संक्षेप में (BLUF): टेक्स्ट टू स्पीच सीधे आपके ब्राउज़र में टाइप किए गए टेक्स्ट को आवाज में बदल देता है: टेक्स्ट दर्ज करें, एक भाषा और एक आवाज चुनें, और एक ऑडियो फ़ाइल प्राप्त करें। टेक्स्ट और ऑडियो आपके डिवाइस को कभी नहीं छोड़ते हैं, कोई टोकन शुल्क नहीं लिया जाता है और यहां कोई भुगतान API नहीं है। मॉडल 600+ भाषाएँ जानता है, और एक आवाज को आपके अपने ऑडियो - एक अपलोड की गई फ़ाइल या एक माइक्रोफ़ोन रिकॉर्डिंग से क्लोन किया जा सकता है। परिणाम प्लेयर में चलता है और WAV फ़ाइल के रूप में डाउनलोड होता है।
यह वाक् संश्लेषण है: पाठ अंदर जाता है, ध्वनि बाहर आती है। किसी वीडियो को अपनी या चुनी हुई आवाज से आवाज देने, ड्राफ्ट वॉयस-ओवर ट्रैक बनाने, यह जांचने के लिए कि कोई पाठ किसी अन्य भाषा में कैसा लगता है, या किसी लंबे लेख को पढ़ने के बजाय उसे सुनने के लिए इसका उपयोग करें।
डिलीवरी को पाठ्य निर्देश से नियंत्रित किया जाता है: शांति से पढ़ना, फुसफुसाहट, खुशी या उदासी। भावनाओं को स्लाइडर के बजाय पाठ के साथ एक साथ सेट किया गया है, इसलिए परिणाम अधिक स्वाभाविक लगता है।
उपकरण तैयार आवाजों की एक लाइब्रेरी के साथ आता है - पुरुष और महिला, अलग-अलग समय। एक भाषा और एक आवाज चुनें और आवाज उठाना शुरू करें।
यदि आपको अपनी आवाज़ की आवश्यकता है, तो इसे एक छोटे नमूने से क्लोन करें: एक ऑडियो फ़ाइल अपलोड करें या माइक्रोफ़ोन से 15-30 सेकंड रिकॉर्ड करें। उपकरण नमूने का विश्लेषण करता है और आवाज को आपकी सूची में जोड़ता है - उसके बाद इसे किसी अन्य की तरह चुना जाता है। बनाई गई आवाज़ें ब्राउज़र में रखी जाती हैं और पृष्ठ पुनः लोड होने तक जीवित रहती हैं।
टेक्स्ट और ऑडियो आपके कंप्यूटर को कभी नहीं छोड़ते: एक भी लाइन हमारे सर्वर या किसी और के सर्वर तक नहीं जाती। मॉडल को एक बार ब्राउज़र में लोड किया जाता है (लगभग 3 GB वजन) और फिर कैश से लिया जाता है, जबकि गणना आपके ग्राफिक्स कार्ड पर WebGPU तक चलती है। यदि ग्राफिक्स कार्ड अनुपलब्ध है, तो इंजन ईमानदारी से प्रोसेसर पर वापस आ जाता है और आपको इसके बारे में बताता है - जो कि काफ़ी धीमा है।
भाषण के लिए कोई टोकन शुल्क नहीं लिया जाता: यह एक निःशुल्क टूल है जो आपके हार्डवेयर पर चलता है, हमारे हार्डवेयर पर नहीं।
इनपुट फ़ील्ड में अधिकतम 20,000 अक्षर हैं। लंबे पाठ को वाक्य की सीमाओं पर भागों में विभाजित किया जाता है और छोटे-छोटे विरामों के साथ एक के बाद एक आवाज दी जाती है - गति लंबाई की परवाह किए बिना भी बनी रहती है और अंत में कुछ भी नहीं खोता है। प्रगति पट्टी दर्शाती है कि कौन सा भाग पढ़ा जा रहा है।
आप किसी भी चरण पर रद्द कर सकते हैं: रद्द करने के बाद, एक नया रन तुरंत शुरू हो जाता है, बिना किसी पृष्ठ को पुनः लोड किए।
यह टूल डेस्कटॉप पर Chrome या Edge में सबसे अच्छा काम करता है, जहां WebGPU उपलब्ध है। WebGPU के बिना ब्राउज़र में आवाज प्रोसेसर (WASM) पर उत्पन्न होती है: यह अभी भी काम करती है, लेकिन काफी धीमी है, खासकर लंबे टेक्स्ट के लिए।
पहले रन में अधिक समय लगता है: वज़न डाउनलोड किया जाता है और आवाज को गर्म किया जाता है ताकि पहला परिणाम पहले से ही साफ लगे। बाद में रन बहुत तेज़ होते हैं।
हाँ। मॉडल और उसका वजन ब्राउज़र में लोड किया जाता है और गणना आपके डिवाइस पर चलती है। पाठ, माइक्रोफ़ोन रिकॉर्डिंग और परिणामी ऑडियो कभी भी अपलोड नहीं किया जाता है - टूल में कोई भुगतान नहीं किया गया है API।
कुछ नहीं। कोई टोकन शुल्क नहीं लिया जाता: यह एक मुफ़्त टूल है जो आपके कंप्यूटर पर गणना करता है।
हाँ। इनपुट फ़ील्ड में 20,000 अक्षर तक होते हैं, और लंबे पाठ को लगातार भागों में आवाज दी जाती है ताकि कुछ भी खो न जाए।
ध्वनि नमूने के साथ एक ऑडियो फ़ाइल अपलोड करें या माइक्रोफ़ोन से 15-30 सेकंड रिकॉर्ड करें। उपकरण नमूने का विश्लेषण करता है और आवाज आपकी सूची में दिखाई देती है - आप इसके साथ किसी भी पाठ को आवाज दे सकते हैं।
इसका मतलब है कि ब्राउज़र ग्राफ़िक्स कार्ड (WebGPU) का उपयोग नहीं कर सका और इंजन प्रोसेसर पर स्विच हो गया - धीमा, लेकिन परिणाम वही रहा। आप पृष्ठ को पुनः लोड कर सकते हैं और पुनः प्रयास कर सकते हैं: तब तक ग्राफ़िक्स कार्ड अक्सर मुफ़्त होता है।
600+ भाषाएँ। आप भाषा को मैन्युअल रूप से चुन सकते हैं या स्वचालित पहचान चालू रख सकते हैं।