Multi-voice TTS

AI Dialogue Generator

दो आवाज़ों में बातचीत तैयार करने वाला AI टूल। होस्ट और गेस्ट की आवाज़ें पहले से सेट हैं। बस अपनी स्क्रिप्ट लिखें, ऑडियो बनाएं और पूरी बातचीत एक ही फाइल में डाउनलोड करें।

विज्ञापन के बिना

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.

166 characters
Advanced options
किसी शब्द का उच्चारण ठीक करें

जो शब्द आवाज़ गलत बोलती है, उसे जोड़ें और वैसे लिखें जैसे बोला जाना चाहिए। यह सुधार हर बार बनाते समय लगेगा, और आपकी स्क्रिप्ट वैसी ही रहेगी। सिर्फ़ इसी ब्राउज़र में सेव।

    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.

    विज्ञापन के बिना

    यह टूल पेज अभी अनूदित नहीं है। नीचे टूल अंग्रेज़ी में चलेगा। अंग्रेज़ी में इस्तेमाल करें

    Two-voice TTS

    Multi-character dialogue from a flat script

    डायलॉग स्टूडियो में दो स्पीकर पहले से लोड हैं। बातचीत लिखें, जनरेट करें, और एक फिनिश्ड फाइल डाउनलोड करें। हर व्यक्ति की आवाज़ अलग रहेगी।

    Related use cases

    Podcasters Audiobooks YouTube Natural voices
    The quick answer

    हर टर्न के लिए एक लाइन लिखें। Host और Guest की वॉइसेस पहले से हैं। Generate दबाएं और एक जॉइनेड WAV या MP3 डाउनलोड करें।

    Dialogue workflow

    लिखें, फिर generate करें

    1. 01

      बातचीत लिखें

      हर turn के लिए एक line लिखें। Host पहली line बोलता है, Guest दूसरी, और इसी तरह बारी-बारी से चलता है। अगर आप पहले से NAME: line format में script लिखते हैं, तो वो भी काम करेगा।

    2. 02

      Voice बदलें, अगर चाहें

      Host और Guest के पास पहले से अलग-अलग voices हैं। आप नाम बदल सकते हैं, कोई और voice चुन सकते हैं, या नया character जोड़ सकते हैं। Script से speakers detect नहीं होते।

    3. 03

      Generate करें और download करें

      एक बार Generate दबाते ही पूरी conversation बन जाती है। सुनें, फिर joined WAV या MP3 download करें।

    कब इस्तेमाल करें

    Multi-voice TTS से क्या बनाया जा सकता है

    04 scenarios
    01 / 04

    NotebookLM-स्टाइल podcast clones

    दो hosts वाला podcast, जहाँ एक AI voice सवाल पूछती है और दूसरी जवाब देती है। Script लिखें, Host A और Host B के लिए अलग-अलग voices generate करें, फिर splice करें। कोई subscription नहीं, कोई waitlist नहीं।

    02 / 04

    Animated shorts और game prototypes

    अपने storyboard या Twine prototype के हर character को अलग Kokoro voice दें। 54 voices का मतलब है कि बिना VAs hire किए पूरा small cast तैयार हो जाता है rough cut के लिए।

    03 / 04

    ऑडियोबुक किरदारों के संवाद

    Narration के लिए एक voice (River या Daniel) इस्तेमाल करें, और direct quotes के लिए अलग character voices लगाएं। सुनने वाले बिना "she said" जैसे tags के भी आसानी से समझ जाएंगे कि कौन बोल रहा है।

    04 / 04

    Language-learning conversations

    Spanish, French, Hindi, Japanese, Mandarin और 4 और भाषाओं में दो speakers वाली dialogues generate करें। Realistic A/B exchange drills के लिए एक male और एक female native voice pair करें।

    आगे बढ़ें

    छह voice pairings जो साफ़ अलग लगती हैं

    Dialogue तब ही जीता है जब सुनने वाले बिना सोचे समझे दोनों voices में फर्क पहचान लें। ये छह pairings gender, accent या character tone में अलग हैं। एक चुनें और generate करना शुरू करें।

    01 US English

    Sarah + Adam

    Host + expert guest

    Best for

    NotebookLM-स्टाइल एक्सप्लेनर पॉडकास्ट। Sarah सवाल पूछती है, Adam अथॉरिटीटिव जवाब देता है। US English शो के लिए सबसे नेचुरल पेयरिंग।

    02 US English

    Bella + Liam

    Casual conversation

    Best for

    Lifestyle पॉड्स, दोस्तों की बातचीत, ऑडियोबुक्स में कैफे-सीन। दोनों आवाज़ें गर्मजोशी भरी हैं, इसलिए बातचीत फॉर्मल नहीं, रिलैक्स्ड लगती है।

