मुफ्त वॉइस क्लोनिंग सच में काम करती है? मैंने अपने कोर्स पर टेस्ट किया, और हाँ... ये कमाल है!
पिछले हफ्ते मुझे एक ऑनलाइन कोर्स के लिए 20 स्लाइड्स का वॉइसओवर रिकॉर्ड करना था। दो दिन में गला बैठ गया, और मैं हार मानने वाली थी। तभी एक दोस्त ने लिंक भेजा – "ये फ्री वॉइस क्लोनिंग ट्राई कर, खुद को मत मार।" मैंने मन ही मन सोचा, फ्री में क्या अच्छा मिलेगा? या तो फोन नंबर मांगेंगे, या रोबोट जैसी आवाज़ निकलेगी जो सुनते ही नींद आ जाए।
पर मजबूरी थी, तो मैंने फ्री वॉइस क्लोनिंग वाला पेज खोला। और... मैं गलत थी, पूरी तरह गलत।
पहली नज़र में लगा, कोई फेक साइट है
वो पेज इतना साफ-सुथरा था कि मुझे शक हुआ। ना कोई पॉप-अप, ना "फ्री ट्रायल के लिए रजिस्टर करें" वाला झंझट, ना ही कोई लॉगिन बटन। मैंने सोचा, ये तो कोई छोटा सा प्रोजेक्ट है जो कल बंद हो जाएगा।
फिर भी, मैंने अपनी किताब से एक पैराग्राफ कॉपी करके पेस्ट किया, एक डिफॉल्ट आवाज़ चुनी, और "सिंथेसाइज़" दबाया। दस सेकंड में ऑडियो तैयार। मैंने इयरफोन लगाकर सुना... और यकीन नहीं हुआ। इतनी नैचुरल आवाज़? विराम, ज़ोर, उतार-चढ़ाव – सब कुछ इतना ठीक था कि मुझे लगा जैसे कोई इंसान बोल रहा है। वो रोबोटिक सपाटपन बिल्कुल नहीं था।
फिर मैंने उनका ब्लॉग/आर्टिकल सेक्शन खोला, देखा कि वो लगातार अपडेट हो रहा है, और पेज के नीचे साफ लिखा है – "परमानेंटली फ्री"। माना, मेरा पहला इम्प्रेशन गलत था।
अपने कोर्स पर टेस्ट किया, और डर गई
मैंने अपनी रिकॉर्ड की हुई एक तीन मिनट की ऑडियो अपलोड की – जिसमें मैं अपने छात्रों को समझा रही थी। सोचा, चलो देखते हैं ये मेरी आवाज़ कितनी अच्छी तरह क्लोन कर पाती है। प्रोसेस बहुत तेज़ था – अपलोड, एनालिसिस, जनरेट – सब एक के बाद एक।
असली हैरानी तब हुई जब मैंने रिजल्ट सुना। मेरी आवाज़ में हल्की सी कर्कशता है, और हिंदी में मेरा उच्चारण थोड़ा देसी है – उसने वो सब पकड़ लिया। सबसे बड़ी बात – वो "रोबोटिक इलेक्ट्रिक टेल" नहीं थी जो आमतौर पर फ्री TTS में सुनाई देती है। पहले जो टूल्स इस्तेमाल किए थे, उनमें लंबे वाक्यों के आखिर में आवाज़ बिगड़ जाती थी, पर ये बिल्कुल स्थिर रही।
मैंने एक लाइन भी टेस्ट की – "ये फॉर्मूला याद नहीं है तो कोई बात नहीं, एग्जाम में आप चीट शीट ले जा सकते हैं" – और उसने वो शरारत भरा अंदाज़ बिल्कुल सही पकड़ा। ये सिर्फ नकल नहीं थी, इसमें थोड़ी जान थी।
सबसे बड़ी राहत: कोई रजिस्ट्रेशन नहीं
