Speechify অল্প কিছু টেক্সট-টু-স্পিচ মডেল অফার করে। সঠিকটি বেছে নেওয়ার মানে হলো লেটেন্সি, ভাষার পরিসর ও ভয়েস কোয়ালিটির মধ্যে ভারসাম্য খুঁজে নেওয়া। এই গাইডে কোন মডেল কোন কাজে সবচেয়ে উপযোগী, তা দেখানো হয়েছে—যাতে সবকিছু আলাদা করে পরীক্ষা না করেও সহজে সিদ্ধান্ত নিতে পারেন।
speechify.ai‑এর মডেলবিষয়ক পোস্টগুলোতে প্রতিটি রিলিজ বিস্তারিতভাবে ব্যাখ্যা করা হয়েছে। Simba 3.2 ঘোষণাটি ব্যাখ্যা করে কেন এটিই এখন সুপারিশকৃত মডেল।
Speechify-এর টেক্সট-টু-স্পিচ API দিয়ে শুরু করতে এই দ্রুত নির্দেশিকাটি দেখুন।
Speechify কোন কোন মডেল অফার করে?
বর্তমানে দুটি মডেল রয়েছে, সঙ্গে একটি পুরোনো জোড়া সংরক্ষিত আছে।
- Simba 3.2: ইংরেজির জন্য সুপারিশকৃত মডেল। স্ট্রিমিং-নেটিভ, সবচেয়ে দ্রুত প্রতিক্রিয়া, নির্বাচিত ইংরেজি ভয়েস। যেকোনো ইন্টারঅ্যাকটিভ ব্যবহারে এটিই বেছে নিন।
- Simba 3.0: বর্তমান API ডিফল্ট। স্ট্রিমিং-নেটিভ, বহুভাষিক: ইংরেজি, জার্মান, স্প্যানিশ, ফরাসি, ইতালীয় ও ব্রাজিলিয়ান পর্তুগিজ। 3.2-এর তুলনায় সামান্য বেশি লেটেন্সি, তবে ভাষার পরিসর বেশি।
- পুরোনো মডেল (simba-english, simba-multilingual): Simba 1.6 জোড়া। API সংস্করণ ২০২৬-০৯-২১ থেকে অব্যবহৃত এবং ২০২৬-১১-২১-এ সম্পূর্ণভাবে বন্ধ। শুধু তখনই ব্যবহার করুন, যদি বিদ্যমান ইন্টিগ্রেশন পুরোনো কোনো ভাষা বা ভয়েসের ওপর নির্ভরশীল হয়, এবং এখনই মাইগ্রেশনের পরিকল্পনা করুন।
কোন মডেলটি সবচেয়ে দ্রুত?
Simba 3.2। এটি স্ট্রিমিং-নেটিভ হওয়ায় প্রথম অডিও সবচেয়ে দ্রুত আসে। ইংরেজি ভয়েস এজেন্টের জন্য এটি সেরা বিকল্প।
Simba 3.0 খুব কাছাকাছি, তবে এতে বহুভাষিক ওভারহেড আছে। পুরোনো জোড়াটি সবচেয়ে ধীর, তাই যেখানে সম্ভব সেগুলো বাদ দিন।
কোন মডেল সবচেয়ে বেশি ভাষা সাপোর্ট করে?
Simba 3.0। এটি ইংরেজির পাশাপাশি জার্মান, স্প্যানিশ (স্পেন ও মেক্সিকো), ফরাসি, ইতালীয় এবং ব্রাজিলিয়ান পর্তুগিজ সাপোর্ট করে। POST /v1/audio/speech‑এ language প্যারামিটার দিলে সেই ভাষার জন্য নেটিভ ভয়েস ফেরত আসে। পুরোনো simba-multilingual মোট ৩০টিরও বেশি লোকেল কভার করত, তবে এটি ২০২৬-০৯-২১ থেকে অব্যবহৃত এবং ২০২৬-১১-২১-এ বন্ধ।
আপনার পণ্য যদি এক ভাষায় চলে, তবে গতি ও কোয়ালিটির দিক থেকে Simba 3.2 সেরা। একাধিক ভাষা হলে, Simba 3.0 বর্তমানে বেশি উপযোগী।
আমাদের ডকুমেন্টেশনে ভাষা সাপোর্ট সম্পর্কে আরও জানুন।
কোন মডেলটি সবচেয়ে ভালো শোনায়?