    03 British English

    Daniel + Emma

    Period drama or BBC-style

    Best for

    UK में सेट ऑडियोबुक सीन, प्रीस्टीज डॉक्यूमेंट्री, या होस्ट-एंड-नैरेटर स्ट्रक्चर वाले हिस्ट्री पॉडकास्ट। मैच्ड एक्सेंट से दुनिया की कंसिस्टेंसी बनी रहती है।

    04 US English (character)

    Puck + Sky

    Animation / game characters

    Best for

    एनिमेटेड शॉर्ट्स, Twine प्रोटोटाइप, इंडी गेम NPC डायलॉग। Puck चतुर है, Sky चमकीली और साफ़ कैरेक्टर वॉइस हैं, नैरेटर वॉइस नहीं।

    05 US English

    River + Nova

    Documentary narrator + interviewee

    Best for

    ट्रू-क्राइम, हिस्ट्री, साइंस डॉक्यूमेंट्री जहाँ स्मूद नैरेटर रीक्रिएटेड क्वोट्स के बीच से गुजरता है। River थ्रूलाइन संभालता है, Nova आर्काइव की आवाज़ है।

    06 US English

    Michael + Jessica

    Co-host energy

    Best for

    मॉर्निंग-शो बंटर, न्यूज-एंड-चैट फॉर्मेट, ब्रांडेड पॉडकास्ट इंट्रो जहाँ दो होस्ट शो शुरू होने से पहले कولد ओपन ट्रेड करते हैं।

    Want to hear them? Browse all 54 voices →

    आगे बढ़ें

    नेचुरल TTS डायलॉग कैसे लिखें

    आवाज़ का काम मॉडल करता है। रियलिस्टिक फील आपकी स्क्रिप्टिंग से आती है—बीट्स, सन्नाटा, और किरदारों के बीच छोटी-छोटी रिएक्शन्स। पूरे पाइपलाइन के लिए छह नियम।

    • 01

      हर टर्न के लिए एक लाइन लिखें

      होस्ट पहली लाइन लेता है, गेस्ट दूसरी, और इसी तरह बारी-बारी से चलता है। अगर आप पहले से ऐसे स्क्रिप्ट लिखते हैं, तो वैकल्पिक NAME: टैग भी काम करते हैं।

    • 02

      लाइनों के बीच बीट्स के लिए पंक्चुएशन का इस्तेमाल करें

      कॉमा एक क्वार्टर-बीट है, फुल-स्टॉप आधा-बीट, एम-डैश असली पॉज़, और एलिप्सिस एक लंबी धार। अगर किरदार हिचकिचा रहा है, तो "Well... I don't know if that's true." लिखें, "Well I don't know if that's true." नहीं। वही पॉज़ ही हिचकिचाहट को सही तरीके से पेश करता है, और Kokoro पंक्चुएशन का पूरा ध्यान रखता है।

    • 03

      टर्न्स के बीच 200–400 ms का सन्नाटा छोड़ें

      असली बातचीत में गैप-टाइम औसतन 250 ms होता है। दो TTS क्लिप्स लगातार जोड़ें तो बातचीत रोबोटिक लगती है; एडिटर में टर्न्स के बीच 300 ms का असली सन्नाटा डालें तो लगता है दो लोग बात कर रहे हैं। तनाव भरी सीन के लिए 100 ms पर लाएँ। सोच-विचार वाली बातचीत के लिए 600 ms तक बढ़ाएँ।

    • 04

      50–100 ms ओवरलैप से इंटररप्शन का इफेक्ट बनाएं

      कैरेक्टर A का क्लिप आधे शब्द पर काटें, फिर कैरेक्टर B का क्लिप A खत्म होने से 50–100 ms पहले शुरू करें। यह छोटा ओवरलैप "उन्होंने बीच में ही बोलना शुरू कर दिया" का यूनिवर्सल ऑडियो क्यू है। ओवरलैप ज़ोन पर 100 ms क्रॉसफेड स्प्लास को स्मूद बनाता है और इंटररप्शन नेचुरल लगता है।

    • 05

      हेडफोन क्लैरिटी के लिए आवाज़ें हल्की से बाएँ-दाएँ पैन करें

      कैरेक्टर A को 15% बाएँ और कैरेक्टर B को 15% दाएँ पैन करें। इतना नहीं कि थिएटरल लगे, बस इतना कि हेडफोन सुनने वाले यह समझ जाएं कि कौन बोल रहा है। हार्ड पैन (50%+) सिर्फ रेडियो ड्रामा के लिए काम करता है। पॉडकास्ट और ऑडियोबुक के लिए 15% सही पॉइंट है।

