ریکارڈنگ کا لہجہ کیسے بدلیں
مختصر جواب: ریکارڈنگ کا لہجہ بدلنے کو سائن اِن کریں، اپنی فائل شامل کریں، لہجہ چنیں، تصدیق کریں کہ یہ آپ کی آواز ہے، لہجہ بدلیں اور سن کر ڈاؤن لوڈ کریں۔
- سائن اِن کریں۔ یہ مفت ہے۔ ہر اکاؤنٹ کو روزانہ 3 منٹ نئی آواز ملتی ہے، کیونکہ ہر منٹ ایک پیڈ GPU پر چلتا ہے۔
- اپنی فائل شامل کریں۔ انگریزی بول چال والی آڈیو یا ویڈیو فائل ڈالیں، 10 منٹ تک لمبی۔
- لہجہ چنیں۔ برطانوی، امریکی، انڈین، آسٹریلین یا نیوٹرل انگریزی۔
- تصدیق کریں کہ یہ آپ کی آواز ہے۔ باکس پر ٹک کریں: یہ آپ کی اپنی آواز ہونی چاہیے، یا آپ کے پاس بولنے والے کی اجازت ہو۔
- لہجہ بدلیں۔ Whisper آپ کے ڈیوائس پر لکھتا ہے کہ کیا کہا گیا۔ ہر حصہ (20 سیکنڈ تک) نئے لہجے اور آپ کی آواز میں دوبارہ بولا جاتا ہے، پھر اپنی اصل جگہ پر فٹ کر دیا جاتا ہے۔
- سنیں اور ڈاؤن لوڈ کریں۔ صفحے پر نتیجہ چلائیں اور اسے اپنی فائل والے فارمیٹ میں ڈاؤن لوڈ کریں۔
یہ میری آواز کیسے برقرار رکھتا ہے؟
MyShell کے دو اوپن سورس ماڈل، دونوں MIT لائسنس والے۔ MeloTTS آپ کے الفاظ آپ کے چنے ہوئے لہجے میں بولتا ہے۔ پھر OpenVoice V2 ایک چھوٹے کلپ (15 سیکنڈ تک) سے آپ کی آواز کا ٹون کلر ناپتا ہے اور نئی آواز کو اس میں بدل دیتا ہے۔ لہجہ (ردھم، حروفِ علت، اتار چڑھاؤ) پہلے مرحلے سے آتا ہے اور آواز دوسرے سے۔ ہمارے ٹیسٹس میں بدلی ہوئی آواز سادہ MeloTTS آواز کے مقابلے میں اصل بولنے والے سے کہیں زیادہ ملتی تھی، لیکن یہ پرفیکٹ کلون نہیں: توقع رکھیں کہ یہ آپ جیسی ہی لگے گی، بس جیسے ذرا مختلف مائیکروفون پر۔
کیا بھیجا جاتا ہے، اور کیا نہیں؟
آپ کی فائل کبھی اپ لوڈ نہیں ہوتی۔ یہ آپ کے براؤزر میں ڈی کوڈ اور ٹرانسکرائب ہوتی ہے۔ ہر حصے کے لیے، ٹرانسکرپٹ کا ٹیکسٹ اور آپ کی آواز کا ایک چھوٹا کلپ ہمارے سرور کو اور وہاں سے Hugging Face پر ہمارے اپنے OpenVoice سرور کو جاتے ہیں، جو نئی آڈیو واپس بھیجتا ہے۔ نہ وہاں کچھ محفوظ ہوتا ہے نہ ہمارے سرور پر، اور ہم ٹیکسٹ یا آڈیو لاگ نہیں کرتے۔ نتیجے کی مکسنگ اور ویڈیو دوبارہ بنانا پھر آپ کے ڈیوائس پر ہوتا ہے۔
یہ (ابھی) کیا نہیں کر سکتا
یہ صرف انگریزی دوبارہ بولتا ہے، اس لیے آپ کی فائل میں بول چال انگریزی ہونی چاہیے۔ بیک گراؤنڈ میوزک اور آوازیں برقرار نہیں رہتیں: آپ کو صرف نئی آواز ملتی ہے۔ ٹائمنگ اصل جملوں کے مطابق ہوتی ہے، اس لیے بولتے چہرے والی ویڈیو میں ہونٹ بالکل میچ نہیں کریں گے۔ بہت تیز، بڑبڑاتی یا ایک دوسرے پر چڑھتی بول چال سے ٹرانسکرپٹ کمزور بنتا ہے اور نتیجہ بھی کمزور: آپ ساتھ ساتھ ہر حصے کا ٹیکسٹ چیک کر سکتے ہیں۔
اکثر پوچھے جانے والے سوالات
کیا میری آڈیو اپ لوڈ ہوتی ہے؟
آپ کی فائل نہیں۔ نئی آڈیو بنانے کے لیے آپ کی آواز کے چھوٹے کلپس (15 سیکنڈ تک) اور ٹرانسکرپٹ ہمارے وائس سرور کو بھیجے جاتے ہیں، اور کچھ بھی محفوظ نہیں ہوتا۔ ٹرانسکرپشن اور آخری مکس آپ کے ڈیوائس پر چلتے ہیں۔
مجھے سائن اِن کیوں کرنا ہوگا؟
نئی آواز کا ہر سیکنڈ پیڈ GPU پر چلتا ہے، اس لیے یہ ٹول سائن اِن شدہ اکاؤنٹس کے لیے ہے، روزانہ 3 مفت منٹ کے ساتھ۔ سائن اِن کے لیے صرف ای میل ایڈریس چاہیے، پاس ورڈ نہیں۔
کیا میں کسی اور کا لہجہ بدل سکتا ہوں؟
صرف ان کی اجازت سے۔ آپ کو تصدیق کرنی ہوگی کہ یہ آپ کی اپنی آواز ہے یا بولنے والا راضی ہے۔ اسے کسی کی نقالی کرنے یا لوگوں کو گمراہ کرنے کے لیے استعمال نہ کریں۔ OpenVoice ایک نہ سنائی دینے والا واٹر مارک بھی لگاتا ہے جو آڈیو کو جنریٹڈ ظاہر کرتا ہے۔
کون سے لہجے دستیاب ہیں؟
برطانوی (UK)، امریکی (US)، انڈین، آسٹریلین اور ایک نیوٹرل انگریزی آواز، سب MeloTTS کے انگریزی ماڈل سے۔
کیا یہ ویڈیوز پر کام کرتا ہے؟
جی ہاں۔ MP4، MOV، WebM یا MKV ڈالیں۔ تصویر جوں کی توں کاپی ہوتی ہے اور صرف ساؤنڈ ٹریک بدلا جاتا ہے، اس لیے آپ کو وہی ویڈیو فائل ٹائپ واپس ملتی ہے۔
کیا یہ مفت ہے؟
جی ہاں، ہر اکاؤنٹ کے لیے روزانہ 3 منٹ نئی آواز، آدھی رات UTC پر ری سیٹ۔ کوئی سنائی دینے والا واٹر مارک نہیں اور کوئی سائن اپ فیس نہیں۔