मेरे लैपटॉप में कम से कम पाँच "फ्री AI वॉइस" सॉफ्टवेयर हैं, और हर एक में रजिस्ट्रेशन अनिवार्य है। कुछ तो क्रेडिट कार्ड भी मांगते हैं। इसीलिए मुझे ये देखकर खुशी हुई कि ये फ्री वॉइस क्लोनिंग टूल बिना किसी साइनअप के सीधा इस्तेमाल होता है। मैंने 500 शब्दों का एक पाठ कॉपी किया, पेस्ट किया, आवाज़ चुनी, और जनरेट दबाया – पूरे रास्ते मुझे "लॉगिन" बटन नहीं दिखा।
और ये कोई "पहले 1 मिनट फ्री, फिर पे करो" वाला स्कैम नहीं है। मैंने लगातार छह ऑडियो बनाए, हर एक पूरा आया, कोई रोक-टोक नहीं। इसी एक चीज़ के लिए मैं इसे पाँच में से चार स्टार दूंगी।
अपनी आवाज़ क्लोन करते समय मेरी गलती और उसका इलाज
शुरू में मैंने जल्दबाज़ी में एक ऐसी रिकॉर्डिंग अपलोड कर दी जिसमें बैकग्राउंड म्यूज़िक था। नतीजा? आवाज़ ऐसी आई जैसे पानी के अंदर से बोल रही हो – दबी-दबी और बेजान।
फिर मैंने वेबसाइट पर दिए गए निर्देश पढ़े, जिसमें बताया गया था कि साफ आवाज़ इस्तेमाल करें। मैंने फिर से "आ, आ, एक, दो, तीन" बोलकर एक ड्राई रिकॉर्डिंग बनाई, और दूसरी बार क्लोन किया – फर्क साफ दिखा। तो अगर आप भी फ्री वॉइस क्लोनिंग आज़माना चाहते हैं, तो पहले एक शांत कमरा ढूंढें, और हाँ, मेरी तरह गलती मत करना।
एक और टिप: अगर क्लोन की हुई आवाज़ में कोई शब्द गलत उच्चारित हो, तो पूरा ऑडियो दोबारा जनरेट मत करें। बस टेक्स्ट में उस शब्द को सही करें, सिर्फ उस लाइन को अलग से सिंथेसाइज़ करें, और फिर सबको जोड़ दें। ये फीचर होमपेज पर नहीं लिखा है, पर मैंने टेस्ट किया, ये काम करता है।
सिर्फ बोलना नहीं, ये गा भी सकता है!
जी हाँ, आपने सही पढ़ा। इस साइट पर एक छिपा हुआ फीचर है – फ्री वॉइस क्लोनिंग सिंगिंग पेज पर आप अपनी धुन अपलोड कर सकते हैं, और ये आपकी आवाज़ में गाकर सुनाएगा। मैंने "जन्मदिन मुबारक" गाकर टेस्ट किया – सुर थोड़े बिगड़े हुए थे, लेकिन आवाज़ बिल्कुल मेरी लग रही थी। मेरे दोस्त ने सुनकर हंसी नहीं रोक पाई।
सच कहूँ, ये फीचर अभी मज़ाक और रीमिक्स बनाने के लिए ठीक है, गंभीर काम के लिए नहीं। पर सोचिए – बिना रजिस्ट्रेशन वाला टूल इतनी छोटी-छोटी ज़रूरतों का भी ख्याल रखता है, और बिना एक रुपया लिए।
तो फ्री का दाम क्या है? मैंने सारे नुकसान ढूंढ लिए
इकलौती कमी ये है कि पहले से मौजूद आवाज़ों की संख्या कम है – शायद दस-बारह। लेकिन अगर आप पाँच मिनट निकालकर अपनी आवाज़ रिकॉर्ड कर लें, तो आपके पास अनलिमिटेड आवाज़ें हो जाती हैं। और हर बार जनरेट करने पर लंबाई की कोई सीमा नहीं है – उन ऑनलाइन टूल्स के विपरीत जो 200 शब्दों के बाद पैसे मांगते हैं।
एक छोटी सी दिक्कत: इंटरनेट धीमा हो तो जनरेट होने में आधा मिनट लग सकता है। पर उन साइट्स की तुलना में जो तीन मिनट तक "लोडिंग" दिखाकर अंत में "फेल" बोल देती हैं, ये बहुत बेहतर है।
पेड टूल्स से कितना फर्क है?
