AI ভয়েস বানানোর পুরো গাইড: Emotion, Custom ভয়েস, Voice Clone, Sound Effects আর Music
AI ভয়েস মানুষের মতো শোনাতে কী লাগে: আবেগ আর বিরতি, নিজের Custom ভয়েস, Voice Clone, ভিডিওর Sound Effects আর Instrumental, এক জায়গায় ধাপে ধাপে।
ভালো AI ভয়েস বানাতে পাঁচটা জিনিস লাগে: স্ক্রিপ্টে আবেগ আর বিরতির নির্দেশ (Audio Tag), গল্পের দৃশ্য ধরে অভিনয়, নিজের চ্যানেলের জন্য আলাদা ভয়েস, দরকার হলে নিজের Voice Clone, আর ভয়েসের চারপাশে Sound Effects ও Music। এই গাইডে পাঁচটা ধাপ একসাথে সাজানো আছে, প্রতিটার বিস্তারিত লেখার লিংক সহ।
এক নজরে
- AI ভয়েস রোবটের মতো শোনায় মূলত স্ক্রিপ্টে আবেগ আর বিরতির নির্দেশ না থাকায়।
- Audio Tag, যতিচিহ্ন আর ছোট লাইন দিয়ে গতি আর অভিনয় নিয়ন্ত্রণ করা যায়।
- Clone করবেন শুধু নিজের ভয়েস, বা যিনি লিখিত অনুমতি দিয়েছেন তার।
- ফলাফল টুলভেদে আলাদা হয়, প্রতিটা টুলের নিজের শর্ত আর লাইসেন্স পড়ে নিন।
AI ভয়েস দিয়ে আসলে কী কী বানানো যায়?
AI ভয়েস টুল এখন শুধু লেখা পড়ে শোনায় না। ঠিকমতো নির্দেশ দিলে সেটা হাসে, থামে, ফিসফিস করে, নতুন একটা গলা বানায়, আপনার নিজের গলা নকল করে, এমনকি ভিডিওর জন্য দরজা খোলার শব্দ বা পেছনের মিউজিকও বানায়।
সমস্যা হলো, বেশিরভাগ মানুষ লেখা পেস্ট করে "Generate" চাপেন, তারপর একঘেয়ে রোবটের মতো গলা শুনে হাল ছেড়ে দেন। পার্থক্যটা টুলে কম, নির্দেশে বেশি। নিচের পাঁচটা ধাপ সেই নির্দেশ দেওয়ার পুরো পথ।
বাংলা উচ্চারণ, কথ্য ভাষায় স্ক্রিপ্ট লেখা আর মিউজিকের ভলিউম নিয়ে আলাদা লেখা আছে: AI ভয়েসওভার, বাংলায় ভালো কণ্ঠ পাওয়ার উপায়। এই গাইড তার পরের ধাপ: অভিনয়, নতুন ভয়েস, Clone আর শব্দ।
পাঁচ ধাপে পুরো পথটা কেমন?
আগে ভয়েসে অভিনয় বসানো শিখুন, তারপর পুরো স্ক্রিপ্টে, তারপর ভয়েসটা নিজের করুন, শেষে চারপাশের শব্দ। এই ক্রমে শিখলে প্রতিটা ধাপ আগেরটার উপর দাঁড়ায়।
ধাপ ১: ভয়েসে আবেগ আর গতি দেবেন কীভাবে?
যেসব টুল Audio Tag বোঝে, সেখানে লাইনের আগে square bracket এ নির্দেশ দিলেই ভয়েস সেই মেজাজে বলে, যেমন [excited], [whispers], [sighs]। সাথে কমা, দাঁড়ি আর "..." দিয়ে বিরতি ঠিক করা যায়।
ElevenLabs এর ডকুমেন্টেশনে এই নিয়মটা লেখা আছে: Tag সবচেয়ে ভালো কাজ করে যখন ভয়েসটার স্বভাবের সাথে মেলে, আর "..." বিরতি ও ভার যোগ করে (ElevenLabs Docs, ১৬ অক্টোবর ২০২৬ পর্যন্ত)। অন্য টুলে নিয়ম আলাদা হতে পারে। বিস্তারিত: AI ভয়েসে Emotion, Pacing আর Expression দেওয়ার নিয়ম।
ধাপ ২: পুরো Documentary স্ক্রিপ্টে অভিনয় বসাবেন কীভাবে?
পুরো স্ক্রিপ্ট একবারে না, দৃশ্য ধরে কাজ করুন। প্রতিটা দৃশ্যের একটা মেজাজ ঠিক করুন (রহস্য, উত্তেজনা, শান্তি), তারপর সেই দৃশ্যের লাইনগুলোতে Tag দিন।
Faceless YouTube চ্যানেল, ইতিহাসের ভিডিও বা Client এর গল্পের ভিডিওতে এটাই সবচেয়ে বেশি কাজে লাগে। বিস্তারিত: Documentary স্ক্রিপ্টে AI ভয়েসে Emotion যোগ করার নিয়ম। চ্যানেল শুরুর দিক জানতে পড়ুন ফেসলেস ইউটিউব চ্যানেল কীভাবে শুরু করবেন।
ধাপ ৩: নিজের চ্যানেলের জন্য আলাদা ভয়েস কীভাবে বানাবেন?
