तैयार पांडुलिपि को स्टूडियो बुक किए या हर टाइटल के लिए नैरेटर रखे बिना नैरेट की गई ऑडियोबुक में बदलिए। Picasso IA के टेक्स्ट टू स्पीच मॉडल पहले अध्याय से आखिरी तक एक जैसी आवाज़, रफ़्तार और टोन बनाए रखते हैं, जिससे पूरी किताब एक ही नैरेटर जैसी लगती है।
तैयार पांडुलिपि अपने आप ऑडियोबुक नहीं बन जाती। आखिरी पन्ना लिखने और तैयार ऑडियो फ़ाइल अपलोड करने के बीच स्टूडियो बुक करने के हफ़्तों, किसी पेशेवर नैरेटर की दिनभर की फ़ीस, और एडिटिंग के उन दौरों का समय होता है जिनका बजट ज़्यादातर स्वतंत्र लेखक कभी नहीं बनाते। एआई नैरेशन यह दूरी कम कर देता है: एक आवाज़ चुनिए, हर अध्याय उसी लय और टोन में जनरेट कीजिए, और एक ही दिन में समीक्षा के लिए पूरा पहला ड्राफ़्ट तैयार पाइए।
किसी भी टेक्स्ट टू स्पीच मॉडल के लिए एक पैराग्राफ़ अच्छी तरह पढ़ना आसान है। तीन सौ पन्नों की किताब अलग समस्या है, क्योंकि वही आवाज़ पहले अध्याय में भी वैसी ही लगनी चाहिए जैसी तीसवें अध्याय में: वही लय, वही टोन, वाक्य खत्म करने का वही तरीका। यह एक जैसापन ही लंबी नैरेशन की असली तकनीकी चुनौती है, और पूरी किताब सुनाने की ज़िम्मेदारी लेने से पहले यही सबसे पहले जांचने लायक चीज़ है।
आजकल के ज़्यादातर टेक्स्ट टू स्पीच मॉडल लंबी जनरेशन में आवाज़ को स्थिर रखते हैं, लेकिन स्थिरता एक ऐसी बात है जिसे परखना चाहिए, मान लेना नहीं। किताब की शुरुआत से एक अध्याय जनरेट कीजिए और अंत के पास से एक और, फिर दोनों को लगातार सुनिए। अगर आवाज़ में बदलाव आता है, ऊर्जा में, लंबे वाक्यों को संभालने के तरीके में, ज़ोर कहां दिया जा रहा है इसमें, तो आपको यह फ़ौरन सुनाई देगा, और इसे दो नमूना अध्यायों में पकड़ना पूरे तीस अध्याय जनरेट करने के बाद पकड़ने से कहीं सस्ता है।
सलाह: अपने पहले सफल अध्याय से दस से बीस सेकंड का एक छोटा रेफ़रेंस क्लिप रखिए, और आगे बढ़ने से पहले हर अगले अध्याय की उससे तुलना कीजिए। कान उन बदलावों को पकड़ लेता है जो ट्रांसक्रिप्ट की झटपट रीडिंग में नहीं दिखते।
आवाज़ वह फ़ैसला है जो पूरी किताब के अनुभव को सबसे ज़्यादा तय करता है, रिकॉर्डिंग की क्वालिटी से भी ज़्यादा, आपके नियंत्रण में मौजूद किसी भी और चीज़ से भी ज़्यादा। कोई तेज़, ऊर्जावान आवाज़ जो बिज़नेस की एक व्यावहारिक किताब में जंचती है, धीमे साहित्यिक उपन्यास को कमज़ोर कर देगी, और कोई गर्मजोशी भरी, इत्मीनान वाली आवाज़ जो साहित्यिक फ़िक्शन में जंचती है, तेज़ रफ़्तार वाले थ्रिलर में सुस्त लगेगी।
आवाज़ के नमूने सुनते समय अपने असली पहले अध्याय को ध्यान में रखिए, किसी सामान्य पैराग्राफ़ को नहीं। नॉन-फ़िक्शन और बिज़नेस टाइटल आमतौर पर साफ़, आत्मविश्वासी और संतुलित रफ़्तार वाली आवाज़ में बेहतर लगते हैं जो समझाते समय गति बनाए रखे। फ़िक्शन को ज़्यादा रेंज का फ़ायदा मिलता है: कोई आवाज़ जो विवरण के लिए धीमी हो जाए और एक्शन के लिए तेज़, वह पूरी किताब में फैली एक जैसी समतल रफ़्तार से ज़्यादा ध्यान बांधे रखती है। बच्चों और मिडिल-ग्रेड टाइटल को आमतौर पर वयस्क थ्रिलर से ज़्यादा गर्मजोशी भरी, ज़्यादा भावपूर्ण आवाज़ से फ़ायदा होता है।
