ਆਵਾਜ਼ਾਂ ਅਤੇ ਭਾਸ਼ਾਵਾਂ
Readalix ਨੌਂ ਕਿਸਮ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਨਾਲ ਬੋਲਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਇੱਕ ਤੁਹਾਡੀ ਆਪਣੀ ਰਿਕਾਰਡਿੰਗ ਤੋਂ ਬਣਦੀ ਹੈ। ਉਹ ਇਸ ਵਿੱਚ ਵੱਖਰੀਆਂ ਹਨ ਕਿ ਆਵਾਜ਼ ਕਿੱਥੇ ਬਣਦੀ ਹੈ, ਉਨ੍ਹਾਂ ਦੀ ਤੁਹਾਨੂੰ ਕੀ ਕੀਮਤ ਪੈਂਦੀ ਹੈ, ਅਤੇ ਸ਼ਬਦ ਦੀ ਹਾਈਲਾਈਟ ਕਿੰਨੀ ਸਟੀਕ ਬੈਠਦੀ ਹੈ।
ਆਵਾਜ਼ਾਂ ਕਿੱਥੇ ਮਿਲਦੀਆਂ ਹਨ
ਤਿੰਨ ਥਾਵਾਂ, ਤਿੰਨ ਵੱਖਰੇ ਕੰਮਾਂ ਲਈ।
- ਟੂਲਬਾਰਆਵਾਜ਼ ਬਟਨ ਉਸ ਭਾਸ਼ਾ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਦੀ ਸੂਚੀ ਦਿੰਦਾ ਹੈ ਜਿਸ 'ਤੇ ਤੁਸੀਂ ਹੋ, ਸਰੋਤ ਅਨੁਸਾਰ ਵੰਡੀਆਂ ਹੋਈਆਂ। ਇੱਥੇ ਤੁਸੀਂ ਆਪਣੇ ਸਾਹਮਣੇ ਚੱਲ ਰਹੇ ਪਾਠ ਦੀ ਆਵਾਜ਼ ਬਦਲਦੇ ਹੋ, ਵਾਕ ਦੇ ਵਿਚਕਾਰ ਵੀ। ਤਾਜ ਪ੍ਰੀਮੀਅਮ ਸਮੂਹਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਅਤੇ ਸਮੂਹ ਦੇ ਸਿਰਲੇਖ ਦੇ ਅੰਤ ਵਿੱਚ ਗੀਅਰ ਉਸ ਸਰੋਤ ਦੀਆਂ ਸੈਟਿੰਗਾਂ ਖੋਲ੍ਹਦਾ ਹੈ।
- ਸੈਟਿੰਗਾਂ, ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਆਵਾਜ਼ਾਂਹਰ ਭਾਸ਼ਾ ਲਈ ਇੱਕ ਕਤਾਰ, ਅਤੇ ਹਰ ਕਤਾਰ 'ਤੇ ਇੱਕ ਆਵਾਜ਼ਾਂ ਬਟਨ ਜੋ ਉਸ ਭਾਸ਼ਾ ਦੀ ਪੂਰੀ ਸੂਚੀ ਖੋਲ੍ਹਦਾ ਹੈ। ਇੱਥੇ ਤੁਸੀਂ ਆਵਾਜ਼ਾਂ ਡਾਊਨਲੋਡ ਕਰਦੇ ਹੋ, ਜੋ ਕਦੇ ਨਹੀਂ ਵਰਤਦੇ ਉਹ ਲੁਕਾਉਂਦੇ ਹੋ, ਅਤੇ ਬਾਕੀਆਂ ਨੂੰ ਆਪਣੀ ਪਸੰਦ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਖਿੱਚਦੇ ਹੋ।
- ਸੈਟਿੰਗਾਂ, API ਕੁੰਜੀਆਂਇੱਥੇ ਤੁਸੀਂ Gemini, OpenAI ਜਾਂ ElevenLabs ਦੀ ਕੁੰਜੀ ਪੇਸਟ ਕਰਦੇ ਹੋ। ਕੁੰਜੀ ਸੰਭਾਲੀ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਉਸ ਸੇਵਾ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਉਹ ਜਿੰਨੀਆਂ ਭਾਸ਼ਾਵਾਂ ਬੋਲਦੀ ਹੈ, ਉਨ੍ਹਾਂ ਸਭ ਦੀ ਸੂਚੀ ਵਿੱਚ ਜੁੜ ਜਾਂਦੀਆਂ ਹਨ।
ਨੌਂ ਸਰੋਤ
ਕਿਸੇ ਭਾਸ਼ਾ ਦੀ ਆਵਾਜ਼ ਸੂਚੀ ਦੇ ਅੰਦਰ, ਸਰੋਤ ਉੱਪਰ ਇੱਕ ਚੋਣਕਾਰ ਹੈ: ਤੁਹਾਡੀਆਂ ਆਵਾਜ਼ਾਂ, ਬ੍ਰਾਊਜ਼ਰ, Microsoft, Piper, Kokoro, Supertonic, Gemini, OpenAI ਅਤੇ ElevenLabs, ਹਰ ਇੱਕ ਦੇ ਨਾਲ ਉਸ ਭਾਸ਼ਾ ਵਿੱਚ ਉਸ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਦੀ ਗਿਣਤੀ। ਜਿਸ ਸਰੋਤ ਕੋਲ ਦੇਣ ਲਈ ਕੁਝ ਨਹੀਂ, ਉਹ ਵੀ ਸੂਚੀ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਵੇਖ ਸਕੋ ਕਿ ਉਸ ਬਾਰੇ ਸੋਚਿਆ ਗਿਆ ਸੀ। ਚੋਣਕਾਰ ਦੇ ਕੋਲ ਲੰਮੀਆਂ ਸੂਚੀਆਂ ਲਈ ਖੋਜ ਬਾਕਸ ਅਤੇ ਇੱਕ ਛੋਟਾ ਜਾਣਕਾਰੀ ਬਟਨ ਹੈ ਜੋ ਸਰੋਤ ਦਾ ਵੇਰਵਾ ਖੋਲ੍ਹ ਦਿੰਦਾ ਹੈ। Microsoft Edge ਵਿੱਚ ਕੋਈ Microsoft ਸਰੋਤ ਨਹੀਂ ਹੁੰਦਾ: Edge ਕੋਲ ਉਹੀ Microsoft ਦੀਆਂ ਕੁਦਰਤੀ ਆਵਾਜ਼ਾਂ ਬ੍ਰਾਊਜ਼ਰ ਹੇਠ ਪਹਿਲਾਂ ਹੀ ਹਨ, ਮੁਫ਼ਤ ਅਤੇ ਰੋਜ਼ਾਨਾ ਹੱਦ ਤੋਂ ਬਿਨਾਂ।
| ਸਰੋਤ | ਕੀ ਚਾਹੀਦਾ ਹੈ | ਆਵਾਜ਼ ਕਿੱਥੇ ਬਣਦੀ ਹੈ | ਰੋਜ਼ਾਨਾ ਹੱਦ ਵਿੱਚ ਗਿਣੀ ਜਾਂਦੀ ਹੈ |
|---|---|---|---|
| ਤੁਹਾਡੀਆਂ ਆਵਾਜ਼ਾਂ | ਤੁਹਾਡੀ ਆਵਾਜ਼ ਦੀ ਇੱਕ ਛੋਟੀ ਰਿਕਾਰਡਿੰਗ, ਜਾਂ ਇੱਕ ਆਡੀਓ ਫ਼ਾਈਲ, ਅਤੇ ਹਰ ਭਾਸ਼ਾ ਲਈ 146 MB ਦਾ ਇੱਕ ਮਾਡਲ ਡਾਊਨਲੋਡ। ਅੰਗਰੇਜ਼ੀ ਅਤੇ ਜਰਮਨ। | ਤੁਹਾਡੀ ਮਸ਼ੀਨ 'ਤੇ | ਹਾਂ |
| Browser | ਕੁਝ ਨਹੀਂ। ਇਹ ਉਹ ਆਵਾਜ਼ਾਂ ਹਨ ਜੋ ਤੁਹਾਡੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਕੋਲ ਪਹਿਲਾਂ ਤੋਂ ਹਨ। | ਤੁਹਾਡੀ ਮਸ਼ੀਨ 'ਤੇ | ਨਹੀਂ, ਹਮੇਸ਼ਾ ਮੁਫ਼ਤ |
| Microsoft | ਕੁਝ ਨਹੀਂ, ਜਦੋਂ ਤੱਕ Microsoft ਇਨ੍ਹਾਂ ਨੂੰ Chrome ਨਾਲ ਸਾਂਝਾ ਕਰਦਾ ਹੈ, ਜੋ ਉਹ ਕਿਸੇ ਵੀ ਵੇਲੇ ਬੰਦ ਕਰ ਸਕਦਾ ਹੈ (ਉਦੋਂ ਇਹ ਸਰੋਤ ਲੁਕਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ)। Microsoft Edge ਵਿੱਚ ਇਹ ਇਸ ਦੀ ਥਾਂ Browser ਹੇਠ ਹਨ। | Microsoft ਦੀ ਸੇਵਾ | ਹਾਂ |
| Piper | ਹਰ ਆਵਾਜ਼ ਲਈ ਇੱਕ ਵਾਰ ਡਾਊਨਲੋਡ, ਹਰ ਇੱਕ ਕੁਝ ਮੈਗਾਬਾਈਟ ਦੀ। 35 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ 118 ਆਵਾਜ਼ਾਂ। | ਤੁਹਾਡੀ ਮਸ਼ੀਨ 'ਤੇ | ਹਾਂ |
| Kokoro | ਹਰ ਭਾਸ਼ਾ ਲਈ ਇੱਕ ਸਾਂਝਾ ਮਾਡਲ: 28 ਅੰਗਰੇਜ਼ੀ ਆਵਾਜ਼ਾਂ ਲਈ 155 MB, 6 ਮੈਂਡਰਿਨ ਆਵਾਜ਼ਾਂ ਲਈ 127 MB। | ਤੁਹਾਡੀ ਮਸ਼ੀਨ 'ਤੇ | ਹਾਂ |
| Supertonic | 398 MB ਦਾ ਇੱਕ ਸਾਂਝਾ ਮਾਡਲ, ਇੱਕ ਵਾਰ ਡਾਊਨਲੋਡ। ਦਸ ਆਵਾਜ਼ਾਂ, ਅਤੇ ਹਰ ਇੱਕ ਸਾਰੀਆਂ 31 ਸਮਰਥਿਤ ਭਾਸ਼ਾਵਾਂ ਬੋਲਦੀ ਹੈ। | ਤੁਹਾਡੀ ਮਸ਼ੀਨ 'ਤੇ | ਹਾਂ |
