تبدیل متن به گفتار با هوش مصنوعی در ElevenLabs
از روی متن خودتون فایل گویندگی بسازید. یک صدای در دسترس انتخاب کنید و قبل از ساخت نسخه کامل، یک جمله شامل عدد یا اسم خاص رو گوش بدید.
برای تبدیل متن به گفتار با هوش مصنوعی در ElevenLabs، بهتره یک جمله کوتاه از همون متنی رو انتخاب کنید که قراره شنونده بشنوه. اسکیل text-to-speech به ایجنتتون کمک میکنه صدایی رو که در حساب شما در دسترسه انتخاب کنه و گفتار رو به صورت فایل برگردونه. مثلا اگر برای معرفی یک کارگاه متن نوشتید، یک جمله شامل نام مدرس، تاریخ و ساعت، نمونه بهتری از یک سلام سادهست؛ چون همون اول میفهمید عدد و اسم در اجرا چطور شنیده میشن.
برای متن طولانی میتونید بخشبندی رو با مکثهای طبیعی هماهنگ کنید. یک بند برای معرفی، یک بند برای توضیح کار و یک جمله برای پایان، فرصت بیشتری برای بازبینی میده تا یک فایل طولانی که تغییر دادن یک عبارت در اون دردسر درست کنه. تنظیمهایی مثل میزان ثبات صدا روی حس خوانش اثر دارن و بعضی تنظیمها به مدل انتخابی بستگی دارن. بهتره هر بار یک مورد رو تغییر بدید و دو نسخه همون جمله رو مقایسه کنید تا دلیل تفاوت شنیدهشده روشن باشه.
کاربردها
- ساخت فایل گویندگی از روی متن آماده
- انتخاب صدای گوینده از گزینههای مجاز حساب
- بررسی تلفظ تاریخ و عدد پیش از تولید نسخه کامل
- تنظیم لحن خوانش با گزینههای مدل انتخابی
- گرفتن خروجی صوتی مناسب برای تدوین یا پخش
نصب و استفاده
- اسکیل و ابزار رسمی ElevenLabs رو نصب کنید و کلید API حسابی رو که اعتبار کافی داره در محیط پروژه بذارید. صدای مورد نظر باید روی همون حساب قابل استفاده باشه.
- مثلا بگید «از همین پاراگراف یک نمونه گویندگی بسازید. تاریخ رو کامل و روشن بخونید تا قبل از ادامه، تلفظش رو بشنوم.»
- نمونه رو در سرعت عادی گوش بدید. اگر خوانش درست بود، ادامه متن رو با همون انتخابها بسازید و فایل نهایی رو کنار نسخه نوشته نگه دارید.
سوالات متداول
منبع
ساخته ElevenLabs. نام اصلی: text-to-speech، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub