Bengali AI Voice Prompt – মানুষের মতো বাংলা ভয়েসওভার তৈরি করুন (Mizan Hub)

আসসালামু আলাইকুম ওয়া রাহমাতুল্লাহ। আশা করি মহান আল্লাহর রহমতে আপনারা সবাই ভালো আছেন। আমি মিজানুর রহমান আছি মিজান হাব থেকে।

বাংলে ভয়েস অভার কিভাবে করবেন? 

প্রিয় ভিজিটর, আজ আমরা শিখবো কীভাবে খুব সহজেই যেকোনো লেখা (Text) থেকে সম্পূর্ণ প্রাকৃতিক, মানুষের মতো শোনায় এমন AI Voice তৈরি করা যায়। বর্তমানে অনেকেই AI দিয়ে ভয়েস তৈরি করেন, কিন্তু সাধারণভাবে টেক্সট থেকে ভয়েস তৈরি করলে সেটি অনেক সময় রোবটের মতো শোনায়। ফলে ভিডিওর মান কমে যায় এবং দর্শকের কাছে সেটি তেমন আকর্ষণীয় লাগে না।

এই সমস্যার সমাধান নিয়েই আজকের ভিডিও। আমি আপনাদের সঙ্গে এমন কিছু প্রিমিয়াম ও ইউনিক Prompt শেয়ার করবো, যেগুলো ব্যবহার করলে AI আপনার লেখার আবেগ, বিরতি, উচ্চারণ এবং কথার স্বাভাবিকতা অনেক ভালোভাবে বুঝতে পারবে। ফলে তৈরি হওয়া ভয়েসটি হবে অনেক বেশি বাস্তবসম্মত এবং মানুষের কণ্ঠের খুব কাছাকাছি।

আপনি যদি YouTube ভিডিও, Facebook কনটেন্ট, শর্ট ভিডিও, ডকুমেন্টারি, অডিওবুক, বিজ্ঞাপন বা যেকোনো ধরনের Voiceover তৈরি করেন, তাহলে এই Prompt গুলো আপনার জন্য অত্যন্ত কার্যকর হবে।

তাই পোস্টি শুরু থেকে শেষ পর্যন্ত মনোযোগ দিয়ে পড়ুন। কারণ মাঝখানে আমি এমন কিছু গুরুত্বপূর্ণ টিপস ও সেটিংস শেয়ার করবো, যেগুলো ব্যবহার করলে আপনার AI Voice-এর মান আরও কয়েক ধাপ উন্নত হবে এবং প্রফেশনাল মানের Voiceover তৈরি করতে পারবেন।

চলুন, আর দেরি না করে আজকের মূল টিউটোরিয়াল শুরু করা যাক। আজকের পোস্টের রেজাল্ট শুরুতেই দেখে নিন।

Promt ব্যবহার করার আগের ভয়েসটি শুনুন।

Promt ব্যবহার করার পরের ভয়েসটি শুনুন।

আশা করি দুইটা ভয়েসের পার্থক্য বুঝতে পারছেন। এবার চলুন আমরা ধাপে ধাপে ভয়েস তৈরি করা শিখি। প্রথমে Google Chorme ব্রাউজার দিয়ে নিচের লিংকে প্রবেশ করুন। এবং ডেস্কটপ মোড অন করুন। 

{getButton} $text={Google Ai Studio} $icon={link} $color={green}

লিংকে প্রবেশ করার পর এরকম একটা পেইজ সো করবে। 

সেখান থেকে বাম পাশ দেখবেন Antigravity agent preview সেটাতে ক্লিক করুন। 

তারপর একটা সার্চ বক্স পাবেন সেখানে  gemini-2.5-pro-preview-tts লিখে সার্চ করুন। তারপর Gemini 2.5-pro সিলেক্ট করুন।  

তারপর একদম নিচে Turn text into natural-sounding speech... বক্সে ক্লিক করুন, এরকম পেইজ সো করবে এখন আমাদের কাজ হলো, এর সেটিং গুলো সেটাপ করা।  

Speaker সেটিংসে প্রবেশ করুন। তারপর নিচের মতো করে সব গুলো সেটিং করুন।  Style "Newscaster" সিলেক্ট করবেন।, Pace "Natural" সিলেক্ট করবেন, Accent "Neutral" সিলেক্ট করবেন। এবং নিচে অনেক গুলো ভয়েস পাবেন। সেখান থেকে আপনার পছন্দের ভয়েস সিলেক্ট করুন।