    • 06

      हंसी और "uh-huh" जैसी रिएक्शन्स को फोनेटिक रूप से स्पेल करें

      कोई SSML नहीं, कोई <laugh> टैग नहीं—बस वही लिखें जो बोला जाना है। "Hah hah hah" से साफ़ तीन-सिलेबल हंसी आती है, "mmhm" सहमति जताता है, और "ugh" बेचैनी दर्शाता है। रिएक्शन को 10-कैरेक्टर सोलो जनरेशन के तौर पर टेस्ट करें, अगर कोई आवाज़ इसे बेहतर देती है तो वही चुनें, फिर एडिट में WAV को अलग ट्रैक पर डालें।

    आगे बढ़ें

    FreeTextoSpeech बनाम PlayHT और Murf की डायलॉग फीचर्स

    PlayHT और Murf दोनों में नेटिव मल्टी-स्पीकर मोड है—एक बार पेस्ट करें, एक मिक्स रेंडर करें। लेकिन इसकी कीमत है मासिक कैरेक्टर कैप्स, साइनअप, और पेड कॉमर्शियल लाइसेंस। यहाँ सच है।

    मल्टी-वॉइस डायलॉग सपोर्ट

    FreeTextoSpeech

    हर टर्न के लिए एक लाइन लिखें, Host और Guest की आवाज़ें पहले से सेट हैं, और एक जोड़ी हुई बातचीत एक्सपोर्ट करें।

    PlayHT / Murf फ्री टियर्स

    नेटिव मल्टी-स्पीकर डायलॉग फीचर है, लेकिन यह पेड टियर्स के पीछे है और फ्री में वॉइस रोस्टर कैप्ड है।

    सीन के लिए वॉइस विराइटी

    FreeTextoSpeech

    9 भाषाओं में 54 आवाज़ें, पूरे एंसेंबल कास्ट के लिए काफी।

    PlayHT / Murf फ्री टियर्स

    फ्री वॉइस पूल छोटा है और ज़्यादातर अलग-अलग कैरेक्टर वॉइसेस पेडवॉल हैं।

    5 मिनट के डायलॉग की लागत

    FreeTextoSpeech

    बिल्कुल फ्री। जनरेशन की संख्या पर कोई लिमिट नहीं।

    PlayHT / Murf फ्री टियर्स

    फ्री टियर में मासिक कैरेक्टर लिमिट लागू होती है; लंबे सीन के लिए पेड प्लान ज़रूरी।

    फ्री टियर पर कॉमर्शियल लाइसेंस

    FreeTextoSpeech

    पूरा कॉमर्शियल यूज़ अलाउड, कोई एट्रिब्यूशन नहीं।

    PlayHT / Murf फ्री टियर्स

    फ्री टियर पर कॉमर्शियल यूज़ रिस্ট्रिक्टेड; मोनेटाइज़्ड पॉडकास्ट्स और इंडी गेम्स के लिए पेड प्लान चाहिए।

    आउटपुट फॉर्मेट

    FreeTextoSpeech

    हर वॉइस के लिए 24 kHz WAV, जो सीधे किसी भी DAW में अलग-अलग ट्रैक्स पर डाल सकते हैं।

    PlayHT / Murf फ्री टियर्स

    फ्री टियर पर कंप्रेस्ड MP3, अक्सर सिंगल-मिक्स ही मिलता है।

    साइनअप

    FreeTextoSpeech

    नहीं। पेज खोलें, टेक्स्ट पेस्ट करें, जनरेट करें।

    PlayHT / Murf फ्री टियर्स

    ईमेल साइनअप ज़रूरी, कॉमर्शियल फीचर्स के लिए क्रेडिट कार्ड चाहिए।

    वन-क्लिक मल्टी-वॉइस जनरेशन

    FreeTextoSpeech

    नेटिव मल्टी-स्पीकर जनरेशन, जोइन्ड एक्सपोर्ट और ऑप्शनल एडवांस्ड कंट्रोल्स के साथ।

    PlayHT / Murf फ्री टियर्स

    पेड टियर्स पर नेटिव मल्टी-स्पीकर डायलॉग मोड (एक पेस्ट, एक रेंडर)।

    जनरेट हर टर्न को क्रमशः चलाता है ताकि शेयर्ड वॉइस इंजन ओवरलोड न हो।

    FAQ

    Frequently asked questions

    01

    क्या मैं एक ही रिक्वेस्ट में दो वॉइसेस जनरेट कर सकता हूँ?

    हाँ। बातचीत लिखें, हर स्पीकर को अलग वॉइस दें, और Generate पर क्लिक करें। स्टूडियो टर्न्स को क्रमशः चलाकर एक जोइन्ड ऑडियो फ़ाइल बनाता है।
    02

    वॉइसेस को अलग-अलग कैसे सुनाएं?

