TTS-টেক্সট থেকে বক্তৃতা চালু আছে

TTS-টেক্সট থেকে বক্তৃতা একটি ওয়েবভিত্তিক টেক্সট-টু-স্পিচ টুল। এর মূল প্রক্রিয়া হলো টেক্সটকে বক্তৃতায় রূপান্তর করা এবং উচ্চারণ ও প্রকাশভঙ্গির ওপর নির্দিষ্ট মাত্রায় নিয়ন্ত্রণ দেওয়া। এটি মাইক্রোসফট Azure স্পিচ সিন্থেসিস প্রযুক্তি ব্যবহার করে এবং অডিও সম্পাদনা বা পূর্ণাঙ্গ ভিডিও তৈরির প্ল্যাটফর্মের চেয়ে ডাবিং, পাঠ এবং শ্রবণ উপকরণ তৈরির দিকে বেশি কেন্দ্রীভূত।

টুলটি চীনা মান্দারিন, হেনান উপভাষা, শানসি উপভাষার মতো চীনা আঞ্চলিক ভাষা এবং ইংরেজি, জাপানিসহ বিভিন্ন বিদেশি ভাষায় বক্তৃতা তৈরি করতে পারে। একবারে সর্বোচ্চ প্রায় 10000 অক্ষরের টেক্সট প্রক্রিয়া করা যায়। দীর্ঘ কনটেন্ট তৈরির ব্যবস্থাপনা সহজ করতে টেক্সটকে একাধিক অংশে সাজানো যায়।

বক্তৃতা সামঞ্জস্যের ক্ষেত্রে টুলটি বিভিন্ন কণ্ঠের ধরন ও আবেগের মোড সরবরাহ করে। এতে বক্তৃতার গতি, স্বর, বিরতি, বহু-উচ্চারণযুক্ত অক্ষরের পাঠ এবং শব্দসংযোগ নিয়ন্ত্রণ করা যায়। SSML-এ অভ্যস্ত ব্যবহারকারীরা আরও সূক্ষ্ম বক্তৃতা মার্কআপ সেটিংসও করতে পারেন। তৈরি ফলাফল MP3 বা WAV ফরম্যাটে রপ্তানি করা যায়।

চলচ্চিত্র ও টিভি ব্যাখ্যা এবং স্বল্পদৈর্ঘ্য ভিডিও ডাবিংয়ের কাজে এটি দ্রুত বর্ণনার খসড়া তৈরি করতে পারে। বিপণন কনটেন্টে প্রচারমূলক লেখার অডিও সংস্করণ তৈরিতেও এটি উপযোগী। বিদেশি ভাষা শিক্ষার্থীরা টেক্সটকে শ্রবণ উপকরণে রূপান্তর করে বিভিন্ন ভাষা ও কণ্ঠের চরিত্রের সাহায্যে অনুশীলন করতে পারেন।

দীর্ঘ লেখা শুনতে চান এমন ব্যবহারকারীদের জন্য এটি নিবন্ধ, তথ্যপত্রসহ বিভিন্ন কনটেন্ট পাঠ করতেও ব্যবহার করা যায়। একাধিক ব্যক্তির সংলাপ বা স্পষ্টভাবে ভিন্ন চরিত্রের টেক্সটে কণ্ঠ পরিবর্তন করে পার্থক্য তৈরি করা যায়, তবে চূড়ান্ত ব্যবহারের আগে শ্রুতিমাধুর্য ও প্রকাশভঙ্গি স্বাভাবিক কি না তা পরীক্ষা করা উচিত।

তৈরি করার আগে টেক্সটের ব্যক্তির নাম, স্থানের নাম, সংক্ষিপ্ত রূপ, সংখ্যা এবং বহু-উচ্চারণযুক্ত অক্ষর পরীক্ষা করা উচিত। শুনে পরীক্ষা করে উচ্চারণ নিশ্চিত করতে হবে। উপভাষা, বিদেশি ভাষার মিশ্রণ এবং জটিল স্বরভঙ্গিযুক্ত কনটেন্টে বিরতি, উচ্চারণ বা আবেগের প্যারামিটার ম্যানুয়ালি সামঞ্জস্য করার প্রয়োজন হতে পারে।

দীর্ঘ টেক্সট অংশে ভাগ করে তৈরি এবং প্রতিটি অংশ আলাদাভাবে পর্যালোচনা করা ভালো। সূক্ষ্ম নিয়ন্ত্রণের জন্য SSML ব্যবহার করলে সংশ্লিষ্ট মার্কআপ লেখার পদ্ধতি বুঝতে হবে। পরবর্তী সম্পাদনা বা প্রকাশের প্রয়োজন অনুযায়ী MP3 বা WAV রপ্তানি ফরম্যাট বেছে নিতে হবে। চূড়ান্ত অডিওতে শব্দের মাত্রা, গতি এবং কনটেন্টের নির্ভুলতা এখনও ম্যানুয়ালি পরীক্ষা করা প্রয়োজন।