मेनू छोड़ें
MuziAI

AI आपकी बीट पर गाता है

आप बीट बना लेते हैं पर ख़ुद गाना नहीं चाहते? बीट अपलोड करें, बोल पेस्ट करें और आवाज़ चुनें। AI बीट सुनता है, आपके बोल ताल और कॉर्ड के साथ गाता है, फिर उसी बीट पर आवाज़ मिक्स कर देता है। मेरी आवाज़ चुनें, तो गाना आपकी अपनी आवाज़ के रंग में बनेगा, भले ही आप अच्छा न गाते हों।

  • आपकी बीट जैसी है वैसी रहती है
  • पुरुष, महिला या आपकी आवाज़
  • सिर्फ़ आवाज़ अलग से डाउनलोड करें

आपकी बीट

अपनी बीट यहाँ छोड़ें

MP3, M4A, WAV, FLAC या OGG · अधिकतम 20 MB · 15 सेकंड से 5 मिनट · सिर्फ़ संगीत, आवाज़ नहीं

ख़ाली छोड़ें तो मशीन ख़ुद ढूँढती है कि इंट्रो कहाँ ख़त्म होता है। बीट का इंट्रो लंबा हो या कोई अलग इंस्ट्रुमेंटल हिस्सा हो, तो वह सेकंड लिखें जहाँ से गाना शुरू होना चाहिए।

बिना टैग के बोल भी चलेंगे: दोहराए गए हिस्से को मशीन मुखड़ा मानती है और इंस्ट्रुमेंटल हिस्सों के लिए जगह छोड़ती है। पक्का करना हो तो ख़ुद [Verse], [Chorus], [Bridge] लगाएँ।

0/3000 अक्षर

AI इस बीट पर आपके बोलों के लिए नई धुन बनाता है। किसी मौजूदा गाने की वही धुन रखनी हो तो AI cover इस्तेमाल करें: मूल गाना अपलोड करें, धुन वही रहती है और सिर्फ़ आवाज़ बदलती है।

गाने की भाषा
गाने का अंदाज़

गाने वाली आवाज़

गाते समय AI जो महिला आवाज़ बनाता है। यह किसी असली व्यक्ति की आवाज़ नहीं है।

कैसी बीट और बोल पर AI सबसे अच्छा गाता है

  • सिर्फ़ संगीत। बीट में आवाज़ या पुकार बची हो तो AI उसके ऊपर गाएगा। बीट में आवाज़ है? पहले वोकल रिमूवर से सिर्फ़ संगीत निकाल लें।
  • बीट की लंबाई के हिसाब से बोल। तीन मिनट की बीट में आम तौर पर दो अंतरे और दो-तीन बार मुखड़ा आता है। हर पंक्ति लगभग एक संगीत वाक्य जितनी रखें।
  • पक्का करना हो तो हिस्से चिह्नित करें। [Verse] नीचे सुर में कहानी कहता है, [Chorus] ऊँचा जाता है और दोहराया जाता है। बिना टैग के बोल हों तो मशीन अंदाज़ा लगाती है: दोहराया गया हिस्सा मुखड़ा है, और मुखड़े के बाद इंस्ट्रुमेंटल जगह छोड़ी जाती है।
  • बोल की भाषा ही चुनें। हिंदी बोल पर अंग्रेज़ी चुनें तो उच्चारण बिल्कुल ग़लत निकलता है।
  • कुछ बार चलाएँ। वही बीट, वही बोल, हर बार नया अंदाज़। जो सबसे अच्छा लगे वही रखें।

तीन चरण

  1. अपनी बीट अपलोड करें (सिर्फ़ संगीत, आवाज़ नहीं)।
  2. गाने के बोल पेस्ट करें, भाषा और गाने वाली आवाज़ चुनें।
  3. AI से गवाएँ दबाएँ, कुछ मिनट रुकें, पूरा गाना / बीट / आवाज़ सुनें और डाउनलोड करें।

ख़ुद मिक्स करना है? सिर्फ़ आवाज़ डाउनलोड करें और मूल बीट के साथ ऑटो मिक्स में डालें: स्टूडियो की तरह रिवर्ब, EQ और आवाज़ का स्तर बदल सकते हैं।

