मकना (Makna) प्लेटफ़ॉर्म गाइड - टेक्स्ट-टू-ऑडियो स्टूडियो

टेक्स्ट-टू-ऑडियो स्टूडियो

इसे विशेष रूप से ऑडियोबुक्स, पॉडकास्ट और लंबे वॉइस-ओवर जैसे बड़े पैमाने के प्रोजेक्ट्स के लिए डिज़ाइन किया गया है। छोटे इनपुट पर काम करने वाले सामान्य 'टेक्स्ट-टू-स्पीच' टूल्स के विपरीत, यह स्टूडियो आपको एक ही वर्कस्पेस में पूरे डॉक्यूमेंट्स को मैनेज करने, एडिट करने और जेनरेट करने की सुविधा देता है।

मुख्य विशेषताएँ

बल्क इम्पोर्ट (Bulk Import): पूरी किताबें या टेक्स्ट को सीधे वर्ड डॉक्यूमेंट्स (.doc, .docx) के रूप में अपलोड करना।

1. स्मार्ट सेगमेंटेशन (Smart Segmentation): सिस्टम अपलोड किए गए दस्तावेज़ को स्वचालित रूप से ऐसी पंक्तियों या अध्यायों में विभाजित करता है जिन्हें आसानी से प्रबंधित किया जा सके। इससे आप प्रत्येक वाक्य या अनुच्छेद को एक अलग इकाई के रूप में देख सकते हैं और आवश्यकतानुसार विभिन्न सेटिंग्स या संशोधन लागू कर सकते हैं।

एकीकृत अनुवाद (Integrated Translation): प्रोजेक्ट तैयार करते समय आप 'Translation' बटन को सक्रिय कर सकते हैं, ताकि ऑडियो जनरेट होने से पहले आपके द्वारा अपलोड किए गए दस्तावेज़ का 100 से अधिक भाषाओं में स्वचालित रूप से अनुवाद हो सके।

स्वचालित उत्पादन (Automated Production ): अपना प्रोजेक्ट तैयार करने के बाद, आप 'Convert' बटन का उपयोग करके एक ही बार में और एक ही क्लिक से पूरे प्रोजेक्ट के लिए ऑडियो तैयार कर सकते हैं।

स्टूडियो में प्रोजेक्ट कैसे बनाएं

1. प्रोजेक्ट की जानकारी : अपने प्रोजेक्ट को एक शीर्षक दें (जैसे: मेरी पहली ऑडियो बुक)।
2. सामग्री का स्रोत : अपनी वर्ड (Word) फ़ाइल को ड्रैग और ड्रॉप करें।
3. टेक्स्ट प्रोसेसिंग : इनमें से चुनें:
4. बुनियादी (Basic): मानक टेक्स्ट की त्वरित प्रोसेसिंग।
5. AI- संवर्धित (AI-Enhanced): पूरे दस्तावेज़ में सही उच्चारण और तशकील (स्वर-चिह्नों) को सुनिश्चित करने के लिए उन्नत प्रोसेसिंग (अरबी भाषा के लिए सर्वोत्तम)।
6. अनुवाद (वैकल्पिक): यदि आप मूल टेक्स्ट को किसी अन्य भाषा में बदलना चाहते हैं, तो 'Enable Translation' (अनुवाद सक्षम करें) विकल्प को चालू करें।
7. बनाएं (Create): 'Create Project' पर क्लिक करें। इसके बाद आपको वर्कस्पेस (कार्य-क्षेत्र) में ले जाया जाएगा, जहाँ आप क्लिप्स की समीक्षा कर सकते हैं और सामूहिक निर्माण (mass generation) की प्रक्रिया शुरू कर सकते हैं।

