ملٹی وائس TTS

AI ڈائیلاگ جنریٹر

دو کرداروں کی گفتگو کے لیے AI ڈائیلاگ جنریٹر۔ میزبان اور مہمان کی آوازیں پہلے سے تیار ہیں۔ بس مکالمہ لکھیں، آڈیو بنائیں اور مکمل فائل ایک ساتھ ڈاؤنلوڈ کریں۔

اشتہار کے بغیر

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
کسی لفظ کا تلفظ درست کریں

جو لفظ آواز غلط بولتی ہے اسے شامل کریں اور ویسے لکھیں جیسے بولا جانا چاہیے۔ یہ درستی ہر بار بناتے وقت لگے گی، اور آپ کی اسکرپٹ ویسی ہی رہے گی۔ صرف اسی براؤزر میں محفوظ۔

    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.

    اشتہار کے بغیر

    یہ ٹول پیج ابھی ترجمہ نہیں ہوا۔ نیچے انگریزی میں چلے گا۔ انگریزی میں استعمال کریں

    ٹو وائس TTS

    ایک سکرپٹ سے کئی کرداروں کا کالم

    اس اسٹوڈیو میں دو بولنے والے پہلے سے موجود ہیں۔ بات چیت لکھیں، جنریٹ کریں، اور مکمل فائل ڈاؤن لوڈ کریں۔ ہر شخص کی اپنی الگ آواز رہتی ہے۔

    Related use cases

    پوڈکاسٹرز آڈیو بکس یوٹیوب قدرتی آوازیں
    The quick answer

    ہر ٹرن کے لیے ایک لائن لکھیں۔ ہوسٹ اور مہمان کی آوازیں پہلے سے سیٹ ہیں۔ جنریٹ پر کلک کریں اور WAV یا MP3 فائل ڈاؤن لوڈ کریں۔

    ڈائیلاگ ورک فلو

    لکھیں، پھر بنائیں

    1. 01

      گفتگو لکھیں

      ہر ٹرن کے لیے ایک لائن۔ ہوسٹ پہلی لائن بولتا ہے، گیسٹ دوسری، اور یہی ترتیب جاری رہتی ہے۔ اگر آپ پہلے سے اس انداز میں اسکرپٹ لکھتے ہیں تو NAME: line ٹیگز بھی کام کرتے ہیں۔

    2. 02

      آواز تب ہی بدلیں جب چاہیں

      ہوسٹ اور گیسٹ کی آوازیں پہلے ہی مختلف ہیں۔ ان کے نام بدلیں، کوئی اور آواز چنیں، یا نیا شخص شامل کریں۔ اسکرپٹ سے بولنے والوں کی شناخت خود بخود نہیں ہوتی۔

    3. 03

      جنریٹ اور ڈاؤن لوڈ کریں

      ایک کلک پر پوری گفتگو تیار ہو جاتی ہے۔ سنیں، پھر جوڑی ہوئی WAV یا MP3 فائل ڈاؤن لوڈ کریں۔

    کب استعمال کریں

    ملٹی وائس TTS سے کیا بنایا جا سکتا ہے

    04 scenarios
    01 / 04

    NotebookLM اسٹائل پوڈکاسٹ کلونز

    دو ہوسٹ والی پوڈکاسٹ جہاں ایک AI آواز سوالات پوچھتی ہے اور دوسری جواب دیتی ہے۔ اسکرپٹ بنائیں، Host A اور Host B کو مختلف آوازوں میں جنریٹ کریں، اور جوڑ دیں۔ کوئی سبسکرپشن نہیں، کوئی ویٹ لسٹ نہیں۔

    02 / 04

    اینیمیٹڈ شارٹس اور گیم پروٹو ٹائپس

    اپنے اسٹوری بورڈ یا Twine پروٹو ٹائپ کے ہر کردار کو مختلف Kokoro آواز دیں۔ 54 آوازیں کا مطلب ہے کہ بڑے کاسٹ کی ضرورت کے بغیر روک کٹ تیار کریں۔

    03 / 04

    آڈیو بک میں کرداروں کے مکالمے

    نثر کو ایک آواز (River یا Daniel) سے بیان کریں، پھر براہ راست اقتباسات کے لیے مختلف کرداروں کی آوازیں استعمال کریں۔ سننے والے بغیر 'اس نے کہا' ٹیگ کے بھی جان لیتے ہیں کہ کون بول رہا ہے۔