अक्सर पूछे जाने वाले सवाल

क्या AI मेरी बीट की ताल पर गाता है?
हाँ। मशीन पहले बीट की टेम्पो और की नापती है, इंट्रो कहाँ ख़त्म होता है यह ढूँढती है, फिर AI बीट सुनते हुए गाता है: पंक्तियाँ ताल पर बैठती हैं, मुखड़ा वहाँ आता है जहाँ बीट उठती है, और इंस्ट्रुमेंटल हिस्से ख़ाली छोड़े जाते हैं। इसके बाद मशीन सिर्फ़ गायन रखती है, गिटार या ड्रम की आवाज़ मिले बिना, और तब आपकी मूल बीट पर मिक्स करती है। आपकी बीट जैसी है वैसी रहती है।
मैंने एक मौजूदा गाने के बोल उसी गाने की बीट पर चिपकाए। AI अलग धुन क्यों गाता है?
क्योंकि यह टूल नई धुन बनाता है। बीट में गति, स्केल और कॉर्ड होते हैं, गायक की धुन नहीं होती। इसलिए AI आपके बोलों के लिए बीट से मेल खाती धुन खुद बनाता है। मूल धुन रखनी हो तो AI cover इस्तेमाल करें: गायक की आवाज़ वाला मूल गाना अपलोड करें, धुन वही रहती है और सिर्फ़ आवाज़ बदलती है।
मैं अच्छा नहीं गाता। क्या फिर भी अपनी आवाज़ इस्तेमाल कर सकता हूँ?
हाँ, मेरी आवाज़ इसी के लिए है। पहले AI अपनी आवाज़ में गाता है, फिर 20 से 40 सेकंड के नमूने से आवाज़ का रंग आपके जैसा बदल देता है। गाने का अंदाज़, ताल और सुर AI के; आवाज़ का रंग आपका।
क्या यह मुफ़्त है?
हाँ। न साइन-अप, न रोज़ की कोई सीमा। हर व्यक्ति एक बार में एक गाना चला सकता है: पूरा होते ही अगला शुरू कर सकते हैं। हर गाना ग्राफ़िक्स कार्ड पर कुछ मिनट चलता है, इसलिए कभी-कभी कतार लगती है।
क्या आप मेरी बीट और बोल रखते हैं?
बीट और आवाज़ का नमूना काम पूरा होते ही हटा दिए जाते हैं, और गाना 24 घंटे बाद अपने आप हट जाता है। अगर आप अपनी आवाज़ इस्तेमाल करते हैं, तो नमूने से सीखा गया आवाज़ मॉडल आख़िरी इस्तेमाल के 24 घंटे बाद हटा दिया जाता है। कोई सार्वजनिक पेज आपके गाने से नहीं जुड़ता, और हम सर्च इंजन को इस हिस्से को इंडेक्स करने से रोकते हैं।
बने हुए गाने पर हक़ किसका है?
बीट और बोल आपके हैं। AI की आवाज़ किसी गायक की आवाज़ नहीं है, आप इसे अपने गाने में इस्तेमाल कर सकते हैं। व्यावसायिक रिलीज़ करनी हो तो अपने डिस्ट्रीब्यूशन प्लेटफ़ॉर्म के AI संगीत संबंधी नियम देख लें।
क्या मैं किसी मशहूर गायक की आवाज़ चुन सकता हूँ?
नहीं। सिर्फ़ ऐसी AI आवाज़ें हैं जो किसी की नहीं हैं, या आपकी अपनी आवाज़। किसी और की आवाज़ उसकी सहमति के बिना इस्तेमाल करना उसकी आवाज़ पर उसके अधिकार का उल्लंघन है।

यह टूल क्या करता है

आप इसे एक इंस्ट्रुमेंटल बीट और अपने बोल देते हैं, फिर AI पुरुष आवाज़, AI महिला आवाज़ या मेरी आवाज़ चुनते हैं। गायन मॉडल बीट सुनता है, आपके शब्दों के लिए वोकल धुन लिखता है और उसे उसी बीट के टेम्पो और सुर (key) में गाता है। फिर आवाज़ आपकी मूल बीट पर मिक्स की जाती है और आपको तीन फ़ाइलें मिलती हैं: तैयार गाना, बीट, और सिर्फ़ आवाज़। संगीत दोबारा नहीं बनाया जाता: जो बीट आप अपलोड करते हैं, वही बीट गाने में सुनाई देती है।

यह उन प्रोड्यूसर के लिए है जो बीट बनाते हैं पर ख़ुद गाना नहीं चाहते, और उन लेखकों के लिए जिनके पास बोल हैं और जो एक डेमो सुनना चाहते हैं कि गाना कैसा लग सकता है। अभी बीट नहीं है? AI song generator शुरू से पूरा ट्रैक बना देता है।