इस लेख को पढ़कर संक्षिप्त चरणों में ऑडियोबुक बनाने के बारे में और जानें:

https://moknah.io/blog/2025/7/27/convert-book-to-audiobook-in-15-minutes/

पेशेवरों के लिए गाइड: AI से अरबी आवाज़ तैयार करने में महारत

कौशल, युक्तियाँ और सर्वोत्तम कार्यप्रणालियाँ

AI वॉयस जनरेटर का अंतिम लक्ष्य क्रेडिट की खपत को कम करते हुए, सबसे स्वाभाविक प्रस्तुति के साथ उच्चतम गुणवत्ता वाली आवाज़ तैयार करना है। 'मकनाह' (Maknah) में, हम आपको पेशेवर वॉयस-ओवर तैयार करने के लिए उन्नत उपकरण प्रदान करते हैं। यह गाइड उन आवश्यक कौशलों को शामिल करती है जिनकी आपको आवश्यकता है।

1. विभाजन की कला (पाठ की तैयारी)

आर्टिफिशियल इंटेलिजेंस (AI) मॉडल आपके टेक्स्ट की संरचना का अक्षरशः पालन करते हैं। आप अपने टेक्स्ट को जिस तरह से विभाजित करते हैं, वही प्रदर्शन की गुणवत्ता, गति (लय) और लागत को निर्धारित करता है।

समस्या: टेक्स्ट ब्लॉक (The Text Block)

यदि आप किसी लंबे पैराग्राफ को विभाजित किए बिना पेस्ट करते हैं, तो फ़ॉर्म उसे एक ही पंक्ति के रूप में मानता है।

1. परिणाम : अक्सर आर्टिफिशियल इंटेलिजेंस लंबे वाक्य को पूरा करने में जल्दबाजी करता है, जिसके परिणामस्वरूप असामान्य गति उत्पन्न होती है।
2. लागत : यदि एक भी शब्द गलत हो, तो आपको पूरा पैराग्राफ दोबारा जेनरेट करना होगा, जिससे क्रेडिट बर्बाद होता है।

त्रुटि: यादृच्छिक विभाजन

यदि आप वाक्य के बीच में कहीं भी 'Enter' दबाते हैं, तो आर्टिफिशियल इंटेलिजेंस आपके निर्देशों का पालन करता है और...

हर पंक्ति के अंत में ठहराव (सुकून/तस्कीन)।

1. परिणाम : इससे आवाज़ खंडित और असंबद्ध हो जाती है तथा व्याकरण संबंधी त्रुटियाँ बढ़ जाती हैं, क्योंकि आर्टिफिशियल इंटेलिजेंस पूरे वाक्य की संरचना के आधार पर ही 'तशकील' (स्वर-चिह्नों) का निर्धारण करता है।

पेशेवर समाधान: सोच-समझकर किया गया विभाजन

1. नियम संख्या 1 : विराम चिह्नों (अल्पविराम, पूर्ण विराम, अर्ध-विराम) के आधार पर पाठ (text) को विभाजित करें।
2. नियम संख्या 2: यदि मूल पाठ में विराम चिह्नों का अभाव हो, तो उन्हें स्वयं जोड़ें; विशेष रूप से संयोजक शब्दों (जैसे 'और', 'लेकिन') से पहले।
3. सुनहरा नियम : पाठ को ज़ोर से पढ़ें। जहाँ भी आप साँस लेने के लिए स्वाभाविक रूप से रुकते हैं, वहीं से एक नई पंक्ति शुरू करें।
4. लंबे कंटेंट के लिए : 'टेक्स्ट-टू-स्पीच स्टूडियो' (Text-to-Speech Studio) का उपयोग करें; इसे पूरे Word दस्तावेज़ अपलोड करने के लिए डिज़ाइन किया गया है और यह आपकी ओर से इस विभाजन (splitting) की प्रक्रिया को स्वचालित रूप से संभालता है।
5. गठन और प्रसंस्करण

सवाल : क्या मुझे पूरे टेक्स्ट में मैन्युअल रूप से 'तशकील' (स्वर-चिह्न/मात्राएँ) लगानी होंगी? जवाब: नहीं। अत्यधिक मैन्युअल 'तशकील' मॉडल पर बहुत अधिक प्रतिबंध लगा देती है, जिससे उसकी 'स्व-तशकील' (यानी क्लोन की गई मूल मानवीय आवाज़ से प्राप्त स्वर-विन्यास) का उपयोग करने की क्षमता कमज़ोर हो जाती है।

समाधान A : आर्टिफिशियल इंटेलिजेंस (AI) द्वारा संवर्धित प्रोसेसिंग (मैजिक बटन)

यह सुविधा (जो इंटरफ़ेस में उपलब्ध है) आपका गुप्त हथियार है। इसे चुनने पर, सिस्टम...

