AI ভয়েসে Emotion আর Pacing দেওয়ার নিয়ম

AI ভয়েসে Emotion আর Pacing দিতে স্ক্রিপ্টের প্রতিটা লাইনের আগে মানানসই Audio Tag বসান, যেমন [excited] বা [whispers], আর কমা, দাঁড়ি ও "..." দিয়ে বিরতি ঠিক করুন। যেসব টুল Audio Tag বোঝে, সেখানে এতেই একঘেয়ে রোবটিক গলা অনেকটা মানুষের মতো শোনায়।

এক নজরে

Emotion মানে মেজাজ, Pacing মানে গতি আর বিরতি, Expression মানে জোর আর ভঙ্গি।
এক লাইনে একটার বেশি Tag দেবেন না, আবেগ ধাপে ধাপে বদলান।
"..." দিয়ে বিরতি আর ভার আসে, ছোট লাইনে গতি স্বাভাবিক হয়।
Tag সবচেয়ে ভালো কাজ করে যখন ভয়েসের স্বভাবের সাথে মেলে।

AI ভয়েস রোবটের মতো শোনায় কেন?

কারণ AI জানে না কোন লাইনটা মজার, কোনটা দুঃখের, কোথায় দর্শককে একটু থামিয়ে ভাবাতে হবে। আপনি না বললে সে সব লাইন একই সুরে, একই গতিতে পড়ে যায়।

মানুষ যখন গল্প বলে, তখন হাসে, থামে, গলা নামায়, হঠাৎ জোরে বলে। এই ওঠানামাটাই শ্রোতাকে ধরে রাখে। AI ভয়েসেও সেটা আনা যায়, তবে লিখে নির্দেশ দিয়ে।

বাংলা উচ্চারণ আর কথ্য স্ক্রিপ্ট নিয়ে আলাদা লেখা আছে: AI ভয়েসওভার, বাংলায় ভালো কণ্ঠ পাওয়ার উপায়। এই লেখা তার পরের ধাপ, ভয়েসে অভিনয় বসানো।

Emotion, Pacing আর Expression আলাদা কীভাবে?

তিনটা আলাদা জিনিস, আর তিনটাই আলাদাভাবে নিয়ন্ত্রণ করতে হয়। একটা ঠিক করে বাকিগুলো ভুলে গেলে গলা অর্ধেক মানুষের মতো শোনায়।

বিষয়	মানে	কীভাবে নিয়ন্ত্রণ করবেন
Emotion	লাইনের মেজাজ: খুশি, ভয়, দুঃখ, উত্তেজনা	লাইনের আগে Tag: [excited], [sad], [nervous]
Pacing	গতি আর বিরতি: কোথায় দ্রুত, কোথায় থামবে	কমা, দাঁড়ি, "...", ছোট লাইন, [short pause]
Expression	ভঙ্গি আর জোর: ফিসফিস, হাসি, দীর্ঘশ্বাস	[whispers], [laughs], [sighs], কোনো শব্দে বেশি জোর

Audio Tag কী, কীভাবে কাজ করে?

Audio Tag হলো square bracket এর ভেতরে লেখা একটা ছোট নির্দেশ, যেটা ভয়েসকে বলে পরের লাইনটা কীভাবে বলতে হবে। যেমন: [whispers] কেউ জানে না, দরজার ওপাশে কী ছিল।

সব টুল Tag বোঝে না। উদাহরণ হিসেবে ElevenLabs এর ডকুমেন্টেশনে লেখা আছে, তাদের নতুন মডেলগুলো [whispers], [sighs], [excited] এর মতো Tag বোঝে, "..." বিরতি আর ভার যোগ করে, বড় হাতের অক্ষর জোর বাড়ায়, আর Tag সবচেয়ে ভালো কাজ করে যখন সেটা ভয়েসের স্বভাবের সাথে মেলে (ElevenLabs Docs, ১৬ অক্টোবর ২০২৬ পর্যন্ত)।

অর্থাৎ গম্ভীর একটা ভয়েসে [laughs] দিলে সে হয়তো ঠিকমতো হাসবে না। ভয়েস বাছাই আর Tag বাছাই একসাথে ভাবতে হয়। অন্য টুলে নিয়ম আলাদা হতে পারে, ফলাফলও টুলভেদে আলাদা।

ধাপে ধাপে একটা স্ক্রিপ্টে আবেগ বসাবেন কীভাবে?

