صداها و زبان‌ها
Readalix با نه نوع صدا صحبت می‌کند که یکی از آن‌ها از ضبط خودتان ساخته می‌شود. تفاوتشان در این است که گفتار کجا ساخته می‌شود، چقدر برای شما هزینه دارد و برجسته‌سازی کلمه چقدر دقیق می‌نشیند.
صداها کجا هستند
سه جا، برای سه کار متفاوت.
- نوار ابزاردکمهٔ صدا صداهای زبانی را که رویش هستید فهرست می‌کند، دسته‌بندی‌شده بر اساس منبع. اینجا برای خواندنی که پیش روی شماست صدا را عوض می‌کنید، حتی وسط جمله. تاج گروه‌های پریمیوم را نشان می‌دهد و چرخ‌دندهٔ انتهای عنوان هر گروه تنظیمات همان منبع را باز می‌کند.
- تنظیمات، زبان‌ها و صداهابرای هر زبان یک ردیف هست و در هر ردیف دکمهٔ صداها که فهرست کامل آن زبان را باز می‌کند. اینجا صداها را دانلود می‌کنید، صداهایی را که هرگز استفاده نمی‌کنید پنهان می‌کنید و بقیه را با کشیدن به ترتیب دلخواه درمی‌آورید.
- تنظیمات، کلیدهای APIاینجا کلید Gemini، OpenAI یا ElevenLabs را جای‌گذاری می‌کنید. وقتی کلید ذخیره شد، صداهای آن سرویس به فهرست هر زبانی که به آن سخن می‌گوید اضافه می‌شود.
نه منبع
در فهرست صداهای یک زبان، منبع یک انتخاب‌گر در بالاست: صداهای شما، مرورگر، Microsoft، Piper، Kokoro، Supertonic، Gemini، OpenAI و ElevenLabs، هرکدام با تعداد صداهایی که در آن زبان دارند. منبعی که چیزی برای ارائه ندارد هم در فهرست می‌ماند تا ببینید بررسی شده است. کنار انتخاب‌گر یک کادر جست‌وجو برای فهرست‌های بلند و یک دکمهٔ اطلاعات کوچک هست که توضیح منبع را باز می‌کند. در Microsoft Edge منبع Microsoft وجود ندارد: Edge همین صداهای طبیعی Microsoft را از قبل زیر مرورگر دارد، رایگان و بدون سقف روزانه.
| منبع | چه لازم دارد | گفتار کجا ساخته می‌شود | از سهمیهٔ روزانه کم می‌شود |
|---|---|---|---|
| صداهای شما | یک ضبط کوتاه از صدای شما یا یک فایل صوتی، و یک‌بار دانلود مدل 146 مگابایتی برای هر زبان. انگلیسی و آلمانی. | روی دستگاه شما | بله |
| مرورگر | هیچ چیز. این‌ها صداهایی هستند که سیستم‌عامل شما از قبل دارد. | روی دستگاه شما | خیر، همیشه رایگان |
| Microsoft | هیچ چیز، تا وقتی Microsoft آن‌ها را در اختیار Chrome بگذارد، که هر لحظه ممکن است متوقف شود (در آن صورت این منبع پنهان می‌شود). در Microsoft Edge به‌جای آن زیر مرورگر قرار دارند. | سرویس Microsoft | بله |
| Piper | یک دانلود یک‌باره برای هر صدا، هر کدام چند مگابایت. 118 صدا در 35 زبان. | روی دستگاه شما | بله |
| Kokoro | یک مدل مشترک برای هر زبان: 155 مگابایت برای 28 صدای انگلیسی، 127 مگابایت برای 6 صدای ماندارین. | روی دستگاه شما | بله |
| Supertonic | یک مدل مشترک 398 مگابایتی که یک‌بار دانلود می‌شود. ده صدا، و هر کدام هر 31 زبان پشتیبانی‌شده را صحبت می‌کنند. | روی دستگاه شما | بله |
| Gemini | کلید API هوش مصنوعی Google خودتان. 30 صدای بیانگر. | سرویس Google | بله |
| OpenAI | کلید API خود شما در OpenAI. 13 صدا. | سرویس OpenAI | بله |
| ElevenLabs | کلید API خود شما در ElevenLabs. صداهای طبیعی آن، به‌علاوهٔ هر صدایی که در حساب ElevenLabs خود شبیه‌سازی یا ذخیره کرده‌اید. | سرویس ElevenLabs | بله |
زبانهٔ مرورگر می‌تواند صداهای Google … (Natural) خود Chrome را هم داشته باشد. آن‌ها به حالت خواندن Chrome تعلق دارند، نه به سیستم شما، پس فقط وقتی ارائه می‌شوند که Readalix بی‌سروصدا یکی را امتحان کرده و پاسخ گرفته باشد. Chrome آن موتور را اولین باری بارگذاری می‌کند که حالت خواندن خودش چیزی را با صدای بلند بخواند، پس صداها ممکن است درست بعد از راه‌اندازی دوباره غایب باشند و بعداً در همان نشست ظاهر شوند.