स्वचालित रूप से:

1. अरबी पाठ का संदर्भानुसार स्वर-चिह्नांकन (तश्कील)।
2. आवश्यक विराम-चिह्न जोड़ना।
3. मुद्रण संबंधी त्रुटियों का सुधार।
4. परिणाम : यह बिना किसी मानवीय प्रयास के उच्चारण संबंधी 99% समस्याओं का समाधान करता है।
5. समाधान B : रणनीतिक मैनुअल गठन

यदि आप बेसिक नॉर्मलाइज़ेशन (Basic Normalization) का उपयोग कर रहे हैं, तो न्यूनतम दृष्टिकोण अपनाएँ:

1. आप किन शब्दों पर 'तश्कील' (स्वर-चिह्न) लगाएंगे ? केवल उन शब्दों पर जिन्हें पढ़ने में आपको कठिनाई होती है, या उन शब्दों पर जिनके एक से अधिक अर्थ होते हैं।
2. कैसे : आपको पूरे शब्द पर हरकत (मात्रा/स्वर-चिह्न) लगाने की आवश्यकता नहीं है। बस उस विशिष्ट अक्षर पर हरकत लगाएँ जिससे भ्रम पैदा हो रहा है।
3. उदाहरण : 'कुतिबा' (कर्म-प्रधान/passive voice) और 'कताबा' (भूतकाल की क्रिया) के बीच अंतर करने के लिए, आपको बस पहले अक्षर पर 'दम्मा' (pesh) लगाने की आवश्यकता है: 'कुतिबा'।
4. पाठ स्वरूपण के नियम

यह प्रारूप साफ़ और सरल टेक्स्ट को प्राथमिकता देता है। फ़ॉर्मैटिंग के इन नियमों का पालन करें:

1. ✅ संख्याओं को शब्दों में बदलें: मॉडल को जटिल संख्याओं (जैसे तिथियाँ, मुद्राएँ) या उनके व्याकरणिक स्वरूप को समझने में कठिनाई हो सकती है। उदाहरण के लिए, 2020 के बजाय 'दो हज़ार बीस' लिखें।
2. ✅ डैश (-) का उपयोग करें: ये बीच में आने वाले अतिरिक्त वाक्यों (parenthetical clauses) के लिए स्वीकार्य हैं, हालाँकि अल्पविराम (commas) को प्राथमिकता दी जाती है।
3. ❌ सूची के बिंदु नहीं: बुलेट पॉइंट्स (Bullet points) का उपयोग न करें।
4. ❌ अक्षरों को लंबा न करें: अक्षरों को खींचने या 'कशीदा' (kashida) लगाने से बचें (जैसे: مـرحـبـاً)।
5. ❌ स्लैश (/) या अंडरस्कोर (_) का उपयोग न करें।
6. ❌ एलिप्सिस (...) से बचें: वाक्यों को अलग करने के लिए कई बिंदुओं (एलिप्सिस) का उपयोग न करें, जब तक कि आप विशेष रूप से हिचकिचाहट या धीरे-धीरे लुप्त होते स्वर का भाव पैदा न करना चाहते हों।

विदेशी अक्षरों (P, G, V, CH) की चाल

अरबी भाषा में P, G या V जैसी कुछ ध्वनियाँ नहीं होती हैं; इसलिए, अरबी पाठ के भीतर विदेशी नामों का सही उच्चारण करने के लिए आर्टिफिशियल इंटेलिजेंस (AI) को निर्देशित करने हेतु उर्दू/फ़ारसी अक्षरों का उपयोग करें:

