Cara Mengubah Teks Menjadi Audio (Gratis, Audiobook, iPhone)

Jawaban singkatnya

Jika Anda hanya perlu sebuah teks dibacakan sekarang juga: untuk mengoreksi tulisan sendiri dengan telinga, mengikuti resep sambil memasak, atau mendengar artikel saat perjalanan. Sistem operasi Anda sudah punya mesin suara, dan tidak ada yang Anda pasang akan mengalahkan kenyamanannya. Di semua platform utama, fitur baca keras tinggal satu gerakan dan tidak berbayar.

Jika Anda butuh berkas audio yang bisa disimpan, disisipkan, atau disebar, halaman lokal ini bukan alatnya. Halaman ini membacakan lewat suara yang sudah ada di perangkat Anda dan tidak bisa menyimpan audio apa pun. Versi alat ini yang merender berkas untuk diunduh adalah halaman bahasa Inggris. Di URL ini hasilnya hanya pemutaran, tanpa unduhan dan tanpa model yang perlu ditunggu.

Jika Anda butuh narasi yang lolos sebagai suara manusia, misalnya demo produk, prompt kios, atau satu bab buku yang akan Anda sebarkan, keputusan pertamanya adalah asal audionya: di versi bahasa Inggris ada model saraf yang membuat berkasnya, sedangkan di sini yang berbicara adalah suara yang sistem operasi Anda serahkan ke peramban. Di kedua jalur, cacat suara mesin itu spesifik dan bisa diperbaiki: jeda yang salah, nama yang salah ucap, dan intonasi yang datar di akhir kalimat. Bagian-bagian tentang keterampilan menulis di bawah membahas tiap cacat itu.

• Mendengarkan teks: sistem operasi Anda sudah bisa. Gratis, langsung, tanpa pasang apa pun.
• Berkas audio yang bisa dipakai ulang: bukan hasil halaman ini. Berkas dirender di versi bahasa Inggris alat ini.
• Suara yang terdengar manusiawi: suara perangkat Anda ditambah kebiasaan menulis dan memeriksa.

Tiga hal yang mungkin sebenarnya Anda inginkan

Kebanyakan orang yang mencari cara mengubah teks menjadi audio belum menyebutkan hasil mana dari tiga hasil yang mereka butuhkan. Pilihan mesin, apa yang bisa disimpan di akhir, dan berapa banyak usaha untuk menulisnya berubah mengikuti jawaban itu, jadi urutkan lebih dulu untuk menghemat waktu.

Mendengarkan teks

Ini kasus aksesibilitas dan kenyamanan. Anda ingin kata dibacakan supaya bisa mengecek draf dengan telinga, mengikuti resep dengan tangan berlumuran tepung, atau mendengar artikel panjang sambil berjalan. Anda tidak butuh berkas, tidak butuh suara tertentu, dan tidak butuh memasang apa pun.

Setiap sistem operasi utama mengirim sintetis suara dan pintasan baca keras. macOS punya Spoken Content di dalam Accessibility. Windows punya Narrator dan tombol Read Aloud di Edge. iOS dan Android sama-sama menawarkan pembacaan seleksi di level sistem. Semuanya memakai suara bawaan sistem, semuanya benar-benar gratis, dan untuk mendengarkan, semuanya sebagus apa pun yang bisa Anda siapkan dalam lima menit ke depan.

Tidak ada yang Anda pasang mengalahkan kenyamanan ini. Tidak ada alasan membuka tab baru atau menempel teks ke formulir kalau sistem bisa langsung membaca paragraf yang baru Anda soroti. Halaman ini sendiri juga tidak mengunduh apa pun: ia memakai mesin suara yang sama dengan milik sistem.

Berkas audio yang bisa dipakai ulang

Ini kasus ketika suara bawaan tidak cukup. Anda butuh sesuatu yang bisa diberikan ke editor video, diunggah ke phone tree, disisipkan ke modul pembelajaran, atau disebarkan sebagai bagian dari audiobook. Sifat kuncinya adalah dirender menjadi berkas yang Anda miliki, dan di situ perbedaan jenis mesin mulai penting.

