কথোপকথন বা স্পোকেন স্যাম্পল দরকার এমন মিউজিক প্রযোজক
হিপ-হপ, লো-ফাই, ইলেকট্রনিক বা আরঅ্যান্ডবি ট্র্যাকের জন্য ইন্ট্রো স্কিট, আউটরো মনোলগ, ভোকাল চপ আর স্পোকেন হুক তৈরি করুন। বাণিজ্যিক ব্যবহারের পূর্ণ অনুমতি রয়েছে, আলাদা অনুমোদনের ঝামেলা নেই।
স্পোকেন ভোকাল, ড্রাই স্টেম
Vocal Maker
স্পোকেন-ওয়ার্ড, ভয়েসওভার, ইন্ট্রো, স্কিট বা মনোলোগ তৈরির ফ্রি AI ভোকাল মেকার। এতে পাবেন 24 kHz WAV স্টেম আর পূর্ণ বাণিজ্যিক ব্যবহারের ছাড়পত্র, কোনো সাইন আপ ছাড়াই।
এই টুল পেজ এখনো অনুবাদ হয়নি। নিচে ইংরেজিতে চলবে। ইংরেজিতে ব্যবহার করুন
শুধু কথ্য বা স্পোকেন ভোকাল, গান নয়
স্পোকেন-ওয়ার্ড ট্র্যাক তৈরির খাঁটি ভোকাল মেকার
শুরুতেই পরিষ্কার করে রাখা ভালো: এটি স্পোকেন ভোকাল মেকার, গান গাওয়ার AI নয়। এখান থেকে ধারাবর্ণনা, ভয়েসওভার এবং কথ্য অডিওর পরিষ্কার ড্রাই স্টেম পাবেন, যা অনায়াসে Ableton, Logic বা FL Studio-তে ব্যবহার করা যায়। আপনি যদি AI গান বা সুরের ভোকাল চেয়ে থাকেন, তবে এটি সেই কাজ করবে না, তার জন্য Suno বা Udio দেখতে পারেন। আর মিউজিক ট্র্যাকের জন্য স্পোকেন ইন্ট্রো, স্কিট, ডায়ালগ, ড্রামাটিক মনোলোগ কিংবা ভয়েস স্যাম্পল দরকার হলে এটি একেবারে মানানসই টুল।
Related use cases
The quick answer
আপনার কথ্য স্ক্রিপ্ট পেস্ট করুন (সর্বোচ্চ 5,000 অক্ষর), 9টি ভাষায় থাকা 54টি কণ্ঠ থেকে পছন্দেরটি বেছে নিন, অডিও তৈরি করুন এবং ড্রাই 24 kHz WAV ফাইল ডাউনলোড করুন। এরপর স্টেমটি নিজের DAW-তে নিয়ে EQ, কম্প্রেশন বা রিভার্ব যোগ করুন। এটি কেবল কথ্য ভোকালের জন্য, গান গাওয়ার জেনারেটর নয়।
কাজের সহজ ধাপ
স্ক্রিপ্ট থেকে সরাসরি ড্রাই ভোকাল স্টেম
- 01
স্ক্রিপ্ট লিখুন বা পেস্ট করুন
প্রতিবারে সর্বোচ্চ 5,000 অক্ষর পর্যন্ত টেক্সট লিখুন বা পেস্ট করুন। যতিচিহ্ন দিয়ে কথার ছন্দ ঠিক করুন, যেমন হালকা বিরতির জন্য কমা আর দীর্ঘ বিরতির জন্য ড্যাশ ব্যবহার করুন।
- 02
পছন্দের কণ্ঠ বেছে নিন
9টি ভাষায় রয়েছে 54টি Kokoro ভয়েস। নাটুকে ধারাভাষ্য, শান্ত পাঠ, জোরালো বক্তব্য কিংবা মিষ্টি নারী কণ্ঠ, প্রয়োজন অনুযায়ী চরিত্র বেছে নিন।
- 03
অডিও তৈরি করুন
এক ক্লিকেই পেয়ে যাবেন পরিষ্কার 24 kHz মনো WAV ফাইল। একই স্ক্রিপ্ট আর একই ভয়েস ব্যবহার করলে প্রতিবার হুবহু একই রকম আউটপুট পাবেন।
- 04
আপনার DAW সফটওয়্যারে যোগ করুন
ডাউনলোড করা WAV ফাইলটি Ableton, Logic, FL Studio, Reaper বা Audacity-তে নিয়ে যান। সাধারণ ড্রাই ভোকালের মতোই এতে EQ, কম্প্রেশন বা রিভার্ব বসিয়ে নিজের ট্র্যাকে সাজিয়ে নিন।
ব্যবহারের ক্ষেত্র
কাদের জন্য এই এআই ভোকাল মেকার
স্বাধীন অডিওবুক কথক ও প্রযোজক