ये अक्षर इस प्रकार हैं:

🟢 अक्षर 'प' (पे)

🔸 वाक्य:

मैं अपने दोस्त के साथ पाकिस्तान गया।

विकल्प: पाकिस्तान

🔹 स्पष्टीकरण: अक्षर "پ" का उच्चारण 'P' की तरह होता है, और 'Pakistan' शब्द का यही सही उच्चारण है।

🟢 अक्षर 'चे' (چ)

🔸 वाक्य:

मैंने भारत में स्वादिष्ट चाय देखी।

इसके बजाय: चाय (shāyan) या चाय (shāy)

🔹 स्पष्टीकरण: उर्दू में शब्द "چاي" (चाय) को इस तरह लिखा जाता है और इसका उच्चारण "chai" (चाय) की तरह किया जाता है।

🟢 अक्षर ट (टे)

🔸 वाक्य:

मैंने टिन के कारखाने में काम किया।

बदल: 'तीन' (تين)، कुछ विदेशी नामों में भारी (मोटे) उच्चारण को दर्शाने के लिए।

🔹 स्पष्टीकरण: “ٹ” एक भारी (मूर्धन्य) ‘त’ ध्वनि है, और इसका उपयोग आमतौर पर “سعید ٹيچر” (उस्ताद सईद) जैसे नामों में किया जाता है।

🟢 अक्षर ड (डाल)

🔸 वाक्य:

मैंने अस्पताल में डॉक्टर से मुलाक़ात की।

पद: डॉक्टर

🔹 स्पष्टीकरण: अक्षर "ڈ" का उच्चारण भारी 'D' (मूर्धन्य 'ड') की तरह किया जाता है, और यह उर्दू में अंग्रेज़ी से आए शब्दों में आम है।

🟢 अक्षर ڑ (ड़े)

🔸 वाक्य:

मैं पहाड़ के पास एक गाँव में रहा।

पहाड़ = अल-जबल

🔹 स्पष्टीकरण: “ڑ” एक भारी (मूर्धन्य) ‘र’ ध्वनि है, जिसका प्रयोग “پہاڑ” (पहाड़) जैसे शब्दों में किया जाता है।

🟢 अक्षर ग (गाफ़)

🔸 वाक्य:

हम एक छोटी सी यात्रा पर गुजरात गए।

विकल्प: साहस

🔹 स्पष्टीकरण: “گ” का उच्चारण ‘G’ की तरह होता है, और राज्य के नाम “گجرات” (गुजरात) के उच्चारण में यह सही है।

🟢 अक्षर 'ये' (बड़ी 'ये')

🔸 वाक्य:

मैंने मस्जिद में अली से मुलाक़ात की।

बदल: अली

🔹 स्पष्टीकरण: “ے” का प्रयोग संज्ञाओं के अंत में 'या-ए-मुमाला' (झुकी हुई 'या') या दीर्घ 'या' को दर्शाने के लिए किया जाता है।

🟢 अक्षर ں (नून-ए-गुन्ना)

🔸 वाक्य:

यह मदीना से अहमद है।

शब्द के अंत में अनुनासिक 'नून' (nūn) का उदाहरण

🔹 स्पष्टीकरण: “ں” का उच्चारण नाक से निकलने वाली हल्की 'न' (अनुनासिक ध्वनि) के रूप में किया जाता है; यह उर्दू में प्रचलित है, विशेषकर संज्ञाओं के अंत में।

