ସ୍ୱର ଓ ଭାଷା
Readalix ନଅ ପ୍ରକାରର ସ୍ୱରରେ କହେ, ସେଥିରୁ ଗୋଟିଏ ଆପଣଙ୍କ ନିଜ ରେକର୍ଡିଂରୁ ତିଆରି। ସେଗୁଡ଼ିକ ଭିନ୍ନ: ସ୍ୱର କେଉଁଠି ତିଆରି ହୁଏ, ଆପଣଙ୍କୁ କ'ଣ ମୂଲ୍ୟ ପଡ଼େ, ଏବଂ ଶବ୍ଦ ହାଇଲାଇଟ୍ କେତେ ସଠିକ୍ ହୁଏ।
ସ୍ୱର କେଉଁଠି ରୁହେ
ତିନି ସ୍ଥାନ, ତିନି ଭିନ୍ନ କାମ ପାଇଁ।
- ସାଧନପଟିସ୍ୱର ବଟନ୍ ଆପଣ ଯେଉଁ ଭାଷାରେ ଅଛନ୍ତି ତା' ପାଇଁ ସ୍ୱର ତାଲିକା କରେ, ଉତ୍ସ ଅନୁସାରେ ଗୋଷ୍ଠୀବଦ୍ଧ। ଆପଣଙ୍କ ସାମ୍ନାରେ ଚାଲୁଥିବା ପଢ଼ା ପାଇଁ, ବାକ୍ୟ ମଝିରେ ବି, ଏଠାରେ ସ୍ୱର ବଦଳାନ୍ତୁ। ଏକ ମୁକୁଟ ପ୍ରିମିୟମ୍ ଗୋଷ୍ଠୀକୁ ଚିହ୍ନାଏ, ଏବଂ ଗୋଷ୍ଠୀର ଶୀର୍ଷକ ଶେଷରେ ଥିବା ଗିଅର୍ ସେହି ଉତ୍ସର ସେଟିଂସ୍ ଖୋଲେ।
- ସେଟିଂସମୂହ, ଭାଷା ଏବଂ ସ୍ୱରପ୍ରତ୍ୟେକ ଭାଷା ପାଇଁ ଗୋଟିଏ ଧାଡ଼ି, ଏବଂ ପ୍ରତ୍ୟେକ ଧାଡ଼ିରେ ଗୋଟିଏ ସ୍ୱର ବଟନ୍ ଯାହା ସେହି ଭାଷାର ସମ୍ପୂର୍ଣ୍ଣ ତାଲିକା ଖୋଲେ। ଏଠାରେ ଆପଣ ସ୍ୱର ଡାଉନଲୋଡ୍ କରନ୍ତି, କେବେ ବ୍ୟବହାର ନକରୁଥିବା ସ୍ୱର ଲୁଚାନ୍ତି, ଏବଂ ବାକିଗୁଡ଼ିକୁ ଆପଣ ଚାହୁଁଥିବା କ୍ରମରେ ଟାଣି ରଖନ୍ତି।
- ସେଟିଂସମୂହ, API କିଏଠାରେ ଆପଣ Gemini, OpenAI କିମ୍ବା ElevenLabs ଚାବି ଲଗାନ୍ତି। ଚାବି ସେଭ୍ ହେବା ପରେ ସେହି ସେବାର ସ୍ୱର ସେ ଯେତେ ଭାଷା କହେ ସେହି ପ୍ରତ୍ୟେକ ଭାଷାର ତାଲିକାରେ ଯୋଡ଼ିହୁଏ।
ନଅଟି ଉତ୍ସ
ଏକ ଭାଷାର ସ୍ୱର ତାଲିକା ଭିତରେ, ଉତ୍ସ ଉପରେ ଥିବା ଏକ ପିକର୍: ଆପଣଙ୍କ ସ୍ୱର, ବ୍ରାଉଜର୍, Microsoft, Piper, Kokoro, Supertonic, Gemini, OpenAI ଓ ElevenLabs, ପ୍ରତ୍ୟେକ ସେହି ଭାଷାରେ ଯେତେ ସ୍ୱର ଅଛି ସେହି ସଂଖ୍ୟା ସହ। ଦେବାକୁ କିଛି ନଥିବା ଉତ୍ସ ବି ତାଲିକାରେ ରହେ, ଯେଉଁଥିରେ ଆପଣ ଦେଖିପାରିବେ ଏହାକୁ ବିଚାର କରାଯାଇଛି। ପିକର୍ ପାଖରେ ଲମ୍ବା ତାଲିକା ପାଇଁ ଏକ ସର୍ଚ୍ଚ ବକ୍ସ ଓ ଉତ୍ସର ବର୍ଣ୍ଣନା ଖୋଲୁଥିବା ଏକ ଛୋଟ ସୂଚନା ବଟନ୍ ଅଛି। Microsoft Edge ରେ କୌଣସି Microsoft ଉତ୍ସ ନାହିଁ: Edge ପାଖରେ ସମାନ Microsoft ପ୍ରାକୃତିକ ସ୍ୱର ବ୍ରାଉଜର୍ ତଳେ ପୂର୍ବରୁ ଅଛି, ମାଗଣାରେ ଓ ଦୈନିକ ସୀମା ବିନା।
| ଉତ୍ସ | ଏହା କ'ଣ ଚାହେଁ | ସ୍ୱର କେଉଁଠି ତିଆରି ହୁଏ | ଦୈନିକ ସୀମାରେ ଗଣାଯାଏ |
|---|---|---|---|
| ଆପଣଙ୍କ ସ୍ୱର | ଆପଣଙ୍କ ସ୍ୱରର ଏକ ଛୋଟ ରେକର୍ଡିଂ, କିମ୍ବା ଏକ ଅଡିଓ ଫାଇଲ୍, ଏବଂ ପ୍ରତ୍ୟେକ ଭାଷା ପାଇଁ 146 MB ର ଏକ ମଡେଲ୍ ଡାଉନଲୋଡ୍। ଇଂରାଜୀ ଓ ଜର୍ମାନ୍। | ଆପଣଙ୍କ ମେସିନ୍ରେ | ହଁ |
| ବ୍ରାଉଜର୍ | କିଛି ନୁହେଁ। ଏଗୁଡ଼ିକ ଆପଣଙ୍କ ଅପରେଟିଂ ସିଷ୍ଟମ୍ରେ ପୂର୍ବରୁ ଥିବା ସ୍ୱର। | ଆପଣଙ୍କ ମେସିନ୍ରେ | ନା, ସବୁବେଳେ ମାଗଣା |
| Microsoft | କିଛି ନୁହେଁ, ଯେତେଦିନ Microsoft ସେଗୁଡ଼ିକୁ Chrome ପାଇଁ ଉପଲବ୍ଧ ରଖେ, ଯାହା ଏହା ଯେକୌଣସି ସମୟରେ ବନ୍ଦ କରିପାରେ (ସେତେବେଳେ ଏହି ଉତ୍ସ ଲୁଚାଯାଏ)। Microsoft Edge ରେ ସେଗୁଡ଼ିକ ବଦଳରେ ବ୍ରାଉଜର୍ ତଳେ ଥାଏ। | Microsoft ର ସେବା | ହଁ |
| Piper | ପ୍ରତ୍ୟେକ ସ୍ୱର ପାଇଁ ଥରେ ଡାଉନଲୋଡ୍, ପ୍ରତ୍ୟେକ କିଛି ମେଗାବାଇଟ୍। 35 ଭାଷାରେ 118 ସ୍ୱର। | ଆପଣଙ୍କ ମେସିନ୍ରେ | ହଁ |
| Kokoro | ପ୍ରତ୍ୟେକ ଭାଷା ପାଇଁ ଏକ ଭାଗ ହୋଇଥିବା ମଡେଲ୍: 28 ଇଂରାଜୀ ସ୍ୱର ପାଇଁ 155 MB, 6 ମାଣ୍ଡାରିନ୍ ସ୍ୱର ପାଇଁ 127 MB। | ଆପଣଙ୍କ ମେସିନ୍ରେ | ହଁ |
| Supertonic | 398 MB ର ଏକ ଭାଗ ହୋଇଥିବା ମଡେଲ୍, ଥରେ ଡାଉନଲୋଡ୍। ଦଶଟି ସ୍ୱର, ଏବଂ ପ୍ରତ୍ୟେକ ସମର୍ଥିତ ସମସ୍ତ 31 ଭାଷାରେ କହେ। | ଆପଣଙ୍କ ମେସିନ୍ରେ | ହଁ |
