टेक्स्ट टू स्पीच

परिचय

ElevenLabs टेक्स्ट टू स्पीच (TTS) API, सूक्ष्म उतार-चढ़ाव, गति और भावनात्मक समझ के साथ टेक्स्ट को जीवंत ऑडियो में बदलता है। हमारे मॉडल्स 32 भाषाओं और कई वॉइस स्टाइल्स में टेक्स्ट संकेतों के अनुसार ढलते हैं और इनका उपयोग किया जा सकता है:

• वैश्विक मीडिया कैंपेन और विज्ञापनों का नैरेशन करने के लिए
• जटिल भावनात्मक डिलीवरी के साथ कई भाषाओं में ऑडियोबुक्स बनाने के लिए
• टेक्स्ट से रियल-टाइम ऑडियो स्ट्रीम करने के लिए

एक सैंपल सुनें:

अपने प्रोजेक्ट के लिए सही वॉइस खोजने हेतु हमारी वॉइस लाइब्रेरी देखें।

वॉइस गुणवत्ता

रियल-टाइम ऐप्लिकेशन के लिए Flash v2.5 बेहद कम 75ms लेटेंसी देता है, जबकि Multilingual v2 अधिक सूक्ष्म अभिव्यक्ति के साथ सबसे उच्च गुणवत्ता वाला ऑडियो देता है।

वॉइस विकल्प

ElevenLabs कई तरीकों से बनाई गई, 32 भाषाओं में हज़ारों वॉइस प्रदान 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।

ऑडियो इफेक्ट्स

ऑडियो इफेक्ट्स जनरेट की गई स्पीच को पोस्ट-प्रोसेस करते हैं ताकि वह किसी खास जगह पर रिकॉर्ड की गई लगे, और बाद में उसे एडिट न करना पड़े। इनमें से कोई भी संयोजन सेट करें:

• फ़िल्टर प्रीसेट: वॉइस का टोन बदलता है, जैसे फ़ोन लाइन, पुराना रेडियो या रोबोट।
• दूरी: स्पीकर को माइक्रोफ़ोन से दूर ले जाता है।
• एनवायरनमेंट: वॉइस को रिवर्ब वाले स्थान में रखता है, जैसे छोटा कमरा या हॉल।
• बैकग्राउंड नॉइज़: वॉइस के नीचे कैफ़े या कीबोर्ड टाइपिंग जैसी एम्बिएंट ध्वनि चलाता है।
• पैन: वॉइस को बाएं और दाएं चैनल के बीच रखता है।

इफेक्ट्स, स्ट्रीमिंग और टाइमस्टैम्प किए गए अनुरोधों सहित, टेक्स्ट टू स्पीच और टेक्स्ट टू डायलॉग एंडपॉइंट्स पर audio_effects पैरामीटर के ज़रिए उपलब्ध हैं। उपलब्ध फ़िल्टर प्रीसेट्स, एनवायरनमेंट्स और बैकग्राउंड नॉइज़ की सूची ऑडियो इफेक्ट्स कैटलॉग से प्राप्त करें। एजेंट्स भी वॉइस फ़िल्टर लागू कर सकते हैं; ऑडियो एनवायरनमेंट देखें। ऐप में, टेक्स्ट टू स्पीच प्लेग्राउंड से इफेक्ट्स जोड़ें।

इफेक्ट्स से अनुरोध की लागत नहीं बदलती।

समर्थित भाषाएं

हमारे multilingual v2 मॉडल्स 29 भाषाओं को support करते हैं:

अंग्रेज़ी (USA, UK, ऑस्ट्रेलिया, कनाडा), जापानी, चीनी, जर्मन, हिंदी, फ़्रेंच (फ़्रांस, कनाडा), कोरियाई, पुर्तगाली (ब्राज़ील, पुर्तगाल), इतालवी, स्पेनिश (स्पेन, मेक्सिको), इंडोनेशियाई, डच, तुर्की, फ़िलिपीनो, पोलिश, स्वीडिश, बल्गेरियाई, रोमानियाई, अरबी (सऊदी अरब, UAE), चेक, यूनानी, फ़िनिश, क्रोएशियाई, मलय, स्लोवाक, डेनिश, तमिल, यूक्रेनी और रूसी।

Flash v2.5, v2 मॉडल्स की सभी भाषाओं के साथ-साथ 32 भाषाओं को support करता है:

हंगेरियन, नॉर्वेजियन और वियतनामी

बस हमारी किसी भी समर्थित भाषा में टेक्स्ट डालें और हमारी वॉइस लाइब्रेरी से उससे मेल खाती वॉइस चुनें। सबसे स्वाभाविक नतीजों के लिए ऐसी वॉइस चुनें जिसका एक्सेंट आपकी लक्षित भाषा और क्षेत्र से मेल खाता हो।

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।

FAQ

मुख्य तथ्य

• डिटरमिनिज़्म: आउटपुट नॉन-डिटरमिनिस्टिक है — अधिक सुसंगत नतीजों के लिए seed पैरामीटर का उपयोग करें
• ऑडियो इफेक्ट्स: बिना अतिरिक्त लागत के audio_effects के साथ फ़िल्टर प्रीसेट, दूरी, रिवर्ब, बैकग्राउंड नॉइज़ या पैनिंग जोड़ें
• मुफ़्त रीजनरेशन: हर जनरेशन पर 2 तक मुफ़्त रीजनरेशन (सिर्फ़ समान कॉन्टेंट और पैरामीटर्स के लिए)
• स्वामित्व: जनरेट किए गए ऑडियो का स्वामित्व आपके पास रहता है; व्यावसायिक उपयोग के लिए पेड प्लान चाहिए
• कम-लेटेंसी उपयोग: Flash मॉडल्स (eleven_flash_v2 या eleven_flash_v2_5) का उपयोग करें — लेटेंसी ऑप्टिमाइज़ेशन गाइड देखें
• बड़ा टेक्स्ट: लंबे टेक्स्ट को सेगमेंट्स में बांटें; चंक्स के बीच प्राकृतिक प्रोसोडी बनाए रखने के लिए previous_text / next_text पैरामीटर्स का उपयोग करें