মাল্টি-ভয়েস TTS

AI ডায়ালগ জেনারেটর

দুই জনের কথোপকথন তৈরির AI ডায়লগ জেনারেটর। Host ও Guest-এর জন্য আলাদা ভয়েস আগেই ঠিক করা আছে। শুধু সংলাপ লিখুন, তৈরি করুন এবং পুরো অডিওটি একসাথে ডাউনলোড করুন।

বিজ্ঞাপন ছাড়াই

Dialogue studio

Host and Guest already have voices. Write the conversation, generate, and download one file.

Working tool

Speakers

Already loaded. Change a voice only if you want a different person.

2 speakers

H
G

Line 1 is Host. Line 2 is Guest. They keep taking turns.

১৬৬ characters
Advanced options
শব্দের উচ্চারণ ঠিক করুন

যে শব্দ কণ্ঠটি ভুল বলে সেটি যোগ করুন এবং যেভাবে শোনা উচিত সেভাবে লিখুন। প্রতিবার তৈরির সময় এই সংশোধন ব্যবহার হবে, আর আপনার স্ক্রিপ্ট যেমন লিখেছেন তেমনই থাকবে। শুধু এই ব্রাউজারে সেভ।

    Source files are parsed locally. In Cloud mode, only the selected text sections are sent for speech generation. In-browser mode keeps both the source and generated speech on this device.

    বিজ্ঞাপন ছাড়াই

    এই টুল পেজ এখনো অনুবাদ হয়নি। নিচে ইংরেজিতে চলবে। ইংরেজিতে ব্যবহার করুন

    টু-ভয়েস TTS

    ফ্ল্যাট স্ক্রিপ্ট থেকে মাল্টি-ক্যারেক্টার ডায়ালগ

    ডায়ালগ স্টুডিওতে দুইজন স্পিকার আগে থেকেই লোড করা থাকে। কথোপকথন লিখুন, জেনারেট করুন এবং একটি সম্পূর্ণ ফাইল ডাউনলোড করুন। প্রতিটি ব্যক্তির নিজস্ব আলাদা ভয়েস থাকবে।

    Related use cases

    পডকাস্টার অডিওবুক ইউটিউব প্রাকৃতিক ভয়েস
    The quick answer

    প্রতিটি টার্নে একটি লাইন লিখুন। হোস্ট ও গেস্টের ভয়েস আগে থেকেই আছে। Generate বাটনে ক্লিক করে একটি জয়েন করা WAV বা MP3 ডাউনলোড করুন।

    ডায়ালগ ওয়ার্কফ্লো

    লিখুন, তারপর তৈরি করুন

    1. 01

      কথোপকথন লিখুন

      প্রতিটি লাইনে একটি করে কথা। হোস্ট প্রথম লাইন বলবে, গেস্ট দ্বিতীয়, তারপর এভাবেই বদলে যাবে। যদি আগে থেকেই স্ক্রিপ্ট লেখেন, তবে NAME: লাইন ট্যাগও কাজ করবে।

    2. 02

      চাইলে ভয়েস বদলান

      হোস্ট ও গেস্টের জন্য আলাদা ভয়েস আগে থেকেই সেট করা আছে। নাম বদলান, ভিন্ন ভয়েস বেছে নিন, বা নতুন কেউ যোগ করুন। স্ক্রিপ্ট থেকে স্পিকার শনাক্ত করার দরকার নেই।

    3. 03

      জেনারেট করে ডাউনলোড করুন

      একবার Generate চাপলেই পুরো কথোপকথন তৈরি হয়ে যাবে। শুনুন, তারপর একসাথে WAV বা MP3 ফাইল ডাউনলোড করুন।