حریم خصوصی، در یک خط. صداهای مرورگر، Piper، Kokoro و Supertonic و صداهای خودتان روی دستگاه خودتان ساخته می‌شوند، پس متن هرگز مرورگر را ترک نمی‌کند. Microsoft، Gemini، OpenAI و ElevenLabs صداهای ابری‌اند: جمله‌ای که خوانده می‌شود به آن ارائه‌دهنده فرستاده می‌شود تا گفته شود. کلیدهای API شما روی دستگاه می‌مانند، هرگز همگام‌سازی نمی‌شوند و هرگز برای ما فرستاده نمی‌شوند. سیاست حریم خصوصی همه را کامل می‌گوید.
اول یکی را بشنوید
هر ردیف صدا یک دکمهٔ پخش کوچک دارد. آن را بزنید تا آن صدا یک نمونه بگوید و با گوش انتخاب کنید، نه با نام. نمونه بدون تغییر صدای فعلی شما پخش می‌شود و هر بار فقط یک نمونه پخش می‌شود.
دانلود یک صدای محلی
صداهای Piper یکی‌یکی دانلود می‌شوند: ردیف اندازه را نشان می‌دهد و با زدن آن دانلود شروع می‌شود و به یک درصد تبدیل می‌شود، و وقتی روی دیسک بود به دکمهٔ حذف. Kokoro و Supertonic هر کدام یک مدل‌اند که صداهایشان به اشتراک می‌گذارند، پس آن زبانه‌ها یک کنترل دانلود دارند: 398 مگابایت برای Supertonic، و برای Kokoro یک مدل برای هر زبان، 155 مگابایت برای انگلیسی یا 127 مگابایت برای ماندارین. فهرست در حین دانلود قابل استفاده می‌ماند، پس می‌توانید در این فاصله با صدای دیگری بخوانید.
وقتی یک صدای محلی دانلود شد دیگر اصلاً به شبکه نیاز ندارد، و برای هواپیما یا اتصال ضعیف بهترین انتخاب است.
اگر دانلودی ناموفق شود، ردیف دلیلش را می‌گوید. اتصال برقرار نمی‌شود یعنی شبکه شما به سرور دانلود دسترسی ندارد، پس تا وقتی دسترسی پیدا نکند تلاش دوباره کمکی نمی‌کند؛ در این میان صداهای دیگر شما همچنان می‌خوانند. دیسک پر است یعنی فضای خالی کافی نیست و یادداشت زیر آن می‌گوید صدا چقدر لازم دارد. ناموفق · دوباره امتحان کنید یعنی دانلود قطع شده و یک تلاش دیگر معمولاً آن را تمام می‌کند.