পুরো বইয়ের প্রতিটি অধ্যায় রেকর্ড করুন একই রকম কণ্ঠে। বড় পরিচ্ছেদগুলোকে 4,000 অক্ষরের ছোট ছোট অংশে ভাগ করে তৈরি করুন, তারপর নিজের DAW-তে ACX লাউডনেস মান অনুযায়ী ফাইনাল করে নিন।
পডকাস্টের ইন্ট্রো ও ব্যাকগ্রাউন্ড ভয়েস
প্রতিটি পর্বের জন্য একই ব্র্যান্ডেড ইন্ট্রো, স্পনসর বার্তা এবং অধ্যায়ের সূচনা তৈরি করুন এমন এক কণ্ঠে, যা প্রতি পর্বে একদম একই থাকবে।
স্বল্পদৈর্ঘ্য চলচ্চিত্র ও আবৃত্তি
ফিল্ম স্কুলের রাফ এডিটের সংলাপ, ভয়েস মেমো, নাটকের মনোলগ কিংবা ব্যাকগ্রাউন্ড মিউজিকের সাথে কবিতা পাঠের উপযোগী অডিও তৈরি করুন।
আরও জানুন
প্রোডাকশন কাজের উপযোগী ভোকাল
ছয়টি কণ্ঠ যা সিনেমাটিক ধারাভাষ্য, আবৃত্তি, হিপ-হপ স্কিট এবং অডিওবুকের মতো দরকারি কাজের জন্য তৈরি। প্রতিটি ভয়েসই একদম ক্লিয়ার ড্রাই স্টেম হিসেবে নামানো যায়, যা সরাসরি DAW-তে এডিট করার উপযোগী।
01 US English
Adam
গম্ভীর ও নাটকীয় পুরুষ কণ্ঠ
Best for
ট্রেলারের মনোলগ, সিনেমাটিক সূচনা, হিপ-হপ স্কিটের ভারী কণ্ঠ এবং ভয়েস স্যাম্পল।
02 US English
Bella
স্বাভাবিক ও সাবলীল নারী কণ্ঠ
Best for
R&B ট্র্যাকের ইন্ট্রো বা আউটরো, লো-ফাই স্পোকেন হুক এবং অ্যাম্বিয়েন্ট বিটের সাথে কথ্য ভোকাল।
03 US English
Onyx
দৃঢ় ও জোরালো কণ্ঠ
Best for
ট্র্যাপ মিউজিকের কথ্য অ্যাড-লিবস, বিজ্ঞাপনী ভয়েসওভার এবং চটপটে পডকাস্ট ইন্ট্রো।
04 US English
River
কবিতা পাঠ ও কথ্যরীতির মেজাজ
Best for
আবৃত্তিমুখী পাঠ, নাটুকে গল্পবলা এবং তথ্যচিত্রের নেপথ্য কণ্ঠ।
05 US English
Sarah
শান্ত অডিওবুক কথক
Best for
বইয়ের দীর্ঘ অধ্যায় পাঠ, ঘুমের গল্প, মেডিটেশন অডিও এবং একান্ত অনুভূতির বয়ান।
06 British English
Daniel
গম্ভীর ও চরিত্রোপযোগী কণ্ঠ
Best for
চলচ্চিত্রের ধারাভাষ্য, চরিত্রের স্বগতোক্তি, বিবিসি ঘরানার বিশ্লেষণ এবং ঐতিহাসিক নাটকের সংলাপ।
Want to hear them? Browse all 54 voices →
কাজের পরের ধাপ
DAW-এ এআই ভয়েস প্রসেস করার কিছু জরুরি কৌশল
এআই দিয়ে তৈরি ভয়েসকে পেশাদার রূপ দিতে DAW-এর কাজই আসল। গেটিং, EQ, কম্প্রেশন, রিভার্ব এবং টেম্পো মেলানো জরুরি। Ableton, Logic বা FL Studio-তে পুরো প্রডাকশন গোছানোর জন্য এই নিয়মগুলো মাথায় রাখুন।
- 01
ভয়েস নিন একদম পরিষ্কার, বাকি নীরবতা DAW-তে কাটুন
Kokoro-র ভয়েসে কৃত্রিম নিঃশ্বাসের শব্দ থাকে না, তবে যতিচিহ্নে ছোট ছোট বিরতি তৈরি হয়। ফাইলটি নামিয়ে Ableton বা Logic-এ নিয়ে শুরু ও শেষের বাড়তি শব্দ কেটে -60 dB ফ্লোরে নামিয়ে আনুন। মূল প্রসেসিং শুরুর আগে শেষের বাড়তি আওয়াজ সরাতে -50 dB থ্রেশহোল্ড ও দ্রুত 5 ms অ্যাটাকে নয়েজ গেট ব্যবহার করুন।
- 02
WAV ফাইলটিকে একদম ড্রায় ট্র্যাক হিসেবে নিন
