Jak zamienić tekst na mowę: od wyboru głosu do pobrania MP3

Żeby zamienić tekst na od razu użyteczny MP3, wystarczą trzy kluczowe działania: przerobić tekst na wersję odpowiednią do czytania na głos, wybrać głos pasujący do języka i po wygenerowaniu odsłuchać całość przed zapisaniem. Strona Zamiana tekstu na mowę w PixMind zbiera te trzy kroki w jednym interfejsie: po lewej wpisujesz tekst z licznikiem znaków na żywo, po prawej wybierasz głos i parametry, wynik odtwarza się na stronie, a po zatwierdzeniu go pobierasz.

Otwórz zamianę tekstu na mowę i w kilka minut uzyskaj pierwszy plik audio z opisem produktu do 100 znaków.

Najważniejsze punkty

• W oknie głosów odtworzysz próbki bezpośrednio; na poziomie generowania silnik Microsoft jest darmowy i nie wymaga rejestracji, pozostałe silniki wymagają zalogowania i zużywają kredyty według liczby znaków.
• Bez zalogowania maksymalnie 100 znaków i 2 darmowe próby; po zalogowaniu darmowy plan to nadal 100 znaków na raz, a płatny abonament podnosi limit do 10000 znaków.
• Suwaki tempa i głośności działają dla wszystkich silników, suwak wysokości tonu pojawia się tylko przy silniku MiniMax; zmiana silnika przywraca parametry do wartości domyślnych.
• Wynik najpierw sprawdź w pasku odtwarzania na stronie — imiona, nazwy produktów i długie liczby — a dopiero potem kliknij pobieranie i odbierz plik MP3.

Przygotuj tekst gotowy do przeczytania na głos

Różnice w jakości generowania biorą się głównie z tekstu, nie z parametrów. Ten sam głos czytający pisemne długie zdania i krótkie zdania brzmi zupełnie inaczej — przerobienie szkicu na „mówiony język” przed generowaniem działa lepiej niż wielokrotne ruszanie suwaków.

Są trzy zasady przeróbki. Dziel długie zdania na krótkie — jedno zdanie, jedna myśl — i wytnij pisemne ozdobniki typu „cechuje się” czy „ma na celu”. Liczby i skróty zapisuj dokładnie tak, jak mają być przeczytane; model, kwota i rok niech każdy stanowi własną całość. Pauzy zostaw interpunkcji: przecinek to krótkie zatrzymanie, kropka to oddech — nie steruj rytmem spacjami.

Przykład na opisie produktu. Oryginał: „Niniejszy produkt wykorzystuje silnik własny nowej generacji, cechujący się szybkością, stabilnością i łatwością użycia, zaspokajający zróżnicowane potrzeby użytkowników indywidualnych i klientów biznesowych w wielu scenariuszach.” Wersja mówiona: „To nasz nowy silnik. Szybki i stabilny. Użyjesz sam, użyje zespół.”

Pole tekstowe przytnie wpisy do obecnego limitu znaków, a pod spodem na bieżąco wyświetla się licznik „bieżąco / limit”. Wartość limitu zależy od stanu zalogowania — jak ją sprawdzić, opisuje sekcja „Jak przed startem potwierdzić limity i szacowany koszt”.

Filtruj głosy według języka i odsłuchuj próbki

Panel po prawej ma domyślnie głos dobrany do języka interfejsu — interfejs w danym języku dostaje głos w tym języku — i możesz od razu wygenerować z nim pierwszą wersję. Aby zmienić głos, działaj w tej kolejności:

1. Kliknij „Wybierz głos”, aby otworzyć okno głosów.
2. W wierszu „Model mowy” na górze przełączaj silniki: Microsoft, Volcano, MiniMax, Google i języki mniejszościowe. Każda karta pokazuje bieżącą liczbę głosów danego silnika — rozstrzyga to, co widać w interfejsie.
3. Listą „Język” przefiltruj język docelowy. Opcje pochodzą z katalogu głosów bieżącego silnika i zmieniają się po jego przełączeniu.
4. W razie potrzeby zawęź wybór listą „Płeć” (żeński, męski) i polem wyszukiwania; po prawej na bieżąco widnieje liczba wyników „N głosów”.
5. Najedź kursorem na awatar głosu i kliknij odtwarzanie, aby posłuchać próbki; głosy bez próbki pokażą komunikat „Ten głos nie ma jeszcze próbki”.
6. Kliknij „Wybierz” na karcie, która Ci się podoba — okno się zamknie, a panel po prawej ustawi ten głos.

Odsłuch gra wbudowaną próbkę głosu, nie Twój tekst; o realnym efekcie przekona Cię generacja krótkiego zdania i własne uszy. Nie ma jednego zwycięskiego silnika: Microsoft jest darmowy i szeroki językowo, Volcano strona pozycjonuje w stronę narracji lektorskich i audiobooków, MiniMax w stronę reklam i głosów postaci, Google obejmuje więcej języków i akcentów, a silnik języków mniejszościowych języki regionalne i etniczne. Przetestuj po jednym–dwóch głosach na swoje bieżące zadanie — to pewniejsze niż zapamiętywanie wniosków.

