केवल 10 सेकंड के ऑडियो इनपुट के साथ तुरंत वॉइस मैजिक का अनुभव करें!
अभी शुरू करें
Grok Text To Speech लिखी हुई स्क्रिप्ट्स को बिना रिकॉर्डिंग सेटअप के प्राकृतिक ऑडियो में बदल देता है। यह वॉयस आर्टिस्ट्स का इंतज़ार करने या स्टूडियो समय बुक करने की बाधा को हटाता है, जिससे आप कुछ ही सेकंड में एक टेक्स्ट प्रॉम्प्ट से तैयार ऑडियो फ़ाइल बना सकते हैं। नैरेटर, प्रोडक्ट टीमें, और डेवलपर्स इसे कोर्स नैरेशन से लेकर स्वचालित फ़ोन सिस्टम तक हर चीज़ के लिए उपयोग करते हैं। पाँच वॉइस विकल्प डिलीवरी शैलियों की एक विस्तृत श्रृंखला को कवर करते हैं, उत्साही और जोशीले से लेकर शांत और प्रभावशाली तक। इनलाइन स्पीच टैग्स आपको सटीक पेसिंग नियंत्रण के लिए सीधे अपनी स्क्रिप्ट में विराम, हँसी, या फुसफुसाए गए हिस्से जोड़ने देते हैं। आउटपुट MP3, WAV, PCM, और टेलीफोनी कोडेक्स में, कई सैंपल रेट्स के साथ आते हैं, जो अधिकांश ऑडियो वर्कफ़्लो की तकनीकी आवश्यकताओं से मेल खाते हैं। अपनी स्क्रिप्ट पेस्ट करें, एक आवाज़ और फ़ॉर्मैट चुनें, और फ़ाइल कुछ ही सेकंड में तैयार हो जाती है। वीडियो प्रोजेक्ट्स के लिए, अंतिम रिकॉर्डिंग पर जाने से पहले इसे एक अस्थायी नैरेशन ट्रैक के रूप में उपयोग करें। टेलीफोनी के लिए, mulaw या alaw के रूप में एक्सपोर्ट करें और सीधे अपने IVR सिस्टम में अपलोड करें। Picasso IA पर कुछ पंक्तियाँ चलाना ही काफी है यह सुनने के लिए कि प्रत्येक आवाज़ आपके ब्रांड टोन के साथ कैसी लगती है।
Grok Text To Speech किसी भी लिखे हुए इनपुट से प्राकृतिक-सा ऑडियो बनाता है, जिसमें 20 भाषाएँ और पाँच वॉइस व्यक्तित्व शामिल हैं, जिनके टोन और डिलीवरी शैलियाँ अलग-अलग हैं। अगर आपको एक वीडियो, पॉडकास्ट इंट्रो, या रिकॉर्ड किए गए संदेश के लिए वॉइसओवर चाहिए लेकिन माइक्रोफ़ोन या वॉयस टैलेंट उपलब्ध नहीं है, तो यह उस अंतर को भर देता है। Picasso IA पर, आप अपना टेक्स्ट पेस्ट करते हैं, एक आवाज़ चुनते हैं, और कुछ ही सेकंड में एक साफ़ ऑडियो फ़ाइल प्राप्त करते हैं। मॉडल 15,000 वर्ण तक की स्क्रिप्ट स्वीकार करता है और विराम, हँसी, या फुसफुसाए गए अंश जैसे इनलाइन स्पीच टैग्स को सीधे आपके टेक्स्ट से पढ़ता है।
क्या इसे इस्तेमाल करने के लिए मुझे प्रोग्रामिंग कौशल या तकनीकी ज्ञान चाहिए? नहीं, बस Picasso IA पर Grok Text To Speech खोलें, अपनी पसंद की सेटिंग्स समायोजित करें, और जनरेट पर क्लिक करें।
क्या इसे आज़माना मुफ़्त है? हाँ, आप बिना किसी अग्रिम भुगतान के मॉडल चला सकते हैं। अपने वर्तमान बैलेंस और प्लान विवरण के लिए क्रेडिट्स पैनल देखें।
