Text to Speech ভয়েস: MiniMax, Qwen 3, OpenAI এবং ElevenLabs

ভয়েস পিকারটি Text to Speech-এর ভয়েস ট্যাবে রয়েছে। প্রতিটি প্রোভাইডারের নিজস্ব ট্যাব রয়েছে এবং আরও দুটি ট্যাব, প্রিয় এবং সাম্প্রতিক, সেগুলির সবগুলি থেকে ভয়েস সংগ্রহ করে। যেকোনো ভয়েসের পাশের প্লে বোতামটি একটি ফ্রি স্যাম্পল শোনায়।

ভয়েস গ্রুপগুলোর মধ্যে কী পার্থক্য রয়েছে

তুলনার জন্য, এক মিনিটের বক্তব্য হলো প্রায় 150 শব্দ বা 900 অক্ষর: OpenAI-তে প্রায় 2 টোকেন, MiniMax বা ElevenLabs-এ 11 টোকেন এবং Qwen 3-তে 18 টোকেন।

MiniMax ভয়েস

MiniMax-এ ইংরেজি নামের 53টি তৈরি ভয়েস রয়েছে, উদাহরণস্বরূপ Expressive Narrator, Calm Woman, Wise Scholar এবং Deep-voiced Gentleman। এর মধ্যে 45টি ইংরেজি এবং 8টি রাশিয়ান, যেমন Reliable Man এবং Bright Queen। অ্যাপের ভাষা রাশিয়ান হলে, তালিকায় রাশিয়ান ভয়েসগুলি প্রথমে আসে। Text to Speech খুললে Expressive Narrator ডিফল্টভাবে নির্বাচিত থাকে।

তালিকার নিচে, ভয়েস সেটিংস দেখা যায়: আবেগ (Happy, Sad, Angry, Fearful, Surprised, Calm, Disgusted; বন্ধ করতে আবার ট্যাপ করুন), 0.5 থেকে 2 পর্যন্ত গতি এবং −12 থেকে +12 পর্যন্ত পিচ। টেক্সট ট্যাবে আপনি (laughs) বা <#1#> বিরতির মতো ট্যাগ যোগ করতে পারেন।

Qwen 3 ভয়েস

Qwen 3-এ 9টি ভয়েস রয়েছে এবং কোনো সেটিংস নেই। এগুলি 10টি ভাষায় কথা বলে: ইংরেজি, রাশিয়ান, চীনা, জার্মান, ফরাসি, স্প্যানিশ, ইতালীয়, জাপানি, কোরিয়ান এবং পর্তুগিজ।

OpenAI ভয়েস

OpenAI-তে 10টি ভয়েস রয়েছে। কেবল এই ভয়েসগুলি নির্দেশনা গ্রহণ করে: কীভাবে কথা বলতে হবে তার একটি সংক্ষিপ্ত বিবরণ, অথবা 8টি প্রিসেটের একটি। এগুলি কীভাবে লিখবেন: কীভাবে OpenAI ভয়েসের টোন সেট করবেন।

ElevenLabs ভয়েস

ElevenLabs ট্যাবের দুটি অংশ রয়েছে: লাইব্রেরি, তৈরি ভয়েসের একটি সেট যা একবারে লোড হয়, এবং কমিউনিটি, অন্যান্য ক্রিয়েটরদের দ্বারা প্রকাশিত ভয়েসের একটি অনেক বড় ক্যাটালগ। উভয়ই ভাষা, লিঙ্গ, বয়স, উচ্চারণভঙ্গি এবং ব্যবহারের ধরন অনুযায়ী ফিল্টার করা যায়। এর সেটিংস হলো স্থায়িত্ব, সাদৃশ্য এবং স্টাইল, এবং টেক্সট ট্যাবে [whispers] বা [laughs]-এর মতো ট্যাগ রয়েছে।

ElevenLabs ভয়েসগুলিই কেবল Voice Changer-এ উপলব্ধ। কীভাবে সেগুলি খুঁজবেন এবং ফিল্টার করবেন: ভয়েস নির্বাচন করা।

আপনার কাজের জন্য কোন ভয়েসটি বেছে নেবেন