रसोई की रिकॉर्डिंग से दादी की आवाज़ क्लोन करने चला था, पर हुआ बुरा हाल

पिछले साल दिसंबर की एक दोपहर, मैं अपने फोन लेकर रसोई में घुसा। दादी ८३ की हो चुकी हैं, और वो जो बोली बोलती हैं – अपने गाँव की पुरानी अवधी – अब गिने-चुने लोग ही समझते हैं। सोचा, क्यों न उनकी आवाज़ को आवाज क्लोन करें फ्री वाले किसी टूल से सेव कर लूँ, ताकि हर साल दिवाली पर वो ‘आशीर्वाद’ बज सके।

रसोई में दाल पक रही थी, प्रेशर कुकर की सीटी, मिक्सर की घड़घड़ाहट और बाहर से कबाड़ीवाले का लाउडस्पीकर – “पुराना फ्रिज, पुराना टीवी!” – सब एक साथ बज रहे थे। मैंने आधे घंटे तक दादी से बातें करवाईं, फिर वही ऑडियो फ्री टेक्स्ट टू स्पीच वाली साइट पर डाल दिया।

नतीजा? आवाज़ दादी की थी, मगर जैसे उन्हें ज़ुकाम हो, मुँह में गुटखा दबा हो और वो किसी सुरंग में खड़ी होकर बोल रही हों। पहली कोशिश मुफ्त आवाज क्लोनिंग ने ही ध्वस्त कर दी।

टूल को दोष देने से पहले अपनी रिकॉर्डिंग देखो

मैंने तुरंत दूसरा टूल खोला, फिर तीसरा, चौथा – voice cloning hindi online से लेकर ai voice generator hindi free तक सब आजमाए। हर बार वही ‘सुरंग वाली’ फील। तब जाकर समझ आया: गलती मॉडल की नहीं, मेरे दिए गए कचरे की है। मॉडल ने वही सीखा जो उसे सुनाया – दादी की आवाज़ केवल ३० % थी, बाकी ७० % था कुकर की सीटी, मिक्सर की घड़घड़, कबाड़ी का शोर और टाइल्स से टकराती गूँज।

तुम उसे जो सुनाओगे, वही वो सीखेगा। उसने प्रेशर कुकर को भी दादी की आवाज़ का हिस्सा मान लिया।

तीन बेवकूफियाँ, एक से बढ़कर एक

पहली – रसोई में रिकॉर्ड करना। रसोई घर का सबसे ज्यादा रिवर्ब वाला कोना होता है: टाइल्स, कांच की खिड़की, मेटल के बर्तन। अवधी जैसी बोली जहाँ सुर के उतार-चढ़ाव मायने रखते हैं, वहाँ रिवर्ब ने सारे महीन सुर चपटा कर दिए। बाद में पता चला कि एक छोटा, खिड़की-बंद कमरा, पर्दे लगे, बिस्तर पर कंबल बिछा दो – वही स्टूडियो बन जाता है।

दूसरी – दादी को ‘स्क्रिप्ट’ पढ़वाना। मैंने एक चिट्ठी लिखी, दादी को पढ़ने को कहा। वो एक-एक शब्द ऐसे बोल रही थीं जैसे स्कूल में बच्चे पाठ याद कर रहे हों। अवधी में वो लय, वो ‘आँख’ का खिंचाव, वो ‘हँस के’ कहने का अंदाज़ – सब गायब। क्लोन की गई आवाज़ ‘परफेक्ट’ लगी, पर दादी जैसी नहीं।

तीसरी – जितना लंबा रिकॉर्ड करोगे उतना अच्छा। आधा घंटा रिकॉर्ड किया, लगा ज़्यादा डेटा = बेहतर मॉडल। असल में साफ़-सुथरा हिस्सा बस ८-१० मिनट था, बाकी शोर और चुप्पी। फोन चूल्हे के पास रखा था, कभी पास कभी दूर – वॉल्यूम ऊपर-नीचे। ऐसा डेटा देकर मॉडल सिर्फ बाहरी आकार सीख पाता है।

दोबारा रिकॉर्डिंग का दिन – मैंने क्या बदला

एक हफ्ते बाद दादी को बहन के घर के उस उत्तरमुखी छोटे कमरे में ले गया। इस बार मैंने अपनी आवाज क्लोन करें वाला सबक याद रखा:

  • फोन को ट्राइपॉड पर फिक्स किया, मुँह से २० सेमी दूर, पूरे सेशन में हिलाया नहीं
  • खिड़की, AC, पर्दे सब बंद; फोन को फ्लाइट मोड में डाल दिया
  • स्क्रिप्ट नहीं, बस सवाल पूछे – “बचपन में दिवाली कैसे मनाते थे?”, “अम्मा तुम्हें कैसे डाँटती थीं?”
  • हर टेक ५-८ मिनट का, खत्म होते ही हेडफोन पर सुन लिया; शोर हो तो फिर से
  • कुल मिलाकर ~२० मिनट साफ़ ऑडियो, चार सेशन में

रिकॉर्डिंग के दौरान मैंने हिंदी में टेक्स्ट को आवाज़ में बदलें वाला ऑनलाइन TTS भी चेक किया – फ्री है, ट्राई करने में कोई रिस्क नहीं। वो ‘अरे’, ‘ओहो’, ‘जानते हो न’ जैसे भराव शब्द कहाँ आने चाहिए, ये पहले ही तय कर लिया।

