साउंड इफ़ेक्ट हर वीडियो, गेम, पॉडकास्ट और फ़िल्म का भावनात्मक लहजा तय करते हैं। यह लेख बताता है कि AI साउंड जनरेटर कैसे काम करते हैं, कौन से मॉडल सबसे अच्छे नतीजे देते हैं, प्रभावी ऑडियो प्रॉम्प्ट कैसे लिखें, और बिना रिकॉर्डिंग स्टूडियो या फ़ोली आर्टिस्ट के अपना प्रोफ़ेशनल SFX बनाने की चरण-दर-चरण प्रक्रिया क्या है।
साउंड इफ़ेक्ट हर जगह होते हैं। हॉरर फ़िल्म में दरवाज़े के खुलने की चरचराहट, गेम में तलवार के वार की संतोषजनक धमक, पॉडकास्ट के इंट्रो के नीचे किसी व्यस्त शहर की सड़क की परिवेशी गुंजन। पारंपरिक रूप से इन आवाज़ों को रिकॉर्ड करने के लिए फ़ोली स्टूडियो बुक करना, विशेषज्ञ रखना और घंटों की सेशन एडिटिंग का भुगतान करना पड़ता था। वह दौर तेज़ी से खत्म हो रहा है। AI ऑडियो जनरेशन अब एक ही टेक्स्ट प्रॉम्प्ट से, सेकंडों में, ब्रॉडकास्ट-क्वालिटी साउंड इफ़ेक्ट बना सकता है, और वह भी एक स्टूडियो घंटे की लागत के एक हिस्से में।
यह केवल सैद्धांतिक बात नहीं है। ये टूल मौजूद हैं, आज काम करते हैं, और किसी भी व्यक्ति के पास ब्राउज़र हो तो पहले सत्र के कुछ मिनटों में ही इस्तेमाल लायक नतीजे बना सकता है। असली चुनौती पहुँच की नहीं है। असली चुनौती यह जानने की है कि कौन सा मॉडल इस्तेमाल करें, ऐसे प्रॉम्प्ट कैसे लिखें जो वाकई वही दें जो आपको चाहिए, और असली नतीजे कैसे दिखते हैं।
किसी भी टूल को छूने से पहले यह समझना मददगार है कि अंदर असल में क्या हो रहा है। AI ऑडियो जनरेटर आवाज़ें रिकॉर्ड नहीं करते। वे पहले से रिकॉर्ड किए गए लाइब्रेरी क्लिप को जोड़ते-काटते भी नहीं। वे बड़े पैमाने के ऑडियो डिफ्यूज़न मॉडल इस्तेमाल करते हैं, जिन्हें लाखों घंटे के ऑडियो कंटेंट पर प्रशिक्षित किया गया है, जिसमें प्राकृतिक फ़ील्ड रिकॉर्डिंग, प्रोफ़ेशनल फ़ोली सेशन और सिंथेसाइज़्ड टोन सब शामिल हैं।
जब आप लिखते हैं "गीली सड़क पर रात में पैरों के नीचे बजरी की चरमराहट, दूर से ट्रैफ़िक की आवाज़, कदम धीमे होकर रुकते हुए", तो मॉडल आपके शब्दों को एक लेटेंट ऑडियो रिप्रेज़ेंटेशन में बदलता है, फिर उस रिप्रेज़ेंटेशन को वेवफ़ॉर्म में डिकोड करता है। नतीजा एक बिलकुल नई ऑडियो फ़ाइल होती है जो पहले कभी अस्तित्व में नहीं थी। इसके लिए कोई रॉयल्टी, कोई लाइसेंस या कोई एट्रिब्यूशन ज़रूरी नहीं।
जो आउटपुट मिलता है उसकी गुणवत्ता तीन चीज़ों पर निर्भर करती है:
आज के AI मॉडल ध्वनि की कई श्रेणियों में असाधारण नतीजे देते हैं। यह जानना कि तकनीक कहाँ सबसे अच्छी है, आपके वर्कफ़्लो को उसी हिसाब से प्राथमिकता देने में मदद करता है:
| ध्वनि श्रेणी | उदाहरण | गुणवत्ता स्तर |
|---|---|---|
| परिवेशी वातावरण | जंगल, बारिश, शहर, समुद्र | उत्कृष्ट |
| यांत्रिक और औद्योगिक | इंजन, मशीनें, औज़ार, फ़ैक्ट्रियाँ | बहुत अच्छा |
