रात दो बजे आवाज़ क्लोन की, दूसरी बार में ही लगी असली
रात के दो बजे, मैं अपने लिखे एक छोटे से किस्से को आवाज़ में बदलना चाहता था। ब्राउज़र खोला, मुफ्त आवाज क्लोनिंग टूल पर गया, अपनी 5‑सेकंड की रिकॉर्डिंग अपलोड की और जनरेट दबा दिया। जो ऑडियो निकला वो ऐसा लगा जैसे कोई जल्दी में न्यूज़ पढ़ रहा हो – शब्द एक‑दूसरे से चिपके, साँस लेने की जगह ही नहीं। मन में सवाल उठा: क्या यही मेरी आवाज़ है?
पहली कोशिश: सीधा जनरेट, स्पीड बहुत तेज़
टेक्स्ट में सिर्फ कॉमा और फुलस्टॉप थे। मॉडल ने उन्हें बस कैरेक्टर समझ लिया, कोई पॉज़ नहीं दिया। मैंने टेक्स्ट में “…” भी डाले, फिर भी आउटपुट वही रहा। लगा शायद ये टूल सिर्फ न्यूज़ बुलेटिन के लिए बना है।
दूसरी बार: स्पीड स्लाइडर और जबरन पॉज़
हार नहीं मानी। ऑनलाइन टेक्स्ट टू स्पीच के सेटिंग में स्पीड स्लाइडर मिला, उसे 1.0 से 0.75 पर लाया। लंबे वाक्यों को 2‑3 छोटे वाक्यों में तोड़ा, हर वाक्य के अंत में फुलस्टॉप, बीच में सेमीकोलन, कोलन, यहाँ तक कि देवनागरी “।,” भी डाले। फिर जनरेट किया – ईयरफ़ोन से आवाज़ आई जिसमें “साँस लेना – छोड़ना” का रिदम था, बिल्कुल जैसे कोई पास बैठकर कहानी सुना रहा हो। वो पल था जब लगा: स्पीड और पॉज़ दो अलग‑अलग नॉब हैं, इन्हें अलग‑अलग घुमाओ तो कमाल हो जाता है।
प्रैक्टिकल टिप्स: टेक्स्ट तोड़ो, पंक्चुएशन से रिदम कंट्रोल करो
- लंबे पैराग्राफ को अर्थ के हिसाब से 2‑3 वाक्यों के छोटे ब्लॉक में काटो
- हर ब्लॉक के अंत में फुलस्टॉप, अंदर सेमीकोलन/कोलन/देवनागरी “।,”
- स्पीड स्लाइडर पहले 0.8 पर सेट करो, सुनकर माइक्रो‑एडजस्ट करो
- जहाँ गहरी साँस चाहिए वहाँ “…” या “——” डाल दो – मॉडल इन्हें पॉज़ सिग्नल मान लेता है
ये सब ब्राउज़र में ही हो जाता है, न कोड न इंस्टॉल। बाद में ऑडियोबुक, रील्स, यूट्यूब वॉयसओवर के लिए पोस्ट‑प्रोडक्शन की झंझट नहीं रहती।
स्पीड कितनी रखें कि नेचुरल लगे?
0.75‑0.85 के बीच स्लाइडर रखो, छोटे वाक्य और पंक्चुएशन के साथ – सबसे करीब मानवीय गति मिलती है।
पॉज़ समझ नहीं आ रहा?
जहाँ साँस लेनी हो वहाँ मैन्युअली फुलस्टॉप या “…” डाल दो; मॉडल उसे पॉज़ की तरह ट्रीट करता है।
फ्री टूल में कोई लिमिट है?
फिलहाल मुफ्त आवाज क्लोनिंग टूल और ऑनलाइन टेक्स्ट टू स्पीच दोनों परमानेंट फ्री हैं, न साइन‑अप न जनरेशन लिमिट – जब मन करे यूज़ करो।
अगली बार कोई स्क्रिप्ट टू स्पीच करनी हो, सीधा जनरेट मत दबाओ। दो मिनट स्पीड एडजस्ट करो, दो‑चार पंक्चुएशन डालो – सुनने का मज़ा दोगुना हो जाएगा। और अगर और भी ट्रिक्स चाहिए तो और ट्यूटोरियल देख लो, वहाँ हर रिदम के लिए कोई न कोई सेटिंग मिल ही जाएगी।