| Gemini | ଆପଣଙ୍କ ନିଜର Google AI API ଚାବି। 30 ଭାବପ୍ରବଣ ସ୍ୱର। | Google ର ସେବା | ହଁ |
| OpenAI | ଆପଣଙ୍କ ନିଜର OpenAI API ଚାବି। 13 ସ୍ୱର। | OpenAI ର ସେବା | ହଁ |
| ElevenLabs | ଆପଣଙ୍କ ନିଜର ElevenLabs API ଚାବି। ଏହାର ଜୀବନ୍ତ ସ୍ୱର, ସହିତ ଆପଣଙ୍କ ElevenLabs ଆକାଉଣ୍ଟରେ କ୍ଲୋନ କିମ୍ବା ସେଭ କରିଥିବା ଯେକୌଣସି ସ୍ୱର। | ElevenLabs ର ସେବା | ହଁ |
ବ୍ରାଉଜର୍ ଟାବ୍ Chrome ର ନିଜ Google … (Natural) ସ୍ୱର ବି ବହନ କରିପାରେ। ସେଗୁଡ଼ିକ ଆପଣଙ୍କ ସିଷ୍ଟମ୍ର ନୁହେଁ, Chrome ର ରିଡିଂ ମୋଡ୍ର, ତେଣୁ Readalix ଚୁପଚାପ ଗୋଟିଏ ଚେଷ୍ଟା କରି ତାହା ଉତ୍ତର ଦେଲା ପରେ ହିଁ ସେଗୁଡ଼ିକ ଦିଆଯାଏ। Chrome ସେହି ଇଞ୍ଜିନ୍ ପ୍ରଥମ ଥର ନିଜ ରିଡିଂ ମୋଡ୍ କିଛି ଉଚ୍ଚ ସ୍ୱରରେ ପଢ଼ିଲେ ଲୋଡ୍ କରେ, ତେଣୁ ରିଷ୍ଟାର୍ଟ ପରେ ସ୍ୱର ନଥାଇପାରେ ଏବଂ ସେହି ସେସନ୍ରେ ପରେ ଦେଖାଯାଇପାରେ।
ଗୋପନୀୟତା, ଏକ ଧାଡ଼ିରେ। ବ୍ରାଉଜର୍, Piper, Kokoro, Supertonic ଓ ଆପଣଙ୍କ ନିଜ ସ୍ୱର ଆପଣଙ୍କ ନିଜ ମେସିନ୍ରେ ତିଆରି ହୁଏ, ତେଣୁ ପାଠ୍ୟ କେବେ ବ୍ରାଉଜର୍ ଛାଡ଼େ ନାହିଁ। Microsoft, Gemini, OpenAI ଓ ElevenLabs କ୍ଲାଉଡ୍ ସ୍ୱର: ପଢ଼ାଯାଉଥିବା ବାକ୍ୟ ସେହି ପ୍ରଦାତାଙ୍କୁ ପଠାଯାଏ ଯେପରି ତାହା ବୋଲାଯାଇପାରିବ। ଆପଣଙ୍କ API ଚାବି ଡିଭାଇସ୍ରେ ରହେ, କେବେ ସିଙ୍କ୍ ହୁଏ ନାହିଁ, ଏବଂ ଆମକୁ କେବେ ପଠାଯାଏ ନାହିଁ। ଗୋପନୀୟତା ନୀତି ଏହା ସମ୍ପୂର୍ଣ୍ଣ କହେ।
ପ୍ରଥମେ ଗୋଟିଏ ଶୁଣନ୍ତୁ