    04 / 04

    زبان سیکھنے کے لیے گفتگو

    اسپینش، فرانسیسی، ہندی، جاپانی، مینڈارن اور 4 دیگر زبانوں میں دو بولنے والوں کی گفتگو بنائیں۔ مرد اور عورت کی مقامی آوازوں کو جوڑ کر حقیقت پسندانہ مشقیں کریں۔

    آگے بڑھیں

    چھ ایسی جوڑیاں جو صاف الگ لگتی ہیں

    ڈائیلاگ تب ہی کامیاب ہوتا ہے جب سننے والا بغیر سوچے دونوں آوازوں میں فرق کر سکے۔ یہ چھ جوڑیاں جنس، لہجے یا کردار کے لہجے میں مختلف ہیں۔ ایک چنیں اور جنریٹ کرنا شروع کریں۔

    01 US English

    Sarah + Adam

    Host + expert guest

    Best for

    NotebookLM-style explainer podcasts. Sarah سوالات پوچھتی ہے، Adam جواب دیتا ہے۔ دو میزبانوں والے US English شو کے لیے یہ سب سے قدرتی جوڑی ہے۔

    02 US English

    Bella + Liam

    Casual conversation

    Best for

    Lifestyle پوڈکاسٹس، دوستوں کی بات چیت، یا آڈیوبکس میں کیفے کے مناظر۔ دونوں آوازیں گرمجوشی بھری ہیں، اس لیے گفتگو رسمی نہیں بلکہ پرسکون لگتی ہے۔

    03 British English

    Daniel + Emma

    Period drama or BBC-style

    Best for

    UK میں سیٹ آڈیوبکس، پریسٹیج دستاویزی فلمیں، یا تاریخ کے پوڈکاسٹس جہاں میزبان اور راوی ہوں۔ ایک جیسا لہجہ پوری کہانی کو منسجم رکھتا ہے۔

    04 US English (character)

    Puck + Sky

    Animation / game characters

    Best for

    اینیمیٹڈ شارٹس، Twine پروٹوٹائپس، یا انڈی گیمز کے NPC ڈائیلاگ۔ Puck چالاک ہے، Sky واضح اور روشن آواز رکھتی ہے۔ یہ راوی نہیں، کردار کی آوازیں ہیں۔

    05 US English

    River + Nova

    Documentary narrator + interviewee

    Best for

    ٹریو کریم، تاریخ، یا سائنس کے دستاویزی پروگرام جہاں راوی درمیان میں نقل شدہ اقتباسات جوڑتا ہے۔ River مرکزی دھاگہ سنبھالتا ہے، Nova آرکائیو کی آواز بن کر سامنے آتی ہے۔

    06 US English

    Michael + Jessica

    Co-host energy

    Best for

    مورنینگ شو کی بات چیت، خبروں اور چٹ کی فارمیٹس، یا برانڈڈ پوڈکاسٹ کے انٹرو جہاں دو میزبان شو شروع ہونے سے پہلے کول اوپن کرتے ہیں۔

    Want to hear them? Browse all 54 voices →

    آگے بڑھیں

    قدرتی TTS ڈائیلاگ لکھنے کا طریقہ

    آواز کا کام ماڈل کرتا ہے۔ حقیقت پسندی اس بات سے آتی ہے کہ آپ بیٹس، خاموشیاں اور کرداروں کے درمیان چھوٹی بڑی ردعمل کیسے لکھتے ہیں۔ یہ چھ اصول پورے پائپ لائن کو کور کرتے ہیں۔

    • 01

      ہر ٹرن پر ایک لائن لکھیں

      ہسٹ پہلی لائن لیتا ہے، گیسٹ دوسری، اور یہی ترتیب جاری رہتی ہے۔ اگر آپ پہلے سے اس انداز میں اسکرپٹ لکھتے ہیں، تو اختیاری NAME: ٹیگز بھی کام کرتے ہیں۔

    • 02

      لائنز کے درمیان بیٹس کے لیے پنکچویشن استعمال کریں

      کوما چوتھائی بیٹ ہے، پیریڈ آدھا بیٹ، ایم ڈیش حقیقی وقفہ، اور ایلیپسس پکڑے ہوئے بیٹ۔ اگر کردار جھجک رہا ہے، تو "Well... I don't know if that's true." لکھیں، "Well I don't know if that's true." کی بجائے۔ وقفہ ہی جھجک کو بیچتا ہے، اور Kokoro پنکچویشن کا احترام کرتا ہے۔

