ድምፆች እና ቋንቋዎች
Readalix በዘጠኝ ዓይነት ድምፅ ይናገራል፣ አንዱ ከራስዎ ቅጂ የሚሠራ ነው። ንግግሩ በሚፈጠርበት ቦታ፣ በሚያስወጣዎት ወጪ እና የቃል ማድመቂያው ምን ያህል በትክክል እንደሚያርፍ ይለያያሉ።
ድምፆች የሚገኙበት
ሦስት ቦታዎች፣ ለሦስት የተለያዩ ሥራዎች።
- የመሳሪያ አሞሌውድምፅ አዝራሩ ላሉበት ቋንቋ ድምፆችን በምንጭ ተመድበው ይዘረዝራል። ከፊት ላለው ንባብ ድምፅ የሚቀይሩት እዚህ ነው፣ በዓረፍተ ነገር መሃል እንኳን። ዘውድ የፕሪሚየም ቡድኖችን ያመለክታል፣ በቡድን ርዕስ መጨረሻ ያለው የማርሽ ምልክት ደግሞ የዚያን ምንጭ ቅንብሮች ይከፍታል።
- ቅንብሮች፣ ቋንቋዎች እና ድምፆችለእያንዳንዱ ቋንቋ አንድ ረድፍ፣ በእያንዳንዱ ረድፍ ላይ የዚያ ቋንቋ ሙሉ ዝርዝር የሚከፍት ድምፆች አዝራር። ድምፆችን የሚያወርዱት፣ በጭራሽ የማይጠቀሙባቸውን የሚደብቁት እና የቀሩትን በሚፈልጉት ቅደም ተከተል የሚጎትቱት እዚህ ነው።
- ቅንብሮች፣ የAPI ቁልፎችየ Gemini፣ OpenAI ወይም ElevenLabs ቁልፍ የሚለጥፉበት። ቁልፉ አንዴ ከተቀመጠ፣ የዚያ አገልግሎት ድምፆች ወደሚናገርባቸው ቋንቋዎች ሁሉ ዝርዝር ይታከላሉ።
ዘጠኙ ምንጮች
በቋንቋ የድምፅ ዝርዝር ውስጥ ምንጩ ከላይ መራጭ ነው፦ የእርስዎ ድምፆች፣ አሳሽ፣ Microsoft፣ Piper፣ Kokoro፣ Supertonic፣ Gemini፣ OpenAI እና ElevenLabs፣ እያንዳንዳቸው በዚያ ቋንቋ ካላቸው የድምፆች ብዛት ጋር። የሚያቀርበው ምንም የሌለው ምንጭ አሁንም ይዘረዘራል፤ ስለዚህ እንደታየ ማየት ይችላሉ። ከመራጩ ጎን ለረጅም ዝርዝሮች የፍለጋ ሳጥን እና የምንጩን መግለጫ የሚዘረጋ ትንሽ የመረጃ አዝራር አሉ። በ Microsoft Edge ውስጥ የ Microsoft ምንጭ የለም፤ Edge ተመሳሳዩ የ Microsoft ተፈጥሯዊ ድምፆች በአሳሽ ስር አስቀድሞ አለው፣ ነፃ እና ያለ ዕለታዊ ገደብ።
| ምንጭ | የሚፈልገው | ንግግሩ የሚፈጠርበት | ከዕለታዊ ድልድል ይቆጠራል |
|---|---|---|---|
| የእርስዎ ድምፆች | የድምፅዎ አጭር ቅጂ፣ ወይም የኦዲዮ ፋይል፣ እና ለእያንዳንዱ ቋንቋ አንድ የ146 ሜባ ሞዴል ማውረድ። እንግሊዝኛ እና ጀርመንኛ። | በእርስዎ ማሽን ላይ | አዎ |
| አሳሽ | ምንም። እነዚህ ስርዓተ ክወናዎ አስቀድሞ ያለው ድምፆች ናቸው። | በእርስዎ ማሽን ላይ | አይ፣ ሁልጊዜ ነፃ |
| Microsoft | ምንም፤ Microsoft ለChrome እስካካፈላቸው ድረስ፣ ይህንንም በማንኛውም ጊዜ ሊያቆም ይችላል (ሲያቆም ምንጩ ይደበቃል)። በMicrosoft Edge ውስጥ ደግሞ በአሳሽ ስር ይገኛሉ። | የ Microsoft አገልግሎት | አዎ |