এই 24 kHz WAV ফাইলে কোনো রিভার্ব, কম্প্রেশন বা EQ আগে থেকে বসানো থাকে না। গান বা ট্র্যাক বানানোর জন্য এটাই সবচেয়ে সুবিধার। নিজের চেনা ভোকাল চেইনে ফাইলটি বসিয়ে নিন: 80 Hz-এ হাই-পাস ফিল্টার, 3 kHz-এর আশেপাশে সামান্য প্রেজেন্স বুস্ট এবং 6–8 kHz-এ ডি-এসার দিন। এরপর -18 dB থ্রেশহোল্ডে 3:1 কম্প্রেশন ব্যবহার করুন। রিভার্ব আর ডিলে সবসময় সেন্ড ট্র্যাকে রাখুন, মূল চ্যানেলে নয়।
- 03
মিউজিকের ওপর ভয়েস বসান, ব্যাকগ্রাউন্ড ট্র্যাকে সাইডচেন করুন
বিটের ওপর কথা স্পষ্ট রাখতে মিউজিক বাসের সাথে ভয়েস ট্র্যাকটি সাইডচেন কম্প্রেশন করুন। এর জন্য 4:1 রেশিও আর 50 ms রিলিজ ব্যবহার করতে পারেন। এতে প্রতিটি শব্দের সময় মিউজিক 3–4 dB নেমে যাবে এবং কথার ফাঁকে আবার আগের মাত্রায় ফিরবে। আলাদা করে ভলিউম অটোমেশন না করেই পরিষ্কার আওয়াজ পাওয়ার জন্য পডকাস্টের শুরু, হিপ-হপ স্কিট কিংবা লো-ফাই ভয়েস ট্র্যাকে এটি বেশ কাজের কৌশল।
- 04
ওয়ার্প বা টাইম-স্ট্রেচ দিয়ে টেম্পো গ্রিডে কথা সাজান
TTS নিজে থেকে কোনো নির্দিষ্ট BPM মেনে চলে না। আপনার ভোকালকে 90 BPM বিটের সাথে মেলাতে চাইলে WAV ফাইলটি Ableton (Warp → Complex Pro), Logic (Flex Time → Slicing) অথবা FL Studio (Newtone)-তে নিয়ে যান। মূল জোর দেওয়া সিলেবলগুলোকে চিহ্নিত করে বার-লাইনের এইটথ নোটের সাথে স্ন্যাপ করে নিন। গতির পরিবর্তনের জন্য Complex Pro ব্যবহার করতে পারেন, তবে ফরম্যান্ট সংক্রান্ত সমস্যা এড়াতে স্পিড ±15% এর মধ্যেই রাখা ভালো।
- 05
উচ্চারণ ও যতিচিহ্ন বদলে বাক্য ঠিক করুন
এখানে কোনো SSML সাপোর্ট নেই, তাই যতিচিহ্ন দিয়েই কন্ঠ নিয়ন্ত্রণ করতে হবে। কমা দিলে ১০০ মিলিসেকেন্ড থামে, দাঁড়িতে থামে ২৫০ মিলিসেকেন্ড, ড্যাশে দ্রুত বিরতি আসে এবং এলিপসিস দিলে স্পষ্ট একটা পজ পাওয়া যায়। কোনো শব্দের উচ্চারণ ঠিক না এলে, যেমন "data" শব্দটি মার্কিন উচ্চারণের বদলে ব্রিটিশ শোনালে, বানানটি যেভাবে উচ্চারিত হয় সেভাবে ("day-tuh") লিখে আবার তৈরি করুন। মডেলটি কোনো অভিধানের বদলে লেখার বানান দেখে কণ্ঠ তৈরি করে।
- 06
১০০ মিলিসেকেন্ডের ক্রসফেড দিয়ে বড় অডিও জুড়ুন
২০ মিনিটের কোনো অডিওবুক অধ্যায় বা দীর্ঘ মনোলোগের ক্ষেত্রে একই ভয়েস ও স্পিডে ৪,০০০ ক্যারেক্টার করে অডিও তৈরি করে নিন। তারপর আপনার DAW-এর একটি ট্র্যাকে পর পর WAV ফাইলগুলো বসিয়ে প্রতি সংযোগস্থলে ১০০ মিলিসেকেন্ডের ইকুয়াল-পাওয়ার ক্রসফেড দিন। প্রতিটি ভয়েসের জন্য Kokoro নির্দিষ্ট ও অভিন্ন আউটপুট দেয়, তাই জোড়া লাগানোর জায়গাগুলো একদম মসৃণ থাকে এবং শুনতে একটানা রেকর্ডিংয়ের মতো লাগে।
FAQ
Frequently asked questions
01 এটা দিয়ে কি গানের সুর বা গান গাওয়া ভোকাল তৈরি করা যাবে?
