भेजने से पहले सुनना चाहते हैं कि कोई पैराग्राफ़ असल में कैसा लगता है, या चाहते हैं कि कोई पेज ज़ोर से पढ़ी जाए जबकि आप कुछ और कर रहे हों? यह टेक्स्ट टू स्पीच टूल आपके टाइप या पेस्ट किए गए किसी भी टेक्स्ट को सीधे आपके ब्राउज़र में बोली गई आवाज़ में बदल देता है। एक आवाज़ चुनें, गति समायोजित करें, और चलाएँ दबाएँ। न कोई सॉफ़्टवेयर इंस्टॉल करना, न कोई अकाउंट, न कुछ अपलोड करना।

आवाज़ बनाने के दो तरीके हैं: एक तुरंत वाला विकल्प जो आपके ब्राउज़र के अपने स्पीच इंजन का उपयोग करता है, और एक वैकल्पिक बेहतर गुणवत्ता वाली न्यूरल आवाज़ जो आपको नतीजे को MP3 या WAV के रूप में सहेजने भी देती है।

लोग यह टूल क्यों इस्तेमाल करते हैं

• कुछ भेजने से पहले अजीब वाक्य संरचना या टाइपो पकड़ें। टेक्स्ट को ज़ोर से सुनना गलतियों को उस तरह स्पष्ट कर देता है जैसे चुपचाप पढ़ना नहीं कर पाता
• बिना आँखों पर ज़ोर डाले लंबे दस्तावेज़ या लेख प्रूफरीड करें
• वाकई रिकॉर्ड करने से पहले सुनें कि कोई स्क्रिप्ट, विज्ञापन, या वॉइसओवर असल में कैसा लगेगा
• जो लोग पढ़ने के बजाय सुनना पसंद करते हैं, उनके लिए लिखित सामग्री को आसान बनाएँ
• नई भाषा सीखते समय उच्चारण का अभ्यास करें
• नोट्स, ड्राफ़्ट, या लंबे लेखों को ऐसे ऑडियो में बदलें जिन्हें आप कुछ और करते हुए सुन सकें

टेक्स्ट को आवाज़ में बदलने के दो तरीके

स्टैंडर्ड आवाज़ें टैब आपके ब्राउज़र और ऑपरेटिंग सिस्टम में पहले से मौजूद स्पीच इंजन का उपयोग करता है। यह तुरंत होता है: कोई डाउनलोड नहीं, कोई इंतज़ार नहीं, और यह पूरी तरह ऑफ़लाइन काम करता है। आवाज़ की गुणवत्ता और उपलब्ध आवाज़ों की संख्या आपके ब्राउज़र और सिस्टम पर निर्भर करती है। Windows या macOS पर Chrome आमतौर पर कई भाषाओं में दर्जनों आवाज़ें देता है; Safari और Firefox में विकल्प थोड़े कम होते हैं। अपने टेक्स्ट को बस वापस पढ़वाने का यह सबसे तेज़ तरीका है।

HD आवाज़ें टैब एक छोटे न्यूरल टेक्स्ट-टू-स्पीच मॉडल का उपयोग करता है जो WebAssembly के ज़रिए आपके ब्राउज़र में स्थानीय रूप से चलता है। जब आप इसे पहली बार सक्षम करते हैं, तो एक बार का वॉइस मॉडल (लगभग 90MB) डाउनलोड होकर कैश हो जाता है, इसलिए इसके बाद हर जनरेशन तुरंत होता है और फिर भी पूरी तरह ऑफ़लाइन रहता है। इसकी कीमत यह है कि HD आवाज़ें फ़िलहाल सिर्फ़ अंग्रेज़ी में उपलब्ध हैं, और ऑडियो जनरेट करने में तुरंत होने के बजाय कुछ सेकंड लगते हैं, क्योंकि यह वाकई वेवफॉर्म को सिंथेसाइज़ कर रहा होता है, न कि सिर्फ़ आपके सिस्टम के स्पीच इंजन को कॉल कर रहा होता है।