Ustaw tempo, głośność i dostępne parametry

W panelu „Ustawienia mowy” suwaki tempa i głośności działają dla każdego silnika, a trzeci suwak, „Wysokość tonu”, pojawia się tylko przy głosach silnika MiniMax. Zakresy wartości różnią się między silnikami:

Parametry podlegają wybranemu silnikowi, nie są wspólne dla głosów: po przełączeniu na głos innego silnika suwaki wracają do jego wartości domyślnych i wcześniejsze nastawy przepadają. Przycisk „Resetuj parametry” pod panelem przywraca domyślne w każdej chwili.

Kolejność strojenia trzymaj stałą: pierwszą generację zrób na wartościach domyślnych, po odsłuchaniu ustal, czy problem leży w rytmie czy w głośności, i dopiero wtedy rusz właściwy suwak — jedna zmiana naraz, inaczej nie usłyszysz, która poprawka zadziałała.

Po wygenerowaniu odsłuchaj i pobierz MP3

Gdy tekst i głos są gotowe, kliknij „Generuj mowę”; w trakcie przycisk pokazuje „Generowanie…”. Przed startem sprawdzane są tekst, głos i liczba znaków — niespełnienie wymagań natychmiast wypisze komunikat, więc nie czekasz nadaremnie. Po otrzymaniu wyniku działaj w tej kolejności:

1. Odsłuchaj całość w pasku odtwarzania na dole strony. Pasek pokazuje postęp, bieżący czas, czas całkowity i nazwę użytego głosu, a postęp można przeciągać.
2. Sprawdź uważnie trzy kategorie: imiona, nazwy produktów i długie liczby. To miejsca z najwyższym ryzykiem błędnego przeczytania.
3. Przy problemach wróć do tekstu — popraw zapis albo dodaj lub usuń interpunkcję — i wygeneruj nową wersję; nowy wynik zastąpi poprzedni.
4. Po potwierdzeniu kliknij „Pobierz MP3”; zapisany plik zaczyna się od pixmind-tts- i ma rozszerzenie .mp3.

Kompletne przykładowe nagranie (głos: Yunxi):

Strona trzyma naraz jeden wynik; gdy potrzebujesz kilku nagrań, generuj i pobieraj je po kolei.

Jak przed startem potwierdzić limity i szacowany koszt

Limitów nie trzeba zgadywać — wszystko widać tuż pod polem tekstowym. Przed generowaniem sprawdź trzy miejsca:

1. Licznik „X / Y znaków”: bez zalogowania i w darmowym planie Y wynosi 100, w płatnym abonamencie 10000.
2. Komunikat obok licznika: bez zalogowania „2 darmowe próby · maksymalnie 100 znaków na raz”, po zalogowaniu w darmowym planie „Darmowi użytkownicy: maksymalnie 100 znaków na raz”.
3. „Szacowany koszt”: przy silniku Microsoft widnieje „darmowe”, bez pobierania kredytów; przy silnikach płatnych pokazuje liczbę kredytów, liczonych jako 10 kredytów za każde 100 znaków, przy czym mniej niż 100 znaków liczy się jako 100.

Po wyczerpaniu prób bez zalogowania serwer odmówi generowania i wyświetli okno logowania — po zalogowaniu działasz dalej. Odsłuch próbek w oknie głosów nie podlega temu limitowi, więc możesz słuchać w dowolnym momencie.

Częste pytania

Które głosy można testować za darmo?

Każdy głos z próbką odsłuchasz w oknie bez logowania. Na poziomie generowania obowiązują dwie grupy: głosy silnika Microsoft są darmowe i generują się bez rejestracji, z limitem bez zalogowania 2 prób po 100 znaków; głosy silników Volcano, MiniMax, Google i języków mniejszościowych wymagają zalogowania i zużywają kredyty według znaków. Rozstrzygnięcie jest proste: spójrz, czy przy „Szacowany koszt” widnieje etykieta „darmowe”, czy liczba kredytów.

W jakim formacie pobiera się plik?

MP3. Po każdej generacji kliknij „Pobierz MP3” po prawej stronie paska odtwarzania; nazwa pliku zaczyna się od pixmind-tts- i nosi datownik momentu wygenerowania. Strona zachowuje naraz jeden wynik, więc dłuższe treści generuj i pobieraj po kawałku.

Jak podzielić bardzo długi tekst?

Najpierw potwierdź bieżący limit: bez zalogowania i w darmowym planie 100 znaków na raz, w płatnym abonamencie 10000 — nadmiar nie zostanie wygenerowany. Tnij po akapitach lub grupach zdań, generując i pobierając każdy fragment osobno. W ramach jednego tekstu trzymaj się jednego głosu i pamiętaj, że zmiana silnika resetuje tempo, głośność i inne parametry — zanotuj swoje nastawy przed podziałem.

Wygeneruj teraz pierwszy MP3

Zacznij od opisu produktu do 100 znaków: przerób go na krótkie zdania, wybierz głos w języku tekstu, wygeneruj z domyślnymi parametrami, odsłuchaj w całości, a dopiero potem decyduj o tempie lub zmianie głosu. Gdy pierwszy MP3 masz na dysku, dłuższe teksty to już tylko powtarzanie tego samego procesu.

Otwórz zamianę tekstu na mowę.