Speechify কয়েকটি টেক্সট-টু-স্পিচ মডেল অফার করে। সঠিকটি বেছে নিতে হলে লেটেন্সি, ভাষা সমর্থন ও ভয়েসের মানের মধ্যে ভারসাম্য রাখতে হয়। এই গাইডে প্রতিটি মডেল কোন কাজে বেশি উপযোগী, তা তুলে ধরা হয়েছে—যাতে সবকিছু পরীক্ষা না করেও আপনি সিদ্ধান্ত নিতে পারেন।
প্রতিটি রিলিজ সম্পর্কে আরও জানতে speechify.ai-এর মডেল পোস্টগুলো দেখুন। Simba 3.2 ঘোষণা-তে ব্যাখ্যা করা হয়েছে কেন এটি এখন সবচেয়ে বেশি সুপারিশকৃত মডেল।
Speechify টেক্সট-টু-স্পিচ API দ্রুত শুরু করতে আমাদের কুইকস্টার্ট গাইড দেখুন।
Speechify কোন কোন মডেল অফার করে?
তিনটি সিরিজ রয়েছে।
- Simba 3.2
- : ইংরেজির জন্য সুপারিশকৃত মডেল। স্ট্রিমিং-নেটিভ, সবচেয়ে কম ফার্স্ট-বাইট লেটেন্সি, এবং বাছাইকৃত ইংরেজি ভয়েস। ইন্টারঅ্যাকটিভ ব্যবহারের জন্য আদর্শ।
- Simba 3.0
- : বর্তমান API ডিফল্ট। স্ট্রিমিং-নেটিভ ও বহুভাষিক: ইংরেজি, জার্মান, স্প্যানিশ, ফরাসি, ইতালীয় ও ব্রাজিলিয়ান পর্তুগিজ। 3.2-এর তুলনায় লেটেন্সি সামান্য বেশি, তবে ভাষা সমর্থন বেশি।
- লেগেসি মডেল (
- simba-english
- ,
- simba-multilingual
- ): Simba 1.6 জুটি। API ভার্সন 2026-09-21 থেকে রিটায়ার হবে এবং 2026-11-21-এ বন্ধ হবে। কেবল তখনই ব্যবহার করুন, যদি কোনো ইন্টিগ্রেশন পুরনো ভয়েস বা ভাষার ওপর নির্ভরশীল হয়, এবং দ্রুত মাইগ্রেশনের পরিকল্পনা নিন।
সবচেয়ে দ্রুত কোন মডেল?
Simba 3.2। এটি স্ট্রিমিংয়ের জন্য তৈরি, তাই সবচেয়ে দ্রুত অডিও ডেলিভার করে। ইংরেজি ভয়েস এজেন্টের জন্য এটিই প্রথম পছন্দ।
Simba 3.0 কাছাকাছি, তবে বহুভাষিক সমর্থনের কারণে লেটেন্সি কিছুটা বেশি। লেগেসি মডেলগুলো সবচেয়ে ধীর, তাই সম্ভব হলে সেগুলো বাদ দিন।
কোন মডেল সবচেয়ে বেশি ভাষা সমর্থন করে?
Simba 3.0। এটি ইংরেজির পাশাপাশি জার্মান, স্প্যানিশ (স্পেন ও মেক্সিকো), ফরাসি, ইতালীয় এবং ব্রাজিলিয়ান পর্তুগিজ অফিসিয়ালি সমর্থন করে। POST /v1/audio/speech-এ language প্যারামিটার পাঠিয়ে ভাষা নির্বাচন করুন, তাহলে সেই ভাষার স্থানীয় ভয়েস পাবেন। লেগেসি simba-multilingual 30+ ভাষা কভার করে, তবে এটি API ভার্সন 2026-09-21 থেকে রিটায়ার হবে এবং 2026-11-21-এ বন্ধ হবে।
আপনার প্রোডাক্ট যদি শুধু এক ভাষায় হয়, Simba 3.2 গতি ও মান—দুই দিক থেকেই সেরা। একাধিক ভাষার জন্য আপাতত Simba 3.0 বেশি কভারেজ দেয়।
আমাদের ডকুমেন্টেশনে ভাষা সমর্থন সম্পর্কে আরও পড়ুন।
কোন মডেলের কণ্ঠ সবচেয়ে ভালো শোনায়?