जब फाइनल मर्ज किया, पहली लाइन – “नातिन रे…” – निकली तो बहन वहीं जम गई। वो टेल जो नीचे गिरती है, हल्की सी खराश – वही दादी है।

घर की चिट्ठी बनकर तैयार हुई

पूरी चिट्ठी २६ टुकड़ों में बाँटी, हर टुकड़ा १-२ वाक्य। टुकड़े ज़्यादा हुए तो text to speech without signup hindi वाला अनलिमिटेड TTS काम आया – कोई लिमिट नहीं, न रजिस्ट्रेशन का झंझट। साइट मुफ्त आवाज क्लोनिंग पर क्लिक करते ही शुरू, न कोई सॉफ्टवेयर इंस्टॉल, न कोई पॉप-अप।

एक बात और: परफेक्ट क्वालिटी के पीछे मत भागो। थोड़ी साँस की आवाज़, हल्की सी थूक की आवाज़ रहने दो – वही true human speech synthesis free फील देती है। एकदम क्लीन कर दोगे तो रेडियो अनाउंसर लगेगा, दादी नहीं।

अगर किसी बुजुर्ग की बोली बहुत भारी है, तो भी घबराओ मत। उनके सबसे आराम वाले ३-४ मिनट के टुकड़े लो, उन्हें ही मेन ट्रेनिंग डेटा बनाओ; बाकी पार्ट के लिए नॉर्मल हिंदी TTS मिला दो – परिवार वालों को अजीब नहीं लगेगा।

बैच में करना हो तो free voice cloning india API का सहारा लो – टेक्स्ट फेंको, ऑडियो अपने आप निकलता जाए। मेरे जैसे साल में एक बार करने वालों के लिए वेब UI ही काफी है।

आम सवाल

पहले से शोर वाली रिकॉर्डिंग है, अब क्या करूँ?

थोड़ा सुधार हो सकता है, पर उम्मीद ज़्यादा मत रखो। फ्री AI डबिंग टूल का नॉइज़ रिमूवल चलाओ, या वीडियो एडिटर में शोर वाले हिस्से काट दो। अगर साफ़ हिस्सा ३ मिनट से कम है, तो दोबारा रिकॉर्ड करना ही बेहतर – दो घंटे की री-रिकॉर्डिंग vs दो हफ्ते की एडिटिंग, फैसला तुम करो।

अवधी/भोजपुरी क्लोनिंग और हिंदी क्लोनिंग में क्या फर्क है?

फर्क डेटा का है। हिंदी के लाखों घंटे मॉडल ने देखे हैं, अवधी के बस कुछ हज़ार। इसलिए voice cloning hindi online के मुकाबले बोली क्लोनिंग सामग्री की क्वालिटी पे ज़्यादा संवेदनशील है। हर सेकंड ‘प्योर’ होना चाहिए। और अवधी के सुर हिंदी में नहीं मिलते, तो मॉडल को ज़्यादा सैंपल चाहिए। रोज़मर्रा की बातचीत रिकॉर्ड करो, स्क्रिप्ट पढ़वाने से सौ गुना बेहतर।

फ्री टूल्स कहाँ तक काम आते हैं?

पारिवारिक ऑडियो बुक, यूट्यूब शॉर्ट्स/रील्स के लिए hindi voice over ai free काफी है – ऑनलाइन फ्री वॉइस क्लोनिंग आजकल उम्मीद से बेहतर देती है। बल्क में जनरेट करना हो तो फ्री TTS API जोड़ दो, दर्जनों सेगमेंट एक साथ निपट जाते हैं। कमर्शियल लेवल की डबिंग, लंबे ऑडियोबुक जहां एकदम स्टेबल आउटपुट चाहिए, वहाँ पेड प्लान देखो। मुझे तो परमानेंट फ्री वॉइस क्लोनिंग ही काफी लगी – पैसा नहीं, ट्राई करने का रिस्क ज़ीरो। और टिप्स के लिए डायनामिक पेज देख लो, काम की चीज़ें मिलेंगी।

इंतज़ार मत करो

दादी पिछले साल चली गईं। वो चिट्ठी अब मेरे फोन में भी है, गूगल ड्राइव में भी। इस दिवाली जब बजाई, माँ रो पड़ीं, भतीजी ने पूछा – “ये कौन बोल रहा है?” वो समझ नहीं पाई, पर बड़ी होगी तो बताऊँगा: “ये परदादी की आवाज़ है, अपने गाँव की बोली।”

अगर तुम्हारे घर में भी ऐसा कोई बड़ा है, देर मत करो। किसी शांत दोपहर, AC बंद करो, फोन स्टैंड पर लगाओ, पूछो – “बचपन में होली कैसे खेलते थे?” बाकी फ्री टूल्स संभाल लेंगे।

अगली पोस्ट में बताऊँगा कैसे मैंने उसी क्लोन से ऑडियो बुक आवाज बनाएं और उसे स्पॉटिफाई पर डाला। तब तक, अपनी रिकॉर्डिंग साफ़ रखो और मज़े करो!