    • 03

      ٹرنز کے درمیان 200–400 ms کی خاموشی چھوڑیں

      حقیقی گفتگو میں وقفے اوسطاً 250 ms ہوتے ہیں۔ دو TTS کلپس کو ایک دوسرے کے ساتھ لگائیں تو مکالمہ روبوٹ جیسا لگتا ہے؛ اپنے ایڈیٹر میں ٹرنز کے درمیان 300 ms کی اصل خاموشی شامل کریں تو یہ دو لوگوں کی بات چیت جیسا لگتا ہے۔ کشیدہ مناظر کے لیے اسے 100 ms تک گھٹا دیں۔ سوچ سمجھ کر کیے گئے مکالموں کے لیے 600 ms تک بڑھا دیں۔

    • 04

      50–100 ms اوورلیپ سے انٹراپشنز بنا دیں

      کردار A کی کلپ کو لفظ کے درمیان کاٹ دیں، پھر کردار B کی کلپ کو اس سے 50–100 ms پہلے شروع کریں۔ یہ مختصر اوورلیپ "انہوں نے بات کاٹ دی" کا عالمی آڈیو اشارہ ہے۔ اوورلیپ زون پر 100 ms کراس فید سپلائس کو نرم بناتا ہے اور انٹراپشن قدرتی لگتی ہے۔

    • 05

      ہیڈفون کی وضاحت کے لیے آوازیں تھوڑی بائیں اور دائیں پین کریں

      کردار A کو 15% بائیں اور کردار B کو 15% دائیں پین کریں۔ اتنا نہیں کہ تھیٹر جیسا لگے، اتنا کہ ہیڈفون سننے والے یہ الگ کر سکیں کہ کون بول رہا ہے۔ ہارڈ پیننگ (50%+) صرف ریڈیو ڈرامے کے لیے کام کرتا ہے۔ پوڈکاسٹس اور آڈیوبکس کے لیے 15% بہترین نقطہ ہے۔

    • 06

      ہنسی اور "uh-huh" کے لیے فونٹک ردعمل لکھیں

      کوئی SSML نہیں، کوئی <laugh> ٹیگ نہیں، وہی لکھیں جو بولنا چاہتے ہیں۔ "Hah hah hah" صاف تین سلاپس کی ہنسی دیتا ہے، "mmhm" اتفاق کی آواز ہے، اور "ugh" بے بسی کا اظہار ہے۔ ردعمل کو 10 حروف کی سولو جنریشن کے طور پر ٹیسٹ کریں، اگر کسی آواز میں یہ صاف نکلتا ہے تو آواز بدلیں، پھر WAV کو اپنے ایڈٹ میں الگ ٹریک پر ڈال دیں۔

    آگے بڑھیں

    FreeTextoSpeech بمقابلہ PlayHT اور Murf کے مکالمہ فیچرز

    PlayHT اور Murf دونوں میں نیٹو ملٹی اسپیکر موڈز ہیں، ایک بار پیسٹ کریں، ایک مکس رینڈر ہو جاتا ہے۔ مگر اس کا بدلہ ماہانہ کاریکٹر کیپس، سائن اپ، اور ادائیگی والی تجارتی لائسنس ہے۔ یہاں ایمانداری سے جائزہ ہے۔

    ملٹی وائس مکالمہ سپورٹ

    FreeTextoSpeech

    ہر ٹرن پر ایک لائن لکھیں، ہسٹ اور گیسٹ کو پہلے سے آوازیں مل چکی ہیں، اور ایک جوڑے ہوئے مکالمے کو ایکسپورٹ کریں۔

    PlayHT / Murf فری ٹیئرز

    نیٹو ملٹی اسپیکر مکالمہ فیچر، مگر یہ ادائیگی والے ٹیئرز کے پیچھے بند ہے اور فری ورژن میں آوازوں کی تعداد محدود ہے۔

