AI ઓડિયો ઇન્પેઇન્ટિંગ

ઓડિયોનો વિભાગ AI-સંયોજિત ભાષા સાથે બદલો કે જે આસપાસના અવાજ સાથે બંધબેસે છે. ખરાબ લેવાને સંપૂર્ણપણે ફરીથી રેકોર્ડ કર્યા વિના સુધારો.

અમારી પાસે તમારી ભાષામાં હજુ સુધી TTS અવાજ નથી. અમને તમારો ઉમેરો કરવામાં મદદ કરો! તમારો અવાજ વેચો

Inpaint માં ઓડિયો અપલોડ કરો

ઓડિયો બદલાયેલ 500 અક્ષરો પ્રતિ સેકન્ડ

તમારી ફાઇલ અહીં ખેંચો અને મૂકો, અથવા બ્રાઉઝ કરો

Supports MP3, WAV, FLAC, OGG, M4A. Max 500 MB (2 GB on paid plans). Up to 10 minutes.

ફાઇલ.mp3

0 MB

સ્ત્રોત ઓડિયો — ખરાબ લેવા માટે ધોવો

0.00s / 0.00s

ચિત્રમાં સુયોજનો

0 / 500 અક્ષરો
સ્પ્લેશ બિંદુઓને મિશ્રિત કરવા માટે કેટલો સમય લેવો. ૮૦ms એ મૂળભૂત છે - મેચ-કટ્સને સ્વાભાવિક લાગશે, કોઈ સાંભળવા જેવું બે-ટ્રીગર નહિં.
ઓડિયો ઇન્પેઇન્ટિંગ વાપરવા માટે મફત નોંધણી કરો
ઓડિયો ચિત્રિત કરી રહ્યા છીએ...

અવાજ ક્લોન કરી રહ્યા છીએ અને બદલવાનું સંયોજિત કરી રહ્યા છીએ...

સ્લાઇસીંગ → આસપાસનો અવાજ ક્લોન કરી રહ્યા છીએ → ક્રોસફેડ સાથે સ્પ્લાઇસીંગ
થોડો સમય લે છે? તમારું પરિણામ તમારા ચિત્રમાં દેખાશે ઉત્પન્ન ઇતિહાસ જ્યારે તૈયાર હોય ત્યારે.
ચિત્રિત ઓડિયો તૈયાર છે

પહેલા (મૂળ)

પછી (પેઇન્ટ કરેલ)

Inpainted ઓડિયો ડાઉનલોડ કરો

ઓડિયો ઇન્પેઇન્ટિંગ કેવી રીતે કામ કરે છે

ઇન્પેઇન્ટિંગ એ ફોટોશોપના સમાવિષ્ટ-જાગૃત ભરાવાના ઓડિયો સમકક્ષ છે. અમે તમારી પસંદગીને આસપાસના ઓડિયોમાંથી અવાજનો ક્લોન બનાવીએ છીએ, એ અવાજમાં નવી લીટીને સંયોજિત કરીએ છીએ, અને તેને ટૂંકી ક્રોસફેડ સાથે પાછા સ્પ્લેશ કરીએ છીએ.

શ્રેષ્ઠ પરિણામો: ફેરફાર બિંદુની તરત જ પહેલાં ઓછામાં ઓછા3સેકન્ડો સાફ બોલવાનું છોડો જેથી ક્લોનર પાસે સારી સંદર્ભ સામગ્રી હોય.