মডেলের নতুন সংস্করণের সঙ্গে কোয়ালিটিও বাড়ে। Simba 3.2 ইংরেজিতে সবচেয়ে স্বাভাবিক শোনায়। Simba 3.0 তার সমর্থিত ভাষাগুলোতে ভালো পারফর্ম করে। পুরোনো মডেলগুলো তুলনামূলকভাবে বেশি যান্ত্রিক শোনায়।
গ্রাহকসেবার ব্যবহারের জন্য Simba 3.2 অথবা Simba 3.0 বেছে নিন।
উপলভ্য ভয়েসগুলো কীভাবে দেখব?
GET /v1/voices কল করুন। উপযুক্ত ভয়েস পেতে টাইপ, লোকেল, জেন্ডার ও মডেল অনুযায়ী ফিল্টার করুন। speechify.ai‑এর ভয়েস ও মডেলবিষয়ক পোস্টে রেসপন্সের ধরন দেখানো আছে।
স্ট্রিমিং নাকি ব্যাচ?
দুইটি Simba 3 মডেলেই স্ট্রিমিং সাপোর্ট আছে। লাইভ প্লেব্যাকের জন্য POST /v1/audio/stream, শব্দভিত্তিক টাইমস্ট্যাম্পসহ লাইভ অডিওর জন্য POST /v1/audio/stream/with-timestamps, এবং একক ফাইলের জন্য POST /v1/audio/speech ব্যবহার করুন। কোন মডেল বেছে নেবেন, তা ডেলিভারি মোডের ওপর নির্ভর করে না।
সচরাচর জিজ্ঞাসা
কোন Speechify TTS মডেলটি সুপারিশকৃত?
Simba 3.2। নতুন কাজের জন্য এটি ডিফল্ট পছন্দ; স্ট্রিমিং-নেটিভ, দ্রুততম অডিও, এবং ইংরেজিতে সর্বোচ্চ কোয়ালিটি দেয়।
API ডিফল্ট হিসেবে কোন মডেল ব্যবহার করে?
Simba 3.0। রিকোয়েস্টে model না থাকলে API Simba 3.0 ব্যবহার করে, তাই ইংরেজির জন্য model: "simba-3.2" স্পষ্টভাবে সেট করুন।
Speechify TTS কি একাধিক ভাষা সাপোর্ট করে?
হ্যাঁ। Simba 3.0‑এ language প্যারামিটার দিন; এটি ইংরেজি, জার্মান, স্প্যানিশ (স্পেন ও মেক্সিকো), ফরাসি, ইতালীয় ও ব্রাজিলিয়ান পর্তুগিজে নেটিভ ভয়েস দেয়। Simba 3.2 নির্বাচিত ইংরেজি ভয়েসের ওপর ফোকাস করে।
আমি কি এখনও পুরোনো মডেল ব্যবহার করব?
শুধু তখনই, যখন বিদ্যমান কোনো ইন্টিগ্রেশন পুরোনো ভয়েসের ওপর নির্ভরশীল। simba-english ও simba-multilingual ২০২৬-০৯-২১ থেকে অব্যবহৃত এবং ২০২৬-১১-২১ থেকে বন্ধ, তাই Simba 3.2 বা Simba 3.0‑তেই থাকুন।
ভয়েস এজেন্টের জন্য কোন মডেল ব্যবহার করব?
সবচেয়ে কম লেটেন্সির জন্য Simba 3.2 বেছে নিন এবং লাইভ ব্যবহারের জন্য আউটপুট স্ট্রিম করুন।