गाना बनने से पहले के पाँच क़दम

  1. टेम्पो और आवाज़ की शुरुआत। टूल BPM मापता है, माप-रेखाएँ (bar lines) ढूँढता है और इंट्रो का अंत खोजता है। मुख्य नियम: जहाँ संगीत की आवाज़ बढ़ती है, वहाँ गायकी कभी शुरू नहीं की जाती, क्योंकि वह आम तौर पर इंस्ट्रुमेंटल हुक होता है, पहला verse नहीं। आप «आवाज़ कब शुरू हो» बॉक्स में शुरुआत ख़ुद भी लिख सकते हैं, जैसे 0:32।
  2. सुर (key)। तीन अलग key डिटेक्टर वोट करते हैं। Key गायन मॉडल को तभी दी जाती है जब उनमें से काफ़ी डिटेक्टर सहमत हों; वरना मॉडल को कोई शायद-ग़लत key बताने के बजाय उसे बीट ख़ुद सुनने दिया जाता है।
  3. बोलों की संरचना। बिना लेबल के पेस्ट किए गए बोल अपने आप लेबल हो जाते हैं: सबसे ज़्यादा दोहराया गया पंक्तियों का समूह कोरस बनता है, बाक़ी वर्स बनते हैं, और कोरस के बाद इंस्ट्रुमेंटल के लिए जगह छोड़ी जाती है। जो पद सिर्फ़ hu hu hoh जैसे आलाप से बना हो, वह इंस्ट्रुमेंटल अंतराल बन जाता है। आपके ख़ुद लिखे लेबल वैसे ही रहते हैं।
  4. गाना, साफ़ करना, स्कोर देना। मॉडल शुरुआती बिंदु से कटी हुई बीट पर गाता है, और आवाज़ सही सेकंड पर वापस रखी जाती है। वोकल ट्रैक को गिटार और ड्रम का रिसाव हटाने के लिए वोकल सेपरेटर से गुज़ारा जाता है। हर टेक को स्कोर मिलता है; जो टेक देर से शुरू होता है उसे फिर से गाया जाता है, ज़्यादा से ज़्यादा दो बार, और सबसे अच्छा टेक दिया जाता है।
  5. मिक्स। आवाज़ बीट से 2.2 LU नीचे रखी जाती है, जो 144 गानों के सार्वजनिक स्टेम डेटासेट पर मापी गई माध्यिका है, फिर गाना लगभग −14 LUFS पर −1.3 dBTP ट्रू पीक के साथ मास्टर किया जाता है।

हमने क्या मापा

हर क़दम के लिए एक टेस्ट बेंच है जिसमें सही जवाब पहले से पता होता है। मुख्य आँकड़े:

टेस्टनतीजा
आवाज़ की शुरुआत, पहले से पता जवाब वाले 57 गानेसेकंड 0 से गाने पर 79% गानों में आवाज़ इंट्रो के ऊपर चढ़ जाती है। मौजूदा डिटेक्टर: ±1 माप के भीतर 64.9%, माध्यिका ग़लती 0.5 माप, इंट्रो पर गायकी 1.8%
Key पहचान, पहले से पता key वाले 48 गाने46/48 सही (पिछला संस्करण 40/48)
बोलों की संरचना, लेबल किए गए 300 गानेसंरचना मिली 96%, कोरस की पंक्तियाँ पहचानी गईं 87%, वर्स को कोरस नहीं समझा गया 92%
ताल का मेल (1 यानी बीट का मूल गायक)Pop 99 BPM +0.89; lo-fi 144 BPM +0.66। उसी बीट पर किसी दूसरे गाने की आवाज़ सिर्फ़ +0.06 से +0.23 स्कोर करती है
वियतनामी बोल वापस सुनकर, डायक्रिटिक चिह्नों सहित, प्रति पंक्तिPop 0.938; ballad 0.860; lo-fi 0.688 (पहली दो पंक्तियाँ खो गईं)
वोकल ट्रैक में बीट का रिसावसफ़ाई से पहले +0.736, बाद में +0.257; असली गायकों की माध्यिका +0.254
देर से शुरुआत, एक उपयोगकर्ता का गाना 48 लगातार पंक्तियों के रूप में पेस्ट किया गयासुधार से पहले 16.1 सेकंड; दो बार दोबारा चलाने पर 1.1 और 0.0 सेकंड

एक और माप है sustain: आवाज़ वाले समय का वह हिस्सा जो 0.6 सेकंड या उससे लंबे स्थिर स्वरों पर बीतता है। असली आवाज़ों में rap 0.11 से 0.19 पर और ballad 0.22 से 0.43 पर रहते हैं। 0.2 से नीचे वाला ballad गाने से ज़्यादा बोलने जैसा लगता है।