| Gemini | ਤੁਹਾਡੀ ਆਪਣੀ Google AI API ਕੁੰਜੀ। 30 ਭਾਵਪੂਰਨ ਆਵਾਜ਼ਾਂ। | Google ਦੀ ਸੇਵਾ | ਹਾਂ |
| OpenAI | ਤੁਹਾਡੀ ਆਪਣੀ OpenAI API ਕੁੰਜੀ। 13 ਆਵਾਜ਼ਾਂ। | OpenAI ਦੀ ਸੇਵਾ | ਹਾਂ |
| ElevenLabs | ਤੁਹਾਡੀ ਆਪਣੀ ElevenLabs API ਕੁੰਜੀ। ਇਸ ਦੀਆਂ ਜੀਵੰਤ ਆਵਾਜ਼ਾਂ, ਨਾਲ ਹੀ ਤੁਹਾਡੇ ElevenLabs ਖਾਤੇ ਵਿੱਚ ਕਲੋਨ ਕੀਤੀਆਂ ਜਾਂ ਸੰਭਾਲੀਆਂ ਕੋਈ ਵੀ ਆਵਾਜ਼ਾਂ। | ElevenLabs ਦੀ ਸੇਵਾ | ਹਾਂ |
Browser ਟੈਬ Chrome ਦੀਆਂ ਆਪਣੀਆਂ Google … (Natural) ਆਵਾਜ਼ਾਂ ਵੀ ਰੱਖ ਸਕਦੀ ਹੈ। ਉਹ ਤੁਹਾਡੇ ਸਿਸਟਮ ਦੀਆਂ ਨਹੀਂ ਸਗੋਂ Chrome ਦੇ ਰੀਡਿੰਗ ਮੋਡ ਦੀਆਂ ਹਨ, ਇਸ ਲਈ ਉਹ ਤਾਂ ਹੀ ਦਿਖਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ ਜਦੋਂ Readalix ਚੁੱਪ-ਚਾਪ ਇੱਕ ਅਜ਼ਮਾ ਲਵੇ ਅਤੇ ਉਹ ਜਵਾਬ ਦੇਵੇ। Chrome ਉਹ ਇੰਜਣ ਉਦੋਂ ਲੋਡ ਕਰਦਾ ਹੈ ਜਦੋਂ ਉਸਦਾ ਆਪਣਾ ਰੀਡਿੰਗ ਮੋਡ ਪਹਿਲੀ ਵਾਰ ਕੁਝ ਉੱਚੀ ਪੜ੍ਹਦਾ ਹੈ, ਇਸ ਲਈ ਮੁੜ ਚਾਲੂ ਕਰਨ ਤੋਂ ਤੁਰੰਤ ਬਾਅਦ ਆਵਾਜ਼ਾਂ ਗੈਰਹਾਜ਼ਰ ਹੋ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਉਸੇ ਸੈਸ਼ਨ ਵਿੱਚ ਬਾਅਦ ਵਿੱਚ ਦਿਸਣ ਲੱਗਦੀਆਂ ਹਨ।
ਪਰਦੇਦਾਰੀ, ਇੱਕ ਲਾਈਨ ਵਿੱਚ। Browser, Piper, Kokoro, Supertonic ਅਤੇ ਤੁਹਾਡੀਆਂ ਆਪਣੀਆਂ ਆਵਾਜ਼ਾਂ ਤੁਹਾਡੀ ਆਪਣੀ ਮਸ਼ੀਨ 'ਤੇ ਬਣਦੀਆਂ ਹਨ, ਇਸ ਲਈ ਲਿਖਤ ਕਦੇ ਬ੍ਰਾਊਜ਼ਰ ਤੋਂ ਬਾਹਰ ਨਹੀਂ ਜਾਂਦੀ। Microsoft, Gemini, OpenAI ਅਤੇ ElevenLabs ਕਲਾਊਡ ਆਵਾਜ਼ਾਂ ਹਨ: ਪੜ੍ਹਿਆ ਜਾ ਰਿਹਾ ਵਾਕ ਉਸ ਪ੍ਰਦਾਤਾ ਨੂੰ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹ ਬੋਲ ਸਕੇ। ਤੁਹਾਡੀਆਂ API ਕੁੰਜੀਆਂ ਡਿਵਾਈਸ 'ਤੇ ਹੀ ਰਹਿੰਦੀਆਂ ਹਨ, ਕਦੇ ਸਿੰਕ ਨਹੀਂ ਹੁੰਦੀਆਂ, ਅਤੇ ਸਾਨੂੰ ਕਦੇ ਨਹੀਂ ਭੇਜੀਆਂ ਜਾਂਦੀਆਂ। ਪਰਦੇਦਾਰੀ ਨੀਤੀ ਪੂਰੀ ਗੱਲ ਦੱਸਦੀ ਹੈ।
ਪਹਿਲਾਂ ਇੱਕ ਸੁਣੋ