ପ୍ରତ୍ୟେକ ସ୍ୱର ଧାଡ଼ିରେ ଏକ ଛୋଟ ପ୍ଲେ ବଟନ୍ ଅଛି। ତାହା ଦବାନ୍ତୁ ଓ ସେହି ସ୍ୱର ଏକ ନମୁନା କହେ, ତେଣୁ ଆପଣ ନାମ ଦ୍ୱାରା ନୁହେଁ, କାନ ଦ୍ୱାରା ବାଛିପାରିବେ। ନମୁନା ଆପଣ ସେଟ୍ କରିଥିବା ସ୍ୱର ନବଦଳାଇ ବାଜେ, ଏବଂ ଥରକେ ଗୋଟିଏ ନମୁନା ବାଜେ।
ଏକ ଲୋକାଲ୍ ସ୍ୱର ଡାଉନଲୋଡ୍ କରିବା
Piper ସ୍ୱର ଗୋଟିଏ ଗୋଟିଏ କରି ଡାଉନଲୋଡ୍ ହୁଏ: ଧାଡ଼ି ଆକାର ଦେଖାଏ, ଏହାକୁ ଦବାଇଲେ ଡାଉନଲୋଡ୍ ଆରମ୍ଭ ହୋଇ ଏକ ଶତକଡ଼ାରେ ବଦଳେ, ତା'ପରେ ଡିସ୍କରେ ରହିଗଲେ ଏକ ହଟାନ୍ତୁ ବଟନ୍ ହୁଏ। Kokoro ଓ Supertonic ପ୍ରତ୍ୟେକ ନିଜ ସ୍ୱର ମଧ୍ୟରେ ଭାଗ ହୋଇଥିବା ଗୋଟିଏ ମଡେଲ୍, ତେଣୁ ସେହି ଟାବ୍ରେ ଗୋଟିଏ ଡାଉନଲୋଡ୍ ନିୟନ୍ତ୍ରଣ ଥାଏ: Supertonic ପାଇଁ 398 MB, ଏବଂ Kokoro ପାଇଁ ପ୍ରତ୍ୟେକ ଭାଷାକୁ ଗୋଟିଏ ମଡେଲ୍, ଇଂରାଜୀ ପାଇଁ 155 MB କିମ୍ବା ମାଣ୍ଡାରିନ୍ ପାଇଁ 127 MB। ଡାଉନଲୋଡ୍ ଚାଲୁଥିବା ବେଳେ ତାଲିକା ବ୍ୟବହାର ଯୋଗ୍ୟ ରହେ, ତେଣୁ ଏହି ମଧ୍ୟରେ ଆପଣ ଅନ୍ୟ ଏକ ସ୍ୱରରେ ପଢ଼ି ଚାଲିପାରିବେ।
ଏକ ଲୋକାଲ୍ ସ୍ୱର ଡାଉନଲୋଡ୍ ହେଲେ ତାହାକୁ ଆଦୌ ନେଟୱାର୍କ ଦରକାର ନାହିଁ, ତେଣୁ ବିମାନରେ କିମ୍ବା ଖରାପ ସଂଯୋଗରେ ଏହାକୁ ବାଛିବା ଭଲ।
ଏକ ଡାଉନଲୋଡ୍ ବିଫଳ ହେଲେ, ଧାଡ଼ି କାରଣ କହେ। ସଂଯୋଗ ହେଉନାହିଁ ଅର୍ଥ ଆପଣଙ୍କ ନେଟୱାର୍କ ଡାଉନଲୋଡ୍ ସର୍ଭରରେ ପହଞ୍ଚିପାରୁନାହିଁ, ତେଣୁ ତାହା ନପହଞ୍ଚିବା ଯାଏ ଆଉ ଥରେ ଚେଷ୍ଟା କଲେ ସାହାଯ୍ୟ ହେବ ନାହିଁ; ଏହି ମଧ୍ୟରେ ଆପଣଙ୍କ ଅନ୍ୟ ସ୍ୱର ପଢ଼ି ଚାଲେ। ଡିସ୍କ ଭରିଯାଇଛି ଅର୍ଥ ଯଥେଷ୍ଟ ଖାଲି ସ୍ଥାନ ନାହିଁ, ଏବଂ ତା' ତଳର ନୋଟ୍ କହେ ସ୍ୱରକୁ କେତେ ଦରକାର। ବିଫଳ · ପୁଣି ଚେଷ୍ଟା କରନ୍ତୁ ଅର୍ଥ ଡାଉନଲୋଡ୍ କଟିଯାଇଛି, ଏବଂ ଆଉ ଥରେ ଚେଷ୍ଟା କଲେ ସାଧାରଣତଃ ଶେଷ ହୁଏ।
ନିଜ ସ୍ୱରରେ ପଢ଼ନ୍ତୁ
