यह क्या करता है

यह स्किल आपके AI एजेंट के माध्यम से सीधे उच्च-गुणवत्ता वाली वॉयस क्लोनिंग और टेक्स्ट-टू-स्पीच (TTS) जनरेशन को सक्षम बनाती है। NVIDIA Magpie TTS NIM का लाभ उठाकर, यह 10-30 सेकंड के संक्षिप्त ऑडियो सैंपल से किसी भी आवाज़ की नकल कर सकती है या उच्च-गुणवत्ता वाली प्रीसेट आवाज़ों का उपयोग करके पेशेवर नैरेशन जनरेट कर सकती है।

इस स्किल का उपयोग क्यों करें

डेवलपर वर्कफ़्लो में पेशेवर-स्तरीय वॉयस सिंथेसिस को एकीकृत करने के लिए आमतौर पर जटिल SDK या महंगी सदस्यताओं की आवश्यकता होती है। यह स्किल NVIDIA की ज़ीरो-शॉट क्लोनिंग तकनीक का उपयोग करके इस प्रक्रिया को सरल बनाती है, जिससे आपका एजेंट टर्मिनल छोड़े बिना स्थानीयकृत ऑडियो एसेट, नैरेशन या व्यक्तिगत वॉयस फ़ीडबैक तैयार कर सकता है। यह मैन्युअल ऑडियो प्रोसेसिंग की तुलना में काफी तेज़ है और कम-विलंबता सिंथेसिस के लिए एक शक्तिशाली क्लाउड इन्फ्रास्ट्रक्चर का उपयोग करती है।

समर्थित टूल्स और विशेषताएं

• NVIDIA Magpie TTS Zeroshot: न्यूनतम डेटा के साथ WAV/MP3 फ़ाइलों से आवाज़ें क्लोन करें।
• NVIDIA Magpie Multilingual: स्पेनिश, फ्रेंच और जर्मन सहित विविध उच्चारणों और भाषाओं के लिए समर्थन।
• Local File Management: एक समर्पित स्थानीय डायरेक्टरी में ऑडियो आउटपुट और स्टोरेज को स्वचालित रूप से प्रबंधित करता है।
• Bypass Setup: एक साधारण API key के साथ काम करता है, जिससे स्थानीय GPU-भारी TTS मॉडल की आवश्यकता समाप्त हो जाती है।

आउटपुट फ़ॉर्मेट

यह स्किल स्थानीय रूप से संग्रहीत उच्च-गुणवत्ता वाली WAV ऑडियो फ़ाइलें तैयार करती है, जो स्पष्ट और प्राकृतिक-ध्वनि वाली वाणी प्रदान करती हैं और एप्लिकेशन, वीडियो या परीक्षण में उपयोग के लिए तैयार होती हैं।