ਹਰ ਆਵਾਜ਼ ਦੀ ਕਤਾਰ ਵਿੱਚ ਇੱਕ ਛੋਟਾ ਪਲੇ ਬਟਨ ਹੈ। ਇਸਨੂੰ ਦਬਾਓ ਤਾਂ ਉਹ ਆਵਾਜ਼ ਇੱਕ ਨਮੂਨਾ ਬੋਲਦੀ ਹੈ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਨਾਮ ਦੀ ਥਾਂ ਕੰਨ ਨਾਲ ਚੁਣ ਸਕੋ। ਨਮੂਨਾ ਤੁਹਾਡੀ ਮੌਜੂਦਾ ਆਵਾਜ਼ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਚੱਲਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਵੇਲੇ ਇੱਕ ਹੀ ਨਮੂਨਾ ਚੱਲਦਾ ਹੈ।
ਲੋਕਲ ਆਵਾਜ਼ ਡਾਊਨਲੋਡ ਕਰਨਾ
Piper ਆਵਾਜ਼ਾਂ ਇੱਕ-ਇੱਕ ਕਰ ਕੇ ਡਾਊਨਲੋਡ ਹੁੰਦੀਆਂ ਹਨ: ਕਤਾਰ ਆਕਾਰ ਦਿਖਾਉਂਦੀ ਹੈ, ਇਸਨੂੰ ਦਬਾਉਣ ਨਾਲ ਡਾਊਨਲੋਡ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ ਅਤੇ ਪ੍ਰਤੀਸ਼ਤ ਵਿੱਚ ਬਦਲ ਜਾਂਦਾ ਹੈ, ਫਿਰ ਡਿਸਕ 'ਤੇ ਆਉਣ ਤੋਂ ਬਾਅਦ ਹਟਾਓ ਬਟਨ ਬਣ ਜਾਂਦਾ ਹੈ। Kokoro ਅਤੇ Supertonic ਹਰ ਇੱਕ ਆਪਣੀਆਂ ਆਵਾਜ਼ਾਂ ਵੱਲੋਂ ਸਾਂਝਾ ਇੱਕ ਮਾਡਲ ਹੈ, ਇਸ ਲਈ ਉਨ੍ਹਾਂ ਟੈਬਾਂ 'ਤੇ ਇੱਕੋ ਡਾਊਨਲੋਡ ਕੰਟਰੋਲ ਹੈ: Supertonic ਲਈ 398 MB, ਅਤੇ Kokoro ਲਈ ਹਰ ਭਾਸ਼ਾ ਦਾ ਇੱਕ ਮਾਡਲ, ਅੰਗਰੇਜ਼ੀ ਲਈ 155 MB ਜਾਂ ਮੈਂਡਰਿਨ ਲਈ 127 MB। ਡਾਊਨਲੋਡ ਚੱਲਦੇ ਸਮੇਂ ਸੂਚੀ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਇਸ ਲਈ ਇਸ ਦੌਰਾਨ ਤੁਸੀਂ ਕਿਸੇ ਹੋਰ ਆਵਾਜ਼ ਨਾਲ ਪੜ੍ਹਦੇ ਰਹਿ ਸਕਦੇ ਹੋ।
ਲੋਕਲ ਆਵਾਜ਼ ਇੱਕ ਵਾਰ ਡਾਊਨਲੋਡ ਹੋ ਜਾਵੇ ਤਾਂ ਉਸਨੂੰ ਨੈੱਟਵਰਕ ਦੀ ਬਿਲਕੁਲ ਲੋੜ ਨਹੀਂ, ਇਸ ਲਈ ਜਹਾਜ਼ ਵਿੱਚ ਜਾਂ ਮਾੜੇ ਕੁਨੈਕਸ਼ਨ 'ਤੇ ਇਹੀ ਵਰਤਣ ਯੋਗ ਹੈ।
ਜੇ ਡਾਊਨਲੋਡ ਫੇਲ੍ਹ ਹੋ ਜਾਵੇ, ਤਾਂ ਕਤਾਰ ਕਾਰਨ ਦੱਸਦੀ ਹੈ। ਜੁੜ ਨਹੀਂ ਸਕਿਆ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਹਾਡਾ ਨੈੱਟਵਰਕ ਡਾਊਨਲੋਡ ਸਰਵਰ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚ ਸਕਦਾ, ਇਸ ਲਈ ਜਦੋਂ ਤੱਕ ਪਹੁੰਚ ਨਾ ਹੋਵੇ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਦਾ ਫ਼ਾਇਦਾ ਨਹੀਂ; ਇਸ ਦੌਰਾਨ ਤੁਹਾਡੀਆਂ ਬਾਕੀ ਆਵਾਜ਼ਾਂ ਪੜ੍ਹਦੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ। ਡਿਸਕ ਭਰੀ ਹੋਈ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਲੋੜੀਂਦੀ ਖਾਲੀ ਥਾਂ ਨਹੀਂ, ਅਤੇ ਹੇਠਲਾ ਨੋਟ ਦੱਸਦਾ ਹੈ ਕਿ ਆਵਾਜ਼ ਨੂੰ ਕਿੰਨੀ ਚਾਹੀਦੀ ਹੈ। ਅਸਫਲ · ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਡਾਊਨਲੋਡ ਵਿਚਕਾਰ ਕੱਟਿਆ ਗਿਆ, ਅਤੇ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਆਮ ਤੌਰ 'ਤੇ ਇਸਨੂੰ ਪੂਰਾ ਕਰ ਦਿੰਦੀ ਹੈ।