    ऐसी वॉइसेस चुनें जो कम से कम दो पहलुओं में अलग हों: जेंडर, एक्सेंट, या पिच। Sarah + Adam (US female warm + US male authoritative) साफ़ सुनाई देता है। Bella + Daniel (US conversational + UK formal) और भी बेहतर है क्योंकि एक्सेंट बदलाव स्पष्ट है। एक ही एक्सेंट और जेंडर की दो वॉइसेस जोड़ें नहीं, सुनने वाले भटक जाएंगे।
    03

    कैरेक्टर्स के बीच इंटररप्शन कैसे बनाएं?

    Advanced options में टर्न्स के बीच छोटा सा पॉज़ यूज़ करें। असली ओवरलैप के लिए, जोइन्ड फ़ाइल डाउनलोड करें और अपने एडिटर में अगली लाइन को थोड़ा जल्दी प्लेस करें।
    04

    हंसी, सांस, या "uh-huh" जैसे रिएक्शन कैसे हैंडल करें?

    मॉडल में नॉन-वर्बल साउंड टैग्स नहीं हैं। "hah hah," "mmhm," या "ugh" जैसे फोनेटिक रिएक्शन को अलग छोटे स्पीकर टर्न्स के रूप में लिखें, फिर अगर कोई और स्पेलिंग बेहतर लगे तो उस टर्न को रीट्राई करें।
    05

    क्या मैं AI-generated डायलॉग को कॉमर्शियल रूप से पब्लिश कर सकता हूँ?

    हाँ। FreeTextoSpeech से डाउनलोड किए गए 24 kHz WAVs का लाइसेंस पूरे कॉमर्शियल यूज़ के लिए है—पॉडकास्ट्स, मोनेटाइज़्ड YouTube वीडियो, पेड ऑडियोबुक्स, इंडी गेम्स, और ऐड रीड्स। कोई एट्रिब्यूशन या रॉयल्टी शेयर नहीं। यह लाइसेंस टू-वॉइस डायलॉग सीन के लिए भी वैसा ही लागू है जैसे सिंगल-वॉइस नैरेशन के लिए।
    06

    एक डायलॉग सीन कितना लंबा हो सकता है?

    हर जनरेशन की सीमा 5,000 कैरेक्टर है, लेकिन आप जितनी बार चाहें उतनी बार जनरेशन चला सकते हैं। एक 30 मिनट के दो-होस्ट पॉडकास्ट एपिसोड के लिए लगभग 4,500 शब्दों का डायलॉग चाहिए, जो दोनों किरदारों में बंटकर लगभग 12 जनरेशन (हर आवाज़ के लिए 6) बनता है। इन्हें एक ही प्रोजेक्ट फ़ाइल में जोड़ें और पूरा एपिसोड तैयार है।
    07

    क्या टर्न के बीच का कट नेचुरल लगता है?

    हाँ, क्योंकि Kokoro मॉडल हर आवाज़ के लिए डिटर्मिनिस्टिक है। किरदार A की आवाज़ हर क्लिप में एक जैसी रहती है। असली फ़र्क़ बोलने के बीच की ख़ामोशी में होता है, आवाज़ में नहीं। बोलने वालों के बीच 200–400 ms का रूम टोन या सच्ची ख़ामोशी छोड़ें, तो बातचीत इंसानी डायलॉग की तरह सांस लेगी।
    08

    क्या तीन या उससे ज़्यादा किरदार बनाए जा सकते हैं?

    हाँ। स्टूडियो में एक नया स्पीकर जोड़ें, उसे अलग आवाज़ दें, और हर टर्न में एक ही लाइन लिखें। तीन आवाज़ें ठीक हैं; चार आवाज़ें सुनने वाले के लिए थोड़ी मुश्किल हो सकती हैं, जब तक कि एक स्पष्ट नैरेटर न हो।

    Still wondering? Get in touch →

    आगे बढ़ें

    संबंधित TTS टूल्स

    लॉन्ग-फ़ॉर्म ↗

    पॉडकास्टर्स के लिए Text to Speech

    दो-होस्ट पॉडकास्ट इंट्रो और सेगमेंट्स के लिए स्टूडियो-क्वालिटी रीड्स।

    लॉन्ग-फ़ॉर्म ↗

    ऑडियोबुक्स के लिए Text to Speech

    इंडी ऑडियोबुक नैरेशन के लिए किरदार-डायलॉग वॉइस स्विप्स।

    वॉइस क्वालिटी ↗

    नेचुरल AI वॉइस जनरेटर

    लंबे डायलॉग सीन में Kokoro आवाज़ें इंसानी क्यों लगती हैं।

    लॉन्ग-फ़ॉर्म ↗

    YouTube के लिए Text to Speech

    डायलॉग सीन सीधे Premiere या DaVinci Resolve में ड्रॉप करें।

    Try it now

    अपना पहला दो-आवाज़ वाला सीन बनाएं।

    10 मिनट में फ्री में बनाएं, पूरी कॉमर्शियल राइट्स के साथ।

    Open the tool See all voices