Mesin suara sistem operasi dirancang untuk keluar lewat jalur audio sistem. Beberapa peramban memberi jalan untuk merekam keluaran itu, tetapi hasilnya tidak konsisten, dan suara sistem sendiri sering tidak berlisensi untuk disebar sebagai berkas. Kalaupun Anda berhasil merekamnya, Anda bekerja melawan asumsi sistem, bukan bersamanya.

Begini pembedaan yang jujur: alat peramban yang menyintesis ke berkas adalah versi bahasa Inggris halaman ini. Di sana Anda menempel teks dan mengunduh WAV. Di halaman lokal ini audio hanya diputar lewat speaker dan tidak disimpan. Jadi kalau tujuan Anda memang berkas yang bisa dipakai ulang, jalur ini tidak memenuhinya.

Sesuatu yang terdengar seperti orang

Ini tujuan tersulit, dan di sinilah keterampilan menulis serta pemeriksaan di bagian-bagian bawah benar-benar berpengaruh. Suara sintetis sekarang jauh lebih dekat ke ucapan alami daripada sintetis robotik lama, dan untuk potongan pendek suara sistem yang bagus bisa lolos sebagai narasi di konteks santai. Retakannya muncul di materi panjang dan di tempat yang bisa ditebak: nama orang salah ucap, pertanyaan tanpa naik nadanya, dan tempo yang melayang setelah banyak paragraf. Semua punya penangkal. Perlu jelas bahwa di halaman ini yang berbicara adalah suara yang terpasang di perangkat Anda, bukan model yang diunduh.

Satu batas jujur: pilihan bahasa di halaman ini menawarkan Inggris (AS), Inggris (UK), Spanyol, Portugis, dan Indonesia. Yang dilakukan pilihan itu adalah memberi tahu mesin peramban bahasa apa yang dipakai saat membaca; mesin lalu memakai suara yang sistem operasi Anda punya untuk bahasa itu. Kalau perangkat Anda tidak memasang suara untuk bahasa tersebut, Anda tidak akan mendengarnya, dan tidak ada yang bisa menjanjikan bahwa suara Spanyol, Portugis, atau Indonesia tertentu ada di mesin Anda.

Yang membuat suara terdengar alami

Orang bilang suara ini terdengar robotik lalu menganggap masalahnya timbre, tekstur suaranya sendiri. Mesin suara modern sudah banyak menyelesaikan timbre. Yang masih membuat sintesis terdengar seperti mesin adalah tiga fitur prosodi yang lebih sulit dibentuk.

Kontur nada adalah bentuk garis melodi di sepanjang kalimat. Ucapan alami naik di awal anak kalimat, memuncak di suku kata yang ditekan, dan turun di akhir kalimat berita. Pertanyaan naik tajam sebelum kata terakhir. Kalimat yang dibaca dengan kaget atau ragu membengkok berbeda lagi. Ketika mesin meratakan kontur ini, ketika setiap kalimat berakhir di nada turun yang sama apa pun tanda bacanya, hasilnya terdengar generik walaupun tiap fonemnya benar.

Pengelompokan frasa menyusun kata menjadi satuan napas seperti yang dilakukan penutur. 'Kucing itu duduk di / atas karpet' adalah satu satuan. Sintesis yang salah kelompok memecah di tempat yang tidak akan dipilih penutur mana pun. Pendengar merekam itu sebagai membaca keras, bukan sedang diberi cerita. Mesin yang dibangun dari korpus suara besar mempelajari batas pengelompokan yang umum, tetapi kewalahan ketika kalimatnya berstruktur tidak biasa, anak kalimatnya panjang, atau tanda bacanya jarang muncul di datanya.

Penempatan jeda adalah sumbu ketiga. Koma adalah jeda pendek. Titik adalah jeda sedang. Pergantian paragraf adalah jeda panjang. Mesin yang baik menghormati ketiganya, tetapi banyak mesin memperlakukan pergantian paragraf sebagai 'sama sunyinya dengan titik' kalau tidak dikonfigurasi, dan itu membuat narasi terasa ngos-ngosan seperti pembaca yang tidak bisa mengambil napas.

Narasi panjang adalah tempat tiga masalah itu menumpuk. Dalam satu kalimat, mesin biasa saja masih terdengar oke. Dalam 200 kalimat, tiga hal spesifik merusak ilusinya:

• Drift: tempo atau irama berubah halus di sepanjang passage panjang. Paragraf pertama terdengar tenang, paragraf terakhir terdengar buru-buru atau melambat tidak wajar.
• Salah ucap: nama orang, singkatan, dan kosakata langka bergantung pada aturan pengucapan mesin. Ketika sebuah kata jarang muncul, sintesisnya menebak salah, dan tebakannya konsisten salah sehingga setiap percobaan ulang mengulang kesalahan yang sama.
• Nada pertanyaan yang datar: tanda tanya di akhir paragraf atau batas bagian sering kehilangan nada naiknya karena mesin juga sedang menandai penutup struktur.

Cara menulis untuk suara

Kesalahan paling umum dengan teks ke suara adalah memberi teks yang ditulis untuk mata. Tulisan web, tulisan akademis, bahkan email disusun untuk dipindai: rantai anak kalimat panjang, tanda kurung di tengah, singkatan, angka padat. Tidak ada itu yang berubah bersih menjadi audio, dan mesin tidak punya cara tahu bahwa Anda memaksudkannya secara visual.

Perbaikannya adalah menulis atau menulis ulang khusus untuk telinga. Tidak sulit, dan setelah kebiasaannya terbentuk, pembacaan pertama terdengar jauh lebih baik tanpa pascaproduksi apa pun.

Satu gagasan per kalimat

Jaga kalimat tetap pendek. Sasarnya 15 sampai 20 kata. Mesin yang membaca kalimat 45 kata dengan dua anak kalimat harus menebak di mana kata kerja utama jatuh, dan sering meratakan lengkungan nada di bagian anak kalimat sehingga kesannya ragu-ragu. Kalimat pendek yang tegas memberi mesin kontur bersih untuk diikuti.

Kalau sumber Anda punya kalimat panjang, pecah menjadi dua atau tiga kalimat pendek sebelum dimasukkan ke alatnya. Di audio Anda tidak kehilangan apa pun; Anda dapat kejelasan.

Tulis singkatan secara lengkap

Tulis 'Doctor' alih-alih 'Dr.' kalau Anda tidak bisa memastikan mesin memecahnya dengan benar. Tulis 'United States' alih-alih 'U.S.' kalau mesin bisa membacanya per huruf. Tulis 'N A S A' kalau Anda ingin ejaan huruf per huruf, atau 'the space agency' kalau Anda ingin dibacakan sebagai satu kata. Mesin tidak tahu konvensi mana yang Anda maksud; Anda yang tahu.

Untuk singkatan yang biasa dibaca sebagai kata, NASA atau FBI, uji sekali. Kalau mesin selalu benar, pertahankan singkatannya. Kalau tidak, tulis lengkap atau tulis ulang.

Tulis angka seperti seharusnya diucapkan

Angka 2026 punya tiga bacaan berbeda: two thousand twenty-six, twenty twenty-six, dan two-oh-two-six. Mesin memilih satu berdasarkan distribusi latihannya dan konteks sekitarnya. Kalau Anda ingin pengucapan tertentu, tulis seperti itu. Ini penting terutama untuk nomor telepon, alamat, tahun dalam narasi sejarah, dan jumlah yang bacaannya bisa berubah makna.

Desimal: 3.14 bisa dibacakan three point one four atau three fourteen. Tulis three point one four kalau konteksnya tidak memperjelas.

Pakai tanda baca sebagai perintah jeda

Titik memberi tahu mesin bahwa gagasan ini selesai dan saatnya ambil napas. Koma berarti jeda sebentar. Pergantian paragraf berarti bagian ini selesai dan jeda lebih panjang. Beberapa mesin memperlakukan ketiganya sama; mesin yang dibangun dari data ucapan alami membedakan.

Kalau mesin terburu di transisi tempat Anda ingin jeda, coba tanda pis atau elipsis. 'Jawabannya jelas - itu tidak berhasil' memberi mesin satu ketukan sebelum pukulannya. Versi elipsis, 'Jawabannya jelas... itu tidak berhasil', bisa memberi jeda lebih panjang tergantung mesinnya. Uji keduanya.

Kalau Anda ingin jeda di tempat yang tidak ada tanda bacanya, tambahkan. Tulis 'Dan kemudian, setelah keheningan yang panjang, dia bicara' daripada 'Dan kemudian setelah keheningan yang panjang dia bicara'. Koma tambahan itu memberi mesin izin untuk memperlambat.