    ہر منظر کے لیے آوازوں کی تنوع

    FreeTextoSpeech

    9 زبانوں میں 54 آوازیں، پورے اِنسیمبل کاسٹ کے لیے کافی۔

    PlayHT / Murf فری ٹیئرز

    چھوٹا فری وائس پول، جہاں زیادہ تر منفرد کاریکٹر آوازیں ادائیگی کے پیچھے ہیں۔

    5 منٹ کے مکالمے کی لاگت

    FreeTextoSpeech

    بالکل مفت۔ جنریشن کی تعداد پر کوئی حد نہیں۔

    PlayHT / Murf فری ٹیئرز

    فری ٹیر پر ماہانہ کاریکٹر کی حد میں شامل ہوتا ہے؛ لمبے منظر آپ کو پیڈ پلان پر مجبور کر دیتے ہیں۔

    فری ٹیر پر تجارتی لائسنس

    FreeTextoSpeech

    مکمل تجارتی استعمال کی اجازت، کوئی اٹری بیوشن درکار نہیں۔

    PlayHT / Murf فری ٹیئرز

    فری ٹیر پر تجارتی استعمال محدود؛ منیٹائزڈ پوڈکاسٹس اور انڈی گیمز کے لیے پیڈ پلان لازمی ہے۔

    آؤٹ پٹ فارمیٹ

    FreeTextoSpeech

    ہر آواز کے لیے 24 kHz WAV، جسے آپ کسی بھی DAW میں الگ الگ ٹریکس پر ڈال سکتے ہیں۔

    PlayHT / Murf فری ٹیئرز

    فری ٹیر پر کمپریسڈ MP3، اکثر صرف سنگل مکس دستیاب ہوتا ہے۔

    سائن اپ

    FreeTextoSpeech

    درکار نہیں۔ پیج کھولیں، پیسٹ کریں، جنریٹ کریں۔

    PlayHT / Murf فری ٹیئرز

    ای میل سائن اپ لازمی، تجارتی فیچرز کے لیے کریڈٹ کارڈ کی ضرورت ہوتی ہے۔

    ون کلک ملٹی وائس جنریشن

    FreeTextoSpeech

    لوڈڈ اسپیکرز کے ساتھ نیٹو ملٹی اسپیکر جنریشن، جوائنڈ ایکسپورٹ اور اختیاری ایڈوانسڈ کنٹرولز۔

    PlayHT / Murf فری ٹیئرز

    پیڈ ٹیرز پر نیٹو ملٹی اسپیکر ڈائیلاگ موڈ (ایک پیسٹ، ایک رینڈر)۔

    جنریٹ ہر ٹرن کو ترتیب سے چلاتا ہے تاکہ شیئرڈ وائس انجن پر بوجھ نہ پڑے۔

    FAQ

    Frequently asked questions

    01

    کیا میں ایک ہی درخواست میں دو آوازیں جنریٹ کر سکتا ہوں؟

    جی ہاں۔ گفتگو لکھیں، ہر بولنے والے کو الگ آواز دیں، اور جنریٹ پر کلک کریں۔ اسٹوڈیو ٹرنز کو ترتیب سے چلا کر ایک جوائنڈ آڈیو فائل بناتا ہے۔
    02

    آوازیں ایک جیسی کیوں نہ لگیں؟

    کم از کم دو پہلوؤں پر تضاد رکھنے والی آوازیں چنیں: جنس، لہجہ، یا پیچ۔ Sarah + Adam (US female warm + US male authoritative) صاف سنائی دیتا ہے۔ Bella + Daniel (US conversational + UK formal) اور بھی بہتر ہے کیونکہ لہجے کا فرق واضح ہوتا ہے۔ ایک ہی لہجے اور جنس کی دو آوازیں ملا نہ کریں، سننے والے الجھ جائیں گے۔
    03

    کرداروں کے درمیان بات چیت کا انداز کیسے بنائیں؟

    ایڈوانسڈ آپشنز میں ٹرنز کے درمیان مختصر وقفہ استعمال کریں۔ حقیقی اوورلیپ کے لیے جوائنڈ فائل ڈاؤن لوڈ کریں اور اپنے ایڈیٹر میں آنے والی لائن کو تھوڑا آگے رکھیں۔
    04

    ہنسی، سانس، یا "uh-huh" جیسی ردعمل کیسے ہینڈل کریں؟

    ماڈل میں غیر لفظی آواز کے ٹیگز نہیں ہیں۔ "hah hah," "mmhm," یا "ugh" جیسے فونٹک ردعمل کو الگ مختصر اسپیکر ٹرنز کے طور پر لکھیں، پھر اگر کوئی اور اسپیلنگ بہتر لگے تو وہ ٹرن دوبارہ چلائیں۔
    05