ਆਪਣੀ ਆਵਾਜ਼ ਵਿੱਚ ਪੜ੍ਹੋ
ਤੁਹਾਡੀਆਂ ਆਵਾਜ਼ਾਂ ਇੱਕ ਛੋਟੀ ਰਿਕਾਰਡਿੰਗ ਨੂੰ ਅਜਿਹੀ ਆਵਾਜ਼ ਵਿੱਚ ਬਦਲਦੀ ਹੈ ਜੋ ਕੋਈ ਵੀ ਅੰਗਰੇਜ਼ੀ ਜਾਂ ਜਰਮਨ ਪੰਨਾ ਪੜ੍ਹਦੀ ਹੈ, ਅਤੇ ਤੁਹਾਡੇ ਕੰਪਿਊਟਰ 'ਤੇ ਹੀ ਬਣਦੀ ਤੇ ਰਹਿੰਦੀ ਹੈ। ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਸੈਟਿੰਗਾਂ, ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਆਵਾਜ਼ਾਂ ਖੋਲ੍ਹੋ, ਅੰਗਰੇਜ਼ੀ ਜਾਂ ਜਰਮਨ 'ਤੇ ਆਵਾਜ਼ਾਂ ਦਬਾਓ ਅਤੇ ਤੁਹਾਡੀਆਂ ਆਵਾਜ਼ਾਂ ਚੁਣੋ, ਜਾਂ ਟੂਲਬਾਰ ਦੀ ਆਵਾਜ਼ ਸੂਚੀ ਦੇ ਉੱਪਰ ਆਪਣੀ ਆਵਾਜ਼ ਬਣਾਓ ਚੁਣੋ। ਕੁਝ ਵੀ ਡਾਊਨਲੋਡ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਤੁਸੀਂ ਇੱਕ ਉਦਾਹਰਨ ਸੁਣ ਸਕਦੇ ਹੋ: ਇੱਕ ਰਿਕਾਰਡਿੰਗ, ਅਤੇ ਉਸ ਤੋਂ ਬਣੀ ਆਵਾਜ਼।
- ਮੇਰੀ ਆਵਾਜ਼ ਬਣਾਓ ਦਬਾਓ। ਪਹਿਲੀ ਵਾਰ ਇਹ ਆਵਾਜ਼ ਮਾਡਲ ਦਾ 146 MB ਦਾ ਇੱਕ ਵਾਰ ਦਾ ਡਾਊਨਲੋਡ ਵੀ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ, ਅਤੇ ਉਸ ਦੇ ਆਉਂਦੇ ਸਮੇਂ ਤੁਸੀਂ ਰਿਕਾਰਡ ਕਰ ਸਕਦੇ ਹੋ।
- ਸਿਰਫ਼ ਆਪਣੀ ਆਵਾਜ਼, ਜਾਂ ਉਸ ਵਿਅਕਤੀ ਦੀ ਆਵਾਜ਼ ਜਿਸ ਨੇ ਤੁਹਾਨੂੰ ਇਜਾਜ਼ਤ ਦਿੱਤੀ ਹੈ, ਵਰਤਣ ਦੇ ਵਾਅਦੇ 'ਤੇ ਟਿੱਕ ਲਗਾਓ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਵਾਰ ਪੁੱਛਿਆ ਜਾਂਦਾ ਹੈ।
- ਰਿਕਾਰਡ ਕਰੋ ਦਬਾਓ ਅਤੇ ਸਕ੍ਰੀਨ 'ਤੇ ਦਿੱਤਾ ਹਿੱਸਾ ਆਪਣੀ ਆਮ ਆਵਾਜ਼ ਵਿੱਚ, ਕਿਸੇ ਸ਼ਾਂਤ ਥਾਂ 'ਤੇ, ਉੱਚੀ ਪੜ੍ਹੋ। ਰਿਕਾਰਡਿੰਗ 15 ਸਕਿੰਟ ਬਾਅਦ ਆਪਣੇ ਆਪ ਰੁਕ ਜਾਂਦੀ ਹੈ ਅਤੇ ਘੱਟੋ-ਘੱਟ 5 ਚਾਹੀਦੇ ਹਨ। ਜੇ ਮਾਈਕ੍ਰੋਫ਼ੋਨ ਦੀ ਇਜਾਜ਼ਤ ਅਜੇ ਨਹੀਂ ਦਿੱਤੀ ਗਈ, ਤਾਂ ਇੱਕ ਟੈਬ ਇਸ ਨੂੰ ਮੰਗਦੀ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਸਿੱਧਾ ਵਾਪਸ ਲੈ ਆਉਂਦੀ ਹੈ। ਜਾਂ ਰਿਕਾਰਡਿੰਗ ਵਰਤੋ ਦਬਾਓ ਅਤੇ ਕਿਸੇ ਵੀ ਲੰਬਾਈ ਦੀ ਆਡੀਓ ਫ਼ਾਈਲ ਚੁਣੋ: Readalix ਉਸ ਦੇ ਪਹਿਲੇ ਦਸ ਮਿੰਟ ਸੁਣਦਾ ਹੈ ਅਤੇ ਬੋਲੀ ਦੇ ਸਭ ਤੋਂ ਸਾਫ਼ 15 ਸਕਿੰਟ ਰੱਖਦਾ ਹੈ।