आप जो भी चुनें, एक से ज़्यादा नमूना अध्याय जनरेट करने से पहले उसे तय कर लीजिए। प्रोजेक्ट के बीच में नैरेटर बदलना दोबारा शुरुआत करने जैसा है, क्योंकि दो अलग आवाज़ों में सुनाई गई किताब गलती जैसी लगती है, शैली का फ़ैसला नहीं।
फ़िल्म की स्क्रिप्ट में सीन ब्रेक और स्टेज डायरेक्शन पहले से बने होते हैं, जो टेक्स्ट टू स्पीच मॉडल को बता देते हैं कि क्या करना है। पांडुलिपि में ऐसा नहीं होता। कुछ भी जनरेट करने से पहले तय कीजिए कि आप किताब के उन संरचनात्मक हिस्सों को कैसे संभालेंगे जो स्क्रिप्ट में कभी नहीं होते: अध्याय शीर्षक, सेक्शन डिवाइडर, फ़ुटनोट, और कंटेंट टेबल या कॉपीराइट पेज जैसी शुरुआती सामग्री।
भरोसेमंद तरीका यह है कि पूरी पांडुलिपि एक साथ डालने के बजाय एक बार में एक अध्याय जनरेट किया जाए। जो टेक्स्ट आप पेस्ट करते हैं उसमें से अध्याय नंबर और सेक्शन डिवाइडर हटा दीजिए, क्योंकि नैरेशन के बीच में "अध्याय सात" ज़ोर से पढ़ा जाना सुनने का भ्रम तोड़ देता है, और एडिटिंग के दौरान जनरेट की गई ऑडियो फ़ाइलों के बीच खुद अपना विराम जोड़िए। फ़ुटनोट के लिए भी पहले से फ़ैसला लेना ज़रूरी है: ज़्यादातर ऑडियोबुक इन्हें हटा देते हैं, इनकी सामग्री को मुख्य वाक्य में जोड़ देते हैं, या इन्हें संबंधित पैराग्राफ़ के अंत में एक छोटे से अलग हिस्से की तरह सुनाते हैं। एक तरीका चुनिए और उसे पूरी किताब में लागू कीजिए।
अध्याय दर अध्याय समीक्षा करने से समस्याएं जल्दी पकड़ में आती हैं। अध्याय दो में किसी किरदार का नाम गलत उच्चारण होना दो मिनट में ठीक हो जाता है। वही नाम वैसे ही गलत उच्चारण के साथ अध्याय बाईस में, सब कुछ जनरेट हो चुकने के बाद, उस काम को दोबारा करने का मतलब है जिसे आप पूरा मान चुके थे।
हर शैली नैरेशन से कुछ अलग मांगती है। यह एक शुरुआती बिंदु है, कोई पक्का नियम नहीं, क्योंकि सही आवाज़ हमेशा उस खास किताब पर निर्भर करती है।
| शैली | नैरेशन को क्या चाहिए | आम गलती |
|---|---|---|
| नॉन-फ़िक्शन और बिज़नेस | समझाते समय गति बनाए रखने वाली साफ़, आत्मविश्वासी रफ़्तार | एक नीरस टोन जिससे घना विषय समझना और मुश्किल हो जाता है |
| साहित्यिक फ़िक्शन | विवरण के लिए जगह देने वाली धीमी, सोच-समझकर चलने वाली आवाज़ | धीरे पढ़े जाने के लिए लिखे गए हिस्सों को जल्दबाज़ी में पढ़ना |
| थ्रिलर और मिस्ट्री | कसी हुई रफ़्तार, तनाव जो अध्याय के अंत तक बढ़े | इतनी एक-सी रफ़्तार कि सस्पेंस कभी महसूस ही न हो |
| रोमांस | संवाद से भरे दृश्यों में गर्मजोशी और भावनात्मक रेंज | सभी किरदारों के संवाद के लिए एक ही सपाट टोन |
| बच्चों और मिडिल-ग्रेड | वयस्क फ़िक्शन से ज़्यादा भावपूर्ण, गर्मजोशी भरी आवाज़ | वयस्कों के लिए बनी रफ़्तार, जो छोटे बच्चे के लिए बहुत तेज़ है |