    کیا میں AI جنریٹڈ ڈائیلاگ تجارتی طور پر شائع کر سکتا ہوں؟

    جی ہاں۔ FreeTextoSpeech سے ڈاؤن لوڈ کی گئی 24 kHz WAVs مکمل تجارتی استعمال کے لیے لائسنس یافتہ ہیں: پوڈکاسٹس، منیٹائزڈ YouTube ویڈیوز، پیڈ آڈیوبکس، انڈی گیمز، اور اشتہارات۔ اٹری بیوشن یا رائلٹی شیئر کی ضرورت نہیں۔ یہ لائسنس دو آوازوں والے ڈائیلاگ منظر کے لیے بھی اتنا ہی درست ہے جتنا سنگل وائس نریشن کے لیے۔
    06

    ڈائیلاگ سین کتنا لمبا ہو سکتا ہے؟

    ہر جنریشن کی حد 5,000 کاریکٹرز ہے، لیکن آپ جتنی بار چاہیں جنریشن چلا سکتے ہیں۔ ایک عام دو میزبان والے 30 منٹ کے پوڈکاسٹ سین کے لیے تقریباً 4,500 الفاظ کا ڈائیلاگ درکار ہوتا ہے، جو دونوں کرداروں میں تقسیم ہو کر لگ بھگ 12 جنریشنز بنتا ہے، یعنی ہر آواز کے لیے چھ۔ ان سب کو ایک ہی پروجیکٹ فائل میں جوڑ دیں اور آپ کے پاس مکمل ایپی سوڈ تیار ہے۔
    07

    ٹرنز کے درمیان کٹ پر آواز قدرتی لگتی ہے؟

    جی ہاں، کیونکہ Kokoro ماڈل ہر آواز کے لیے ڈیٹرمینیسٹک ہے۔ کردار A ہر کلپ میں بالکل وہی آواز رکھتا ہے جو اس کی اپنی ہے۔ فرق آواز میں نہیں، بلکہ ٹرنز کے درمیان خاموشی میں ہے۔ بولنے والوں کے درمیان 200–400 ملی سیکنڈ کی روم ٹون یا مکمل خاموشی چھوڑ دیں، تو گفتگو بالکل انسانی ڈائیلاگ کی طرح سانس لے گی۔
    08

    کیا میں تین یا اس سے زیادہ کردار بنا سکتا ہوں؟

    جی ہاں۔ اسٹوڈیو میں ایک بولنے والا شامل کریں، اسے الگ آواز دیں، اور ہر ٹرن پر ایک لائن لکھتے رہیں۔ تین آوازیں بالکل ٹھیک ہیں؛ چار آوازیں سننے والے کے لیے پیچیدہ ہو سکتی ہیں، مگر اس صورت میں جب تک کہ ایک واضح نریشنر ہو۔

    Still wondering? Get in touch →

    آگے بڑھیں

    متعلقہ TTS ٹولز

    لمبے فارم ↗

    پوڈکاسٹرز کے لیے ٹیکسٹ ٹو اسپیچ

    دو میزبان والے پوڈکاسٹ انٹرو اور سیگمنٹس کے لیے اسٹوڈیو معیار کی آوازیں۔

    لمبے فارم ↗

    آڈیو بکس کے لیے ٹیکسٹ ٹو اسپیچ

    انڈی آڈیوبک نریشن، کرداروں کے درمیان آواز کی تبدیلی کے ساتھ۔

    آواز کا معیار ↗

    قدرتی آوازوں والا AI وائس جنریٹر

    Kokoro آوازیں لمبے ڈائیلاگ سینز میں انسانی لگتی ہیں، کیوں؟

    لمبے فارم ↗

    YouTube ویڈیوز کے لیے ٹیکسٹ ٹو اسپیچ

    ڈائیلاگ سینز کو براہِ راست Premiere یا DaVinci Resolve میں ڈالیں۔

    Try it now

    اپنا پہلا دو آواز والا سین بنائیں۔

    مفتی جنریٹ کریں، 10 منٹ میں، مکمل تجارتی حقوق کے ساتھ۔

    Open the tool See all voices