- ਨਵੀਂ ਆਵਾਜ਼ ਮੇਰੀ ਆਵਾਜ਼ 1 ਵਜੋਂ ਸੂਚੀ ਵਿੱਚ ਜੁੜਦੀ ਹੈ ਅਤੇ ਤੁਰੰਤ ਵੱਜਦੀ ਹੈ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਉਸੇ ਵੇਲੇ ਸੁਣ ਲਓ ਕਿ ਉਹ ਠੀਕ ਲੱਗਦੀ ਹੈ ਜਾਂ ਨਹੀਂ। ਜੇ ਨਹੀਂ, ਤਾਂ ਉਸ ਨੂੰ ਹਟਾਓ ਅਤੇ ਦੁਬਾਰਾ ਰਿਕਾਰਡ ਕਰੋ।
ਹਰ ਆਵਾਜ਼ ਦਾ ਨਾਂ ਬਦਲਿਆ ਜਾਂ ਉਸ ਦੀ ਕਤਾਰ ਤੋਂ ਹਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਆਵਾਜ਼ ਜੋੜੋ ਇੱਕ ਹੋਰ ਬਣਾਉਂਦਾ ਹੈ, ਇੱਕ ਕੰਪਿਊਟਰ 'ਤੇ ਦਸ ਤੱਕ। ਹਰ ਆਵਾਜ਼ ਦੋਵੇਂ ਭਾਸ਼ਾਵਾਂ ਪੜ੍ਹਦੀ ਹੈ: ਦੂਜੀ ਭਾਸ਼ਾ ਵਿੱਚ ਪਹਿਲੇ ਪਾਠ ਲਈ ਉਸ ਭਾਸ਼ਾ ਦਾ ਡਾਊਨਲੋਡ ਵੀ ਚਾਹੀਦਾ ਹੈ। ਤੁਹਾਡੀਆਂ ਆਵਾਜ਼ਾਂ ਬਾਕੀ ਪ੍ਰੀਮੀਅਮ ਆਵਾਜ਼ਾਂ ਵਾਂਗ ਰੋਜ਼ਾਨਾ ਹੱਦ ਵਿੱਚ ਗਿਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।
ਤੁਹਾਡੀਆਂ ਰਿਕਾਰਡਿੰਗਾਂ ਇਸ ਕੰਪਿਊਟਰ 'ਤੇ ਹੀ ਰਹਿੰਦੀਆਂ ਹਨ। ਇੱਕ ਰਿਕਾਰਡਿੰਗ ਅਤੇ ਉਸ ਤੋਂ ਬਣੀ ਆਵਾਜ਼ ਕਦੇ ਅੱਪਲੋਡ ਨਹੀਂ ਹੁੰਦੀ ਅਤੇ ਕਦੇ ਸਿੰਕ ਨਹੀਂ ਹੁੰਦੀ, ਇਸ ਲਈ ਕਿਸੇ ਹੋਰ ਕੰਪਿਊਟਰ 'ਤੇ ਤੁਸੀਂ ਉੱਥੇ ਆਵਾਜ਼ ਬਣਾਉਂਦੇ ਹੋ। ਆਵਾਜ਼ ਹਟਾਉਣ ਨਾਲ ਉਸ ਦੀ ਰਿਕਾਰਡਿੰਗ ਵੀ ਮਿਟ ਜਾਂਦੀ ਹੈ।
API ਕੁੰਜੀ ਜੋੜਨਾ
- ਸੈਟਿੰਗਾਂ ਖੋਲ੍ਹੋ, ਫਿਰ API ਕੁੰਜੀਆਂ। ਇਹ ਉਸ ਸੇਵਾ 'ਤੇ ਖੁੱਲ੍ਹਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਆਖ਼ਰੀ ਵਾਰ ਵਰਤੀ ਸੀ। ਕਿਸੇ ਭਾਸ਼ਾ ਦੀ ਆਵਾਜ਼ ਸੂਚੀ ਵੀ ਤੁਹਾਨੂੰ ਉੱਥੇ ਲੈ ਜਾਂਦੀ ਹੈ: ਜਿਸ ਸੇਵਾ ਦੀ ਕੁੰਜੀ ਨਹੀਂ ਹੈ, ਉਸ ਵਿੱਚ ਕੁੰਜੀ ਜੋੜੋ ਬਟਨ ਦਿਸਦਾ ਹੈ।
- Gemini, OpenAI ਜਾਂ ElevenLabs ਟੈਬ ਚੁਣੋ। ਟੈਬ ਦੇ ਨਾਂ ਕੋਲ ਵਾਲਾ ਬਿੰਦੂ ਹਰਾ ਹੋ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਉਸ ਸੇਵਾ ਕੋਲ ਕੁੰਜੀ ਹੋਵੇ।
- ਉਸ ਟੈਬ ਦੇ ਖੇਤਰ ਵਿੱਚ ਆਪਣੀ ਕੁੰਜੀ ਪੇਸਟ ਕਰੋ। ਸੰਭਾਲਣ ਤੋਂ ਪਹਿਲਾਂ ਇਸਨੂੰ ਪ੍ਰਦਾਤਾ ਕੋਲੋਂ ਜਾਂਚਿਆ ਜਾਂਦਾ ਹੈ, ਇਸ ਲਈ ਗ਼ਲਤੀ ਪਹਿਲੇ ਪਾਠ ਦੀ ਥਾਂ ਉਸੇ ਵੇਲੇ ਪਤਾ ਲੱਗ ਜਾਂਦੀ ਹੈ।