পুরো স্ক্রিপ্ট একবারে Tag দিয়ে ভরে ফেলবেন না। আগে মেজাজের মানচিত্র বানান, তারপর Tag, তারপর শুনে ঠিক করুন।

০১লাইন ছোট করুনএকটা বাক্যে একটা ভাব। লম্বা বাক্য ভেঙে দুটো করুন, তাহলে গতি নিজেই স্বাভাবিক হয়।

০২মেজাজের মানচিত্রশুরুতে কৌতূহল, মাঝে উত্তেজনা, শেষে শান্তি। এভাবে পুরো স্ক্রিপ্টের আবেগ কীভাবে বদলাবে, এক লাইনে লিখে রাখুন।

০৩লাইনের আগে Tagপ্রতিটা লাইনে সর্বোচ্চ একটা Tag। যে লাইনে আবেগ বদলাচ্ছে না, সেখানে Tag না দিলেও চলে।

০৪বিরতি বসানচমকের আগে "...", তালিকার মাঝে কমা, বড় কথার পরে দাঁড়ি। দরকার হলে [short pause]।

০৫শুনে ঠিক করুনঅংশ ধরে Generate করুন। যে লাইন অস্বাভাবিক শোনায়, শুধু সেটার Tag বা যতিচিহ্ন বদলান।

মানচিত্র আগে, Tag পরে, কান দিয়ে শেষ বিচার।

একটা ছোট উদাহরণ দেখুন

নিচের তিন লাইনে আবেগ ধাপে ধাপে বদলাচ্ছে: কৌতূহল থেকে ভয়, ভয় থেকে স্বস্তি।

[curious] রাত তখন দুটো। পুরো গ্রাম ঘুমিয়ে।
[whispers] হঠাৎ... উঠানে কারও পায়ের শব্দ।
[relieved] [laughs] দরজা খুলে দেখি, আমাদের পুরোনো বিড়ালটা।

খেয়াল করুন, শেষ লাইনে দুটো Tag আছে কারণ সেখানে দুটো কাজ একসাথে হচ্ছে। এটা ব্যতিক্রম, নিয়ম না। সাধারণভাবে এক লাইনে একটা Tag রাখুন।

রেডি Prompt: AI আপনার স্ক্রিপ্টে Tag বসিয়ে দেবে

হাতে Tag বসাতে সময় লাগে। ChatGPT, Gemini বা Claude কে নিচের Prompt দিলে সে প্রতিটা লাইনে মানানসই Tag বসিয়ে দেবে, আর কেন দিল সেটাও বলবে। এটা AI Champions এর লেসনের সাথে দেওয়া Prompt।

তুমি একজন Voice Director। নিচের স্ক্রিপ্টটা AI ভয়েসে বলানো হবে।

কাজ:
১) প্রতিটা লাইনের আগে মানানসই Audio Tag বসাও, square bracket-সহ, যেমন [excited], [whispers], [sighs], [short pause]।
২) এক লাইনে একটার বেশি Tag দেবে না, পুরো স্ক্রিপ্টে আবেগ যেন ধাপে ধাপে বাড়ে বা বদলায়।
৩) যেখানে থামা দরকার সেখানে কমা, দাঁড়ি বা ... দাও।
৪) শেষে ৩ লাইনে লেখো কোন জায়গায় কেন কোন Tag দিলে।

স্ক্রিপ্টের ভাষা: [বাংলা / English]
স্ক্রিপ্টের মেজাজ: [যেমন: অনুপ্রেরণার, মজার, রহস্যের]

স্ক্রিপ্ট:
[এখানে আপনার স্ক্রিপ্ট]

AI এর দেওয়া Tag অন্ধভাবে নেবেন না। শুনে দেখুন, যেখানে বাড়াবাড়ি মনে হয় সেখানে Tag সরিয়ে দিন।