লাইব্রেরির চেনা ভয়েস সবাই ব্যবহার করে, তাই আপনার ভিডিও আলাদা শোনায় না। কিছু টুলে বর্ণনা লিখে নতুন ভয়েস বানানো যায়: বয়স, লিঙ্গ, উচ্চারণ, গলার ধরন, গতি আর মেজাজ।
বর্ণনা যত নির্দিষ্ট, ফল তত কাছাকাছি। বিস্তারিত: AI দিয়ে নিজের Custom ভয়েস বানানোর নিয়ম।
ধাপ ৪: নিজের Voice Clone করবেন কখন, কীভাবে?
যখন প্রতিটা ভিডিওতে নিজের গলা চান কিন্তু প্রতিবার রেকর্ড করার সময় নেই, তখন Clone কাজে দেয়। পরিষ্কার ঘরে, একই দূরত্বে, এক মেজাজে রেকর্ড করা Sample দিলে Clone ভালো হয়।
Clone করবেন শুধু নিজের ভয়েস, অথবা যিনি লিখিত অনুমতি দিয়েছেন তার। অন্যের গলা অনুমতি ছাড়া নকল করা প্রতারণার কাজে ব্যবহার হয়, আর টুলগুলোও Clone সেভ করার আগে অনুমতি নিশ্চিত করতে বলে।
বিস্তারিত: নিজের Voice Clone করবেন কীভাবে। পরিবারকে Clone প্রতারণা থেকে বাঁচাতে পড়ুন AI দিয়ে কণ্ঠ নকল করে প্রতারণা।
ধাপ ৫: Sound Effects আর Instrumental কীভাবে বানাবেন?
লেখা দিয়ে শব্দ বানানো যায়: "ভেজা রাস্তায় হাঁটার শব্দ, দূরে বৃষ্টি"। প্রতিটা শব্দ আলাদা বানিয়ে এডিটরে জোড়া দিলে ফল ভালো হয়। বিস্তারিত: AI দিয়ে ভিডিওর Sound Effects বানানোর নিয়ম।
Music নিশের চ্যানেলের জন্য (Lofi, পড়ার মিউজিক, ঘুম বা ধ্যানের মিউজিক) Instrumental বানাতে Prompt এ লিখুন Genre, Mood, Tempo (BPM), বাদ্যযন্ত্র আর "কোনো কণ্ঠ বা Lyrics থাকবে না"। Lyrics সহ গান বানানো নিয়ে আলাদা লেখা আছে: AI দিয়ে বাংলা গান বানানো: টুল, প্রম্পট আর মালিকানার নিয়ম। Instrumental এর জন্য AI Champions এর লেসনে এই Prompt টা রেডি দেওয়া আছে:
তুমি একজন Music Producer। আমার চ্যানেলের নিশ: [যেমন: পড়ার সময়ের Lofi, ঘুমের Ambient, ধ্যানের মিউজিক] দর্শক: [কোন দেশের, কোন সময়ে শোনে] কাজ: ১) ১০টা Instrumental-এর Prompt লেখো, English-এ: Genre, Mood, Tempo (BPM), বাদ্যযন্ত্র, আর কোন অনুভূতি দেবে। কোনো কণ্ঠ বা Lyrics থাকবে না। ২) প্রতিটার জন্য একটা Video Title আর ৩টা Tag দাও। ৩) কোন ৩টা দিয়ে চ্যানেল শুরু করা ভালো, ২ লাইনে কারণসহ বলো।
AI দিয়ে বানানো মিউজিক বা ভিডিও YouTube এ দিলে লেবেল আর মনিটাইজেশনের নিয়ম জানা দরকার: AI কনটেন্টে লেবেল দেওয়া লাগে? আর মিউজিক টুলের লাইসেন্সে বাণিজ্যিক ব্যবহার আছে কি না, সেটা টুলের নিজের শর্তে দেখে নিন।
কোন কাজে কোন ধাপ লাগবে?
সব ধাপ সবার লাগে না। নিজের কাজ মিলিয়ে নিন।
| আপনার কাজ | যে ধাপগুলো লাগবে |
|---|---|
| Faceless YouTube, ইতিহাস বা গল্পের চ্যানেল | ১, ২, ৩, ৫ |
| নিজের গলায় Reels বা Course এর Voiceover | ১, ৪ |
| Client এর জন্য বিজ্ঞাপন বা প্রোডাক্ট ভিডিও | ১, ৩, ৫ |
| Lofi, পড়া বা ধ্যানের Music চ্যানেল | ৫ |
এগুলো কোথায় হাতে কলমে শেখানো হয়?