    কখন ব্যবহার করবেন

    মাল্টি-ভয়েস TTS দিয়ে মানুষ কী তৈরি করে

    04 scenarios
    01 / 04

    NotebookLM-স্টাইল পডকাস্ট ক্লোন

    দুই হোস্টের পডকাস্ট, যেখানে এক AI ভয়েস প্রশ্ন করে আর অন্যটি উত্তর দেয়। স্ক্রিপ্ট লিখুন, Host A ও Host B-কে আলাদা ভয়েস দিয়ে জেনারেট করুন, তারপর স্প্লাইস করুন। কোনো সাবস্ক্রিপশন বা ওয়েটলিস্ট নেই।

    02 / 04

    অ্যানিমেটেড শর্টস ও গেম প্রোটোটাইপ

    স্টোরিবোর্ড বা Twine প্রোটোটাইপের প্রতিটি চরিত্রকে আলাদা Kokoro ভয়েস দিন। 54টি ভয়েস থাকায় রফ কাটের জন্য ভয়েস অ্যাক্টর হায়ার করার দরকার পড়ে না।

    03 / 04

    অডিওবুকের চরিত্রের সংলাপ

    প্রথমে River বা Daniel ভয়েস দিয়ে গল্পের বর্ণনা পড়ুন, তারপর সরাসরি উদ্ধৃতির জন্য আলাদা চরিত্র ভয়েস ব্যবহার করুন। শ্রোতারা 'সে বলল' লেখা ছাড়াই বুঝতে পারবে কে কথা বলছে।

    04 / 04

    ভাষা শেখার কথোপকথন

    স্প্যানিশ, ফরাসি, হিন্দি, জাপানি, ম্যান্ডারিনসহ আরও ৪টি ভাষায় দুই স্পিকারের ডায়ালগ তৈরি করুন। বাস্তবসম্মত অনুশীলনের জন্য এক পুরুষ ও এক নারী ন্যাটিভ ভয়েস জোড়া লাগান।

    আরও জানুন

    ছয়টি ভয়েস জোড়া যা আলাদাভাবে শোনায়

    শ্রোতারা ভাবতে না ভাবতেই দুই ভয়েসের পার্থক্য বুঝতে পারলে ডায়ালগ সফল হয়। এই ছয়টি জোড়া লিঙ্গ, অ্যাকসেন্ট বা চরিত্রের টোন অনুযায়ী আলাদা। একটি বেছে নিয়ে জেনারেট শুরু করুন।

    01 US English

    Sarah + Adam

    Host + expert guest

    Best for

    NotebookLM-স্টাইলের এক্সপ্লেইনার পডকাস্টের জন্য। Sarah প্রশ্ন করে, Adam কর্তব্যমূলক উত্তর দেন। দুই হোস্টের US English শো-র জন্য এটি সবচেয়ে প্রাকৃতিক জোড়া।

    02 US English

    Bella + Liam

    Casual conversation

    Best for

    লাইফস্টাইল পড, বন্ধুদের আড্ডার মতো ফরম্যাট, অডিওবুকের ক্যাফে-দৃশ্য। দুই কণ্ঠই উষ্ণ, তাই সংলাপটি শুনতে আরামদায়ক, কঠোর নয়।

    03 British English

    Daniel + Emma

    Period drama or BBC-style

    Best for

    যুক্তরাজ্যে সেট করা অডিওবুক দৃশ্য, প্রেস্টিজ ডকুমেন্টারি, হোস্ট-এবং-কথক কাঠামোবিশিষ্ট ইতিহাস পডকাস্ট। একই অ্যাকসেন্ট থাকায় গল্পের পরিবেশ একরকম থাকে।

    04 US English (character)

    Puck + Sky

    Animation / game characters

    Best for

    অ্যানিমেটেড শর্টস, Twine প্রোটোটাইপ, ইন্ডি গেমের NPC সংলাপ। Puck চালাক, Sky স্পষ্ট—এগুলো কথকের নয়, চরিত্রের কণ্ঠ।

    05 US English

    River + Nova

    Documentary narrator + interviewee

    Best for

    ট্রু-ক্রাইম, ইতিহাস, বিজ্ঞান ডকুমেন্টারি। River মূল গল্পের সুতো ধরে রাখে, Nova আর্কাইভের কণ্ঠ হিসেবে কাজ করে।

