ढाई क्या करता है
आप जो टेक्स्ट डालते हैं, उसे कोई पढ़कर सुनाता है और आपको MP3 फ़ाइल मिलती है। हिंदी में 40 आवाज़ें हैं (20 महिला, 20 पुरुष), और 64 दूसरी भाषाएँ जिनमें पढ़ने वाला उसी भाषा का मूल भाषी है। 3 से 8 सेकंड की रिकॉर्डिंग से अपनी आवाज़ भी बना सकते हैं।
बाक़ी हिंदी टूल से जो बात इसे अलग करती है, वह है अंक। आवाज़ बनाने वाली मशीन “₹2,50,000” या “9:30” को सीधे नहीं पढ़ पाती: हमारी जाँच में अंकों के साथ सिर्फ़ 0% अंक सही सुनाई दिए। ढाई भेजने से पहले उन्हें शब्दों में बदलता है, और तब 0% सही सुनाई दिए। पूरी जाँच “अंक” पेज पर है, नाकामियों समेत।
आवाज़ें कहाँ से आईं
हिंदी आवाज़ें Mozilla Common Voice की असली रिकॉर्डिंग से बनी हैं। रिकॉर्ड करने वाले हर व्यक्ति ने अपनी रिकॉर्डिंग CC0 1.0 लाइसेंस के तहत दी है, यानी बिना शर्त सार्वजनिक इस्तेमाल के लिए। उनके नाम प्रकाशित नहीं होते: आवाज़ों के नाम (चाँदनी, बादल, जुगनू...) हमने रखे हैं, और जान-बूझकर प्रकृति और रोज़ की चीज़ों से, ताकि किसी अनजान व्यक्ति पर कोई धर्म या जाति न थोपी जाए।
Common Voice हिंदी में जिन लोगों के कम से कम 4 साफ़ वाक्य हैं, उनमें सिर्फ़ 16 ने ख़ुद को महिला बताया है और 98 ने पुरुष। इसलिए 20 महिला आवाज़ों में से 9 ने ख़ुद अपना लिंग बताया था; बाक़ी 11 का लिंग आवाज़ की पिच से अनुमान है (135 से 185 Hz के बीच वाली आवाज़ें अनुमान से बाहर रखी गईं)। हर ऐसी आवाज़ पर यह लिखा है।
क्या नहीं कर पाता
- बांग्ला, मलयालम, पंजाबी और ओड़िया के लिए मूल भाषी आवाज़ नहीं है। भारत में “bengali text to speech” सबसे ज़्यादा खोजा जाने वाला ऐसा वाक्य है, और यह सूची की सबसे बड़ी कमी है।
- क्षेत्रीय लहजे (भोजपुरी, हरियाणवी, मारवाड़ी) नहीं। Common Voice हिंदी में 90% लोगों ने अपना लहजा बताया ही नहीं, इसलिए लहजे के आधार पर आवाज़ें चुनना मुमकिन नहीं था।
- अंक पढ़ना 100% सही नहीं: कुछ आवाज़ें शब्दों में लिखा अंक भी ग़लत पढ़ती हैं, और 79 (उनासी) इनमें सबसे मुश्किल है।
- भावना के साथ ज़ोर नहीं: हर वाक्य एक जैसे सुर में पढ़ा जाता है।
मुफ़्त क्यों है
क्योंकि आवाज़ें एक घरेलू कंप्यूटर के GPU पर बनती हैं, किसी क्लाउड पर नहीं। एक टेक्स्ट पढ़ने का ख़र्च मुख्य रूप से बिजली है। वेबसाइट पर न विज्ञापन हैं, न विज्ञापन वालों के लिए ट्रैकिंग, न कोई पेड प्लान।
बदले में सीमाएँ हैं: एक बार में 500 शब्द, दो बार के बीच 5 सेकंड, और एक इंटरनेट पते से दिन में 60 बार। ये बिक्री की चाल नहीं, एक मशीन की क्षमता है।
कौन चलाता है
ढाई एक व्यक्ति द्वारा चलाई जाने वाली वेबसाइट है। यह कोई कंपनी नहीं है और किसी व्यापार रजिस्टर में दर्ज नहीं है।