आवाज़ को बारीकी से सेट करना

दोनों मोड आपको प्लेबैक की गति समायोजित करने देते हैं। स्टैंडर्ड आवाज़ें पिच और वॉल्यूम पर भी नियंत्रण देता है, साथ ही एक भाषा फ़िल्टर भी, जिससे एक लंबी आवाज़ों की सूची को आपके पढ़े जा रहे टेक्स्ट से मेल खाने वाली आवाज़ों तक सीमित किया जा सकता है। अगर आपके ब्राउज़र में कई भाषाओं की आवाज़ें इंस्टॉल हैं, तो उनके बीच स्विच करना बस एक क्लिक की बात है।

HD आवाज़ें इनमें से कुछ नियंत्रणों के बदले ग्यारह अंग्रेज़ी आवाज़ों (अमेरिकी और ब्रिटिश, पुरुष और महिला) का चुना हुआ सेट देता है, जिनमें से हर एक की स्पष्टता जाँची गई है और रोबोटिक के बजाय स्वाभाविक लगने के लिए चुनी गई है। जनरेट करने से पहले आप फिर भी गति समायोजित कर सकते हैं।

ऑडियो को फ़ाइल के रूप में सहेजना

यही दोनों मोड के बीच मुख्य अंतर है। स्टैंडर्ड आवाज़ें, अधिकतर ब्राउज़र-आधारित स्पीच इंजन की तरह, केवल ऑडियो को ज़ोर से चला सकता है। ब्राउज़र जो चलाता है उसे कैप्चर करके डाउनलोड करने लायक फ़ाइल में बदलने का कोई तरीका नहीं है, क्योंकि यह कुछ ऐसा है जो अंतर्निहित API सिरे से देता ही नहीं।

HD आवाज़ें में यह सीमा नहीं है, क्योंकि यह सिर्फ़ आपके स्पीकर तक आवाज़ भेजने के बजाय असल ऑडियो डेटा जनरेट करता है। एक बार क्लिप जनरेट हो जाने पर, आप इसे एडिटिंग सॉफ़्टवेयर के लिए WAV फ़ाइल के रूप में, या कुछ छोटे और पोर्टेबल के लिए 128, 192, या 320 kbps पर MP3 के रूप में डाउनलोड कर सकते हैं। अगर आपको डाउनलोड करने लायक फ़ाइल चाहिए, तो HD आवाज़ें ही इस्तेमाल करने का सही मोड है।

प्रोसेसिंग असल में कहाँ होती है

यहाँ कुछ भी किसी सर्वर को नहीं छूता। स्टैंडर्ड आवाज़ें पूरी तरह से आपके ब्राउज़र में बने स्पीच सिंथेसिस पर निर्भर करता है, यही तकनीक स्क्रीन रीडर और एक्सेसिबिलिटी टूल्स के पीछे भी है जो आपके डिवाइस में पहले से मौजूद हैं। HD आवाज़ें अपना मॉडल एक बार डाउनलोड करता है और फिर WebAssembly का उपयोग करके न्यूरल नेटवर्क को स्थानीय रूप से चलाता है, बिल्कुल वैसे ही जैसे कोई ऑफ़लाइन ऐप करती। दोनों में से किसी भी मोड में आपका टेक्स्ट कभी आपके डिवाइस से बाहर नहीं जाता, जो मायने रखता है अगर आप कुछ निजी पढ़ रहे हों, जैसे ड्राफ़्ट, आंतरिक नोट्स, या ऐसा कुछ भी जिसे आप किसी तीसरे पक्ष के सर्वर से गुज़रते नहीं देखना चाहेंगे।

एक बार आपके पास ऑडियो फ़ाइल हो जाने पर, ऑडियो कटर इसे सिर्फ़ ज़रूरी हिस्से तक ट्रिम कर सकता है, और ऑडियो कन्वर्टर फॉर्मेट बदलने का काम संभालता है अगर आपको MP3 या WAV के अलावा कुछ चाहिए। कई क्लिप जनरेट कर रहे हैं और उन्हें एक फ़ाइल के रूप में चाहते हैं? ऑडियो मर्ज उन्हें वैकल्पिक क्रॉसफ़ेड के साथ जोड़ता है। और अगर आप सिंथेसाइज़्ड आवाज़ के बजाय अपनी खुद की आवाज़ रिकॉर्ड करना पसंद करते हैं, तो वॉइस रिकॉर्डर सीधे आपके माइक्रोफ़ोन से ऑडियो कैप्चर करता है।