ਸੰਭਾਲੀ ਹੋਈ ਕੁੰਜੀ API ਕੁੰਜੀ ਸੁਰੱਖਿਅਤ ਕੀਤੀ ਗਈ ਵਜੋਂ ਦਿਸਦੀ ਹੈ, ਜਿਸ ਦੇ ਕੋਲ ਉਸ ਨੂੰ ਹਟਾਉਣ ਲਈ ਕੂੜੇਦਾਨ ਬਟਨ ਅਤੇ ਇੱਕ ਆਵਾਜ਼ਾਂ ਬਟਨ ਹੈ ਜੋ ਤੁਹਾਡੀ ਪੜ੍ਹੀ ਜਾ ਰਹੀ ਭਾਸ਼ਾ ਵਿੱਚ ਉਸ ਸੇਵਾ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਖੋਲ੍ਹਦਾ ਹੈ। ਕੁੰਜੀ ਸਿਰਫ਼ ਉਸੇ ਡਿਵਾਈਸ 'ਤੇ ਸੰਭਾਲੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਤੁਹਾਡੇ ਹੋਰ ਕੰਪਿਊਟਰਾਂ ਨਾਲ ਸਿੰਕ ਨਹੀਂ ਹੁੰਦੀ, ਅਤੇ Readalix ਤੱਕ ਕਦੇ ਨਹੀਂ ਪਹੁੰਚਦੀ।
ElevenLabs ਵਿੱਚ ਕੁਝ ਵਾਧੂ ਸਹੂਲਤਾਂ ਹਨ। ਕੁੰਜੀ ਸੰਭਾਲਦੇ ਹੀ ਤੁਹਾਡੇ ElevenLabs ਖਾਤੇ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਸੂਚੀ ਵਿੱਚ ਜੁੜ ਜਾਂਦੀਆਂ ਹਨ, ਤੁਹਾਡੀਆਂ ਕਲੋਨ ਕੀਤੀਆਂ ਵੀ। ਮਾਡਲ ਮੀਨੂ ਗੁਣਵੱਤਾ ਅਤੇ ਕ੍ਰੈਡਿਟ ਵਿਚਕਾਰ ਚੋਣ ਦਿੰਦਾ ਹੈ, ਇੱਕ ਰਿੰਗ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਇਸ ਮਹੀਨੇ ਦੇ ElevenLabs ਕ੍ਰੈਡਿਟ ਵਿੱਚੋਂ ਤੁਸੀਂ ਕਿੰਨੇ ਵਰਤ ਲਏ ਹਨ, ਅਤੇ ਜਿਨ੍ਹਾਂ ਮਾਡਲਾਂ ਵਿੱਚ ਇਹ ਸਹੂਲਤ ਹੈ ਉਨ੍ਹਾਂ ਵਿੱਚ ਬੋਲਣ ਦੀ ਸ਼ੈਲੀ ਬਾਕਸ (ਜਿਵੇਂ ਸ਼ਾਂਤ, ਨਿੱਘਾ ਕਹਾਣੀਕਾਰ) ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਹਰ ਵਾਕ ਕਿਸ ਮਿਜ਼ਾਜ ਵਿੱਚ ਪੜ੍ਹਿਆ ਜਾਵੇ। ਸ਼ੈਲੀ ਦੀ ਆਪਣੀ ਲੰਬਾਈ ਵੀ ਹਰ ਵਾਕ ਦੇ ਕ੍ਰੈਡਿਟ ਵਿੱਚ ਜੁੜਦੀ ਹੈ।
ਭਾਸ਼ਾ ਚੁਣਨਾ
ਟੂਲਬਾਰ ਦਾ ਭਾਸ਼ਾ ਬਟਨ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਲਿਖਤ ਨੂੰ ਕਿਸ ਭਾਸ਼ਾ ਦੀ ਮੰਨਿਆ ਜਾਵੇ, ਜੋ ਅੱਗੇ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੀਆਂ ਆਵਾਜ਼ਾਂ ਮਿਲਣ ਅਤੇ ਵਾਕ ਕਿਵੇਂ ਵੰਡੇ ਜਾਣ। ਭਾਸ਼ਾਵਾਂ ਆਪਣੇ ਨਾਮ ਨਾਲ ਸੂਚੀਬੱਧ ਹਨ, ਹਰ ਭਾਸ਼ਾ ਦੀ ਇੱਕ ਐਂਟਰੀ, ਅਤੇ ਖੋਜ ਬਾਕਸ ਮੂਲ ਨਾਮ, ਅੰਗਰੇਜ਼ੀ ਨਾਮ ਜਾਂ ਦੇਸ਼ ਨਾਲ ਮੇਲ ਕਰਦਾ ਹੈ, ਇਸ ਲਈ "Arabic", "Egypt" ਅਤੇ "مصر" ਸਾਰੇ ਇੱਕੋ ਕਤਾਰ ਲੱਭਦੇ ਹਨ।
ਉਸ ਸੂਚੀ ਨੂੰ ਆਪਣਾ ਬਣਾਉਣ ਦੇ ਦੋ ਤਰੀਕੇ, ਦੋਵੇਂ ਸੈਟਿੰਗਾਂ, ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਆਵਾਜ਼ਾਂ ਵਿੱਚ:
- ਜੋ ਨਹੀਂ ਬੋਲਦੇ ਉਹ ਲੁਕਾਓਭਾਸ਼ਾ ਦੀ ਕਤਾਰ 'ਤੇ ਸਵਿੱਚ ਉਸਨੂੰ ਟੂਲਬਾਰ ਦੇ ਮੇਨੂ ਤੋਂ ਬਾਹਰ ਰੱਖਦਾ ਹੈ। ਕਤਾਰ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਧੁੰਦਲੀ ਹੋ ਕੇ ਰਹਿੰਦੀ ਹੈ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਉਸਨੂੰ ਵਾਪਸ ਲਿਆ ਸਕੋ।