যে ভুলগুলো সবচেয়ে বেশি হয়

বেশিরভাগ খারাপ ফলের কারণ Tag বেশি দেওয়া, কম না।

প্রতিটা লাইনে Tag দিলে ভয়েস অতিনাটকীয় হয়ে যায়, শুনতে বিরক্ত লাগে। একই লাইনে [excited] আর [sad] এর মতো উল্টো Tag দিলে ভয়েস বিভ্রান্ত হয়। আর একবারে পুরো স্ক্রিপ্ট Generate করলে একটা লাইন খারাপ হলে পুরোটা আবার বানাতে হয়।

পুরো Documentary বা গল্পের স্ক্রিপ্টে দৃশ্য ধরে কীভাবে এটা করবেন, সেটা আছে Documentary স্ক্রিপ্টে AI ভয়েসে Emotion যোগ করার নিয়ম লেখায়। পুরো পথটা এক জায়গায় দেখতে পড়ুন AI ভয়েস বানানোর পুরো গাইড।

১১৯টা Tag এর গাইড কোথায় পাবেন?

কোন আবেগের জন্য কোন Tag, সেটা মনে রাখা কঠিন। তাই AI Voice Engineering অংশের সাথে ১১৯টা Expressive Audio Tag এর একটা PDF গাইড আছে: প্রতিটা Tag এর বাংলা মানে, আর English ও বাংলা উদাহরণ, কপি করে সরাসরি স্ক্রিপ্টে বসানো যায়।

এই অংশটা আলাদা কোনো কোর্সে নেই, শুধু AI Champions এর ভেতরে। সেখানে এই লেসনের ভিডিওতে পুরো কাজটা হাতে কলমে দেখানো হয়েছে, আর ভিডিও বানানোর বাকি অংশ আছে AI ভিডিও মেকিং Masterclass এ, সেটাও AI Champions এর ভেতরে। AI Champions কেনার ৭ দিনের মধ্যে পছন্দ না হলে কোনো প্রশ্ন ছাড়াই পুরো টাকা ফেরত।

তথ্যসূত্র: ElevenLabs Docs, Prompting. সর্বশেষ যাচাই: ১৬ অক্টোবর ২০২৬।

সচরাচর যা জিজ্ঞেস করা হয়

Audio Tag কি বাংলা স্ক্রিপ্টে কাজ করে?

Tag সাধারণত English এ লেখা হয়, কিন্তু পরের লাইনটা বাংলা হলেও অনেক টুলে কাজ করে। ফল টুল আর ভয়েসভেদে আলাদা, তাই ছোট একটা অংশে আগে পরীক্ষা করে নিন।

এক লাইনে কয়টা Tag দেওয়া যায়?

সাধারণভাবে একটা। খুব দরকার হলে দুটো, যেমন একটা আবেগ আর একটা ভঙ্গি। বেশি দিলে ভয়েস অতিনাটকীয় বা বিভ্রান্ত শোনায়।

Tag না বোঝে এমন টুলে আবেগ আনব কীভাবে?

যতিচিহ্ন, ছোট লাইন আর শব্দ বাছাই দিয়ে। "..." দিয়ে বিরতি, প্রশ্নবোধক চিহ্ন দিয়ে প্রশ্নের সুর, আর আবেগের শব্দ সরাসরি স্ক্রিপ্টে লিখে দিলে অনেকটা কাজ হয়।

১১৯টা Audio Tag এর গাইড কি আলাদা কেনা যায়?

না, গাইডটা AI Voice Engineering অংশের লেসনের সাথে দেওয়া, আর এই অংশটা শুধু AI Champions এর ভেতরে আছে।

সব কোর্স একসাথে চাইলে

AI Champions হলো অল অ্যাক্সেস পাস: সবগুলো Masterclass, ৭টা AI বই ফ্রি, সার্টিফিকেট, প্রাইভেট Facebook গ্রুপ আর ভবিষ্যতের সব নতুন লেসন, পুরোটাই বাংলায়। এক পেমেন্টে ৳5,999, আলাদা কিনলে ৳11,791।

AI Champions দেখুন