না। এটি কেবল কথার ভোকাল তৈরি করার টুল, গান গাওয়ার সিন্থেসাইজার নয়। এটি দিয়ে ধারাবর্ণনা, ভয়েসওভার বা স্পোকেন-ওয়ার্ড তৈরি করা যায়; কোনো সুর, পিচ বা গানের লাইন তৈরি করা যায় না। গানের সুরযুক্ত এআই ভোকাল লাগলে এই কাজের জন্য তৈরি বিশেষ টুলগুলো (Suno, Udio, Synthesizer V, Vocaloid, Diffsinger) দেখতে পারেন। মিউজিকের ওপর স্পোকেন ইন্ট্রো, স্কিট, ধারাবর্ণনা, ভয়েস মেমো বা নাটকীয় পাঠের জন্য FreeTextoSpeech একদম মানানসই, তবে এটি গান গাইতে পারে না।
02 এই ভোকাল মেকার থেকে ঠিক কী ধরনের ফাইল পাওয়া যায়?
আপনার বেছে নেওয়া কণ্ঠের একটি পরিষ্কার, ড্রাই স্পোকেন-ভোকাল ট্র্যাক সমৃদ্ধ 24 kHz মোনো WAV ফাইল। এতে কোনো মিউজিক, রিভার্ব বা কম্প্রেশন থাকে না; সোজাসুজি DAW-তে ব্যবহারের উপযোগী সম্পূর্ণ র বা ড্রাই স্টেম পাবেন। ফাইলের দৈর্ঘ্য নির্ভর করে আপনার দেওয়া লেখাটি নির্ধারিত স্পিডে পড়তে কতটুকু সময় লাগে তার ওপর।
03 আমি কি বাণিজ্যিক উদ্দেশ্যে প্রকাশিত গানে এই স্পোকেন ভোকাল ব্যবহার করতে পারব?
হ্যাঁ, পারবেন। এর লাইসেন্স সম্পূর্ণ বাণিজ্যিক ব্যবহারের অনুমতি দেয়। কোনো অ্যাট্রিবিউশন, রয়্যালটি বা কপিরাইট অনুমোদনের ঝামেলা নেই। এই স্পোকেন ভোকাল আপনি একক গান, মিক্সটেপ, বিট টেপ, স্যাম্পল প্যাক, পেইড পডকাস্ট, বিক্রির অডিওবুক, মনিটাইজড ইউটিউব ভিডিও এবং বিজ্ঞাপনে অনায়াসে ব্যবহার করতে পারেন। তৈরি করা অডিওটি সম্পূর্ণ আপনার নিজের।
04 হিপ-হপ ইন্ট্রো এবং স্পোকেন স্যাম্পলের জন্য কোন কণ্ঠগুলো সবচেয়ে ভালো?
গম্ভীর ও সিনেমাটিক ট্রেইলার-ভয়েস ইন্ট্রোর জন্য Adam দারুণ। জোরালো ও দ্রুত পাঠের জন্য বেছে নিন Onyx। গল্প বলার ঢঙে বা স্পোকেন-ওয়ার্ড হুকের ক্ষেত্রে River খুব ভালো মানায়। আর মসৃণ R&B ধাঁচের ইন্ট্রোর জন্য Bella উপযুক্ত। আপনার বিটের ওপর এই চারটি কণ্ঠ বসিয়ে বাজিয়ে দেখুন, প্রথম ১০ সেকেন্ডেই বুঝতে পারবেন কোনটি সবচেয়ে ভালো মিলছে।
05 স্পোকেন ভোকাল কি আমার বিটের BPM-এর সাথে নিজে থেকেই মিলে যাবে?
