Text to Speech कैसे काम करता है: आवाज़ें, सीमाएं और कीमत
अधिकतम 10,000 वर्ण दर्ज करें, MiniMax, Qwen 3, OpenAI, ElevenLabs या अपनी आवाज़ चुनें और ऑडियो फ़ाइल पाएं। एक मिनट के ऑडियो के लिए 2 से 18 टोकन लगते हैं।
अपडेट किया गया 2 नवंबर 20264 मिनट में पढ़ें
Text to Speech लिखे हुए टेक्स्ट को बोले गए ऑडियो फ़ाइल में बदल देता है। लोग इसका उपयोग स्लाइड या वीडियो के लिए वॉइस-ओवर देने, पढ़ने के बजाय लेख सुनने, किसी विदेशी वाक्य का सही उच्चारण जानने, या अपनी क्लोन की गई आवाज़ में संदेश भेजने के लिए करते हैं। यह web.vocalingo.app, iOS और Android पर काम करता है।
आप कौन सा टेक्स्ट दर्ज कर सकते हैं
एक बार में 10,000 वर्ण तक उपयोग किए जा सकते हैं, जो सामान्य गति में लगभग 11 मिनट का ऑडियो होता है। फ़ील्ड के नीचे दिया गया काउंटर दिखाता है कि आपके पास कितने वर्ण हैं।
टेक्स्ट टाइप करें या क्लिपबोर्ड से डालने के लिए पेस्ट करें पर टैप करें।
माइक्रोफ़ोन बटन दबाकर बोलें: ऐप आपकी आवाज़ को टेक्स्ट में बदल देगा।
इसे किसी अन्य टूल से भेजें: Speech to Text या Video to Text के बाद, आगे क्या करें? के तहत Text to speech पर टैप करें।
यदि टेक्स्ट बहुत लंबा है, तो ऐप दिखाता है "Text is too long. Maximum 10000 characters." इसे छोटे भागों में बांटें और एक-एक करके आवाज़ में बदलें।
टेक्स्ट को आवाज़ में कैसे बदलें
टूल्स टैब पर, Text to Speech खोलें।
टेक्स्ट टैब पर, टेक्स्ट दर्ज करें और जारी रखें पर टैप करें।
आवाज़ टैब पर, एक आवाज़ चुनें। आवाज़ के बगल में मौजूद प्ले बटन सैंपल सुनाता है। डिफ़ॉल्ट रूप से MiniMax की Expressive Narrator आवाज़ चुनी होती है।
यदि ज़रूरत हो, तो सूची के नीचे आवाज़ सेट करें: OpenAI आवाज़ों के लिए निर्देश, MiniMax के लिए भाव, गति और पिच, ElevenLabs के लिए स्थिरता, समानता और शैली। जारी रखें पर टैप करें।
परिणाम टैब पर, अनुमानित लागत देखें और जनरेट करें पर टैप करें।
जब ऑडियो तैयार हो रहा होता है, तो बटन पर प्रतिशत के साथ "Generating audio..." दिखता है, और इसके नीचे रद्द करें दिखाई देता है।
आप कौन सी आवाज़ें चुन सकते हैं
आवाज़ चुनने वाले सेक्शन में सात टैब हैं: पसंदीदा, हाल ही के, मेरी आवाज़ें, MiniMax, Qwen 3, OpenAI और ElevenLabs। MiniMax और ElevenLabs लंबे टेक्स्ट में सबसे प्राकृतिक सुनाई देते हैं, OpenAI की आवाज़ों को निर्देशों के ज़रिए बदला जा सकता है, और मेरी आवाज़ें में आपकी रिकॉर्डिंग से क्लोन की गई आवाज़ें होती हैं। कीमतों के साथ सभी ग्रुप्स की तुलना: कौन सी Text to Speech आवाज़ चुनें। आवाज़ें कैसे खोजें, सुनें और पसंदीदा में जोड़ें: आवाज़ चुनना।
हंसी, ठहराव और सही ज़ोर कैसे जोड़ें
MiniMax और ElevenLabs आवाज़ों के साथ, टेक्स्ट टैब टैग दिखाता है। किसी टैग को कॉपी करने के लिए उस पर टैप करें और टेक्स्ट में वहां पेस्ट करें जहां इसे बजना चाहिए।