| प्राकृतिक ध्वनियाँ | पक्षी, हवा, नदियाँ, गर्जन, कीड़े | उत्कृष्ट |
| जीव और राक्षस | सामान्य जानवर, फ़ैंटेसी जीव | अच्छा |
| विस्फोट और टक्कर | दुर्घटनाएँ, प्रहार, धमाके, मलबा | बहुत अच्छा |
| संगीतमय वातावरण | ड्रोन, सिनेमाई टेक्सचर, स्टिंग | उत्कृष्ट |
| मौसम की घटनाएँ | तूफ़ान, बारिश के प्रकार, हवा के बदलाव | उत्कृष्ट |
ये इन चीज़ों के लिए कम भरोसेमंद नतीजे देते हैं: 100ms से छोटे बेहद संक्षिप्त ट्रांज़िएंट, खास ब्रांडेड आवाज़ें, सटीक लयबद्ध समय, और कोई भी ऐसी चीज़ जिसमें समझ में आने वाली आवाज़ की परफ़ॉर्मेंस चाहिए।
हर AI ऑडियो जनरेटर साउंड इफ़ेक्ट को एक जैसे तरीके से नहीं संभालता। कुछ पूरे गाने की कंपोज़िशन के लिए अनुकूलित हैं, कुछ छोटे परिवेशी क्लिप के लिए, और कुछ ऐसे बीच के क्षेत्र में हैं जहाँ संगीतमय और परिवेशी ऑडियो मिलते हैं। यहाँ वे मॉडल हैं जो शुद्ध SFX प्रोडक्शन में वाकई अच्छा प्रदर्शन करते हैं।
Stability AI का Stable Audio 2.5 प्रोफ़ेशनल साउंड इफ़ेक्ट जनरेशन के लिए उपलब्ध सबसे मज़बूत मॉडल है। यह 44.1kHz पर 95 सेकंड तक का स्टीरियो ऑडियो दे सकता है, और इसे AudioSparx के एक बड़े, लाइसेंस्ड ऑडियो डेटासेट पर खास तौर पर प्रशिक्षित किया गया था। इसका मतलब है कि मॉडल ने फ़ोली, एम्बिएंस और प्रोसीज़रल साउंड डिज़ाइन सहित गैर-संगीत सामग्री की विस्तृत विविधता को आत्मसात किया है।
जो चीज़ इसे प्रतिस्पर्धियों से अलग करती है:
टिप: गेम SFX के लिए, पूरे 95 सेकंड जनरेट करें और फिर अपने एडिटर में ट्रिम करें। आपको कहीं ज़्यादा साफ़ ट्रांज़िएंट और ज़्यादा प्राकृतिक टेक्सचर विविधता मिलती है, बजाय इसके कि मॉडल पर छोटी क्लिप जबरन बनवाई जाए।
ElevenLabs Music वॉइस सिंथेसिस के लिए ज़्यादा जाना जाता है, लेकिन इसकी साउंड जनरेशन क्षमताएँ वातावरणीय और भावनात्मक ऑडियो के क्षेत्र तक फैली हैं। यह साफ़, अच्छी तरह संरचित ऑडियो बनाता है, जो टोनल टेक्सचर में खास तौर पर मज़बूत है: सस्पेंस ड्रोन, सिनेमाई उभार, और ऐसे ट्रांज़िशनल ऑडियो स्टिंग जो फ़िल्म या पॉडकास्ट कंटेंट में दृश्यों को जोड़ते हैं।
Google Lyria 3 और Lyria 3 Pro Google के फ़्लैगशिप ऑडियो जनरेशन मॉडल हैं। इनकी मुख्य ताकत पूरी म्यूज़िक कंपोज़िशन है, लेकिन ये हाइब्रिड ऑडियो भी बेहतरीन बनाते हैं, जिसमें संगीत के तत्व वातावरणीय टेक्सचर के साथ स्वाभाविक रूप से घुल जाते हैं। फ़िल्म और वीडियो के काम के लिए, जहाँ आपको ऐसा साउंड बेड चाहिए जो एटमॉस्फ़ेयर और स्कोर के बीच बैठे, उनको पछाड़ना मुश्किल है।
खास तौर पर Lyria 3 Pro लंबे फ़ॉर्मेट के अनुरोधों को ज़्यादा स्ट्रक्चरल कोहेरेंस के साथ संभालता है। मतलब, अगर आप ऐसे ऑडियो का वर्णन करते हैं जो 60 से 90 सेकंड में विकसित होता है, तो यह छोटे मॉडलों की तुलना में उस आर्क को बेहतर तरीके से पकड़ता है।