    06 US English

    Michael + Jessica

    Co-host energy

    Best for

    মর্নিং শো-র আড্ডা, নিউজ-এবং-চ্যাট ফরম্যাট, ব্র্যান্ডেড পডকাস্টের ইন্ট্রো। শো শুরু হওয়ার আগে দুই হোস্টের মধ্যে এই প্রাণবন্ত সংলাপ চলে।

    Want to hear them? Browse all 54 voices →

    আরও জানুন

    প্রাকৃতিক TTS-এর জন্য সংলাপ লেখার কৌশল

    ভয়েস মডেলের দায়িত্ব। বাস্তবতা আসে আপনার স্ক্রিপ্ট থেকে—বিট, নীরবতা এবং চরিত্রগুলোর ছোট ছোট প্রতিক্রিয়া। পুরো প্রক্রিয়া কভার করার জন্য ছয়টি নিয়ম।

    • 01

      প্রতিটি টার্নে এক লাইন লিখুন

      হোস্ট প্রথম লাইন নেবে, গেস্ট দ্বিতীয়, তারপর বদলে বদলে যাবে। আপনি যদি আগে থেকেই এমনভাবে স্ক্রিপ্ট লেখেন, তবে NAME: ট্যাগও কাজ করবে।

    • 02

      লাইনের মাঝের বিট স্ক্রিপ্ট করতে বিরামচিহ্ন ব্যবহার করুন

      কমা হলো চার্টা-বিট, পিরিয়ড আধা-বিট, এম-ড্যাশ হলো আসল বিরতি, আর এলিপসিস হলো ধরে রাখা বিট। চরিত্রটি যদি দ্বিধায় থাকে, তাহলে "Well I don't know if that's true." না লিখে "Well... I don't know if that's true." লিখুন। দ্বিধা বিক্রি করে দেয় সেই বিরতি, আর Kokoro বিরামচিহ্ন মানে রাখে।

    • 03

      টার্নগুলোর মাঝে ২০০–৪০০ মিলিসেকেন্ড নীরবতা রাখুন

      প্রকৃত কথোপকথনে গ্যাপ-টাইম গড়ে ২৫০ মিলিসেকেন্ডের কাছাকাছি। দুটি TTS ক্লিপ একটার পর একটা লাগালে ডায়লগ রোবোটিক শোনায়; এডিটরে টার্নগুলোর মাঝে ৩০০ মিলিসেকেন্ডের আসল নীরবতা যোগ করলে মনে হবে দুজন মানুষ কথা বলছে। টেনশনপূর্ণ দৃশ্যের জন্য ১০০ মিলিসেকেন্ড পর্যন্ত নামিয়ে আনুন। ভাবনামগ্ন আলাপের জন্য ৬০০ মিলিসেকেন্ড পর্যন্ত বাড়ান।

    • 04

      ৫০–১০০ মিলিসেকেন্ড ওভারল্যাপ দিয়ে ইন্টারাপশন ফেক করুন

      চরিত্র A-র ক্লিপটি শব্দের মাঝে কেটে ফেলুন, তারপর চরিত্র B-র ক্লিপটি A শেষ হওয়ার ৫০–১০০ মিলিসেকেন্ড আগে শুরু করুন। এই ছোট্ট ওভারল্যাপই হলো "তারা কথা কেটে দিল"-এর সার্বজনীন অডিও সংকেত। ওভারল্যাপ জোনের ১০০ মিলিসেকেন্ড ক্রসফেড স্প্লাইস মসৃণ করে এবং ইন্টারাপশনটি প্রাকৃতিক মনে হয়।

    • 05

      হেডফোন ক্ল্যারিটির জন্য ভয়েস সামান্য বামে ও ডানে প্যান করুন

      চরিত্র A-কে ১৫% বামে এবং চরিত্র B-কে ১৫% ডানে প্যান করুন। থিয়েট্রিক্যাল মনে হওয়ার মতো বেশি নয়, কিন্তু হেডফোন শ্রোতারা আর বুঝতে পারবেন না কে কথা বলছে। হার্ড প্যানিং (৫০%+) শুধু রেডিও ড্রামার জন্য কাজ করে। পডকাস্ট ও অডিওবুকের জন্য ১৫% হলো সঠিক জায়গা।