Eja ulang nama seperti bunyinya

Kalau mesin membaca Siobhan sebagai See-oh-ban dan Anda tahu ia tidak akan belajar pengucapan yang benar dari konteks, eja ulang di masukannya: Shih-VAWN. Di layar terlihat salah, di audio terdengar benar. Anda juga bisa memakai ejaan yang pembaca kurang terlatih akan menebaknya dengan benar: Shivawn, Shivaun.

Nama fiksi adalah yang paling menyakit: nama dari novel fantasi, istilah sci-fi, nama tokoh dari budaya non-Inggris. Mesin belum pernah melihatnya; ia jatuh ke aturan huruf-ke-bunyi yang menghasilkan sesuatu yang dekat tetapi salah. Eja sesuai cara Anda ingin nama itu diucapkan.

Kerjakan per bagian, jangan sekaligus

Naluri ketika punya dokumen panjang adalah menempel semuanya ke kotak teks lalu menekan Generate. Pada halaman yang membacakan langsung seperti halaman ini, itu hampir selalu pendekatan yang salah, dan alasannya praktis.

Dengan pemutaran langsung, teks 3,000 kata sekali jalan tidak punya penyimanan yang sebenarnya. Kalau pengucapan salah di paragraf keempat, tidak ada berkas audio yang bisa ditambal karena audio di sini tidak disimpan. Perbaikannya berarti mengedit teks lalu memutar ulang bagian itu.

Kalau Anda bekerja per bagian, masalahnya terisolasi. Satu bagian yang buruk berarti satu pembacaan ulang atas bagian itu saja. Nama yang terus salah cukup dieja ulang di satu atau dua masukan, bukan di seluruh dokumen. Dan bagian pendek lebih mudah Anda nilai selagi telinga masih segar.

Potong di batas alami: akhir bab, judul bagian, baris kosong antar topik. Jangan memotong di tengah kalimat kecuali terpaksa: mesin perlu melihat lengkungan kalimat untuk menutup intonasi dengan benar, dan potongan kedua akan mulai dengan nada yang tidak wajar.

Jaga bahasa, pengaturan suara, dan kecepatan tetap sama di semua bagian. Kalau Anda mengubah pilihan nada atau bahasa di tengah jalan, rangkaian bagiannya akan terdengar melompat timbre di setiap batas.

Kalau tujuan akhirnya adalah menyambung potongan menjadi satu berkas audio, itu wilayah versi bahasa Inggris alat ini yang merender berkas. Di halaman ini bagian-bagian dikerjakan untuk didengar: tidak ada WAV untuk digabungkan dan tidak ada antrean massal. Satu bagian setiap kali Anda menekan Buat audio, dan tombol Berhenti memutus pembacaan kapan pun Anda mau.

Sebelum dipakai: tiga hal untuk diperiksa

Anda tidak perlu mendengarkan setiap kata dari hasil sintesis sebelum memakainya, tetapi tiga hal spesifik tetap harus diperiksa. Kesalahan-kesalahan itulah yang tidak bisa mesin suara deteksi pada dirinya sendiri, dan yang ditangkap pendengar dalam sekejap.

Detik pertama dan detik terakhir. Perhatikan awal dan akhir tiap pembacaan. Dua kegagalan umum: suara menelan suku kata pertama, kata 'The' keluar jadi 'he', dan ujung yang terpotong atau menguap aneh. Dua-duanya jelas begitu Anda tahu apa yang dicari. Kalau awal terpotong, tambahkan jeda kecil di depan teks. Kalau ujung terpotong, pastikan masukan berakhir dengan tanda baca penutup kalimat supaya mesin tahu ucapannya selesai.

Setiap angka. Untuk tiap deret digit di masukan, dengarkan bagaimana mesin membacanya. 2026 bisa keluar jadi two thousand twenty-six ketika Anda butuh twenty twenty-six. Nomor telepon bisa salah kelompok. Kalau ada banyak angka, periksa satu per satu karena pembacaan bergantung konteks, bukan seragam.

Setiap nama orang. Nama tokoh, nama kota, nama merek, istilah saintifik, kata apa pun yang hanya ada di teks Anda dan tidak ada di data umum. Dengarkan apakah tebakan mesin benar. Kalau Nwoye atau Gilead terus salah, eja ulang di teks masukan lalu putar ulang bagian itu.

