Klonimi i zërit zgjeron mundësitë e inteligjencës artificiale zanore përtej kthimit të tekstit në të folur (TTS), duke riprodhuar një zë të caktuar. Materiali paraqet përdorime si asistentët e personalizuar, librat audio dhe dublimi në kohë reale, si dhe hapat fillestarë për një aplikacion demonstrues me ElevenLabs.
Aplikacioni synon të marrë tekst nga përdoruesi dhe të prodhojë audio me zërin e klonuar. Përgatitja kërkon Python 3.9+, një server Flask, një llogari ElevenLabs me çelës API dhe një regjistrim zanor prej 30–60 sekondash. Node.js me Express paraqitet si alternativë për zhvilluesit që preferojnë JavaScript.
Procesi nis me ngarkimin e skedarit audio në API të ElevenLabs për të krijuar një zë të ri. Përgjigjja përmban identifikuesin voice_id, i cili përdoret më pas për gjenerimin e audios. Materiali rekomandon regjistrim në ambient të qetë dhe mikrofon cilësor, pasi pastërtia e audios burimore ndikon në rezultatin e klonimit.
Në pjesën e serverit, Flask përdoret për të krijuar pikën fundore /synthesize, e cila pranon tekst përmes një kërkese POST. Shembulli kontrollon nëse teksti mungon dhe kthen gabimin 400 në këtë rast. Çelësi API ruhet në variablën e mjedisit ELEVENLABS_API_KEY, jo drejtpërdrejt në kod, ndërsa identifikuesi i zërit lexohet nga ELEVENLABS_VOICE_ID.
Burimi: DEV Community (Web Dev Feed) — lexoni artikullin e plotë në anglisht.