कितना समय लगता है

75 सेकंड की बीट के लिए, लॉन्च के समय लाइव साइट पर मापा गया: AI आवाज़ के साथ 78 सेकंड और «मेरी आवाज़» के साथ 173 सेकंड। सफ़ाई और स्कोर वाले क़दम जुड़ने के बाद, 12 पंक्तियों के बोल और AI महिला आवाज़ के साथ 100 सेकंड की बीट में शुरू से अंत तक 219 सेकंड लगे। व्यस्त घंटों में कतार का समय इसके ऊपर जुड़ता है। «मेरी आवाज़» में ज़्यादा समय लगता है क्योंकि पहले AI गाता है और फिर वॉइस कन्वर्टर आवाज़ का रंग बदलकर आपकी आवाज़ जैसा कर देता है; किसी आवाज़ सैंपल के पहली बार इस्तेमाल होने पर टूल को वह आवाज़ सीखनी भी पड़ती है।

सीमाएँ

  • धुन नई होती है। बीट में, चाहे वह काराओके ट्रैक ही हो, गायक की धुन नहीं होती। गायन मॉडल आपके बोलों के लिए नई धुन लिखता है, इसलिए पुराने बोल अपनी पुरानी धुन पर वापस नहीं आएँगे। जिस रिकॉर्डिंग को इस्तेमाल करने का आपको अधिकार है उसकी धुन रखने के लिए AI कवर इस्तेमाल करें।
  • Ballad में कभी-कभी स्वर कम खिंचते हैं। एक पूरे टेक में गाए गए ballad का sustain सिर्फ़ लगभग 0.18 रहता है, जो rap का इलाक़ा है। लगभग 100 सेकंड के हर हिस्से को अलग-अलग गाने से औसत 0.30 तक बढ़ता है, पर अलग-अलग बने दो हिस्से दो अलग गायकों जैसे लगते हैं, इसलिए यह अभी चालू नहीं है।
  • ड्रॉप वाली EDM बीट। टूल इंट्रो के दौरान चुप रहता है, पर ड्रॉप और ब्रेक के ऊपर फिर भी गा सकता है।
  • Key के नाम की जगह उसकी जोड़ीदार (relative) key का नाम आ सकता है। D minor में लिखा एक गाना एक बार F major बताया गया। दोनों key के स्वर एक ही हैं, इसलिए गायकी पर असर नहीं पड़ता, पर नतीजे वाले पेज पर नाम मूल स्वरलिपि से अलग होता है।
  • धीमे ballad ग्रिड से हट सकते हैं। 71 BPM के एक ballad ने बीट पर −0.36 स्कोर किया और सोलहवें हिस्से (sixteenth) जितना खिसकाने पर +0.63। वह अंदाज़ अच्छा लगता है या नहीं, यह अभी खुला सवाल है।
  • हर बार गायकी अलग होती है। वही बीट, वही बोल, हर बार एक नई परफ़ॉर्मेंस।

अक्सर पूछे जाने वाले सवाल

मेरी बीट में अभी भी आवाज़ या चीख़ें हैं। क्या होगा?

AI उनके ऊपर गाएगा। पहले बीट और आवाज़ अलग करने वाले टूल से इंस्ट्रुमेंटल निकालें और वही अपलोड करें।

आवाज़ ग़लत जगह से शुरू हुई। कैसे ठीक करूँ?

नतीजे का पेज दिखाता है कि आवाज़ किस सेकंड पर शुरू होती है और वह टूल ने पहचाना या आपने चुना। ग़लत हो तो फिर से चलाएँ और «आवाज़ कब शुरू हो» बॉक्स में शुरुआती समय लिखें, जैसे 32 या 0:32। लंबे इंट्रो और असामान्य इंस्ट्रुमेंटल हुक ही वे जगहें हैं जहाँ पहचान सबसे ज़्यादा चूकती है।

क्या मुझे [Verse] और [Chorus] लेबल लगाने होंगे?

नहीं। अपने आप लेबल लगने से पहले, 48 लगातार पंक्तियों के रूप में पेस्ट किया गया एक गाना एक ही वर्स बन गया, 16 सेकंड देर से शुरू हुआ और बोलने जैसा लगा। अब टूल दोहराए गए पद ख़ुद ढूँढता है, और उन्हीं बोलों पर उसने ठीक वही लेबल दिए जो लेखक ने हाथ से लगाए थे। पक्का करना चाहें तो फिर भी लेबल लगाएँ; आपके लेबल वैसे ही रहते हैं।

AI मेरे बोल दोहराता क्यों है?

जब बोल बीट से छोटे होते हैं, तो गायन मॉडल बाक़ी संगीत भरने के लिए उन्हें दोहराता है। तीन मिनट की बीट को आम तौर पर दो वर्स और दो या तीन कोरस चाहिए। इससे बचने के लिए ज़्यादा पंक्तियाँ लिखें या बीट छोटी करें।

संबंधित रिसर्च

अभी बीट नहीं है?

AI से कुछ ही मिनट में पूरा गाना बनाएँ, या किसी मौजूदा गाने से बीट अलग निकालें।

AI से गाना बनाएँवोकल अलग करने का टूल खोलें