1. प्रदर्शन और भावना पर नियंत्रण
2. आप AI को समाचार वाचक के बजाय एक अभिनेता की तरह व्यवहार करने के लिए निर्देशित कर सकते हैं। यह 'मोड्स' (modes) और सेटिंग्स के माध्यम से किया जा सकता है।
3. स्तर 1 : मोड का चयन
4. जेनरेशन इंटरफ़ेस में, आपको एक चेकबॉक्स दिखाई देगा: Enable Emotions & Dialects Mode।
5. क. मानक स्थिति (बॉक्स चयनित नहीं है)
6. इनके लिए सर्वोत्तम : पेशेवर वर्णन (नैरेशन), ऑडियोबुक्स, ई-लर्निंग।
7. नियंत्रण कैसे करें :
8. विराम (Pauses): मौन लागू करने के लिए, नई पंक्ति में यह टैग जोड़ें:

1. हल्की भावना: पंक्ति के अंत में संदर्भ या वर्णनात्मक टैग का उपयोग करें (प्रायोगिक): मैंने फूलों की ओर देखा...

b. भावनाओं और लहजों की सेटिंग (बॉक्स चयनित है)

1. इनके लिए सबसे उपयुक्त : ड्रामा, गेम्स, पात्रों के संवाद।
2. नियंत्रण कैसे करें :
3. भावना-सूचक टैग (Emotion tags) : वाक्य की शुरुआत में भावना को अंग्रेज़ी में लिखते समय घुमावदार कोष्ठकों { } का उपयोग करना आवश्यक है।
4. प्रारूप : {Emotion} आपका अरबी टेक्स्ट यहाँ।
5. उदाहरण: {Shouting} चिल्लाना // {Whispering} फुसफुसाना // {Laughing} हँसना // {Sighs} आह भरना।

स्तर 2: ध्वनि सेटिंग्स

स्लाइडर्स का उपयोग करके आउटपुट को सटीकता से समायोजित करें:

1. तापमान (Temperature):
2. कम (स्थिर): स्थिर, अडिग, थोड़ा यांत्रिक। समाचारों के लिए अच्छा।
3. उच्च (लचीला): अधिक रचनात्मक और भावनात्मक। चेतावनी: इसे बहुत अधिक बढ़ाने से अस्थिरता या श्रवण मतिभ्रम (आवाज़ें सुनाई देना) हो सकता है।
4. समानता (Similarity):
5. यह मूल क्लोन किए गए संस्करण के साथ आवाज़ की समानता को नियंत्रित करता है। सटीकता के लिए इसे उच्च स्तर पर रखें।
6. अभिव्यक्ति-क्षमता (Expressiveness):
7. यह भावनात्मक दायरे को बढ़ाता है। इसका सावधानी से उपयोग करें; लंबे टेक्स्ट के लिए, स्थिरता बनाए रखने के लिए इसे कम स्तर पर रखें।
8. बोलियों में महारत
9. सुनहरा नियम: अरबी बोलियों (सऊदी, मिस्री, जॉर्डनियन आदि) के लिए, आवाज़ का पाठ (टेक्स्ट) से मेल खाना आवश्यक है।
10. यदि आप मिस्र की बोलचाल की भाषा (आमिया) में लिख रहे हैं, तो आपको मिस्र के लहजे में प्रशिक्षित आवाज़ का चयन करना चाहिए।
11. मानक अरबी (Fusha) बोलने वाली आवाज़ को बोलचाल की अरबी (Ammiya) बोलने के लिए मजबूर न करें; इसका परिणाम अजीब लगेगा।
12. प्राइमिंग (Priming) की चाल :
13. आर्टिफिशियल इंटेलिजेंस (AI) को बोली की तुरंत पहचान करने में मदद करने के लिए, अपने टेक्स्ट की शुरुआत उस बोली के किसी सशक्त शब्द से करें।
14. उदाहरण: किसी तटस्थ वाक्यांश से शुरुआत करने के बजाय, "इज़्ज़यक, आमिल ए?" (आप कैसे हैं? क्या हाल-चाल है?) से शुरुआत करें। इससे मॉडल बाकी पैराग्राफ के दौरान मिस्री अंदाज़ बनाए रखने के लिए तैयार हो जाता है।

'मकना' (Makna) गाइड में अगले लेख पर जाएँ।