मेरे पास एक पेड वॉइसओवर सॉफ्टवेयर है जिसका मासिक शुल्क 499 रुपये है। मैंने उसी कोर्स की स्क्रिप्ट दोनों जगह डाली, और तीन बार ब्लाइंड टेस्ट किया। सच कहूँ तो, पेड वर्जन में सांस लेने की जगह थोड़ी बेहतर है – मिलीसेकंड का फर्क सुनाई देता है – लेकिन वो फर्क "आसमान-ज़मीन" जैसा नहीं है।
इसके अलावा, पेड टूल में हर बार "इमोशन लेवल" और "स्पीड कर्व" खुद से सेट करना पड़ता है, जो बहुत थकाऊ है। ये फ्री टूल खुद ही विराम और संदर्भ के हिसाब से रिदम सेट कर लेता है – मुझे कुछ नहीं करना पड़ता।
बेशक, अगर आप प्रोफेशनल ऑडियोबुक या ऐड के लिए आवाज़ चाहते हैं, तो असली वॉइस आर्टिस्ट ही बेहतर हैं। लेकिन कोर्स बनाने, शॉर्ट वीडियो काटने, या पॉडकास्ट इंट्रो के लिए – ये फ्री टूल काफी है, उम्मीद से ज़्यादा।
बैच प्रोसेसिंग से बना आधा घंटे का काम 10 मिनट में
कल शाम मैंने सोचा, क्यों न पूरे "त्रिकोणमिति" चैप्टर की PPT नोट्स ही अपलोड कर दूँ। कुल बारह सेक्शन थे, हर एक करीब 300 शब्द। मैंने सारे टेक्स्ट कॉपी करके एक-एक करके पेस्ट किए, जनरेट दबाया, और चाय बनाने चली गई। लौटी तो बारहों ऑडियो डाउनलोड लिस्ट में तैयार थे।
हर ऑडियो 15-20 सेकंड का था, और मैंने 10 मिनट से कम में सब खत्म कर दिया। पहले खुद रिकॉर्ड करते समय गला साफ करना, रुकना, दोबारा बोलना – उसमें घंटा लग जाता था। अब सीधे कैपकट में डालो, स्लाइड्स के हिसाब से टाइमिंग सेट करो, एक्सपोर्ट करो – बस।
एक बात का ध्यान रखें – जनरेट करने से पहले टेक्स्ट में कोई गलत स्पेलिंग या अजीब सिंबल (जैसे &, #) न हो। मैंने एक बार "π≈3.14" लिखा और उसने "पाई लगभग बराबर तीन दशमलव चौदह" पढ़ दिया। बाद में "पाई लगभग 3.14" लिखा तो सही रहा।
आखिरी बात, दिल से
कल मैंने अपने अगले हफ्ते वाले "त्रिकोणमिति" कोर्स के सारे बारह वॉइसओवर तैयार कर लिए। आज क्लास में छात्रों ने एक बार भी नहीं पूछा "मैडम, आपकी आवाज़ कैसी है?" – क्योंकि उन्हें पता ही नहीं चला कि ये मेरी असली आवाज़ नहीं है।
अगर आप भी माइक के सामने बार-बार रिकॉर्ड करके थक गए हैं, तो ऑनलाइन टेक्स्ट टू स्पीच फ्री वाले पेज पर एक बार ज़रूर जाइए। कोई रजिस्ट्रेशन नहीं है, पसंद न आए तो बंद कर दीजिए। लेकिन मेरा अनुभव कहता है कि आप भी मेरी तरह इसे अपने ब्राउज़र के बुकमार्क में डाल लेंगे। आखिर, जो चीज़ मुफ्त में मिल रही है, उसके लिए पैसे क्यों बहाएं?
वैसे, अगर आप भी इस्तेमाल करें, तो मुझे बताइए कि आपने इससे क्या बनाया। मुझे उत्सुकता है कि ये टूल कोर्स के अलावा और किन कामों में काम आ सकता है।