पूरी किताब के लिए एक आवाज़ तय करने से पहले शुरुआती अध्याय को दो या तीन आवाज़ों में जनरेट कीजिए। अपने असली पहले पन्ने को बजते सुनने पर फ़र्क किसी भी नमूना लाइब्रेरी से कहीं ज़्यादा साफ़ दिखता है।
लंबी नैरेशन ने काफ़ी तरक्की की है, लेकिन पूरी किताब जनरेट करने से पहले पांच ईमानदार सीमाएं जानना ज़रूरी है।
जनरेशन के बाद ज़्यादा गहरी ऑडियो एडिटिंग और मिक्सिंग के लिए, Descript तुलना दिखाती है कि Picasso IA की नैरेशन के साथ कोई समर्पित एडिटिंग टूल कहां फ़िट बैठता है।
यह प्रक्रिया एक ही बार में नहीं बल्कि अध्याय दर अध्याय चलती है, जिससे गलतियां छोटी और ठीक करने में आसान रहती हैं। Toolkit में शुरुआत कीजिए, जहां नए अकाउंट को बिना कुछ खर्च किए पहले नमूना अध्याय जनरेट करने के लिए मुफ़्त क्रेडिट मिलते हैं, और प्राइसिंग पेज पर पूरी लंबाई की जनरेशन की लागत देख लीजिए।
हां, यही इसकी मुख्य क्षमता है। आज के टेक्स्ट टू स्पीच मॉडल छोटे क्लिप के बीच बदलने के बजाय लंबी जनरेशन में चुनी हुई आवाज़ को स्थिर रखने के लिए बनाए गए हैं। अपनी किताब में इसकी पुष्टि करने का व्यावहारिक तरीका यह है कि शुरुआत से एक अध्याय और अंत के पास से एक अध्याय जनरेट कीजिए, फिर दोनों को लगातार सुनिए। अगर वे एक ही नैरेटर जैसे लगें, तो आवाज़ बनी हुई है; अगर कोई बदलाव सुनाई दे, तो बाकी किताब जनरेट करने से पहले, बाद में नहीं, उसे ठीक कीजिए।
जनरेशन खुद तेज़ होती है, आमतौर पर हर अध्याय के लिए कुछ मिनट, लेकिन असली समय-सीमा में समीक्षा भी शामिल है। एक सामान्य उपन्यास की पांडुलिपि, जिसे अध्याय दर अध्याय जनरेट और जांचा जाए और अंत में पूरी सुनवाई की जाए, उसे अंशकालिक काम के कुछ दिनों में पूरा करना उचित है, स्टूडियो बुक करने के लिए आमतौर पर लगने वाले हफ़्तों के बजाय। ज़्यादातर समय सुनने और छोटी-मोटी चीज़ें ठीक करने में जाता है, जनरेशन का इंतज़ार करने में नहीं।
नॉन-फ़िक्शन और बिज़नेस टाइटल आमतौर पर साफ़, आत्मविश्वासी और संतुलित रफ़्तार वाली आवाज़ में बेहतर लगते हैं, क्योंकि मकसद कंटेंट से ध्यान भटकाए बिना समझाने की गति बनाए रखना है। फ़िक्शन को ज़्यादा रेंज से फ़ायदा मिलता है: कोई आवाज़ जो विवरण में धीमी हो जाए और तनाव में तेज़, वह लंबी किताब में ध्यान बेहतर बांधे रखती है। कोई एक सही जवाब नहीं है, इसलिए शुरुआती अध्याय को दो या तीन उम्मीदवार आवाज़ों में जनरेट कीजिए और वह चुनिए जो शैली को नहीं बल्कि आपकी खास किताब को सूट करे।
एक ही नैरेशन पास में भरोसेमंद तरीके से नहीं। टेक्स्ट टू स्पीच की एक जनरेशन पूरा अध्याय एक ही चुनी हुई आवाज़ में पढ़ती है, इसलिए कई नामी किरदारों वाला संवाद-भारी फ़िक्शन इस वर्कफ़्लो के लिए सबसे मुश्किल मामला है। कुछ लेखक किताब को ज़्यादातर एक आवाज़ में सुनाकर और उसे उस फ़ॉर्मेट की तरह मानकर इसका हल निकालते हैं जिसे ज़्यादातर ऑडियोबुक पहले से इस्तेमाल करती हैं, यानी सिंगल-नैरेटर ऑडियोबुक, न कि पूरी कास्ट बनाने की कोशिश करके।