Tiga pemeriksaan ini menangkap hampir setiap momen yang memalukan. Sisanya, ritme umum, konsistensi timbre, apakah bacaannya terdengar memahami materi, bergantung pada bagaimana Anda menulis teks masukannya. Dan perlu diingat: di halaman ini hasilnya hanya diputar. Kalau yang akan Anda periksa adalah sebuah berkas untuk publikasi, berkas itu dibuat di versi bahasa Inggris alat ini.

Narasi audiobook: yang perlu diketahui sebelum merekam

Kalau Anda mencari cara mengubah teks menjadi audio untuk audiobook, jawaban jujurnya begini: tergantung ke mana Anda mau menyebarkannya, dan jawaban itu berubah-ubah.

Buku narasi yang dijual lewat kanal ritel besar punya standar kualitas dan proses persetujuan mereka sendiri. Sarnya bukan apakah suaranya terdengar cukup manusiawi, melainkan daftar yang lebih panjang tentang konsistensi di seluruh buku, room tone, tingkat kebisingan dasar, standar penyuntingan, dan ekspektasi pendengar yang dibentuk oleh narator manusia yang bisa berakting. Kanal-kanal ini tidak menerima semua judul bernarasi mesin, dan kebijakan mereka soal suara sintetis terus berubah.

Yang harus Anda lakukan sebelum menghabiskan berjam-jam membuat buku penuh: baca kebijakan distributor yang berlaku sekarang soal narasi mesin atau sintetis. Bukan artikel blog tahun lalu, tetapi kebijakan yang hidup saat Anda hendak mengirim. Dokumen itu memberi tahu apakah mereka menerima audiobook TTS sama sekali, apakah ada standar teknis audio yang diminta, apakah ada peninjauan kualitas yang bisa menolak narasi yang lolos spesifikasi tetapi terdengar tidak alami, dan apakah kategorinya berpengaruh, fiksi versus non-fiksi, domain publik versus terbit baru.

Jangan berasumsi kanal mana pun menerima narasi mesin hanya karena teknologinya sudah membaik. Dan jangan berasumsi menolaknya juga: beberapa kategori dan beberapa distributor menerima dengan syarat tertentu. Satu-satunya cara tahu adalah membaca kebijakannya sebelum merekam.

Satu hal tentang halaman ini: halaman lokal ini tidak menghasilkan berkas apa pun, jadi materi yang siap terbit bukan hasil jalur ini; kasus publikasi milik versi bahasa Inggris yang merender berkas audio. Yang diberikan halaman ini adalah mendengarkan: cek bagaimana bunyi bab Anda dan dengarkan nama serta angka sebelum mengirim apa pun untuk produksi. Kalau kebijakan distributor mengizinkan TTS dan Anda memakai jalur berkas, keterampilan di atas tetap berlaku: tulis untuk suara, kerjakan per bagian, dan periksa setiap nama serta setiap angka. Fiksi panjang adalah kasus tersulit karena drift menumpuk berjam-jam dan pendengar mengharapkan konsistensi suara tokoh di seluruh buku.

Di iPhone dan Android

Orang mencari cara mengubah teks menjadi audio di iPhone, dan jawabannya adalah pengetahuan umum sistem, bukan alat peramban ini. Sistem operasi mobile mengirim sintetis suara di level sistem dan fitur aksesibilitas yang membaca teks terpilih dengan keras.

Di iOS, sistem punya mesin suara lewat pengaturan Accessibility; teks terpilih bisa dibacakan di app yang mendukungnya, dan app Shortcuts bisa menghasilkan audio dari teks sebagai langkah otomasi. Di Android, mesin TTS sistem bisa dipakai app mana pun yang memintanya, dan komponen Google Text-to-Speech bisa membaca teks terpilih kalau Anda mengaktifkannya di pengaturan Accessibility.

Apa yang bisa Anda ekspor dari jalur mobile itu bervariasi. Fitur baca keras aksesibilitas dirancang untuk keluar lewat speaker, bukan untuk menghasilkan berkas. Halaman lokal ini, yang memakai mesin suara peramban, berada di pihak yang sama: ia memutar, tidak menyimpan, termasuk ketika dibuka di peramban ponsel. Kalau Anda butuh berkas audio tersimpan, Anda butuh app yang memang mengekspor, dengan kemampuan app itu masing-masing, atau versi bahasa Inggris alat ini yang merender WAV untuk diunduh.

