गाइड
हिन्दी
डॉक्स में खोजें⌘K
5.2

टेक्स्ट टू स्पीच

एक पाठ को आवाज़ में परिवर्तित करना, AI वीडियो में सबसे आम आवाज़ काम है। DOTV में बस एक खाली ऑडियो नोड चुनें, नीचे इनपुट पट्टी बाहर निकल आती है: जो कहना है लिखें, एक आवाज़ चुनें, भेजें क्लिक करें। यह खंड इनपुट पट्टी पर हर चीज़ बताता है, गति / स्वर / आवाज़ का पूरा पैरामीटर ब्लॉक कैसे समायोजित करें, और बनने के बाद क्या काम आ सकता है।

इनपुट बार पर क्या है

ऑडियो composerबीच में वह text लिखें जो बोलना है। नीचे की पंक्ति में model और voice हैं; दाएँ Settings gear और character count है।
बीच में वह टेक्स्ट जो बोला जाएगा, नीचे की पंक्ति में मॉडल और आवाज़, दाएँ सेटिंग्स और अक्षर गणना।
  • पढ़ने वाला टेक्स्ट — सीधे लिखें। इसमें ठहराव और भाव-सूचक मार्कर डाल सकते हैं (देखें 5.5)। यह बार सादा टेक्स्ट सिंथेसाइज़ करता है, इसलिए यहाँ @ रेफ़रेंस काम नहीं करते — जो भी रेफ़रेंस आप लगाएँ, उसे सिर्फ़ आवाज़ में पढ़ा जाएगा।
  • मॉडल — दो विकल्प: Minimax-speech-2.8-hd (डिफ़ॉल्ट, ज़्यादा स्थिर) और Minimax-speech-2.8-turbo (तेज़)।
  • आवाज़ चुनें — स्वैप आइकन वाली गोली। इस पर क्लिक करने से आवाज़ चुनने का डायलॉग खुलता है (देखें 5.3)।
  • सेटिंग्स — दाएँ तरफ़ का गियर, इससे गति / पिच / वॉल्यूम आदि खुलते हैं (नीचे देखें)।
  • अक्षर गणना — गियर के बाएँ "N/10000"। एक बार में ज़्यादा से ज़्यादा 10,000 अक्षर बोले जा सकते हैं।
  • ⚡ और भेजें — स्पीच को प्रति अक्षर क्रेडिट लगते हैं, इसलिए यह संख्या टाइप करते हुए बदलती है।

सेटिंग्स

तीन ब्लॉक: बेसिक, टिम्बर और SFX।
ब्लॉक इसमें क्या है रेंज
बेसिक एडजस्टमेंट गति 0.5 ~ 2, डिफ़ॉल्ट 1
पिच −12 ~ 12, डिफ़ॉल्ट 0
वॉल्यूम 0.1 ~ 10, डिफ़ॉल्ट 1
टिम्बर पिच शिफ़्ट, इंटेंसिटी, टिम्बर हर एक −100 ~ 100, डिफ़ॉल्ट 0
SFX कोई नहीं / खुली गूँज / ऑडिटोरियम PA / Lo-fi टेलीफ़ोन / रोबोटिक डिफ़ॉल्ट कोई नहीं
  • हर पंक्ति में "स्लाइडर + नंबर बॉक्स" दोनों एक ही वैल्यू को दिखाते हैं — किसी एकदम सटीक संख्या के लिए सीधे बॉक्स में टाइप करें।
  • दोनों हिस्से अलग-अलग फोल्ड हो सकते हैं। ऊपरी दाएँ कोने में सब रीसेट करें से सारी सेटिंग्स (SFX सहित) डिफ़ॉल्ट पर लौटती हैं।
  • पैनल में एक भाषा की पंक्ति भी है: डिफ़ॉल्ट ऑटो, या इसे चीनी (मैंडारिन) / कैंटोनीज़ / अंग्रेज़ी / जापानी… पर लॉक किया जा सकता है। अगर किसी एक्सेंट वाली आवाज़ चुनें तो यह अपने आप उसके साथ चली जाती है — सिर्फ़ आवाज़ बदलकर भाषा न बदलने पर, मॉडल मैंडारिन को कैंटोनीज़ आवाज़ में पढ़ेगा।

बनने के बाद

  • कार्ड पर दिखने वाला waveform ही वह आवाज़ है, क्लिक करें तो उसी जगह बजती है (देखें 5.1)।
  • बदलना चाहते हैं: नोड चुनें, इनपुट बार अब भी वहीं है, टेक्स्ट या सेटिंग्स बदलकर फिर से भेजें — यह नया री-रिकॉर्ड है, और पुरानी आवाज़ की जगह ले लेती है।
  • अगर सिर्फ़ बनी हुई आवाज़ को ही बदलना है (एक हिस्सा काटना, तेज़ करना), तो दोबारा बोलने की ज़रूरत नहीं — ट्रिम और स्पीड का रास्ता अपनाएँ (देखें 5.6)।
DOTV में आज़माएँपढ़ने से आगे बढ़ें: DOTV खोलें और इस सेक्शन के फ़ीचर से एक AI वीडियो बनाएँ।
DOTV खोलेंडेस्कटॉप ऐप डाउनलोड करें
पिछला
5.1 ऑडियो नोड्स
अगला
5.3 वॉइस लाइब्रेरी
इस पेज पर
इनपुट बार पर क्या है
सेटिंग्स
बनने के बाद