શ્રેષ્ઠ પરિણામો માટે સૂચનો

  • ચિહ્નિત વિસ્તારને શક્ય તેટલી કડક રાખો - માત્ર ખરાબ લેવાનું
  • બદલવાનું લખાણ તે બદલે છે તે જેટલું જ લંબાઈનું હોવું જોઈએ
  • શ્રેષ્ઠ અવાજ મેળ માટે સ્ત્રોત ઓડિયો સાથે બંધબેસતી ભાષા સુયોજિત કરો
  • 80ms ક્રોસફેડ સામાન્ય રીતે અદૃશ્ય છે; જો તમે ક્લિક સાંભળો તો 150ms પર બમ્પ કરો
  • લાંબા ફેરફારો માટે (>10s), તેની જગ્યાએ સંપૂર્ણ પદને પુનઃરેકોર્ડ કરવાનું વિચારો

AI ઓડિયો ઇન્પેઇન્ટિંગ કેવી રીતે કામ કરે છે

સર્જીકલ ફેરફારો, અવાજ-મેળવેલ, પુનઃરેકોર્ડિંગ સત્ર વગર.

પગલું ૧

અપલોડ + ચિહ્ન વિસ્તાર

તમારા ઓડિયો અપલોડ કરો અને તમે બદલવા માંગતા હોય તે વિભાગની શરૂઆત/અંતને ચિહ્નિત કરવા માટે સ્ક્રબર વાપરો. બદલવા માટેનું લખાણ લખો.

પગલું ૨

અવાજ ક્લોન + સંયોજન

અમે તમારી પસંદગીને આસપાસના સાફ સંદર્ભ ઓડિયોનું ૧૨ સેકન્ડ સુધીનું નિકાસ કરીએ છીએ, સ્પીકરનો અવાજ ક્લોન કરીએ છીએ, અને એ અવાજમાં નવી લીટીને સંયોજિત કરીએ છીએ.

પગલું ૩

ક્રોસફેડ સ્પ્લેશ

સંયોજિત ક્લિપ મૂળ રેકોર્ડમાં બંને ફેરફાર બિંદુઓ પર સમાન-શક્તિ ક્રોસફેડ સાથે જોડાયેલ છે. સીમાઓને સાંભળી શકાતી નથી.

ઓડિયો ઇન્પેઇન્ટિંગ યોજનાઓ

મુક્ત શરૂઆત, જ્યારે તમારે વધારેની જરૂર હોય ત્યારે સુધારો

મુક્ત
  • ૧૦ મિનિટ સુધીની સ્ત્રોત ફાઇલો
  • ૫૦૦-અક્ષર બદલનાર લખાણ
  • ૪-સેકન્ડ inpaint પ્રતિ વિનંતી
  • 80ms ક્રોસફેડ સ્પ્લાઇસ
  • OpenVoice + CosyVoice ૨ બેકએન્ડ્સName
સૌથી લોકપ્રિય
મુક્ત ખાતું
  • ૧૦ મિનિટ સુધીની સ્ત્રોત ફાઇલો
  • ૫,૦૦૦-અક્ષરોનું બદલી શકાય તેવું લખાણ
  • તુનિંગ ક્રોસફેડ (૦-૨૫૦ms)
  • અવાજ-મોડલ ઉપર લખો
  • પેદા થયેલ ઇતિહાસ + ફરી-ફેરફાર
મફત નોંધણી કરો
પ્રો
  • ૩૦ મિનિટ સુધીની સ્ત્રોત ફાઇલો
  • ૧૦૦,૦૦૦-અક્ષરોનું બદલી શકાય તેવું લખાણ
  • પ્રાથમિકતા GPU કતાર
  • API પ્રવેશ (/v1/audio-inpaint/)
  • બેચ ચિત્રકામ (બહુવિધ વિસ્તારો)
સુધારો

વારંવાર પૂછાતા પ્રશ્નો

ઓડિયો ઇન્પેઇન્ટિંગ (ઓડિયો ભરો અથવા ભાષા ઓવરડબ તરીકે પણ ઓળખાય છે) તમને હાલના ઓડિયો રેકોર્ડિંગના વિભાગને નવા AI-સંશ્લેષિત ભાષા સાથે બદલવા દે છે કે જે મૂળભૂત અવાજ સાથે બંધબેસે છે. તે ફોટોશોપના સમાવિષ્ટ-જાગૃત ભરોનું ઓડિયો સમકક્ષ છે - તમે ઇચ્છતા ન હોય તે ભાગ પર રંગો, એની જગ્યાએ ત્યાં શું હોવું જોઈએ તે લખો, અને AI સીમલેસ બદલાવ પેદા કરે છે.