না, নিজে থেকে মিলবে না; কারণ টিটিএস-এ টেম্পো বা লয়ের কোনো ব্যবস্থা থাকে না। ফাইলটি তৈরি করার পর আপনার DAW-এর ওয়ার্প ইঞ্জিন (যেমন Ableton Complex Pro, Logic Flex Time, FL Studio Newtone) দিয়ে মূল জোর দেওয়া শব্দগুলোকে বিটের বার-লাইনের সাথে মিলিয়ে নিন। সূক্ষ্ম সমন্বয়ের জন্য অডিও বিকৃতি না ঘটিয়ে এর গতি ±15% পর্যন্ত টাইম-স্ট্রেচ করতে পারেন।
06 এই ভোকাল মেকার কি সম্পূর্ণ ফ্রি, অনলাইনভিত্তিক এবং সাইন-আপ ছাড়া ব্যবহার করা যায়?
হ্যাঁ। FreeTextoSpeech সম্পূর্ণ বিনামূল্যে freetexttospeech.net ব্রাউজারে সরাসরি চলে। এর জন্য কোনো সাইন-আপ, ইমেল বা ক্রেডিট কার্ডের প্রয়োজন হয় না। প্রতিবারে ৫,০০০ ক্যারেক্টার ছাড়া কোনো সীমাবদ্ধতা নেই, যত খুশি টেক তৈরি করে নিতে পারেন।
07 স্পোকেন ভোকালের ক্ষেত্রে এই এআই জেনারেটর ElevenLabs-এর তুলনায় কেমন?
গান বা পডকাস্টের জন্য স্পোকেন ভোকাল স্টেম তৈরিতে FreeTextoSpeech বেশ কার্যকর; এতে পাচ্ছেন পূর্ণ বাণিজ্যিক লাইসেন্স, 24 kHz WAV, ক্যারেক্টার শেষ হওয়ার বাড়তি চাপহীন সুবিধা এবং 54টি ভিন্ন কণ্ঠ। অন্যদিকে ElevenLabs-এ ভয়েস ক্লোনিং এবং SSML দিয়ে আবেগ নিয়ন্ত্রণের সুবিধা আছে, যা এখানে নেই। যদি ক্লোন করা কণ্ঠ বা খুঁটিনাটি আবেগের পরিবর্তন প্রয়োজন হয়, তবে ElevenLabs বেছে নিন। এছাড়া সাধারণ ব্যবহারের জন্য এই টুলটির সুবিধাই যথেষ্ট স্পষ্ট।
08 ইংরেজি ছাড়া অন্য কোনো ভাষায় কি স্পোকেন ভোকাল তৈরি করা যাবে?
হ্যাঁ, এতে মোট 9টি ভাষা রয়েছে: ইংরেজি (US, UK), স্প্যানিশ, ফরাসি, ইতালীয়, পর্তুগিজ (ব্রাজিল), জাপানি, ম্যান্ডারিন চীনা ও হিন্দি। বহুভাষিক মিউজিক ট্র্যাক, আন্তর্জাতিক পডকাস্টের সূচনা এবং অন্যান্য ভাষার গানে ভয়েস স্যাম্পল হিসেবে এটি দারুণ কাজের।
Still wondering? Get in touch →
আরও দেখুন
সম্পর্কিত অন্যান্য TTS টুল
ভয়েস জেনারেটর
↗
ফ্রি এআই ভয়েস জেনারেটর
54টি নিউরাল ভয়েস, 9টি ভাষা, বাণিজ্যিক ব্যবহারের পূর্ণ সুবিধা এবং সাইন আপ ছাড়াই ব্যবহারযোগ্য।
বড় আকারের লেখা
↗
অডিওবুকের জন্য টেক্সট টু স্পিচ
কমার্শিয়াল স্বত্বসহ স্বাধীন অডিওবুক তৈরির নির্ভরযোগ্য ভয়েস।
বড় আকারের লেখা
↗
পডকাস্টারদের জন্য টেক্সট টু স্পিচ
পডকাস্টের ইন্ট্রো বা বিশেষ অংশের জন্য নিখুঁত স্টুডিও মানের ভয়েস।
অডিও ফরম্যাট
↗
টেক্সট টু WAV
DAW সফটওয়্যারে কাজ করার উপযোগী লসলেস 24 kHz WAV ফরম্যাট।
মূল টুল
↗
টেক্সট টু ভয়েস
সহজে ও দ্রুত টেক্সট থেকে ভয়েস তৈরির টুল।
Try it now
এক মিনিটেরও কম সময়ে তৈরি করুন স্পোকেন ভোকাল ট্র্যাক।
সম্পূর্ণ বিনামূল্যে, বাণিজ্যিক ব্যবহারের সুযোগ, কোনো সাইন-আপ ছাড়াই। কেবল স্পোকেন ভোকালের জন্য।