তারপর  ❌ বাটন চাপুন এরকম পেইজ সো করবো এখানেই আমাদের মুল কাজ করতে হবে। 

উপরে পেইজে যে তিনটি বক্স আছে এর প্রথম দুইটিতে নিচের প্রোম্পট গুলো কপি করে পেস্ট করুন।  লেখায় ক্লিক করলেই কপি হয়ে যাবে। 

scene বক্সে নিচের লেখা গুলো কপি করে পেস্ট করুন।

একটি professional acoustically treated voiceover recording studio , যেখানে একটি high end - condenser microphone রয়েছে। রুমটি সম্পূর্ণ quiet, এতে zero echo রয়েছে এবং এটি একটি clean crisp , ও heavy vocal texture তৈরি করে। 

sample context বক্সে নিচে লেখা গুলো পেস্ট করুন। 

আপনি একজন elite, অত্যন্ত natural এবং professional male Bengali narrator, যিনি একটি documentary video-র জন্য voiceover দিচ্ছেন। আপনার কণ্ঠস্বরের ডেলিভারি কোনোভাবেই যান্ত্রিক হওয়া যাবে না, এটি হতে হবে সম্পূর্ণ realistic এবং মানুষের মতো স্বতঃস্ফূর্ত।

বাচনভঙ্গি ও গতির নিয়মাবলী (Pacing & Delivery Rules)

• কথা বলার গতি মানুষের স্বাভাবিক কথোপকথনের মতোই সাধারণ ও মাঝারি (moderate conversational speed) হবে। কোনোভাবেই এটি অতিরিক্ত ধীর (slow) বা টানটান (stretched) হওয়া যাবে না।

• প্রতিটি শব্দকে আলাদা আলাদা করে কেটে কেটে উচ্চারণ করা যাবে না। মানুষের স্বাভাবিক কথা বলার ঢং বজায় রাখতে শব্দগুলোকে একে অপরের সাথে টেনে এবং মিলিয়ে বলুন (connected speech / slurring), যেন একটি স্বাভাবিক ও অবিচ্ছিন্ন প্রবাহ (natural flow) তৈরি হয়।

• আপনার ডেলিভারিতে আকর্ষণীয় vocal modulation এবং dynamic range থাকতে হবে। বাক্যের শুরুতে বা বাক্যের ভেতরের গুরুত্বপূর্ণ key words বা বিষয়ভিত্তিক শব্দগুলোতে বেশ জোর দিয়ে (heavy realistic emphasis) বলুন। কিন্তু বাক্যের শেষের দিকে কথা বলার টোন ও এনার্জি ধীরে ধীরে কমিয়ে এনে একদম নরমাল, মৃদু এবং শান্ত (soft, relaxed tone at the sentence ends) করে দিন। এটি ভয়েসের মধ্যে চমৎকার আবেগীয় বৈচিত্র্য (emotional curve) তৈরি করবে।

• একটি আকর্ষণীয়, কৌতূহল-উদ্দীপক এবং গল্প বলার ঢং (engaging storytelling vibe) বজায় রাখুন, যা শ্রোতাকে পরবর্তী বাক্যের জন্য ধরে রাখবে।

Emotion & Vocal Expressions (আবেগ ও অনুভূতি)

অডিওর প্রেক্ষাপট অনুযায়ী মানুষের স্বাভাবিক আবেগ (natural emotion) ফুটিয়ে তোলার নির্দেশনা দেবেন। স্ক্রিপ্টের ভাব অনুযায়ী সঠিক এক্সপ্রেশন ব্যবহারের গাইডলাইন দেবেন—যেমন কোথাও খুশির আমেজ, উত্তেজনায় অট্টহাসি (laughs), আবার কোথাও গম্ভীর বা দুঃখজনক টোন ইত্যাদি।

• প্রতিটি বাক্যের ভেতরের ব্র্যাকেট ট্যাগ (যদি থাকে) অত্যন্ত নিখুঁত ও বাস্তবসম্মতভাবে অভিনয় করে ফুটিয়ে তুলুন।

যা পরিহার করতে হবে (What to Avoid / Negatives)

• কোনো প্রকার flat, dull বা monotonic delivery সম্পূর্ণ পরিহার করতে হবে।

• প্রতিটি শব্দ রোবটের মতো আলাদা আলাদা বা আড়ষ্ট (staccato) উচ্চারণ করা যাবে না।

• পুরো স্ক্রিপ্টজুড়ে সব শব্দে সমান জোর দেওয়া বা অবিরত চরম উত্তেজনা ও চিৎকার করা (constant excitement / artificial hype) পরিহার করতে হবে।

• বাক্যের মাঝে অপ্রাকৃতিক বা কৃত্রিম বিরতি (robotic pauses) নেওয়া যাবে না। বিরতিগুলো হবে অত্যন্ত প্রাকৃতিক এবং কৌতূহল জাগানো (suspenseful but natural pauses)।

এবার নিচের বক্সে আপনার লেখা লিখুন। যেটাকে অডিও ভয়েস করতে চান।  তারপর Run লেখায় ক্লিক করুন। কিছুক্ষণ লোডিং হয়ে আপনার অডিও প্লে হবে। পছন্দ হলে ডাউনলোড বাটনে ক্লিক করে ডাউনলোড করে নিন। 

এই ছিলো আজকের পর্ব। যদি কোন কিছু বুঝতে সমস্যা হয় তাহলে আমাদের টেলিগ্রাম গ্রুপে মেসেজ দিবেন। সবাই ভালো থাকুন সুস্থ থাকুন, আল্লাহ হাফেজ।