    • 06

      হাসি এবং "uh-huh"-এর জন্য ফোনটিক প্রতিক্রিয়া লিখুন

      SSML নেই, <laugh> ট্যাগ নেই, যা বলতে চান তা লিখুন। "Hah hah hah" একটি পরিষ্কার তিন-সিলেবল হাসি দেয়, "mmhm" সম্মতি হিসেবে পড়ে, আর "ugh" হতাশা হিসেবে পড়ে। প্রতিক্রিয়াটি ১০-অক্ষরের সোলো জেনারেশন হিসেবে টেস্ট করুন, যদি একটি ভয়েস আরও পরিষ্কার দেয় তবে ভয়েস বদলে নিন, তারপর এডিটে WAV-টি আলাদা ট্র্যাকে বসান।

    আরও জানুন

    FreeTextoSpeech বনাম PlayHT এবং Murf-এর ডায়লগ ফিচার

    PlayHT এবং Murf দুটোই নেটিভ মাল্টি-স্পিকার মোড দেয়, একবার পেস্ট করলেই একটি মিক্স রেন্ডার হয়। বিনিময়ে মাসিক চরিত্র সীমা, সাইনআপ এবং পেমড কমার্শিয়াল লাইসেন্স। এখানে সৎ মূল্যায়ন।

    মাল্টি-ভয়েস ডায়লগ সাপোর্ট

    FreeTextoSpeech

    প্রতিটি টার্নে এক লাইন লিখুন, Host এবং Guest-এর আগে থেকেই ভয়েস আছে, এবং একটি যুক্ত কথোপকথন এক্সপোর্ট করুন।

    PlayHT / Murf ফ্রি টিয়ার

    নেটিভ মাল্টি-স্পিকার ডায়লগ ফিচার আছে, কিন্তু পেইড টিয়ারের পেছনে লক করা এবং ফ্রি ভার্সনে ভয়েসের সংখ্যা সীমিত।

    প্রতিটি দৃশ্যে ভয়েসের বৈচিত্র্য

    FreeTextoSpeech

    ৯টি ভাষায় ৫৪টি ভয়েস, পুরো এনসেম্বল কাস্টের জন্য যথেষ্ট।

    PlayHT / Murf ফ্রি টিয়ার

    ছোট ফ্রি ভয়েস পুল, বেশিরভাগ আলাদা চরিত্রের ভয়েস পেইওয়ালড।

    ৫ মিনিটের ডায়লগের খরচ

    FreeTextoSpeech

    সম্পূর্ণ ফ্রি। কতবার জেনারেট করবেন, তার কোনো সীমা নেই।

    PlayHT / Murf ফ্রি টিয়ার

    ফ্রি প্ল্যানে মাসিক ক্যারেক্টার লিমিট প্রযোজ্য। দীর্ঘ দৃশ্য বানালে পেইড প্ল্যানে যাওয়াই বাধ্যতামূলক।

    ফ্রি প্ল্যানে বাণিজ্যিক লাইসেন্স

    FreeTextoSpeech

    সম্পূর্ণ বাণিজ্যিক ব্যবহারের অনুমতি, কোনো ক্রেডিট বা অ্যাট্রিবিউশন লাগবে না।

    PlayHT / Murf ফ্রি টিয়ার

    ফ্রি প্ল্যানে বাণিজ্যিক ব্যবহার সীমিত। মনিটাইজড পডকাস্ট বা ইন্ডি গেমের জন্য পেইড প্ল্যান লাগবে।

    আউটপুট ফরম্যাট

    FreeTextoSpeech

    প্রতিটি ভয়েসের জন্য 24 kHz WAV ফাইল। যেকোনো DAW-এ আলাদা ট্র্যাকে সরাসরি ব্যবহার করা যায়।