MiniMax: (laughs), (sighs), (coughs), (crying), (gasps), (groans), और एक सेकंड के ठहराव के लिए <#1#>।
ElevenLabs: [excited], [sad], [angry], [curious], [whispers], [laughs], [sighs], [crying], और ठहराव के लिए एलिप्सिस (...)। एक साथ बहुत सारे टैग लगाने से आवाज़ में गड़बड़ी आ सकती है।
यदि किसी शब्द के गलत हिस्से पर ज़ोर दिया जा रहा है, तो उस हिस्से को बड़े अक्षरों में लिखें, उदाहरण के लिए REcord (एक एल्बम) और reCORD (रिकॉर्ड करना)।
आपको क्या मिलता है और यह कहां दिखेगा
परिणाम टैब ऑडियो के साथ एक प्लेयर दिखाता है। प्लेयर के बगल में एक बटन है: ऐप में यह शेयर मेनू खोलता है, जिससे आप फ़ाइल भेज सकते हैं या इसे डिवाइस पर सेव कर सकते हैं; वेब पर यह फ़ाइल डाउनलोड करता है। कुछ बदलने के लिए, टेक्स्ट या आवाज़ में बदलाव करें और फिर से जनरेट करें पर टैप करें।
प्रत्येक परिणाम हिस्ट्री में जाता है: सबसे ऊपर घड़ी के आइकन पर टैप करें। Premium के बिना, पिछले 3 परिणाम सुरक्षित रहते हैं, Premium के साथ सभी परिणाम। विवरण: हिस्ट्री: परिणाम सेव करना, वापस पाना और डिलीट करना।
इसकी कीमत कितनी है
कीमत आवाज़ और टेक्स्ट की लंबाई पर निर्भर करती है। टोकन केवल पूरी तरह तैयार फ़ाइल के लिए काटे जाते हैं: यदि प्रोसेस विफल हो जाता है, तो कोई शुल्क नहीं लिया जाता या टोकन वापस आ जाते हैं।
| आवाज़ | कीमत | एक मिनट का ऑडियो (लगभग 150 शब्द) |
|---|---|---|
| OpenAI | प्रत्येक शुरू हुए 150 शब्दों के लिए 1.8 टोकन, राउंड अप किया गया | लगभग 2 टोकन |
| MiniMax | 12 टोकन प्रति 1,000 वर्ण | लगभग 11 टोकन |
| ElevenLabs | 12 टोकन प्रति 1,000 वर्ण | लगभग 11 टोकन |
| Qwen 3 | लगभग 20 टोकन प्रति 1,000 वर्ण | लगभग 18 टोकन |
| आपकी MiniMax आवाज़ | 12 टोकन प्रति 1,000 वर्ण | लगभग 11 टोकन |
| आपकी Qwen 3 आवाज़ | लगभग 11 टोकन प्रति 1,000 वर्ण | लगभग 10 टोकन |
किसी भी प्रोसेस के लिए न्यूनतम 1 टोकन है। निर्देश, भाव और अन्य सेटिंग्स से कीमत नहीं बदलती। अन्य टूल्स की कीमतें: प्रत्येक टूल के लिए टोकन की कीमत।
Text to Speech क्या नहीं कर सकता
यह अनुवाद नहीं करता है। आवाज़ टेक्स्ट को उसी भाषा में पढ़ती है जिसमें वह लिखा गया है। किसी अन्य भाषा में ऑडियो पाने के लिए, पहले Text Translation में टेक्स्ट का अनुवाद करें।
यह किसी मौजूदा रिकॉर्डिंग में आवाज़ नहीं बदल सकता। इसके लिए Voice Changer मौजूद है।
परिणाम में आगे क्या करें? ब्लॉक नहीं होता, इसलिए ऑडियो अपने आप दूसरे टूल्स में नहीं भेजा जाता।
यदि प्रोसेस में बहुत अधिक समय लगता है, तो ऐप दिखाता है "Voice generation took too long. Please try again." पुनः प्रयास करें पर टैप करें, और यदि यह फिर से विफल होता है, तो कोई दूसरी आवाज़ चुनें।
सपोर्ट से संपर्क करें
समस्या का विवरण दें और हम ईमेल द्वारा उत्तर देंगे। यदि आपके पास फ़ाइल नाम या जॉब ID है, तो उसे भी जोड़ें।