બદલવા માટે સમય વિસ્તારને ચિહ્નિત કરો, સંવાદની નવી લીટી લખો, અને Inpaint પર ક્લિક કરો. અમારું AI તમારી પસંદગીને આસપાસના ઓડિયોમાંથી અવાજ ક્લોન કરે છે, એ અવાજમાં નવી લીટીને સંયોજિત કરે છે, અને તેને તમારા રેકોર્ડમાં ટૂંકી ક્રોસફેડ સાથે પાછું જોડે છે જેથી ફેરફાર અવાજો વિનાનો હોય.

જ્યારે તમારી પાસે એક જ ખરાબ શબ્દ હોય, ખરાબ ઉચ્ચારણ, નામની સ્લિપ, શપથ શબ્દ, અથવા અન્યથા-સારા લેવામાં ફેક્ટ ભૂલ હોય ત્યારે તેનો ઉપયોગ કરો. સંપૂર્ણ પદને પુનઃરેકોર્ડ કરવું ઘણીવાર પ્રોજેક્ટના બાકીના ભાગ સાથે ટોનલ મિસમેચ રજૂ કરે છે - ચિત્રણ ફક્ત તે સુધારે છે જે સુધારવાની જરૂર છે જ્યારે દરેક અન્ય અક્ષર સંપૂર્ણપણે સંપૂર્ણ રાખે છે.

મુક્ત વપરાશકર્તાઓ 10 મિનિટ સુધી ફાઇલોને ચિત્રિત કરી શકે છે. ઉમેદવારો 30 મિનિટ સુધી ફાઇલોને ચિત્રિત કરી શકે છે. બદલી શકાય તેવું લખાણ એ મુક્ત વપરાશકર્તાઓ માટે 500 અક્ષરો પર સીમિત છે, મુક્ત ખાતાઓ માટે 5,000, અને ચૂકવણી કરેલ યોજનાઓ માટે 100,000.

ખૂબ નજીક. AI એ સંપાદનને ઘેરી વળતા ઓડિયોનાં ૧૨ સેકન્ડો સુધી અવાજ સંદર્ભ તરીકે વાપરે છે, જે અમારા ક્લોનિંગ-સક્ષમ મોડેલો (OpenVoice, CosyVoice ૨) માંથી કોઈપણ માટે સ્પીકરનાં ટાઇમ્બરે, પીચ, અને બોલવાની શૈલીને ઝડપી લેવા માટે પૂરતું છે. શ્રેષ્ઠ પરિણામો માટે, સંપાદન બિંદુની તરત જ પહેલાં ઓછામાં ઓછા ૩ સેકન્ડો સાફ બોલવાનું છોડો.

અમે મૂળભૂત રીતે બંને સ્પ્લાઇસ બિંદુઓ (મુખ→રદ કરો અને રદ કરો→તાળું) પર 80ms સમાન-શક્તિ ક્રોસફેડ લાગુ કરીએ છીએ. તમે આને ક્રોસફેડ સ્લાઇડર મારફતે 0ms (ઘરડા કાપવા) થી 250ms સુધી ટોન કરી શકો છો. લાંબા ક્રોસફેડ સંપાદનને વધુ સંપૂર્ણપણે છુપાવે છે પરંતુ સીમા પર ઓવરલેપ શબ્દોને સંભળાવીને મિશ્રિત કરી શકે છે.