    PlayHT / Murf ফ্রি টিয়ার

    ফ্রি প্ল্যানে কমপ্রেসড MP3, সাধারণত সিঙ্গেল-মিক্সেই সীমাবদ্ধ।

    সাইনআপ

    FreeTextoSpeech

    লাগবে না। পেজ খুলুন, টেক্সট পেস্ট করুন, জেনারেট করুন।

    PlayHT / Murf ফ্রি টিয়ার

    ইমেইলে সাইনআপ বাধ্যতামূলক, বাণিজ্যিক ফিচারের জন্য ক্রেডিট কার্ডের তথ্য রাখতে হবে।

    ওয়ান-ক্লিক মাল্টি-ভয়েস জেনারেশন

    FreeTextoSpeech

    লোড করা স্পিকারদের সাথে নেটিভ মাল্টি-স্পিকার জেনারেশন, জয়েন্ড এক্সপোর্ট এবং অপশনাল অ্যাডভান্সড কন্ট্রোল।

    PlayHT / Murf ফ্রি টিয়ার

    পেইড টিয়ারে নেটিভ মাল্টি-স্পিকার ডায়ালগ মোড (একবার পেস্ট, একবার রেন্ডার)।

    শেয়ার্ড ভয়েস ইঞ্জিন ওভারলোড না হোক, তাই Generate বাটনে প্রতিটি টার্ন ক্রমানুসারে চলে।

    FAQ

    Frequently asked questions

    01

    একটি রিকোয়েস্টে দুটি ভিন্ন ভয়েস জেনারেট করা যায়?

    হ্যাঁ। কথোপকথন লিখুন, প্রতিটি স্পিকারকে ভিন্ন ভয়েস দিন এবং Generate-এ ক্লিক করুন। স্টুডিও টার্নগুলো ক্রমানুসারে চালিয়ে একটি জয়েন্ড অডিও ফাইল তৈরি করবে।
    02

    ভয়েসগুলো একে অপরের মতো শোনানো থেকে কীভাবে বাঁচবেন?

    কমপক্ষে দুটি দিকের পার্থক্য রাখুন: লিঙ্গ, অ্যাকসেন্ট বা পিচ। Sarah + Adam (US ফিমেল ওয়ার্ম + US মেল অথরিটেটিভ) পরিষ্কার শোনা যায়। Bella + Daniel (US কনভার্সেশনাল + UK ফরমাল) আরও ভালো, কারণ অ্যাকসেন্টের পরিবর্তন স্পষ্ট। একই অ্যাকসেন্ট ও লিঙ্গের দুটি ভয়েস একসাথে ব্যবহার করবেন না, শ্রোতা গুলিয়ে যাবে।
    03

    চরিত্রগুলোর মধ্যে ইন্টাররাপশন বা কথা কেটে নেওয়ার ইফেক্ট কীভাবে দেবেন?

    Advanced অপশনে টার্নগুলোর মাঝে ছোট পজ দিন। সত্যিকারের ওভারল্যাপ চাইলে জয়েন্ড ফাইল ডাউনলোড করে এডিটরে আগামী লাইনটি একটু আগে প্লেস করুন।
    04

    হাসি, নিঃশ্বাস বা "uh-huh"-এর মতো প্রতিক্রিয়া কীভাবে হ্যান্ডেল করবেন?

    মডেলে নন-ভার্বাল সাউন্ড ট্যাগ নেই। “hah hah,” “mmhm,” বা “ugh”-এর মতো ফোনেটিক প্রতিক্রিয়া আলাদা ছোট স্পিকার টার্ন হিসেবে লিখুন। যদি অন্য স্পেলিং ভালো লাগে, তবে সেই টার্নটি আবার চেষ্টা করুন।
    05

    AI-জেনারেটেড ডায়ালগ বাণিজ্যিকভাবে প্রকাশ করা যায়?