Minimax Music 2.6 अपनी गति और स्थिरता के लिए अलग दिखता है। यह ज़्यादातर प्रतिस्पर्धियों से तेज़ ऑडियो बनाता है और लंबे समय वाली परिवेशी सामग्री को भरोसेमंद गुणवत्ता के साथ संभालता है। ध्वनि के विचारों के तेज़ प्रोटोटाइपिंग के लिए, या उन स्थितियों में जहाँ सही टेक्सचर खोजने के लिए जल्दी बहुत सारे वेरिएंट चाहिए, यह रोज़मर्रा के काम का भरोसेमंद विकल्प है।
यहीं ज़्यादातर लोग चूक जाते हैं, और इसका मॉडल से कोई लेना-देना नहीं है। वे "rain sound" लिखते हैं और हैरान होते हैं कि नतीजा फीका और सामान्य क्यों है। मॉडल सीमित नहीं है। प्रॉम्प्ट सीमित है।
एक मज़बूत SFX प्रॉम्प्ट में चार अलग परतें होती हैं:
1. प्राथमिक ध्वनि स्रोत: मुख्य आवाज़ क्या है? साफ़-साफ़ बताएँ। "rain" नहीं, बल्कि "टिन की छत पर भारी बौछार"।
2. द्वितीयक परिवेश: यह किस ध्वनिक स्थान में मौजूद है? "बड़ा खाली गोदाम" बनाम "तंग टाइल वाला बाथरूम" रिवर्ब प्रोफ़ाइल, परावर्तन और पूरे स्थानिक एहसास को पूरी तरह बदल देता है।
3. समय के साथ व्यवहार: क्या आवाज़ लगातार है? क्या वह बढ़ती है? धीरे-धीरे खत्म होती है? अचानक शुरू होकर फिर क्षय होती है? "हल्की शुरुआत, 8 सेकंड में तीव्रता बढ़ती है, फिर अचानक सन्नाटा" मॉडल को व्यवहार संबंधी दिशा देता है।
4. टेक्सचर वर्णनकर्ता: वे शब्द जो ध्वनि का चरित्र बताते हैं। "खुरदुरा," "गीला," "भंगुर," "गूँजता हुआ," "खोखला," "तीखा," "दबा हुआ," "स्फटिक जैसा।" ये आउटपुट के टिम्बर को आकार देते हैं।
चारों परतों का इस्तेमाल करने वाला एक पूरा प्रॉम्प्ट:
"एक बड़े औद्योगिक गोदाम में टिन की छत पर भारी बौछार, बाएँ चैनल से दूर से गड़गड़ाती बिजली, 10 सेकंड में बारिश धीरे-धीरे तेज़ होती हुई, मध्य भूमि में कंक्रीट के फ़र्श से टकराकर गूँजती कभी-कभार बूँदें, स्टीरियो फ़ील्ड, कोई संगीत नहीं, कोई आवाज़ नहीं, सिनेमाई ऑडियो गुणवत्ता।"
ऐसा प्रॉम्प्ट कुछ इस्तेमाल लायक बनाता है। "रात में बारिश" नहीं बनाता।
टिप: अपने प्रॉम्प्ट को ऐसे लिखें जैसे आप एक फ़ोली आर्टिस्ट को निर्देश दे रहे हों, जो केवल वही सुन सकता है जो आप बताते हैं। अगर वर्णन वह आवाज़ नहीं बना सकता, तो प्रॉम्प्ट भी नहीं बनाएगा।
चूँकि Stable Audio 2.5 साउंड इफ़ेक्ट जनरेशन के लिए उपलब्ध सबसे मज़बूत मॉडल है, यहाँ जल्दी नतीजे पाने के लिए चरण-दर-चरण तरीका दिया गया है।
AI Music Generation श्रेणी में Stable Audio 2.5 पर जाएँ। किसी सॉफ़्टवेयर इंस्टॉलेशन या ऑडियो इंटरफ़ेस की ज़रूरत नहीं है। मॉडल पूरी तरह ब्राउज़र में चलता है और डाउनलोड करने योग्य WAV फ़ाइल देता है।
ऊपर बताई गई चार-परत वाली बनावट का इस्तेमाल करें। गेम के इम्पैक्ट साउंड के लिए:
"पत्थर के फ़र्श पर एक भारी लकड़ी के बक्से की एकल टक्कर, छोटी तीखी ट्रांज़िएंट अटैक, न्यूनतम रिवर्ब के साथ सूखा ध्वनिक वातावरण, कोई पूँछ नहीं, कोई संगीत नहीं, अलग-थलग साउंड इफ़ेक्ट, ब्रॉडकास्ट गुणवत्ता, 44.1kHz।"
परिवेशी वातावरण के लिए:
"शाम के समय घना उष्णकटिबंधीय जंगल, लगातार झींगुर और मेंढक की आवाज़ें, शाम की पुकार में बसते दूर के पक्षी, लंबे ताड़ के पत्तों से होकर हल्की हवा, स्टीरियो फ़ील्ड, 60 सेकंड, प्राकृतिक जैविक टेक्सचर, कोई संगीत नहीं, कोई आवाज़ नहीं।"
Stable Audio 2.5 में आप ये तय कर सकते हैं:
पहली जनरेशन में परफ़ेक्शन की उम्मीद न करें। प्रॉम्प्ट को खुद बदलने से पहले उसी प्रॉम्प्ट से 3 से 4 वेरिएंट बनाएँ। हर रन के बीच प्राकृतिक विविधता इस प्रक्रिया का हिस्सा है, और अक्सर एक वेरिएंट वह सटीक टेक्सचर पकड़ लेता है जिसकी आपको ज़रूरत है, जबकि बाकी चूक जाते हैं।
WAV फ़ाइल डाउनलोड करें और उसे अपने DAW या वीडियो एडिटर में ले जाएँ। AI से बना ऑडियो मानक ऑडियो है। वह हर वर्कफ़्लो में काम करता है। ज़रूरत के अनुसार ट्रिम करें, लेयर करें, पिच-शिफ़्ट करें, EQ जोड़ें, या अतिरिक्त रिवर्ब लगाएँ। मॉडल आपको कच्चा माल देता है। आपका एडिटर उसे आकार देता है।
अलग-अलग प्रोडक्शन संदर्भों में AI ऑडियो जनरेशन के लिए अलग तरीके चाहिए।
गेम को दो अलग श्रेणियों की ज़रूरत होती है: एक-बार होने वाली घटनाएँ (तलवार का वार, दरवाज़ा पटकना, सिक्का उठाना, विस्फोट) और लूपिंग एम्बिएंस (डंजियन का माहौल, जंगल की पृष्ठभूमि, मेनू ड्रोन, परिवेशी शहर)। AI दोनों को संभालता है, लेकिन अलग रणनीतियों के साथ।
एक-बार वाली घटनाओं के लिए, बहुत छोटे और अलग-थलग विवरणों के साथ अधिकतम गुणवत्ता पर जनरेट करें। साफ़ ट्रांज़िएंट और नियंत्रित या अनुपस्थित पूँछ ही मायने रखती है। Stable Audio 2.5 इसे तब संभालता है जब आप स्पष्ट रूप से "सूखा, कोई रिवर्ब नहीं, अलग-थलग घटना, छोटी अवधि" बताते हैं।
लूप के लिए, 30 से 60 सेकंड की लंबी क्लिप जनरेट करें और अपने वेवफ़ॉर्म एडिटर में प्राकृतिक लूप पॉइंट खोजें। AI जनरेशन डिफ़ॉल्ट रूप से निर्बाध रूप से लूप होने वाला ऑडियो नहीं बनाता, लेकिन 45 सेकंड की क्लिप में आम तौर पर कम से कम एक साफ़ क्रॉसफ़ेड-योग्य हिस्सा होता है जो विश्वसनीय तरीके से लूप हो सकता है।
टिप: हर गेम SFX के 5 से 8 वेरिएंट जनरेट करें और उनमें से दो को थोड़े समय ऑफ़सेट के साथ एक साथ लेयर करें। नतीजा किसी भी एक जनरेट की गई फ़ाइल से कहीं ज़्यादा जैविक लगता है, क्योंकि दोनों लेयर के बीच प्राकृतिक सूक्ष्म विविधता मिल जाती है।