Jangan percaya panduan yang mengklaim jalur menu versi iOS tertentu atau format ekspor tertentu seolah antarmuka itu tidak akan pernah berubah. Apple dan Google sama-sama menata ulang pengaturan mereka antar rilis. Yang stabil adalah prinsipnya: kedua platform bisa membacakan teks, tidak keduanya dirancang sebagai pabrik berkas TTS, dan jalur peramban di URL ini adalah pemutaran, bukan berkas.

Alat peramban ini: apa yang dilakukan dan apa yang Anda dapat

Halaman teks ke suara ToolHubNest di URL lokal ini tidak menjalankan model saraf apa pun. Halaman ini berbicara lewat Web Speech API bawaan peramban, yaitu speechSynthesis, mesin yang sama di balik fitur baca keras sistem. Berikut arti konkretnya, dan artinya untuk apa yang Anda dapat di akhir.

Teks yang Anda ketik atau tempel diserahkan ke mesin ucapan peramban lalu dibacakan oleh suara yang terpasang di perangkat Anda. Tidak ada model yang diunduh, tidak ada yang dikirim ke server, tidak ada antrean, tidak ada panggilan API. Audio terjadi secara langsung lewat speaker Anda dan selesai ketika pembacaan selesai.

Pilihan bahasanya Inggris (AS), Inggris (UK), Spanyol, Portugis, dan Indonesia. Fungsinya menetapkan bahasa pembacaan; setelah itu sistem memakai suara default yang Anda punya untuk bahasa tersebut. Suara yang Anda dengar sepenuhnya bergantung pada perangkat Anda. Kalau suara untuk bahasa itu tidak terpasang, Anda tidak akan mendengarnya, dan halaman ini tidak bisa menambahkan suara yang tidak ada di sistem Anda.

Kontrol Voice di halaman ini bukan dua suara rekaman yang berbeda, melainkan pilihan Wanita atau Pria. Yang terjadi sebenarnya adalah pergeseran tinggi nada pada suara yang sama: 1.15 untuk nada lebih tinggi, 0.85 untuk nada lebih rendah. Ini pergeseran pitch, bukan suara baru.

Ada penggeser kecepatan dari 0.5× sampai 2× dengan langkah 0.05, dan tombol Berhenti untuk memotong pembacaan di tengah. Setelah selesai, baris hasil melaporkan jumlah kata dan mesin yang berbicara.

Tidak ada langkah ekspor dan tidak ada mode massal. Audio dibacakan satu kali lalu hilang; tidak ada WAV atau MP3 yang bisa Anda simpan, dan satu bagian dikerjakan setiap kali Anda menekan Buat audio. Siapa pun yang membutuhkan berkas untuk disimpan, dipindah, atau diterbitkan memakai versi bahasa Inggris alat ini.

Yang tidak dijanjikan di sini: angka kualitas, latensi, atau ukuran apa pun, karena tidak ada model yang diukur; tidak ada jaminan halaman berjalan sepenuhnya tanpa jaringan, karena halaman memuat font dan skrip dari CDN; dan tidak ada penyimpanan hasil Anda. Ini alat dengar sekali jalan: buat, dengar, lanjut.

• Mesin: speechSynthesis bawaan peramban, yaitu Web Speech API. Tanpa model, tanpa unduhan.
• Suara: yang terpasang di sistem operasi Anda untuk bahasa yang dipilih; Wanita atau Pria hanya menggeser nada (1.15 atau 0.85).
• Keluaran: hanya pemutaran langsung. Tanpa WAV, tanpa MP3, tanpa ekspor berkas. Tanpa unggahan.
• Kontrol: kecepatan 0.5× sampai 2× dengan langkah 0.05, plus tombol Berhenti.
• Tidak ada mode massal: satu bagian setiap kali jalan.
• Opsi Kokoro v1.0 di menu Mesin bertanda tidak tersedia di sini; di URL lokal ini Web Speech yang selalu berbicara, dan versi dengan berkas ada di halaman bahasa Inggris.

Pertanyaan yang sering diajukan