ઓડિયો ઇન્પેઇન્ટિંગ એ જ ભાષા કવરેજને અવાજ ક્લોનિંગ તરીકે અનુસરે છે. અમે મોટાભાગની ભાષાઓ માટે OpenVoice ને આપોઆપ-પસંદ કરીએ છીએ અને CosyVoice2ચાઇનીઝ, જાપાનીઝ, અને કોરીયન માટે. તમે ઉચ્ચ સુયોજનોમાં મોડેલને બદલી શકો છો.

તમને બદલાયેલ ઓડિયો માટે પ્રતિ સેકન્ડ ૫૦૦ અક્ષરોનો ચાર્જ કરવામાં આવે છે. ૪-સેકન્ડનો સુધારો ૨,૦૦૦ અક્ષરોનો ખર્ચ કરે છે. ખર્ચ એ બદલાયેલ લખાણ કેટલું લાંબો છે તેના પર આધારિત છે, કારણ કે આધારભૂત ક્લોન સંયોજન નવા ક્લિપના ચલાવવાના સમય દ્વારા ગેટ થયેલ છે, લખાણની લંબાઈ દ્વારા નહિં.

અમારી સેવાની શરતો અનુસાર, તમે માત્ર તમારી પાસેના ઓડિયોને જ ચિત્રિત કરી શકો છો અથવા તમારી પાસે ફેરફાર કરવા માટે સ્પષ્ટ પરવાનગી છે. નકલી ઉલ્લેખ, ખોટા સમાવિષ્ટો, અથવા રૂપાંતરણો ઉત્પન્ન કરવા પર પ્રતિબંધ છે. અમે વોટરમાર્ક ઉત્પન્ન કરેલ ઓડિયો અને દુરુપયોગ સમીક્ષા માટે બધા ચિત્રિત કાર્યોને લોગ કરીએ છીએ.

ક્લિપ કાપવા માટે પેશિંગ અને શ્વાસમાં નોંધપાત્ર ખાલી જગ્યા છોડો; બે લેતો ક્રોસ-ફેડિંગ કરવાથી ટોનલ મિસમેચ છોડો. ઇન્પેઇન્ટિંગ ખાલી જગ્યા વાતચીત સાથે ભરે છે જે આસપાસના અવાજ સાથે બંધબેસે છે, તેથી સાંભળનારાઓ સતત, કુદરતી-સંગીત ઓડિયો સાંભળે છે.

હા — ઓડિયો ફાઈલ, start_sec, end_sec, અને replacement_text સાથે /v1/audio-inpaint/ ને POST કરો. અંતબિંદુ કામ UUID ને પાછું આપે છે; જ્યારે તૈયાર હોય ત્યારે ચિત્રિત ઓડિયોને પુનઃપ્રાપ્ત કરવા માટે poll /v1/speech/results/?uuid= ને પૂછો. વિગતો માટે API દસ્તાવેજો જુઓ.

ElevenLabs Speech-to-Speech લક્ષ્ય અવાજમાં સંપૂર્ણ અવાજ લીટીને શૂન્યમાંથી પુનઃસંગ્રહ કરે છે. અમારું ઓડિયો ઇન્પેઇન્ટિંગ સર્જરી છે: તે ફક્ત ચિહ્નિત વિસ્તારમાં ફેરફાર કરે છે, તમારા મૂળ રેકોર્ડિંગના દરેક બીજા બાઇટને અચૂક રાખે છે, અને અલગ અવાજ લાઇબ્રેરીની જગ્યાએ આસપાસના અવાજ સાથે નવા ક્લિપને બંધબેસે છે.
5.0/5 (1)

અમે શું સુધારી શકીએ? તમારો પ્રતિભાવ અમને સમસ્યાઓ ઉકેલવામાં મદદ કરે છે.

તમારા ઓડિયોને સેકન્ડોમાં સુધારો

કોઈપણ રેકોર્ડિંગના કોઈપણ ભાગને AI-સંયોજિત ભાષા સાથે બદલો કે જે મૂળભૂત અવાજ સાથે બંધબેસે છે. શરૂ કરવા માટે મફત નોંધણી કરો.