ଆପଣଙ୍କ ସ୍ୱର ଏକ ଛୋଟ ରେକର୍ଡିଂକୁ ଏପରି ଏକ ସ୍ୱରରେ ବଦଳାଏ ଯାହା ଯେକୌଣସି ଇଂରାଜୀ କିମ୍ବା ଜର୍ମାନ୍ ପୃଷ୍ଠା ପଢ଼େ, ଆପଣଙ୍କ କମ୍ପ୍ୟୁଟରରେ ତିଆରି ଓ ରଖାଯାଏ। ଆରମ୍ଭ କରିବାକୁ ସେଟିଂସମୂହ, ଭାଷା ଏବଂ ସ୍ୱର ଖୋଲନ୍ତୁ, ଇଂରାଜୀ କିମ୍ବା ଜର୍ମାନ୍ ପାଇଁ ସ୍ୱର ଦବାନ୍ତୁ ଓ ଆପଣଙ୍କ ସ୍ୱର ବାଛନ୍ତୁ, କିମ୍ବା ସାଧନପଟିର ସ୍ୱର ତାଲିକାର ଉପରେ ନିଜ ସ୍ୱର ତିଆରି କରନ୍ତୁ ବାଛନ୍ତୁ। କିଛି ଡାଉନଲୋଡ୍ କରିବା ପୂର୍ବରୁ ଆପଣ ଏକ ଉଦାହରଣ ଶୁଣିପାରିବେ: ଏକ ରେକର୍ଡିଂ, ଏବଂ ତାହାରୁ ତିଆରି ସ୍ୱର।
- ମୋ ସ୍ୱର ତିଆରି କରନ୍ତୁ ଦବାନ୍ତୁ। ପ୍ରଥମ ଥର ଏହା ସ୍ୱର ମଡେଲର 146 MB ର ଏକ ଥରର ଡାଉନଲୋଡ୍ ମଧ୍ୟ ଆରମ୍ଭ କରେ, ଏବଂ ତାହା ଆସୁଥିବା ବେଳେ ଆପଣ ରେକର୍ଡ କରିପାରିବେ।
- କେବଳ ନିଜ ସ୍ୱର, କିମ୍ବା ଆପଣଙ୍କୁ ଅନୁମତି ଦେଇଥିବା କାହାର ସ୍ୱର ବ୍ୟବହାର କରିବା ପ୍ରତିଜ୍ଞାରେ ଟିକ୍ କରନ୍ତୁ। ଏହା ଥରେ ମାତ୍ର ପଚରାଯାଏ।
- ରେକର୍ଡ କରନ୍ତୁ ଦବାନ୍ତୁ ଏବଂ ସ୍କ୍ରିନ୍ରେ ଥିବା ଅଂଶ ନିଜ ସାଧାରଣ ସ୍ୱରରେ, ଏକ ଶାନ୍ତ ସ୍ଥାନରେ, ଉଚ୍ଚସ୍ୱରରେ ପଢ଼ନ୍ତୁ। ରେକର୍ଡିଂ 15 ସେକେଣ୍ଡ ପରେ ନିଜେ ବନ୍ଦ ହୁଏ ଏବଂ ଅତିକମ୍ରେ 5 ଦରକାର। ମାଇକ୍ରୋଫୋନ୍କୁ ଏପର୍ଯ୍ୟନ୍ତ ଅନୁମତି ମିଳିନଥିଲେ, ଏକ ଟାବ୍ ତାହା ମାଗେ ଏବଂ ଆପଣଙ୍କୁ ସିଧାସଳଖ ଫେରାଇ ଆଣେ। କିମ୍ବା ରେକର୍ଡିଂ ବ୍ୟବହାର କରନ୍ତୁ ଦବାନ୍ତୁ ଏବଂ ଯେକୌଣସି ଲମ୍ବର ଏକ ଅଡିଓ ଫାଇଲ୍ ବାଛନ୍ତୁ: Readalix ଏହାର ପ୍ରଥମ ଦଶ ମିନିଟ୍ ଶୁଣେ ଓ କଥାର ସବୁଠାରୁ ସ୍ପଷ୍ଟ 15 ସେକେଣ୍ଡ ରଖେ।
- ନୂଆ ସ୍ୱର ମୋ ସ୍ୱର 1 ଭାବରେ ତାଲିକାରେ ଯୋଡ଼ିହୁଏ ଏବଂ ତୁରନ୍ତ ବାଜେ, ଯେପରି ତାହା ଠିକ୍ ଶୁଭୁଛି କି ନାହିଁ ଆପଣ ସିଧାସଳଖ ଜାଣିପାରିବେ। ଠିକ୍ ନଲାଗିଲେ ଏହାକୁ ହଟାଇ ପୁଣି ରେକର୍ଡ କରନ୍ତୁ।