फ़िल्म साउंड एडिटर AI से बने ऑडियो का इस्तेमाल मुख्य रूप से बेड लेयर और जल्दी न मिलने वाली आवाज़ों के लिए करते हैं। ड्रैगन की साँस, किसी एलियन स्पेसक्राफ़्ट के अंदर की गुनगुनाहट, या 19वीं सदी की औद्योगिक चक्की का सटीक टेक्सचर ऐसी चीज़ें हैं जिन्हें कोई साउंड लाइब्रेरी किसी खास प्रोजेक्ट के लिए बिलकुल सही रूप में पैक नहीं कर पाई है।
AI ऑडियो जनरेशन बिना सेशन बुक किए या लाइब्रेरी सब्सक्रिप्शन के ये कमियाँ पूरी करता है। ElevenLabs Music और Google Lyria 3 उच्च-गुणवत्ता वाले सिनेमाई टेक्सचर बनाते हैं जो भारी अतिरिक्त प्रोसेसिंग के बिना प्रोफ़ेशनल ऑडियो मिक्स में अच्छी तरह बैठते हैं।
पॉडकास्ट प्रोड्यूसर को लगातार दो चीज़ों की ज़रूरत होती है: इंट्रो और आउट्रो संगीत, और परिवेशी दृश्य-निर्माण वाला ऑडियो। AI ये दोनों आसानी से संभालता है। टेक्स्ट विवरण से बना 20 से 30 सेकंड का अनोखा इंट्रो ट्रैक आपको एक प्रोफ़ेशनल-सुनाई देने वाली शो की शुरुआत देता है, जो किसी और पॉडकास्ट के पास नहीं होगी।
ट्रू क्राइम, इतिहास, या नैरेटिव कहानी कहने के प्रारूपों के लिए, परिवेशी माहौल की आवाज़ें गहराई जोड़ती हैं, जो एक सादी वॉइस रिकॉर्डिंग को सिनेमाई अनुभव में बदल देती हैं। खिड़की पर बारिश, 1920 के दशक की व्यस्त शहरी सड़क, अस्पताल के प्रतीक्षालय की गुनगुनाहट। ये सब Stable Audio 2.5 से साफ़ और लगातार जनरेट होते हैं।
ये टेम्पलेट लगातार नतीजों के लिए संरचित हैं। कोष्ठक भरें और अपनी ज़रूरत के अनुसार बदलें।
[Environment] during [time of day], [weather condition], [primary natural sounds], [secondary distant sounds], stereo field, [duration] seconds, no music, no voices, natural organic texture
उदाहरण: "सुबह-सुबह का घना चीड़ का जंगल, हल्का कोहरा, पक्षी अपना भोर का कोरस शुरू करते हुए, ऊपरी शाखाओं से होकर कभी-कभार हवा का झोंका, स्टीरियो फ़ील्ड, 60 सेकंड, कोई संगीत नहीं, कोई आवाज़ नहीं, प्राकृतिक जैविक टेक्सचर।"
[Specific machine or object] [action], [acoustic environment], [transient behavior], [duration], dry or reverberant, isolated event or continuous
उदाहरण: "भारी औद्योगिक हाइड्रोलिक प्रेस एक बार चक्र पूरा करता हुआ, बड़ा कंक्रीट फ़ैक्ट्री फ़्लोर, तेज़ नीचे की ओर टक्कर के बाद 2 सेकंड का दबाव रोक, फिर नियंत्रित दबाव छोड़ने की सीटी, सूखा ध्वनिक, अलग-थलग घटना, उच्च गुणवत्ता।"
[Creature type] [emotional state or action], [size implied by frequency content], [breathing or vocal characteristics], no music, [environment]
उदाहरण: "एक बड़ा शिकारी जीव धीमी चेतावनी वाली गुर्राहट देता हुआ, गहरी छाती की गूँज और कर्कश टेक्सचर के साथ, पत्थर की गुफा के माहौल का सुझाव देता हल्का रिवर्ब, कोई संगीत नहीं, अलग-थलग ऑडियो, चीखे बिना डराता हुआ।"
सीमाएँ जानने से जनरेशन का समय बचता है और अपेक्षाएँ सही रहती हैं। ये वे क्षेत्र हैं जहाँ मौजूदा मॉडल लगातार कमज़ोर प्रदर्शन करते हैं।
