टेक्स्ट टू स्पीच

परिचय

ElevenLabs टेक्स्ट टू स्पीच (TTS) API, सूक्ष्म स्वराघात, 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 इस्तेमाल इन कामों के लिए किया जा सकता है:

• वैश्विक मीडिया कैंपेन्स और विज्ञापनों का नैरेशन करना
• जटिल भावनात्मक डिलीवरी के साथ कई भाषाओं में ऑडियोबुक्स बनाना
• टेक्स्ट से रियल-टाइम ऑडियो स्ट्रीम करना

एक सैंपल सुनें:

अपने प्रोजेक्ट के लिए सही वॉइस ढूँढने के लिए हमारी वॉइस लाइब्रेरी देखें।

वॉइस क्वालिटी

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

वॉइस विकल्प

ElevenLabs कई तरीकों से बनाई गई 32 भाषाओं की हज़ारों वॉइसेज़ देता है:

• समुदाय द्वारा शेयर की गई 3,000+ वॉइसेज़ वाली वॉइस लाइब्रेरी
• सबसे सटीक प्रतिकृतियों के लिए प्रोफेशनल वॉइस क्लोनिंग
• तेज़ी से वॉइस की प्रतिकृति बनाने के लिए इंस्टेंट वॉइस क्लोनिंग
• टेक्स्ट विवरणों से कस्टम वॉइसेज़ जनरेट करने के लिए वॉइस डिज़ाइन

हमारे वॉइस विकल्पों के बारे में और जानें।

समर्थित भाषाएँ

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 इनपुट करें और वॉइस लाइब्रेरी से उससे मेल खाती वॉइस चुनें। सबसे स्वाभाविक नतीजों के लिए, ऐसी वॉइस चुनें जिसका एक्सेंट आपकी टारगेट भाषा और क्षेत्र से मेल खाता हो।

प्रॉम्प्टिंग

मॉडल टेक्स्ट इनपुट से भावनात्मक संदर्भ को सीधे समझते हैं। उदाहरण के लिए, “उसने उत्साह से कहा” जैसा विवरण जोड़ने या विस्मयादिबोधक चिह्नों का इस्तेमाल करने से बोलने की भावना प्रभावित होगी। Stability और Similarity जैसी वॉइस सेटिंग्स एकरूपता को नियंत्रित करने में मदद करती हैं, जबकि मूल भावना टेक्स्ट संकेतों से आती है।

ज़्यादा जानकारी के लिए प्रॉम्प्टिंग गाइड पढ़ें।

FAQ

मुख्य तथ्य

• निर्धारकता: आउटपुट नॉनडिटरमिनिस्टिक है — अधिक एकरूप नतीजों के लिए seed पैरामीटर इस्तेमाल करें
• मुफ़्त रीजनरेशन: हर जनरेशन पर अधिकतम 2 मुफ़्त रीजनरेशन (केवल समान कंटेंट और पैरामीटर्स)
• स्वामित्व: जनरेट किए गए ऑडियो का स्वामित्व आपके पास रहता है; कमर्शियल इस्तेमाल के लिए पेड प्लान चाहिए
• कम-लेटेंसी उपयोग के मामले: Flash मॉडल्स (eleven_flash_v2 या eleven_flash_v2_5) इस्तेमाल करें — लेटेंसी ऑप्टिमाइज़ेशन गाइड देखें
• बड़ा टेक्स्ट: लंबे टेक्स्ट को सेगमेंट्स में बाँटें; चंक्स के बीच स्वाभाविक प्रोसोडी बनाए रखने के लिए previous_text / next_text पैरामीटर्स इस्तेमाल करें