ପ୍ରତ୍ୟେକ ସ୍ୱରର ନାମ ବଦଳାଯାଇପାରେ କିମ୍ବା ତାହାର ଧାଡ଼ିରୁ ହଟାଯାଇପାରେ, ଏବଂ ସ୍ୱର ଯୋଡ଼ନ୍ତୁ ଆଉ ଗୋଟିଏ ତିଆରି କରେ, ଗୋଟିଏ କମ୍ପ୍ୟୁଟରରେ ଦଶଟି ପର୍ଯ୍ୟନ୍ତ। ପ୍ରତ୍ୟେକ ସ୍ୱର ଦୁଇଟି ଭାଷା ପଢ଼େ: ଅନ୍ୟଟିରେ ପ୍ରଥମ ପଢ଼ା ପାଇଁ ସେହି ଭାଷାର ଡାଉନଲୋଡ୍ ମଧ୍ୟ ଦରକାର। ଆପଣଙ୍କ ସ୍ୱର ଅନ୍ୟ ପ୍ରିମିୟମ୍ ସ୍ୱର ପରି ଦୈନିକ ସୀମାରେ ଗଣାଯାଏ।
ଆପଣଙ୍କ ରେକର୍ଡିଂ ଏହି କମ୍ପ୍ୟୁଟରରେ ରହେ। ଏକ ରେକର୍ଡିଂ ଓ ତାହାରୁ ତିଆରି ସ୍ୱର କେବେ ଅପଲୋଡ୍ ହୁଏ ନାହିଁ ଓ ସିଙ୍କ୍ ହୁଏ ନାହିଁ, ତେଣୁ ଅନ୍ୟ କମ୍ପ୍ୟୁଟରରେ ସେଠାରେ ସ୍ୱର ତିଆରି କରିବାକୁ ପଡ଼େ। ଏକ ସ୍ୱର ହଟାଇଲେ ତାହାର ରେକର୍ଡିଂ ମଧ୍ୟ ଡିଲିଟ୍ ହୁଏ।
ଏକ API ଚାବି ଯୋଡ଼ିବା
- ସେଟିଂସମୂହ ଖୋଲନ୍ତୁ, ତା'ପରେ API କି। ଏହା ଆପଣ ଶେଷଥର ବ୍ୟବହାର କରିଥିବା ସେବାରେ ଖୋଲେ। ଏକ ଭାଷାର ସ୍ୱର ତାଲିକା ମଧ୍ୟ ଆପଣଙ୍କୁ ସେଠାକୁ ନିଏ: ଚାବି ନଥିବା ସେବାରେ ଚାବି ଯୋଡ଼ନ୍ତୁ ବଟନ୍ ଦେଖାଯାଏ।
- Gemini, OpenAI କିମ୍ବା ElevenLabs ଟାବ୍ ବାଛନ୍ତୁ। ସେହି ସେବାରେ ଚାବି ଥିବା ମାତ୍ରେ ଟାବ୍ ନାମ ପାଖର ବିନ୍ଦୁଟି ସବୁଜ ହୁଏ।
- ସେହି ଟାବ୍ର ଫିଲ୍ଡରେ ଆପଣଙ୍କ ଚାବି ଲଗାନ୍ତୁ। ସେଭ୍ ହେବା ପୂର୍ବରୁ ଏହା ପ୍ରଦାତାଙ୍କ ସହ ଯାଞ୍ଚ ହୁଏ, ତେଣୁ ଭୁଲ୍ ଟାଇପ୍ ପ୍ରଥମ ପଢ଼ାରେ ନୁହେଁ, ତୁରନ୍ତ ଜଣାପଡ଼େ।
ସେଭ୍ ହୋଇଥିବା ଚାବି API ଚାବି ସେଭ୍ ହେଲା ଭାବରେ ଦେଖାଯାଏ, ଯାହା ପାଖରେ ହଟାଇବା ପାଇଁ ଏକ ଡଷ୍ଟବିନ୍ ବଟନ୍ ଏବଂ ଆପଣ ଯେଉଁ ଭାଷା ପଢ଼ୁଛନ୍ତି ସେଥିରେ ସେହି ସେବାର ସ୍ୱର ଖୋଲୁଥିବା ଏକ ସ୍ୱର ବଟନ୍ ଥାଏ। ଚାବି କେବଳ ସେହି ଡିଭାଇସ୍ରେ ସଂରକ୍ଷିତ ହୁଏ। ଏହା ଆପଣଙ୍କ ଅନ୍ୟ କମ୍ପ୍ୟୁଟରକୁ ସିଙ୍କ୍ ହୁଏ ନାହିଁ, ଏବଂ ଏହା କେବେ Readalix ପାଖରେ ପହଞ୍ଚେ ନାହିଁ।