با صدای خودتان بخوانید
صداهای شما یک ضبط کوتاه را به صدایی تبدیل می‌کند که هر صفحهٔ انگلیسی یا آلمانی را می‌خواند، ساخته و نگهداری‌شده روی رایانهٔ خودتان. برای شروع، تنظیمات و سپس زبان‌ها و صداها را باز کنید، روی انگلیسی یا آلمانی دکمهٔ صداها را بزنید و صداهای شما را انتخاب کنید، یا بالای فهرست صداهای نوار ابزار صدای خودتان را بسازید را انتخاب کنید. پیش از دانلود هر چیزی می‌توانید یک نمونه بشنوید: یک ضبط، و صدایی که از آن ساخته شده است.
- ساخت صدای من را بزنید. بار اول این کار دانلود یک‌باره و 146 مگابایتی مدل صدا را هم شروع می‌کند و تا وقتی پایین می‌آید می‌توانید ضبط کنید.
- تعهد به استفادهٔ فقط از صدای خودتان یا صدای کسی که به شما اجازه داده را تیک بزنید. این فقط یک‌بار پرسیده می‌شود.
- ضبط را بزنید و متن روی صفحه را با صدای عادی خودتان، در جای آرام، بلند بخوانید. ضبط بعد از 15 ثانیه خودش متوقف می‌شود و دست‌کم 5 ثانیه لازم است. اگر هنوز به میکروفون اجازه نداده‌اید، یک برگه آن را می‌خواهد و شما را فوراً برمی‌گرداند. یا استفاده از فایل صوتی را بزنید و یک فایل صوتی با هر طولی انتخاب کنید: Readalix ده دقیقهٔ اول آن را گوش می‌دهد و واضح‌ترین 15 ثانیهٔ گفتار را نگه می‌دارد.
- صدای تازه با نام صدای من 1 به فهرست اضافه می‌شود و فوراً پخش می‌شود، پس همان لحظه می‌شنوید که درست به نظر می‌رسد یا نه. اگر نه، آن را حذف کنید و دوباره ضبط کنید.
هر صدا را از ردیف خودش می‌شود تغییر نام داد یا حذف کرد و افزودن صدا صدای دیگری می‌سازد، تا ده صدا روی یک رایانه. هر صدا هر دو زبان را می‌خواند: اولین خواندن به زبان دیگر دانلود آن زبان را هم لازم دارد. صداهای شما مثل بقیهٔ صداهای پریمیوم از سهمیهٔ روزانه کم می‌کنند.
ضبط‌های شما روی همین رایانه می‌مانند. ضبط و صدایی که از آن ساخته شده هرگز بارگذاری و همگام‌سازی نمی‌شوند، پس روی رایانهٔ دیگر صدا را همان‌جا می‌سازید. حذف یک صدا ضبط آن را هم پاک می‌کند.
افزودن کلید API
- تنظیمات را باز کنید، سپس کلیدهای API را. روی سرویسی باز می‌شود که آخرین بار استفاده کرده‌اید. فهرست صداهای یک زبان هم شما را به همان‌جا می‌برد: سرویسی که هنوز کلید ندارد دکمهٔ افزودن کلید را نشان می‌دهد.
- برگهٔ Gemini، OpenAI یا ElevenLabs را انتخاب کنید. وقتی سرویسی کلید داشته باشد، نقطهٔ کنار نام برگه سبز می‌شود.
- کلید خود را در فیلد همان زبانه بچسبانید. پیش از ذخیره با ارائه‌دهنده بررسی می‌شود، پس اشتباه تایپی همان لحظه خبر می‌دهد، نه در اولین خواندن.
کلید ذخیره‌شده به‌صورت کلید API ذخیره شد دیده می‌شود، با یک دکمهٔ سطل زباله کنار آن برای حذف و یک دکمهٔ صداها که صداهای آن سرویس را به زبانی که می‌خوانید باز می‌کند. کلید فقط روی همان دستگاه ذخیره می‌شود. با رایانه‌های دیگر شما همگام نمی‌شود و هرگز به Readalix نمی‌رسد.