- ਕ੍ਰਮ ਆਪ ਤੈਅ ਕਰੋਕਿਸੇ ਕਤਾਰ ਨੂੰ ਉਸ ਦੀ ਪਕੜ ਤੋਂ ਖਿੱਚੋ। ਟੂਲਬਾਰ ਦਾ ਭਾਸ਼ਾ ਮੇਨੂ ਵੀ ਇਹੀ ਕ੍ਰਮ ਵਰਤਦਾ ਹੈ। ਛੇੜੇ ਬਿਨਾਂ, ਸੂਚੀ ਇੱਕ ਹੀ ਕ੍ਰਮ ਰੱਖਦੀ ਹੈ ਅਤੇ ਆਪਣੇ-ਆਪ ਕਦੇ ਨਹੀਂ ਬਦਲਦੀ।
ਇਸੇ ਪੰਨੇ 'ਤੇ ਉਹ ਟੌਗਲ ਵੀ ਹੈ ਜੋ ਐਕਸਟੈਂਸ਼ਨ ਦੀ ਆਪਣੀ ਇੰਟਰਫ਼ੇਸ ਭਾਸ਼ਾ ਤੈਅ ਕਰਦਾ ਹੈ, ਹਰ ਉਸ ਕਤਾਰ 'ਤੇ ਜਿਸ ਭਾਸ਼ਾ ਵਿੱਚ Readalix ਦਾ ਅਨੁਵਾਦ ਹੋ ਚੁੱਕਿਆ ਹੈ। ਇਹ 52 ਹਨ।
ਇੱਕ ਤੋਂ ਵੱਧ ਲਿਪੀਆਂ ਵਿੱਚ ਲਿਖੇ ਪੰਨੇ ਨੂੰ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਦੀ ਲੋੜ ਨਹੀਂ। ਹਰ ਵਾਕ ਉਸ ਆਵਾਜ਼ ਨਾਲ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਉਸ ਦੀ ਲਿਖਣ ਪ੍ਰਣਾਲੀ ਦਾ ਉਚਾਰਨ ਕਰ ਸਕੇ, ਇਸ ਲਈ ਅਰਬੀ, ਯੂਨਾਨੀ, ਇਬਰਾਨੀ ਜਾਂ ਚੀਨੀ ਦਾ ਹਵਾਲਾ ਦੇਣ ਵਾਲਾ ਅੰਗਰੇਜ਼ੀ ਲੇਖ ਸਿੱਧਾ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਸਿਰਫ਼ ਦੂਜੀ ਲਿਪੀ ਵਾਲੇ ਹਿੱਸਿਆਂ ਵਿੱਚ ਆਵਾਜ਼ ਬਦਲਦੀ ਹੈ। ਜੇ ਤੁਸੀਂ ਸਾਈਟ ਲਈ ਭਾਸ਼ਾ ਪਿੰਨ ਕੀਤੀ ਹੈ, ਤਾਂ ਮੁੱਖ ਆਵਾਜ਼ ਉਹੀ ਪਿੰਨ ਤੈਅ ਕਰਦੀ ਹੈ।
ਕਿਹੜੀਆਂ ਆਵਾਜ਼ਾਂ ਸਟੀਕ ਹਾਈਲਾਈਟ ਕਰਦੀਆਂ ਹਨ
ਵਾਕ ਦੀ ਹਾਈਲਾਈਟ ਹਮੇਸ਼ਾ ਸਟੀਕ ਹੁੰਦੀ ਹੈ। ਸ਼ਬਦ ਦੀ ਹਾਈਲਾਈਟ ਇਸ 'ਤੇ ਨਿਰਭਰ ਹੈ ਕਿ ਆਵਾਜ਼ ਆਪਣੀ ਥਾਂ ਦੱਸਦੀ ਹੈ ਜਾਂ ਨਹੀਂ:
- ਸਟੀਕMicrosoft, Kokoro ਅਤੇ ElevenLabs ਆਵਾਜ਼ਾਂ ਹਰ ਸ਼ਬਦ ਦੀ ਸ਼ੁਰੂਆਤ ਦੱਸਦੀਆਂ ਹਨ, ਇਸ ਲਈ ਹਾਈਲਾਈਟ ਬੋਲੇ ਜਾ ਰਹੇ ਸ਼ਬਦ 'ਤੇ ਬੈਠਦੀ ਹੈ।
- ਲਗਭਗ ਸਟੀਕPiper, Gemini ਅਤੇ OpenAI ਆਵਾਜ਼ਾਂ, ਅਤੇ ਤੁਹਾਡੀਆਂ ਆਪਣੀਆਂ ਆਵਾਜ਼ਾਂ, ਦਾ ਸਮਾਂ ਉਨ੍ਹਾਂ ਵੱਲੋਂ ਬਣਾਏ ਆਡੀਓ ਦੀ ਅਸਲ ਲੰਬਾਈ ਨਾਲ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਹਾਈਲਾਈਟ ਕਸੀ ਰਹਿੰਦੀ ਹੈ।
- ਅੰਦਾਜ਼ਨਕੁਝ ਬ੍ਰਾਊਜ਼ਰ ਆਵਾਜ਼ਾਂ ਕੁਝ ਨਹੀਂ ਦੱਸਦੀਆਂ, ਇਸ ਲਈ ਹਾਈਲਾਈਟ ਪੜ੍ਹਨ ਦੀ ਗਤੀ ਅਤੇ ਹਰ ਸ਼ਬਦ ਦੀ ਲੰਬਾਈ ਤੋਂ ਚਲਾਈ ਜਾਂਦੀ ਹੈ। ਲੰਮੇ ਵਾਕਾਂ 'ਤੇ ਇਹ ਥੋੜ੍ਹੀ ਖਿਸਕ ਜਾਂਦੀ ਹੈ।
ਆਵਾਜ਼ ਸੂਚੀ ਕਤਾਰ 'ਤੇ ਹੀ ਦੱਸਦੀ ਹੈ ਕਿ ਇਹ ਕਿਹੜੀ ਕਿਸਮ ਦੀ ਹੈ, ਇਸ ਲਈ ਚੁਣਨ ਤੋਂ ਪਹਿਲਾਂ ਅੰਦਾਜ਼ਾ ਲਾਉਣ ਦੀ ਲੋੜ ਨਹੀਂ।