| Piper | ለእያንዳንዱ ድምፅ አንድ ጊዜ ማውረድ፣ እያንዳንዳቸው ጥቂት ሜጋባይት። በ35 ቋንቋዎች 118 ድምፆች። | በእርስዎ ማሽን ላይ | አዎ |
| Kokoro | ለእያንዳንዱ ቋንቋ አንድ የተጋራ ሞዴል፦ ለ28ቱ የእንግሊዝኛ ድምፆች 155 ሜባ፣ ለ6ቱ የማንዳሪን ድምፆች 127 ሜባ። | በእርስዎ ማሽን ላይ | አዎ |
| Supertonic | አንድ የተጋራ 398 ሜባ ሞዴል፣ አንድ ጊዜ የሚወርድ። ዐሥር ድምፆች፣ እያንዳንዳቸውም የሚደገፉትን ሁሉንም 31 ቋንቋዎች ይናገራሉ። | በእርስዎ ማሽን ላይ | አዎ |
| Gemini | የራስዎ የ Google AI API ቁልፍ። 30 ገላጭ ድምፆች። | የ Google አገልግሎት | አዎ |
| OpenAI | የራስዎ የ OpenAI API ቁልፍ። 13 ድምፆች። | የ OpenAI አገልግሎት | አዎ |
| ElevenLabs | የራስዎ የ ElevenLabs API ቁልፍ። እውነተኛ የሚመስሉ ድምፆቹ፣ እንዲሁም በ ElevenLabs መለያዎ ውስጥ ክሎን ያደረጓቸው ወይም ያስቀመጧቸው ማንኛቸውም ድምፆች። | የ ElevenLabs አገልግሎት | አዎ |
አሳሽ ትር የ Chrome የራሱን Google … (Natural) ድምፆችም ሊይዝ ይችላል። እነሱ የሚመለከቱት የ Chrome የንባብ ሁነታን እንጂ ስርዓትዎን አይደለም፤ ስለዚህ የሚቀርቡት Readalix በጸጥታ አንዱን ሞክሮ ምላሽ ካገኘ በኋላ ብቻ ነው። Chrome ያንን ሞተር የሚጭነው የራሱ የንባብ ሁነታ መጀመሪያ ጮክ ብሎ አንድ ነገር ሲያነብ ነው፤ ስለዚህ ድምፆቹ ልክ ከዳግም መጀመር በኋላ ሊጠፉ እና በዚያው ክፍለ ጊዜ ዘግይተው ሊታዩ ይችላሉ።
ግላዊነት፣ በአንድ መስመር። የአሳሽ፣ Piper፣ Kokoro፣ Supertonic እና የራስዎ ድምፆች የሚፈጠሩት በእርስዎ ማሽን ላይ ነው፤ ስለዚህ ጽሑፉ ከአሳሹ ፈጽሞ አይወጣም። Microsoft፣ Gemini፣ OpenAI እና ElevenLabs የደመና ድምፆች ናቸው፦ እየተነበበ ያለው ዓረፍተ ነገር እንዲነገር ወደዚያ አቅራቢ ይላካል። የAPI ቁልፎችዎ በመሣሪያው ላይ ይቆያሉ፣ በጭራሽ አይመሳሰሉም፣ ወደ እኛም በጭራሽ አይላኩም። የግላዊነት መመሪያው ሙሉውን ይናገራል።
መጀመሪያ አንዱን ያዳምጡ
እያንዳንዱ የድምፅ ረድፍ ትንሽ የማጫወት አዝራር አለው። ይጫኑት፣ ያ ድምፅ ናሙና ይናገራል፤ ስለዚህ በስም ሳይሆን በጆሮ መምረጥ ይችላሉ። ናሙናው የተዘጋጀውን ድምፅ ሳይቀይር ይጫወታል፣ በአንድ ጊዜም አንድ ናሙና ብቻ ይጫወታል።