ElevenLabs ରେ କିଛି ଅତିରିକ୍ତ ସୁବିଧା ଅଛି। ଚାବି ସେଭ ହେବା ମାତ୍ରେ ଆପଣଙ୍କ ElevenLabs ଆକାଉଣ୍ଟର ସ୍ୱର ତାଲିକାରେ ଯୋଗ ହୁଏ, ଆପଣ କ୍ଲୋନ କରିଥିବା ସ୍ୱର ମଧ୍ୟ। ମଡେଲ ମେନୁ ଗୁଣବତ୍ତା ଓ କ୍ରେଡିଟ ମଧ୍ୟରେ ବାଛିବାକୁ ଦିଏ, ଏକ ରିଙ୍ଗ ଦେଖାଏ ଏହି ମାସର ElevenLabs କ୍ରେଡିଟରୁ ଆପଣ କେତେ ବ୍ୟବହାର କରିଛନ୍ତି, ଏବଂ ଯେଉଁ ମଡେଲରେ ଏହି ସୁବିଧା ଅଛି ସେଠାରେ ଏକ କହିବା ଶୈଳୀ ବକ୍ସ (ଯେପରି ଶାନ୍ତ, ଉଷ୍ମ କାହାଣୀକାର) ସ୍ଥିର କରେ ପ୍ରତ୍ୟେକ ବାକ୍ୟ କେଉଁ ଭାବରେ ପଢ଼ାଯିବ। ଶୈଳୀର ନିଜ ଲମ୍ବ ମଧ୍ୟ ପ୍ରତ୍ୟେକ ବାକ୍ୟର କ୍ରେଡିଟରେ ଯୋଗ ହୁଏ।
ଭାଷା ବାଛିବା
ସାଧନପଟିର ଭାଷା ବଟନ୍ ଠିକ୍ କରେ ପାଠ୍ୟକୁ କେଉଁ ଭାଷା ଭାବରେ ଗଣାଯିବ, ଯାହା ପୁଣି ଠିକ୍ କରେ କେଉଁ ସ୍ୱର ଦିଆଯିବ ଓ ବାକ୍ୟ କିପରି ବିଭାଜିତ ହେବ। ଭାଷା ସେମାନଙ୍କ ନିଜ ନାମରେ ତାଲିକାଭୁକ୍ତ, ପ୍ରତ୍ୟେକ ଭାଷା ପାଇଁ ଗୋଟିଏ ଏଣ୍ଟ୍ରି, ଏବଂ ସର୍ଚ୍ଚ ବକ୍ସ ମୂଳ ନାମ, ଇଂରାଜୀ ନାମ କିମ୍ବା ଦେଶ ସହ ମେଳ ଖାଏ, ତେଣୁ “Arabic”, “Egypt” ଓ “مصر” ସମସ୍ତେ ସମାନ ଧାଡ଼ି ଖୋଜନ୍ତି।
ସେହି ତାଲିକାକୁ ଆପଣଙ୍କର କରିବାର ଦୁଇ ଉପାୟ, ଦୁଇଟିଯାକ ସେଟିଂସମୂହ, ଭାଷା ଏବଂ ସ୍ୱର ରେ:
- ଆପଣ ନକହୁଥିବା ଭାଷା ଲୁଚାନ୍ତୁଏକ ଭାଷା ଧାଡ଼ିର ସୁଇଚ୍ ଏହାକୁ ସାଧନପଟିର ମେନୁରୁ ବାହାରେ ରଖେ। ଧାଡ଼ି ସେଟିଂସମୂହରେ ଧୂସର ହୋଇ ରହେ, ତେଣୁ ଆପଣ ଏହାକୁ ଫେରାଇ ଆଣିପାରିବେ।
