Gemini 3.8 Flash TTS: আগে ভয়েস, তারপর স্ক্রিপ্ট লিখুন
Gemini 3.8 Flash TTS হলো Google-এর ফ্ল্যাগশিপ ভয়েস মডেল—এমন প্রথম মডেল, যেটির জন্য আগে থেকে ভয়েস বেছে নিতে হয় না; বরং আপনি ভয়েসটি কেমন হবে তা নির্দেশ দেন। সহজ ভাষায় আপনার পছন্দের ভয়েসের বর্ণনা দিন—যেমন ক্লান্ত রাতের শিফটের কোনো প্রেরণকর্মী বা প্রাণবন্ত কিশোর বর্ণনাকারী—আর এটি ১৩০টিরও বেশি ভাষায়, আপনার চাওয়া উচ্চারণে, সেই ভয়েসে আপনার স্ক্রিপ্ট পড়ে শোনাবে। প্রতিটি লাইন ধরে পড়ার ধরন নির্দেশ করুন, চরিত্রদের মধ্যে সংলাপ সাজান, আর ঘণ্টার পর ঘণ্টা অডিও জুড়ে একই কণ্ঠস্বর ধরে রাখুন। এখনই পাওয়া যাচ্ছে Picsart-এর AI Playground-এ।
- আপনার পছন্দের ভয়েসের বর্ণনা দিন
- প্রতিটি লাইন ধরে পড়ার ধরন নির্দেশ করুন
Gemini 3.8 Flash TTS দিয়ে তৈরি ভয়েস
পরিচয় করুন Gemini 3.8 Flash TTS-এর সঙ্গে—শুধু স্পষ্টতার নয়, চরিত্র ফুটিয়ে তোলার জন্য তৈরি
বেশিরভাগ AI ভয়েস জেনারেটরে বেছে নেওয়ার জন্য ভয়েসের তালিকা আর গতির জন্য একটি স্লাইডার থাকে। Gemini 3.8 Flash TTS এর ঠিক উল্টোভাবে তৈরি: এটি Google-এর সেরা সৃজনশীল ভয়েস মডেল, যা গভীর সৃজনশীল নির্দেশনা ও চরিত্র নির্মাণের জন্য বানানো; আর এটি শুরু হয় ড্রপডাউন থেকে বেছে নেওয়ার বদলে বর্ণনা দিয়ে। Google-এর ৩০টি নিজস্ব ভয়েস থেকে ২,০০০টিরও বেশি প্রোডাকশন-রেডি ভয়েসের একটি লাইব্রেরি তৈরি হয়েছে। চাইলে এমন নতুন ভয়েসও লিখে তৈরি করতে পারেন, যা সেই লাইব্রেরিতে কোথাও নেই। Hume AI-এর Voice Design Benchmark-এ এটি প্রথম স্থান পেয়েছে—এই মডেলটি ঠিক যে কাজের জন্য তৈরি, সেটিই ওই বেঞ্চমার্কে যাচাই করা হয়।
একটি বাক্যে ১৩০টিরও বেশি ভাষায় ভয়েস ডিজাইন করুন
আপনি কী শুনতে চান তা লিখুন, আর মডেলটি সেই অনুযায়ী ভয়েস তৈরি করবে: বয়স, কণ্ঠের ধরন, প্রাণচাঞ্চল্য এবং উচ্চারণ। সাধারণ স্প্যানিশের বদলে মেক্সিকান স্প্যানিশ, প্যারিসের ফরাসির বদলে কুইবেকের ফরাসি, কিংবা নিরপেক্ষ উচ্চারণের বদলে স্কটিশ বা দক্ষিণ যুক্তরাষ্ট্রের উচ্চারণ চাইতে পারেন। এটি ১৩০টিরও বেশি ভাষায় কাজ করে এবং আপনার লেখা কোন ভাষায়, তা নিজেই বুঝে নেয়—তাই স্ক্রিপ্টে ভাষার ট্যাগ যোগ করা বা ভাষার নাম উল্লেখ করার দরকার নেই। জাপানি, ব্রাজিলিয়ান পর্তুগিজ, ভিয়েতনামি, আধুনিক প্রমিত আরবি, মেক্সিকান স্প্যানিশ ও হিন্দিতে এর ফল সবচেয়ে ভালো। একই বর্ণনা প্রতিবার একই চরিত্রের ভয়েস তৈরি করে, তাই একবারের কাজের বদলে পুরো সিরিজজুড়ে ভয়েসটি আবার ব্যবহার করা যায়।
- আঞ্চলিক উচ্চারণ নির্ধারণ করুন