AI ऑडियो जनरेशन फ़्रेम-सटीक नहीं है। अगर आपको कोई ऐसी आवाज़ चाहिए जो विज़ुअल कट से मेल खाने के लिए ठीक 2.3 सेकंड पर बजे, तो कोई भी मॉडल माँग पर वह नहीं देगा। आप कच्चा ऑडियो जनरेट करते हैं, फिर पोस्ट-प्रोडक्शन में एक इंसान एडिटर उसे संरेखित करता है। सिंक-क्रिटिकल काम के लिए, AI आपको स्रोत सामग्री देता है। एडिटर उसे सटीक जगह पर बिठाता है।
किसी खास कार इंजन की सटीक आवाज़, किसी पहचानी गई प्रोडक्ट इंटरैक्शन, या किसी बहुत सटीक वादन शैली में कोई खास वाद्य, इन सबके लिए बेहद विशिष्ट डेटा पर प्रशिक्षण चाहिए। सामान्य-उद्देश्य मॉडल इन्हें मोटे तौर पर बनाते हैं। वे शायद ही कभी वह देते हैं जिसे लाइसेंस्ड प्रोडक्शन का कोई साउंड सुपरवाइज़र बिना आगे की प्रोसेसिंग के स्वीकार करे।
बंदूक की एक गोली की चटक, उँगली की चुटकी, या चाकू खींचने जैसी 100ms से कम की आवाज़ें मौजूदा मॉडलों में असंगत हैं। जनरेशन प्रक्रिया ट्रांज़िएंट को ऐसे तरीकों से धुंधला कर देती है जिनका अनुमान लगाना मुश्किल होता है। पर्कशन वाले एक-बार SFX के लिए, कई वेरिएंट जनरेट करें और सावधानी से चुनें, बजाय इसके कि पहला आउटपुट सही होने की उम्मीद की जाए।
प्रोफ़ेशनल ऑडियो की बाधा अब खत्म हो चुकी है। अपने प्रोजेक्ट के लिए प्रोडक्शन-क्वालिटी साउंड इफ़ेक्ट पाने के लिए आपको रिकॉर्डिंग स्टूडियो, फ़ोली आर्टिस्ट या लाइब्रेरी सब्सक्रिप्शन की ज़रूरत नहीं है। आपको एक अच्छा लिखा प्रॉम्प्ट और सही मॉडल चाहिए।
साउंड इफ़ेक्ट और फ़ोली-स्टाइल कंटेंट के लिए Stable Audio 2.5 से शुरू करें। जब आपको संगीत और परिवेश के बीच बैठने वाला सिनेमाई वातावरण चाहिए, तब Google Lyria 3 Pro पर जाएँ। भावनात्मक ऑडियो स्टिंग और दृश्य परिवर्तनों के लिए ElevenLabs Music इस्तेमाल करें।
चार-परत संरचना का इस्तेमाल करके विशिष्ट प्रॉम्प्ट लिखें। बिना झिझक कई वेरिएंट जनरेट करें, क्योंकि हर जनरेशन में स्टूडियो के घंटे नहीं, सेकंड लगते हैं। सबसे अच्छा वेरिएंट चुनें, उसे अपने एडिटर में लाएँ, और अपने प्रोजेक्ट के हिसाब से ढालें।
व्यावहारिक वर्कफ़्लो सरल है: जो आप अपने मन में सुनते हैं उसे चार-परत प्रॉम्प्ट संरचना से वर्णित करें, 3 से 4 वेरिएंट चलाएँ, सबसे अच्छा आउटपुट चुनें, और उसे अपनी टाइमलाइन में डालें। ज़्यादातर लोग अपने पहले सत्र के 5 मिनट के भीतर इस्तेमाल लायक नतीजे पा लेते हैं।
साउंड इफ़ेक्ट के अलावा, यही प्लेटफ़ॉर्म टेक्स्ट-टू-स्पीच, वॉइस क्लोनिंग, और पूरी म्यूज़िक जनरेशन भी देता है, जिससे आपको बिना अपना ब्राउज़र छोड़े एक पूरा ऑडियो प्रोडक्शन टूल्स का सेट मिल जाता है।
Stable Audio 2.5 खोलें, अपना पहला प्रॉम्प्ट लिखें, और सुनें कि आपके प्रोजेक्ट में क्या कमी थी।
अपनी भाषा चुनें