जनरेट करने से पहले टेक्स्ट से अध्याय नंबर और सेक्शन शीर्षक हटा दीजिए, क्योंकि नैरेशन के बीच में "अध्याय सात" सुनना सुनने का अनुभव तोड़ देता है, और एडिटिंग के दौरान अध्याय की ऑडियो फ़ाइलों के बीच विराम खुद जोड़िए। फ़ुटनोट के लिए एक तरीका चुनिए और उसे लगातार लागू कीजिए: छोटे-मोटे हटा दीजिए, छोटे वाले उस वाक्य में जोड़ दीजिए जहां वे आते हैं, या लंबे वालों को संबंधित पैराग्राफ़ के अंत में एक छोटे से अलग हिस्से की तरह सुनाइए।
आमतौर पर हां। चूंकि नैरेशन एक लंबी फ़ाइल के बजाय अध्याय दर अध्याय चलती है, समीक्षा के दौरान पकड़ी गई गलत उच्चारण का मतलब आमतौर पर सिर्फ़ उस अध्याय को दोबारा जनरेट करना है, पूरी किताब को नहीं। इसे जल्दी पकड़ना भी मायने रखता है: पूरी पांडुलिपि जनरेट होने का इंतज़ार करने के बजाय हर अध्याय की तुरंत समीक्षा करना किसी भी सुधार को छोटा और कुछ मिनटों के काम तक सीमित रखता है।
नए अकाउंट को मुफ़्त क्रेडिट मिलते हैं, जो एक या दो नमूना अध्याय जनरेट करके यह तय करने के लिए काफ़ी हैं कि आवाज़ और रफ़्तार आपकी किताब से मेल खाती है या नहीं। उसके बाद, जनरेट करने में क्रेडिट खर्च होते हैं, और प्लान प्राइसिंग पेज पर सूचीबद्ध हैं। ऑडियोबुक के लिए कोई अलग प्लान नहीं है; वही क्रेडिट कैटलॉग के इमेज, वीडियो, ऑडियो और 3D मॉडल पर भी लागू होते हैं।
ज़्यादातर प्लेटफ़ॉर्म और डिस्ट्रिब्यूटर अपनी तकनीकी शर्तें तय करते हैं, जैसे फ़ाइल फ़ॉर्मेट, सैंपल रेट और लाउडनेस लेवल, और कुछ किसी टाइटल को लाइव करने से पहले अपनी क्वालिटी समीक्षा भी करते हैं। एआई नैरेशन बोला हुआ ऑडियो तैयार करती है, लेकिन खास प्लेटफ़ॉर्म के सबमिशन नियम जांचना और उसी हिसाब से एक्सपोर्ट को एडजस्ट करना आपकी ज़िम्मेदारी है, इससे पहले कि आप एक ही धारणा पर पूरी किताब जनरेट कर दें।
नैरेशन जनरेशन के हिस्से के तौर पर नहीं, जो सिर्फ़ बोला हुआ ऑडियो तैयार करती है। अगर आपकी प्रोडक्शन को इंट्रो म्यूज़िक, अध्याय के टोन या माहौल की आवाज़ की ज़रूरत है, तो नैरेशन जनरेट और उसकी समीक्षा करने के बाद इन्हें अलग एडिटिंग पास में जोड़िए। जोड़ी गई किसी भी ऑडियो को नैरेशन के पीछे धीमा रखिए, क्योंकि ऑडियोबुक सुनने वाला आवाज़ के लिए आया है, उससे होड़ करते साउंडट्रैक के लिए नहीं।
दोनों टूल उल्टे काम करते हैं। टेक्स्ट टू स्पीच नैरेशन लिखे हुए टेक्स्ट से शुरू होकर नया बोला हुआ ऑडियो जनरेट करती है, और यही पांडुलिपि को ऑडियोबुक में बदल देता है। Descript जैसा ट्रांसक्रिप्शन टूल पहले से मौजूद ऑडियो या वीडियो से शुरू होकर उसे टेक्स्ट में बदलता है, जो कैप्शन के लिए या किसी रिकॉर्डिंग को उसकी ट्रांसक्रिप्ट काटकर एडिट करने के लिए काम आता है। अगर आपके पास पहले से रिकॉर्ड की गई नैरेशन है जिसे साफ़ करना है, न कि सुनाई जाने वाली कोई पांडुलिपि, तो उस अलग काम के लिए ट्रांसक्रिप्शन और एडिटिंग टूल सही रहेगा।
आपकी पांडुलिपि पहले से तैयार है, और पहले नमूना अध्याय में बस कुछ मिनट लगते हैं। Toolkit खोलिए और अपने शुरुआती पन्ने को उस आवाज़ में सुनिए जो पूरी किताब संभाल सके।