አካባቢያዊ ድምፅ ማውረድ
የ Piper ድምፆች አንድ በአንድ ይወርዳሉ፦ ረድፉ መጠኑን ያሳያል፣ መጫን ማውረዱን ይጀምራል፣ ወደ መቶኛ ይቀየራል፣ ዲስክ ላይ ከደረሰ በኋላ ደግሞ ወደ አስወግድ አዝራር ይቀየራል። Kokoro እና Supertonic እያንዳንዳቸው በድምፆቻቸው የሚጋሩት አንድ ሞዴል ናቸው፤ ስለዚህ እነዚያ ትሮች አንድ የማውረድ መቆጣጠሪያ ብቻ ይይዛሉ፦ ለ Supertonic 398 ሜባ፣ ለ Kokoro ደግሞ ለእያንዳንዱ ቋንቋ አንድ ሞዴል፣ ለእንግሊዝኛ 155 ሜባ ወይም ለማንዳሪን 127 ሜባ። ማውረድ እየሄደ ሳለ ዝርዝሩ መጠቀም ይቻላል፤ ስለዚህ በዚህ መሃል በሌላ ድምፅ ማንበብዎን መቀጠል ይችላሉ።
አካባቢያዊ ድምፅ አንዴ ከወረደ ምንም አውታረ መረብ አያስፈልገውም፤ ይህም በአውሮፕላን ላይ ወይም በደካማ ግንኙነት ሲሆኑ የሚመርጡት ያደርገዋል።
ማውረድ ካልተሳካ ረድፉ ምክንያቱን ይናገራል። መገናኘት አልተቻለም ማለት አውታረ መረብዎ የማውረጃ አገልጋዩን ማግኘት አይችልም ማለት ነው፤ ስለዚህ እስኪችል ድረስ እንደገና መሞከር አይረዳም፤ በዚህ መሃል ሌሎች ድምፆችዎ ማንበባቸውን ይቀጥላሉ። ዲስኩ ሞልቷል ማለት በቂ ነፃ ቦታ የለም ማለት ነው፤ ከሱ ስር ያለው ማስታወሻ ድምፁ ምን ያህል እንደሚፈልግ ይናገራል። አልተሳካም · እንደገና ይሞክሩ ማለት ማውረዱ ተቋርጧል ማለት ነው፤ እንደገና መሞከር ብዙውን ጊዜ ያጠናቅቀዋል።
በራስዎ ድምፅ ያንብቡ
የእርስዎ ድምፆች አጭር ቅጂን ማንኛውንም የእንግሊዝኛ ወይም የጀርመንኛ ገጽ የሚያነብ ድምፅ ያደርገዋል፣ በኮምፒውተርዎ ላይ ተሠርቶ እዚያው ይቀመጣል። ለመጀመር ቅንብሮችን፣ ከዚያ ቋንቋዎች እና ድምፆችን ይክፈቱ፣ በእንግሊዝኛ ወይም በጀርመንኛ ላይ ድምፆችን ይጫኑና የእርስዎ ድምፆችን ይምረጡ፣ ወይም በመሳሪያ አሞሌው የድምፅ ዝርዝር አናት ላይ የራስዎን ድምፅ ይፍጠሩን ይምረጡ። ምንም ከማውረድዎ በፊት ምሳሌ መስማት ይችላሉ፦ አንድ ቅጂ፣ እና ከእሱ የተሠራው ድምፅ።
- ድምፄን ፍጠርን ይጫኑ። ለመጀመሪያ ጊዜ ይህ የድምፅ ሞዴሉን የአንድ ጊዜ 146 ሜባ ማውረድም ይጀምራል፣ እየወረደም ሳለ መቅዳት ይችላሉ።
- የራስዎን ድምፅ ወይም ፈቃድ የሰጠዎትን ሰው ድምፅ ብቻ እንደሚጠቀሙ የሚያረጋግጠውን ቃል ምልክት ያድርጉ። የሚጠየቀው አንድ ጊዜ ብቻ ነው።
- ቅረጽን ይጫኑና በማያ ገጹ ላይ ያለውን ጽሑፍ በተለመደው ድምፅዎ፣ ጸጥታ ባለበት ቦታ ጮክ ብለው ያንብቡ። ቀረጻው ከ15 ሰከንድ በኋላ በራሱ ይቆማል፤ ቢያንስ 5 ሰከንድ ያስፈልጋል። ማይክሮፎኑ ገና ካልተፈቀደ፣ አንድ ትር ይጠይቅና ወዲያውኑ ይመልስዎታል። ወይም ቅጂ ተጠቀምን ይጫኑና የማንኛውም ርዝመት የኦዲዮ ፋይል ይምረጡ፦ Readalix የመጀመሪያዎቹን ዐሥር ደቂቃዎች ያዳምጣል፣ እጅግ ግልጽ የሆኑትን 15 ሰከንዶች ንግግር ያስቀራል።