কোনো অভিনেতাকে যেভাবে নির্দেশ দিতেন, AI ভয়েসকেও সেভাবে নির্দেশ দিন
একঘেয়ে পড়ার ধরনেই কৃত্রিম বক্তৃতা সহজে ধরা পড়ে। এখানে প্রতিটি লাইন আলাদাভাবে নির্দেশ দিতে পারেন: এই লাইনটি ক্লান্ত ভঙ্গিতে পড়ুন, পরেরটি কৌতুকের মতো জোর দিয়ে বলুন, আর তার পরেরটি প্রায় ফিসফিসিয়ে পড়ুন। অভিনয়ের জন্য যেখানে দরকার, সেখানে হাসি, দীর্ঘশ্বাস, হাঁ করে শ্বাস নেওয়া বা হঠাৎ দম আটকে যাওয়ার শব্দ যোগ করুন। বাস্তব কথোপকথনে থাকা ছোট ছোট শব্দও যোগ করুন—মৃদু সম্মতি বা অন্যজন কথা বলার সময় কেউ যে ছোট্ট শব্দ করে। আর প্রতিটি চরিত্রের স্বতন্ত্র ভয়েস বজায় রেখে দুইজনের মধ্যে বাস্তবসম্মত সংলাপ সাজান। এটি ভয়েস তৈরি করার চেয়ে অভিনয় পরিচালনার কাছাকাছি—তাই ফলাফল আর টেক্সট-টু-স্পিচের মতো শোনায় না।
দীর্ঘ রেকর্ডিংয়েও ভয়েসের ধরন বদলে যায় না
দীর্ঘ অডিওতেই বেশিরভাগ ভয়েস মডেলের দুর্বলতা প্রকাশ পায়: কণ্ঠস্বর বদলে যায়, বক্তার চারপাশের পরিবেশ পাল্টে যায়, নবম অধ্যায়ের ভয়েসের সঙ্গে প্রথম অধ্যায় মেলে না। Gemini 3.8 Flash TTS ঘণ্টার পর ঘণ্টা ভয়েসের গুণমান, বলার গতি ও কণ্ঠস্বরের ধরন একই রাখে; প্রথম লাইন থেকে শেষ লাইন পর্যন্ত ভলিউম ও অ্যাকুস্টিক পরিবেশও অপরিবর্তিত থাকে। অডিও পাওয়া যায় স্ট্যান্ডার্ড WAV ফরম্যাটে, এডিটে যোগ করার জন্য প্রস্তুত। একসঙ্গে অনেক অডিও তৈরি করছেন—যেমন ডাবিংয়ের কাজ বা ভয়েস এজেন্টের জন্য? Gemini 3.8 Flash-Lite TTS একই পরিবারের মডেল, যা বেশি পরিমাণে কাজ করার জন্য অপ্টিমাইজ করা। Picsart-এ দুটোই ১৫০টিরও বেশি মডেলের সঙ্গে আছে, তাই এখানে স্ক্রিপ্টে ভয়েস যোগ করে পরেরটির জন্য মডেল বদলে নিতে পারেন।
- দীর্ঘ রেকর্ডিংয়েও একই ভয়েস বজায় রাখুন
Gemini 3.8 Flash TTS দিয়ে যা তৈরি করতে পারেন
অডিওবুক ও দীর্ঘ বর্ণনা
একই কণ্ঠস্বর ধরে রেখে একটানা ঘণ্টার পর ঘণ্টা রেকর্ড করুন, আর অধ্যায় ধরে বর্ণনাকারীকে নির্দেশ দিন।
Gemini 3.8 Flash TTS সম্পর্কিত প্রায়শই জিজ্ঞাসিত প্রশ্ন
এটি Google-এর ফ্ল্যাগশিপ টেক্সট-টু-স্পিচ মডেল, যা ২০২৬ সালের সেপ্টেম্বরে প্রকাশিত হয়েছে এবং সৃজনশীল নির্দেশনা ও চরিত্র নির্মাণের জন্য তৈরি। আগে থেকে থাকা ভয়েসের তালিকা থেকে বেছে নেওয়ার বদলে, আপনি পছন্দের ভয়েসটির বর্ণনা দেন, আর এটি ১৩০টিরও বেশি ভাষায় সেই ভয়েসে আপনার স্ক্রিপ্ট পড়ে শোনায়—প্রতিটি লাইন ধরে দেওয়া নির্দেশনা মেনে।
GPT Image 2.5 দিয়ে AI ভিজ্যুয়াল তৈরি করুন
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.
GPT Image 2.5 দিয়ে AI ভিজ্যুয়াল তৈরি করুন
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.