ElevenLabs چند امکان اضافه دارد. وقتی کلید ذخیره شد، صداهای حساب ElevenLabs شما به فهرست اضافه می‌شوند، از جمله صداهایی که شبیه‌سازی کرده‌اید. منوی مدل میان کیفیت و اعتبار مصرفی تعادل برقرار می‌کند، یک حلقه نشان می‌دهد چه مقدار از اعتبار ElevenLabs این ماه را مصرف کرده‌اید، و در مدل‌هایی که از آن پشتیبانی می‌کنند، کادر سبک گفتار (مثلاً راوی آرام و گرم) حال‌وهوای خواندن هر جمله را تعیین می‌کند. طول خود سبک هم به اعتبار مصرفی هر جمله اضافه می‌شود.
انتخاب زبان
دکمهٔ زبان نوار ابزار تعیین می‌کند متن به چه زبانی تلقی شود، و این به نوبهٔ خود تعیین می‌کند کدام صداها ارائه شوند و جمله‌ها چطور جدا شوند. زبان‌ها با نام خودشان فهرست می‌شوند، یک ورودی برای هر زبان، و کادر جست‌وجو با نام بومی، نام انگلیسی یا کشور جور درمی‌آید، پس «Arabic»، «Egypt» و «مصر» همه همان ردیف را پیدا می‌کنند.
دو راه برای شخصی کردن آن فهرست، هر دو در تنظیمات، زبان‌ها و صداها:
- آنچه را صحبت نمی‌کنید پنهان کنیدکلید روی ردیف یک زبان آن را از منوی نوار ابزار بیرون نگه می‌دارد. ردیف کمرنگ در تنظیمات می‌ماند، تا بتوانید برش گردانید.
- خودتان مرتب کنیدیک ردیف را از دستگیره‌اش بکشید. منوی زبان نوار ابزار هم از همین ترتیب استفاده می‌کند. اگر دست نزنید، فهرست یک ترتیب را نگه می‌دارد و هرگز خودش را جابه‌جا نمی‌کند.
همین صفحه کلیدی دارد که زبان خود رابط افزونه را تعیین می‌کند، روی هر ردیفی که Readalix به زبانش ترجمه شده است. 52 زبان هستند.
صفحه‌ای که با بیش از یک الفبا نوشته شده به هیچ‌یک از این‌ها نیاز ندارد. هر جمله با صدایی خوانده می‌شود که بتواند نظام نوشتاری آن را تلفظ کند، پس مقاله‌ای انگلیسی که از عربی، یونانی، عبری یا چینی نقل می‌کند یک‌نفس خوانده می‌شود و فقط بخش‌های دارای خط دیگر صدا را عوض می‌کنند. اگر زبانی را برای سایت سنجاق کرده باشید، همان سنجاق صدای اصلی را تعیین می‌کند.
کدام صداها دقیق برجسته می‌کنند
برجسته‌سازی جمله همیشه دقیق است. برجسته‌سازی کلمه به این بستگی دارد که صدا گزارش دهد کجاست:
- دقیقصداهای Microsoft، Kokoro و ElevenLabs شروع هر کلمه را گزارش می‌دهند، پس برجسته‌سازی روی کلمهٔ در حال گفته شدن می‌نشیند.
- نزدیکصداهای Piper، Gemini و OpenAI و صداهای خودتان با مدت واقعی صدایی که ساخته‌اند زمان‌بندی می‌شوند، که برجسته‌سازی را دقیق نگه می‌دارد.
- تخمینیبرخی صداهای مرورگر چیزی گزارش نمی‌دهند، پس برجسته‌سازی از روی سرعت خواندن و طول هر کلمه تنظیم می‌شود. در جمله‌های بلند کمی جابه‌جا می‌شود.
فهرست صداها نوع هر صدا را روی همان ردیف می‌گوید، پس پیش از انتخاب لازم نیست حدس بزنید.