মান মূলত মডেল ও প্রজন্মের ওপর নির্ভর করে। Simba 3.2 ইংরেজিতে সবচেয়ে প্রাকৃতিক শোনায়। Simba 3.0 তার সমর্থিত ভাষাগুলোতে ভালো মান বজায় রাখে। লেগেসি মডেলগুলো সবচেয়ে পুরনো এবং তুলনামূলকভাবে বেশি যান্ত্রিক শোনায়।
গ্রাহকমুখী ভয়েসের জন্য Simba 3.2 অথবা Simba 3.0 বেছে নিন।
উপলভ্য ভয়েসগুলো কীভাবে দেখবেন?
GET /v1/voices কল করুন। সম্পূর্ণ তালিকা পাওয়ার আগে ধরন, ভাষা, জেন্ডার ও মডেল অনুযায়ী ফিল্টার করতে পারেন। speechify.ai-এর মডেল পোস্টগুলোতে রেসপন্সের উদাহরণও দেখা যাবে।
স্ট্রিমিং নাকি ব্যাচ?
Simba 3-এর দুই মডেলই স্ট্রিমিং সমর্থন করে। লাইভ প্লেব্যাকের জন্য POST /v1/audio/stream, টাইমস্ট্যাম্প ও ওয়ার্ডমার্কসহ লাইভ অডিওর জন্য POST /v1/audio/stream/with-timestamps, আর একক ফাইলের জন্য POST /v1/audio/speech ব্যবহার করুন। মডেল নির্বাচন ডেলিভারি মোডের ওপর নির্ভর করে না।
FAQ
Speechify-এর কোন টেক্সট-টু-স্পিচ মডেলটি সুপারিশকৃত?
Simba 3.2। নতুন কাজের জন্য এটিই ডিফল্ট পছন্দ: স্ট্রিমিং-নেটিভ, সবচেয়ে দ্রুত অডিও, এবং ইংরেজিতে সর্বোচ্চ মান।
ইংরেজির জন্য Simba 3.2: স্ট্রিমিং-নেটিভ, সবচেয়ে দ্রুত অডিও এবং সর্বোচ্চ মান। যদি রিকোয়েস্টে model উল্লেখ না করেন, API-র ডিফল্ট হবে Simba 3.0। model: "simba-3.2" সেট করলে নির্দিষ্টভাবে এটিই পাবেন।
হ্যাঁ। Simba 3.0 language প্যারামিটার নেয় এবং বিভিন্ন ভাষায় স্থানীয় ভয়েস দেয়। Simba 3.2 বাছাইকৃত ইংরেজি ভয়েসের ওপর ফোকাস করে।
হ্যাঁ। Simba 3.0 language প্যারামিটার নেয় এবং ইংরেজিসহ ছয়টি ইউরোপীয় ভাষায় স্থানীয় ভয়েস দেয়। Simba 3.2 শুধু বাছাইকৃত ইংরেজি ভয়েসের ওপর ফোকাস করে।
শুধু তখনই, যখন কোনো ইন্টিগ্রেশন পুরনো ভয়েসের ওপর নির্ভরশীল। না হলে Simba 3.2 অথবা Simba 3.0-এ চলে যান।
শুধুমাত্র তখনই, যখন কোনো ইন্টিগ্রেশন পুরনো ভয়েসের ওপর নির্ভরশীল। 2026-09-21 থেকে এটি রিটায়ার হবে এবং 2026-11-21-এ বন্ধ হবে; তার আগেই Simba 3.2 অথবা Simba 3.0-এ মাইগ্রেট করুন।
সবচেয়ে কম ফার্স্ট-বাইট লেটেন্সির জন্য Simba 3.2 বেছে নিন। লাইভ ব্যবহারের জন্য আউটপুট স্ট্রিম করুন।