এই পাঁচটা ধাপ আর Instrumental এর লেসন মিলিয়ে ছয়টা ভিডিও লেসন আছে AI Voice Engineering অংশে। এটা আলাদা কোনো কোর্সে নেই, শুধু AI Champions এর ভেতরে। প্রতিটা লেসনের সাথে একটা রেডি Prompt আছে, আর সাথে ১১৯টা Expressive Audio Tag এর বাংলা ও English গাইড (PDF), যেখানে প্রতিটা Tag এর মানে আর উদাহরণ দেওয়া।
ভিডিওর বাকি কাজ, মানে স্ক্রিপ্ট, ছবি আর এডিট, শেখানো হয় AI ভিডিও মেকিং Masterclass এ, যেটাও AI Champions এর ভেতরে আছে। AI Champions কেনার ৭ দিনের মধ্যে পছন্দ না হলে কোনো প্রশ্ন ছাড়াই পুরো টাকা ফেরত।
তথ্যসূত্র: ElevenLabs Docs, Prompting; ElevenLabs Docs, Instant Voice Cloning. সর্বশেষ যাচাই: ১৬ অক্টোবর ২০২৬।
Voice Clone এর জন্য রেকর্ডিং কেমন হবে?
অল্প কিন্তু পরিষ্কার রেকর্ডিংই সেরা। ElevenLabs এর Instant Voice Cloning গাইড ১ থেকে ২ মিনিটের ভালো অডিও দিতে বলে, আর ৩ মিনিটের বেশি না দিতে বলে, কারণ বেশি দিলে উন্নতি সামান্য আর Clone অস্থির হতে পারে (ElevenLabs Docs, ২ নভেম্বর ২০২৬)।
Clone সেভ করার সময় নিশ্চিত করতে হয় যে কণ্ঠটা Clone করার অধিকার আর সম্মতি আপনার আছে। ElevenLabs আরও বলে, তাদের বানানো অডিও কোন ব্যবহারকারী বানিয়েছে, সেটা খুঁজে বের করা যায়।
Custom ভয়েসের বর্ণনায় কী লিখবেন?
বর্ণনায় পাঁচটা জিনিস রাখুন: ভাষা আর আঞ্চলিক টান, লিঙ্গ আর বয়স, রেকর্ডিংয়ের মান, চরিত্র আর মেজাজ, আর গলার ধরন ও গতি। ElevenLabs এর Voice Design প্রতিবার তিনটা ভয়েসের বিকল্প দেয়, আর লম্বা Preview লেখায় ফল বেশি স্থির হয় (ElevenLabs Docs)। এভাবে বানানো ভয়েস Eleven v4 আর v3 দুটোতেই চলে, Audio Tag ও বোঝে।
| চ্যানেল | বর্ণনার নমুনা |
|---|---|
| ইতিহাসের গল্প | Bengali speaker from Bangladesh, male, around 50, studio quality, calm storyteller, deep warm voice, slow pace with dramatic pauses |
| বাচ্চাদের শিক্ষা | Bengali speaker from Bangladesh, female, around 30, studio quality, cheerful teacher, bright clear voice, gentle medium pace |
| টেক রিভিউ | Bengali speaker from Bangladesh, male, around 25, good quality, friendly and energetic, quick pace, clear diction |
বাচ্চাদের চ্যানেলে কণ্ঠ কেমন হলে ভালো, তার আরও কৌশল আছে বাচ্চাদের শিক্ষামূলক ভিডিওর লেখায়। আর Instrumental দিয়ে চ্যানেল চালানোর পথ আছে AI মিউজিক ইউটিউব চ্যানেলের লেখায়।
নতুন তথ্যসূত্র: ElevenLabs Docs: Instant Voice Cloning; ElevenLabs Docs: Voice Design. সর্বশেষ যাচাই: ২ নভেম্বর ২০২৬।
সচরাচর যা জিজ্ঞেস করা হয়
AI ভয়েস বাংলায় কতটা ভালো হয়?
Audio Tag কি সব AI ভয়েস টুলে কাজ করে?
অন্যের ভয়েস Clone করা যাবে?
AI Voice Engineering কোন কোর্সে আছে?
Voice Clone বানাতে কত মিনিট রেকর্ড করতে হয়?
সব কোর্স একসাথে চাইলে
AI Champions হলো অল অ্যাক্সেস পাস: ৮টা কোর্স আর ৯টা AI বই, সার্টিফিকেট, অফিশিয়াল Facebook Support Group আর ভবিষ্যতের সব নতুন লেসন, পুরোটাই বাংলায়। এক পেমেন্টে ৳7,999, আলাদা কিনলে ৳15,391।

চেহারা না দেখিয়ে ইউটিউব: AI ভিডিও থেকে আয়ের ব্লুপ্রিন্ট
নিজের চেহারা না দেখিয়ে AI ভিডিও দিয়ে চ্যানেল চালানোর ধাপগুলো, শুরু থেকে মনিটাইজেশন পর্যন্ত।
সম্পর্কিত লেখা
বিষয়টা বুঝেছেন, এবার হাতে কলমে শিখে কাজ শুরু করুন।
৩০ সেকেন্ডের কুইজ বলে দেবে আপনার অবস্থায় কোন কোর্সটা লাগবে।