- አዲሱ ድምፅ በዝርዝሩ ውስጥ እንደ የእኔ ድምፅ 1 ይታከላል፣ ወዲያውም ይጫወታል፤ ስለዚህ ጥሩ መስሎ ይሁን አይሁን ወዲያው ይሰማሉ። ካልሆነ ያስወግዱትና እንደገና ይቅረጹ።
እያንዳንዱ ድምፅ ከረድፉ ላይ ስሙ ሊቀየር ወይም ሊወገድ ይችላል፣ ድምፅ አክል ደግሞ ሌላ ይሠራል፣ በአንድ ኮምፒውተር እስከ ዐሥር። እያንዳንዱ ድምፅ ሁለቱንም ቋንቋዎች ያነባል፦ በሌላኛው ቋንቋ የመጀመሪያው ንባብ የዚያን ቋንቋ ማውረድም ያስፈልገዋል። የእርስዎ ድምፆች እንደሌሎቹ የፕሪሚየም ድምፆች በዕለታዊው ድልድል ይቆጠራሉ።
ቅጂዎችዎ በዚህ ኮምፒውተር ላይ ይቆያሉ። ቅጂው እና ከእሱ የተሠራው ድምፅ በጭራሽ አይሰቀሉም፣ በጭራሽ አይመሳሰሉም፤ ስለዚህ በሌላ ኮምፒውተር ላይ ድምፁን እዚያው ይሠራሉ። ድምፅን ማስወገድ ቅጂውንም ይሰርዛል።
API ቁልፍ ማከል
- ቅንብሮች ን ይክፈቱ፣ ከዚያ የAPI ቁልፎች። ለመጨረሻ ጊዜ በተጠቀሙበት አገልግሎት ላይ ይከፈታል። የቋንቋ የድምፅ ዝርዝርም ወደዚያ ይመራል፦ ገና ቁልፍ የሌለው አገልግሎት ቁልፍ አክል አዝራር ያሳያል።
- Gemini፣ OpenAI ወይም ElevenLabs ትርን ይምረጡ። አገልግሎቱ ቁልፍ ሲኖረው ከትሩ ስም አጠገብ ያለው ነጥብ አረንጓዴ ይሆናል።
- ቁልፍዎን በዚያ ትር ላይ ባለው መስክ ውስጥ ይለጥፉ። ከመቀመጡ በፊት ከአቅራቢው ጋር ይረጋገጣል፤ ስለዚህ የታይፕ ስህተት በመጀመሪያው ንባብ ሳይሆን ወዲያውኑ ይነግርዎታል።
የተቀመጠ ቁልፍ API ቁልፍ ተቀምጧል ተብሎ ይታያል፣ ከጎኑ ለማስወገድ የቆሻሻ መጣያ አዝራር እና የዚያን አገልግሎት ድምፆች በሚያነቡት ቋንቋ የሚከፍት ድምፆች አዝራር አሉ። ቁልፉ በዚያ መሣሪያ ላይ ብቻ ይቀመጣል። ወደ ሌሎች ኮምፒውተሮችዎ አይመሳሰልም፣ ወደ Readalix በጭራሽ አይደርስም።
ElevenLabs ጥቂት ተጨማሪዎች አሉት። ቁልፉ ከተቀመጠ በኋላ የ ElevenLabs መለያዎ ድምፆች ወደ ዝርዝሩ ይቀላቀላሉ፣ ክሎን ያደረጓቸውም ጭምር። የሞዴል ምናሌው ጥራትን ከክሬዲቶች ጋር ያመዛዝናል፤ አንድ ቀለበት የዚህን ወር የ ElevenLabs ክሬዲቶችዎን ምን ያህል እንደተጠቀሙ ያሳያል፤ በሚደግፉት ሞዴሎች ላይ ደግሞ የንግግር ዘይቤ ሳጥን (ለምሳሌ የተረጋጋ፣ ሞቅ ያለ ተራኪ) እያንዳንዱ ዓረፍተ ነገር የሚነበብበትን ስሜት ያዘጋጃል። ዘይቤው የራሱን ርዝመት በእያንዳንዱ ዓረፍተ ነገር ክሬዲቶች ላይ ይጨምራል።