- ନିଜେ କ୍ରମ ଦିଅନ୍ତୁଏକ ଧାଡ଼ିକୁ ତା' ଗ୍ରିପ୍ ଧରି ଟାଣନ୍ତୁ। ସେହି କ୍ରମ ସାଧନପଟିର ଭାଷା ମେନୁ ବି ବ୍ୟବହାର କରେ। ଏକୁଟିଆ ଛାଡ଼ିଲେ, ତାଲିକା ଗୋଟିଏ କ୍ରମ ରଖେ ଏବଂ ନିଜେ ନିଜେ ସଜାଡ଼େ ନାହିଁ।
ସେହି ପୃଷ୍ଠାରେ ଏକ୍ସଟେନସନ୍ର ନିଜ ଇଣ୍ଟରଫେସ୍ ଭାଷା ସେଟ୍ କରିବାର ଟୋଗଲ୍ ଅଛି, ଯେକୌଣସି ଧାଡ଼ିରେ ଯାହାର ଭାଷାକୁ Readalix ଅନୁବାଦ କରାଯାଇଛି। ସେପରି 52 ଟି ଅଛି।
ଏକାଧିକ ବର୍ଣ୍ଣମାଳାରେ ଲେଖା ପୃଷ୍ଠା ପାଇଁ ଏସବୁ ଦରକାର ନାହିଁ। ପ୍ରତ୍ୟେକ ବାକ୍ୟ ଏକ ସ୍ୱର ଦ୍ୱାରା ପଢ଼ାଯାଏ ଯାହା ସେ ବ୍ୟବହାର କରୁଥିବା ଲିପିକୁ ଉଚ୍ଚାରଣ କରିପାରେ, ତେଣୁ ଆରବୀ, ଗ୍ରୀକ୍, ହିବ୍ରୁ କିମ୍ବା ଚାଇନିଜ୍ ଉଦ୍ଧୃତ କରୁଥିବା ଏକ ଇଂରାଜୀ ଲେଖା ସମ୍ପୂର୍ଣ୍ଣ ପଢ଼ାଯାଏ, ଏବଂ କେବଳ ଅନ୍ୟ ଲିପିର ଅଂଶରେ ସ୍ୱର ବଦଳେ। ଆପଣ ସାଇଟ୍ ପାଇଁ ଏକ ଭାଷା ପିନ୍ କରିଥିଲେ, ସେହି ପିନ୍ ମୁଖ୍ୟ ସ୍ୱର ଠିକ୍ କରେ।
କେଉଁ ସ୍ୱର ଠିକ୍ ହାଇଲାଇଟ୍ କରେ
ବାକ୍ୟ ହାଇଲାଇଟ୍ ସବୁବେଳେ ସଠିକ୍। ଶବ୍ଦ ହାଇଲାଇଟ୍ ନିର୍ଭର କରେ ସ୍ୱର ନିଜ ସ୍ଥାନ ଜଣାଉଛି କି ନାହିଁ:
- ସଠିକ୍Microsoft, Kokoro ଓ ElevenLabs ସ୍ୱର ପ୍ରତ୍ୟେକ ଶବ୍ଦର ଆରମ୍ଭ ଜଣାଏ, ତେଣୁ ହାଇଲାଇଟ୍ ବୋଲାଯାଉଥିବା ଶବ୍ଦରେ ପଡ଼େ।
- ପ୍ରାୟ ସଠିକ୍Piper, Gemini ଓ OpenAI ସ୍ୱର, ଏବଂ ଆପଣଙ୍କ ନିଜ ସ୍ୱର, ସେମାନେ ତିଆରି କରିଥିବା ଅଡିଓର ପ୍ରକୃତ ଅବଧି ସହ ମିଶାଯାଏ, ଯାହା ହାଇଲାଇଟ୍କୁ ଘନିଷ୍ଠ ରଖେ।
- ଆନୁମାନିକକିଛି ବ୍ରାଉଜର୍ ସ୍ୱର କିଛି ଜଣାଏ ନାହିଁ, ତେଣୁ ହାଇଲାଇଟ୍ ପଢ଼ିବା ବେଗ ଓ ପ୍ରତ୍ୟେକ ଶବ୍ଦର ଲମ୍ବରୁ ଗତି କରେ। ଲମ୍ବା ବାକ୍ୟରେ ଏହା ଟିକିଏ ଘୁଞ୍ଚିଯାଏ।
ଏକ ସ୍ୱର ତାଲିକା ଧାଡ଼ିରେ ହିଁ କହେ ଏହା କେଉଁ ପ୍ରକାର, ତେଣୁ ବାଛିବା ପୂର୍ବରୁ ଆପଣଙ୍କୁ ଅନୁମାନ କରିବାକୁ ପଡ଼େ ନାହିଁ।