टार्ट देखें।

ऑडियो टैग्स प्राकृतिक भाषा के निर्देश हैं, enum पैरामीटर नहीं। निर्देश को वर्ग कोष्ठकों में रखें और टेक्स्ट में वहीं डालें जहाँ डिलीवरी बदलनी चाहिए। नीचे दिए गए उदाहरण पूरी सूची नहीं हैं; प्रभावी टैग्स के बारे में अधिक जानकारी के लिए प्रॉम्प्टिंग गाइड देखें।

ऑडियो टैग्स कई अलग-अलग रूपों में आते हैं:

भावनाएं और डिलीवरी

उदाहरण के लिए, [sad], [laughing] और [whispering]

ऑडियो इवेंट्स

उदाहरण के लिए, [leaves rustling], [gentle footsteps] और [applause]।

समग्र निर्देशन

उदाहरण के लिए, [football], [wrestling match] और [auctioneer]।

कुछ उदाहरण:

"[giggling] That's really funny!"
"[groaning] That was awful."
"Well, [sigh] I'm not sure what to say."

आप रुकावटों जैसे संवाद के प्रवाह को दिखाने के लिए विराम चिह्नों का भी उपयोग कर सकते हैं:

"[cautiously] Hello, is this seat-"
"[jumping in] Free? [cheerfully] Yes it is."

अधूरे वाक्य दिखाने के लिए दीर्घविराम का उपयोग किया जा सकता है:

"[indecisive] Hi, can I get uhhh..."
"[quizzically] The usual?"
"[elated] Yes! [laughs] I'm so glad you knew!"

समर्थित भाषाएं

Eleven v4 90+ भाषाओं को सपोर्ट करता है। Eleven v3 70+ भाषाओं को सपोर्ट करता है। पूरी सूची के लिए Eleven v4 और Eleven v3 देखें।

FAQ

मुख्य तथ्य

• मॉडल्स: Eleven v4 और Eleven v3 के साथ उपलब्ध
• स्पीकर्स: हर संवाद में स्पीकर्स की संख्या की कोई सीमा नहीं
• अनुरोध आकार: हर अनुरोध में सभी inputs[].text वैल्यू की कुल लंबाई 2,000 वर्णों तक रखें
• डिटरमिनिज़्म: आउटपुट नॉन-डिटरमिनिस्टिक है — अधिक सुसंगत नतीजों के लिए seed पैरामीटर का उपयोग करें
• मुफ़्त रीजनरेशन: हर जनरेशन पर 2 तक मुफ़्त रीजनरेशन (वही कॉन्टेंट, वही पैरामीटर्स, सिर्फ़ डैशबोर्ड में)
• स्वामित्व: जनरेट किए गए ऑडियो का स्वामित्व आपके पास रहता है; व्यावसायिक उपयोग के लिए पेड प्लान चाहिए