ቋንቋ መምረጥ
የመሳሪያ አሞሌው ቋንቋ አዝራር ጽሑፉ እንደ የትኛው ቋንቋ እንደሚቆጠር ይወስናል፤ ይህም የትኞቹ ድምፆች እንደሚቀርቡ እና ዓረፍተ ነገሮች እንዴት እንደሚከፈሉ ይወስናል። ቋንቋዎች በራሳቸው ስም ተዘርዝረዋል፣ ለእያንዳንዱ ቋንቋ አንድ ግቤት፤ የፍለጋ ሳጥኑም የአገሬውን ስም፣ የእንግሊዝኛውን ስም ወይም አገሩን ያዛምዳል፤ ስለዚህ "Arabic"፣ "Egypt" እና "مصر" ሁሉም ያንኑ ረድፍ ያገኛሉ።
ያንን ዝርዝር የእርስዎ ለማድረግ ሁለት መንገዶች፣ ሁለቱም በቅንብሮች፣ ቋንቋዎች እና ድምፆች ውስጥ፦
- የማይናገሩትን ይደብቁበቋንቋ ረድፍ ላይ ያለው ማብሪያ ከመሳሪያ አሞሌው ምናሌ ውጪ ያደርገዋል። ረድፉ በቅንብሮች ውስጥ ደብዝዞ ይቆያል፤ ስለዚህ መመለስ ይችላሉ።
- ራስዎ ያደራጁረድፍን በመያዣው ይጎትቱ። የመሳሪያ አሞሌው የቋንቋ ምናሌም ያንን ቅደም ተከተል ይጠቀማል። ብቻውን ሲተው ዝርዝሩ አንድ ቅደም ተከተል ይይዛል፣ ራሱንም በጭራሽ አያስተካክልም።
ይኸው ገጽ Readalix ወደ እነሱ የተተረጎመባቸው ቋንቋዎች ባሉበት በማንኛውም ረድፍ ላይ የቅጥያውን የራሱን የበይነገጽ ቋንቋ የሚያዘጋጀውን ማብሪያ ይይዛል። 52 ናቸው።
ከአንድ በላይ ፊደል የተጻፈ ገጽ ከዚህ ሁሉ ምንም አያስፈልገውም። እያንዳንዱ ዓረፍተ ነገር የሚጠቀመውን የአጻጻፍ ስርዓት መጥራት በሚችል ድምፅ ይነበባል፤ ስለዚህ አረብኛ፣ ግሪክኛ፣ ዕብራይስጥ ወይም ቻይንኛ የሚጠቅስ የእንግሊዝኛ ጽሑፍ ከመጀመሪያ እስከ መጨረሻ ይነበባል፣ በሌላ ፊደል ያሉት ክፍሎች ብቻ ድምፅ ይቀይራሉ። ለጣቢያው ቋንቋ ከሰኩ፣ ያ ፒን አሁንም ዋናውን ድምፅ ይወስናል።
የትኞቹ ድምፆች በትክክል ያደምቃሉ
የዓረፍተ ነገር ማድመቅ ሁልጊዜ ትክክለኛ ነው። የቃል ማድመቅ ድምፁ የት እንዳለ ሪፖርት ያደርግ እንደሆነ ይወሰናል፦
- ትክክለኛየ Microsoft፣ Kokoro እና ElevenLabs ድምፆች የእያንዳንዱን ቃል መጀመሪያ ሪፖርት ያደርጋሉ፤ ስለዚህ ማድመቂያው በሚነገረው ቃል ላይ ያርፋል።
- ቅርብየ Piper፣ Gemini እና OpenAI ድምፆች፣ እና የራስዎ ድምፆች፣ ካመረቱት ኦዲዮ እውነተኛ ርዝመት ጋር ይመዘናሉ፤ ይህም ማድመቂያውን ጥብቅ ያደርገዋል።
- የተገመተአንዳንድ የአሳሽ ድምፆች ምንም ሪፖርት አያደርጉም፤ ስለዚህ ማድመቂያው ከንባብ ፍጥነቱ እና ከእያንዳንዱ ቃል ርዝመት ይመዘናል። በረጅም ዓረፍተ ነገሮች ላይ ትንሽ ይሸራረፋል።
የድምፅ ዝርዝር በረድፉ ላይ የትኛው ዓይነት እንደሆነ ይናገራል፤ ስለዚህ ከመምረጥዎ በፊት መገመት የለብዎትም።