परिणाम मिलने में कितना समय लगता है? अधिकांश अनुरोध कुछ ही सेकंड में पूरे हो जाते हैं। 15,000-वर्ण सीमा के नज़दीक लंबे टेक्स्ट में थोड़ा अधिक समय लग सकता है, लेकिन तैयार ऑडियो आम तौर पर 20 सेकंड से कम में मिल जाता है।
कौन-से आउटपुट फ़ॉर्मैट समर्थित हैं? आप सामान्य साझा करने के लिए MP3, लॉसलेस गुणवत्ता के लिए WAV, रॉ ऑडियो पाइपलाइनों के लिए PCM, या टेलीफोनी सिस्टम्स के लिए mulaw और alaw फ़ॉर्मैट्स में ऑडियो डाउनलोड कर सकते हैं। आप सैंपल रेट और, MP3 के लिए, बिट रेट भी स्वतंत्र रूप से नियंत्रित कर सकते हैं।
क्या मैं टोन, पेसिंग, या डिलीवरी शैली नियंत्रित कर सकता हूँ? हाँ। मॉडल आपके टेक्स्ट में सीधे लिखे गए इनलाइन स्पीच टैग्स को पढ़ता है। वाक्यों के बीच [pause] डालें, प्राकृतिक विराम के लिए [laugh] जोड़ें, या किसी अंश को whisper टैग्स में लपेटें ताकि वह हिस्सा कैसे पढ़ा जाए, इसे बदला जा सके।
यह कितनी भाषाओं का समर्थन करता है? मॉडल अंग्रेज़ी, फ़्रेंच, जर्मन, स्पेनिश, जापानी, कोरियाई, अरबी, हिंदी, पुर्तगाली, चीनी, और अधिक सहित 20 भाषाओं को कवर करता है। भाषा को BCP-47 कोड के साथ मैन्युअल रूप से सेट करें या ऑटो-डिटेक्ट का उपयोग करें और मॉडल को आपके इनपुट से यह पहचानने दें।
मैं जो ऑडियो फ़ाइलें जनरेट करता हूँ, उनका उपयोग कहाँ कर सकता हूँ? फ़ाइलें बिना वॉटरमार्क या एम्बेडेड ब्रांडिंग के साफ़ डाउनलोड होती हैं। आप उन्हें वीडियो प्रोजेक्ट्स, पॉडकास्ट एपिसोड्स, ई-लर्निंग कोर्सेज़, वॉइसमेल रिकॉर्डिंग्स, या किसी भी अन्य संदर्भ में उपयोग कर सकते हैं जिसे बोले गए ऑडियो की आवश्यकता हो।
यह मॉडल आपके लिए क्या कर सकता है
अपने कंटेंट के टोन से मेल खाने के लिए उत्साही, गर्म, आत्मविश्वासी, स्मूद, या प्रभावशाली डिलीवरी में से चुनें।
सटीक पेसिंग नियंत्रण के लिए अपनी स्क्रिप्ट में सीधे इनलाइन विराम, हँसी, और फुसफुसाहटें जोड़ें।
किसी भी समर्थित भाषा में ऑडियो जनरेट करें, या मॉडल को पहले टेक्स्ट पढ़ने देने के लिए ऑटो-डिटेक्ट सेट करें।
अपनी पाइपलाइन की तकनीकी ज़रूरतों के अनुसार MP3, WAV, PCM, mulaw, या alaw के रूप में एक्सपोर्ट करें।
टेलीफोनी के लिए 8kHz से लेकर प्रसारण-स्तरीय आउटपुट के लिए 48kHz तक सैंपल रेट सेट करें।
जनरेशन से पहले संख्याओं, संक्षेपों, और प्रतीकों को स्वचालित रूप से बोले जाने वाले रूप में बदलें।
प्रति रन 15,000 वर्ण तक प्रोसेस करें, जो एक पूरी लेख या बहु-पृष्ठ स्क्रिप्ट के लिए पर्याप्त है।