    হ্যাঁ। FreeTextoSpeech থেকে ডাউনলোড করা 24 kHz WAV ফাইলগুলো সম্পূর্ণ বাণিজ্যিক ব্যবহারের জন্য লাইসেন্সড। পডকাস্ট, মনিটাইজড YouTube ভিডিও, পেইড অডিওবুক, ইন্ডি গেম বা বিজ্ঞাপন রিডে ব্যবহার করা যাবে। কোনো অ্যাট্রিবিউশন বা রয়্যালটি শেয়ার লাগবে না। সিঙ্গেল-ভয়েস ন্যারেশনের মতোই টু-ভয়েস ডায়ালগ দৃশ্যে এই লাইসেন্স প্রযোজ্য।
    06

    একটি ডায়ালগ দৃশ্ব কত দীর্ঘ হতে পারে?

    প্রতিটি জেনারেশনে সর্বোচ্চ 5,000 অক্ষর পর্যন্ত লেখা যায়, তবে আপনি যতবার চান ততবার জেনারেট করতে পারেন। সাধারণত ৩০ মিনিটের দুই-হোস্ট পডকাস্টের জন্য প্রায় ৪,৫০০ শব্দের ডায়ালগ লাগে, যা দুই চরিত্রের মধ্যে ভাগ করে প্রায় ১২টি জেনারেশনে (প্রতি ভয়েসে ৬টি) সম্পন্ন হয়। সবগুলো একটি প্রজেক্ট ফাইলে জোড়া লাগালেই পুরো এপিসোড তৈরি হয়ে যায়।
    07

    কথোপকথনের টার্ন বদলালেও কি ডায়ালগটি প্রাকৃতিক শোনায়?

    হ্যাঁ, কারণ Kokoro মডেলটি প্রতিটি ভয়েসের জন্য নির্দিষ্ট। চরিত্র A সব ক্লিপে একইভাবে শোনাবে। সমস্যা হয় কথার ফাঁকে, ভয়েসে নয়। বক্তাদের মাঝে ২০০–৪০০ মিলিসেকেন্ডের নীরবতা বা রুম টোন রাখলে কথোপকথনটি মানবিক ডায়ালগের মতোই প্রাকৃতিক শোনাবে।
    08

    তিন বা তার বেশি চরিত্র ব্যবহার করা যায় কি?

    হ্যাঁ। স্টুডিওতে একজন স্পিকার যোগ করুন, তাকে আলাদা ভয়েস দিন এবং প্রতি টার্নে একটি করে লাইন লিখুন। তিনটি ভয়েস ব্যবহার করা ঠিক আছে; চারটি হলে শ্রোতার মনোযোগ ধরে রাখা কঠিন হয়ে পড়ে, যদি না একজন স্পষ্টতই ন্যারেটর হিসেবে থাকেন।

    Still wondering? Get in touch →

    আরও দেখুন

    সম্পর্কিত TTS টুলস

    লং-ফর্ম ↗

    পডকাস্টের জন্য Text to Speech

    দুই-হোস্ট পডকাস্টের ইন্ট্রো ও সেকশনের জন্য স্টুডিও-মানের রিড।

    লং-ফর্ম ↗

    অডিওবুকের জন্য Text to Speech

    চরিত্র-ভিত্তিক ভয়েস বদলসহ ইন্ডি অডিওবুক ন্যারেশন।

    ভয়েস কোয়ালিটি ↗

    ন্যাচারাল AI ভয়েস জেনারেটর

    দীর্ঘ ডায়ালগ দৃশ্বে Kokoro ভয়েসগুলো কেন মানুষের মতো শোনায়।

    লং-ফর্ম ↗

    YouTube-এর জন্য Text to Speech

    Premiere বা DaVinci Resolve-এ সরাসরি ডায়ালগ দৃশ্ব যুক্ত করুন।

    Try it now

    আপনার প্রথম দুই-ভয়েস দৃশ্ব তৈরি করুন।

    ১০ মিনিটের মধ্যে ফ্রি জেনারেট করুন, সম্পূর্ণ বাণিজ্যিক অধিকারসহ।

    Open the tool See all voices