گائیڈ

میوز کے ذریعے اپنی وائس جنریٹنگ ایپ بنائیں

اردو اے آئی ٹیم
میوز کے ذریعے اپنی وائس جنریٹنگ ایپ بنائیں
فہرست مضمون

    اپنی ریل، سبق یا کاروباری اعلان کا متن لکھ لیا ہے؟ جادو وائس (Jadoo Voice) اسی متن سے وائس اوور بنانے کا ٹول ہے، جسے آپ اپنے میٹا میوز (Meta Muse) میں بطور آرٹیفیکٹ بناتے اور وہیں چلاتے ہیں۔ آرٹیفیکٹ سے مراد میوز کے اندر تیار ہونے والی قابلِ استعمال ایپ ہے۔ اس میں آپ اپنی جیمنائی (Gemini) API کی لگاتے ہیں، آواز اور پڑھنے کا انداز چنتے ہیں، پھر آڈیو سن کر محفوظ کرتے ہیں۔ اس گائیڈ میں کی بنانے سے فائل ڈاؤن لوڈ کرنے تک پورا طریقہ ہے۔ اپنی جادو وائس ایپ بنانے کا ماسٹر پرامپٹ بھی ساتھ دیا گیا ہے۔

    پہلی کوشش میں صرف 2 یا 3 جملوں کی آواز بنائیں۔ آڈیو چلنے لگے تو متن سامنے رکھ کر سنیں: نام درست پڑھا گیا؟ کوئی لفظ چھوٹا تو نہیں؟ آخری جملہ مکمل ہے؟ یہی چھوٹا تجربہ بتائے گا کہ آپ پورا اسکرپٹ بنانے کے لیے تیار ہیں یا پہلے سیٹنگ بدلنی ہے۔

    اپنی ایپ بنانے کا مکمل پرامپٹ

    اسے کاپی کرکے اپنے میوز کی نئی چیٹ میں دیں؛ میوز آپ کے لیے جادو وائس کا آرٹیفیکٹ بنائے گا۔ اپنی API کی اس پرامپٹ میں شامل نہ کریں۔

    فائل ڈاؤن لوڈ کریں

    اپنے میوز سے آغاز کریں

    ہر شخص اسی پرامپٹ سے اپنے میوز میں جادو وائس کا اپنا آرٹیفیکٹ بنائے گا، اپنی Gemini کی لگائے گا اور اپنی آوازیں تیار کرے گا۔ اس طریقے میں الگ ویب سائٹ یا مشترکہ ایپ لنک کھولنے کا مرحلہ شامل نہیں۔

    • اپنے میوز میں جادو وائس پہلے بنا چکے ہیں: اسی آرٹیفیکٹ کو کھولیں اور مرحلہ 2 سے آگے بڑھیں۔
    • پہلی بار بنا رہے ہیں: مرحلہ 1 کا ماسٹر پرامپٹ اپنے میوز میں دیں۔

    آپ کو میوز تک رسائی، اپنا گوگل اکاؤنٹ اور انٹرنیٹ چاہیے۔ کی بنانے کے لیے فون یا کمپیوٹر کے براؤزر میں گوگل اے آئی اسٹوڈیو کھولیں گے۔ گوگل اے آئی اسٹوڈیو (Google AI Studio) کی دستیاب علاقوں کی فہرست میں پاکستان شامل ہے؛ استعمال کے لیے عمر کم از کم 18 سال ہونا ضروری ہے۔

    1۔ اپنے میوز میں جادو وائس کا آرٹیفیکٹ بنائیں

    اپنی میوز ایپ کھولیں، نئی چیٹ شروع کریں اور اوپر دیے گئے بٹن سے مکمل ماسٹر پرامپٹ کاپی کریں۔ اسے نئی چیٹ میں چسپاں کریں۔ اس میں ایپ کی شکل، اردو انٹرفیس، آڈیو بنانے اور فائل محفوظ کرنے کی تمام ضروریات درج ہیں۔

    پرامپٹ بھیج کر میوز سے کہیں: «جادو وائس کو ایسا آرٹیفیکٹ بنائیں جسے میں یہیں میوز میں چلا سکوں۔» آرٹیفیکٹ تیار ہو تو اسے میوز کے اندر کھولیں۔ اس میں یہ چیزیں دیکھیں: اردو/English کا انتخاب، Gemini کی کا خانہ، متن لکھنے کی جگہ، آواز کا انتخاب اور آڈیو کا پلیئر۔ کوئی حصہ غائب ہو تو اسی چیٹ میں اس کی نشاندہی کریں۔ مثال کے طور پر: «متن کا خانہ فون پر کٹ رہا ہے؛ اسے درست کریں اور اردو دائیں سے بائیں دکھائیں۔»

    پاکستان میں میوز کی دستیابی کی تصدیق نہیں ملی۔ میٹا کے 23 اکتوبر کے اعلان میں جاپان کی توسیع بیان ہوئی ہے۔ یہ طریقہ ان قارئین کے لیے ہے جن کے اپنے اکاؤنٹ میں میوز دستیاب ہے۔

    ماڈل کی ضروری اپڈیٹ: اصل پی ڈی ایف میں gemini-2.5-flash-preview-tts درج ہے۔ گوگل کے بندش کے شیڈول میں اس کے لیے 17 نومبر 2026 ممکنہ ابتدائی تاریخ درج ہے، اس لیے نئے پرامپٹ میں موجودہ TTS ماڈل کے مطابق ایپ بنانے کی ہدایت شامل ہے۔ پرانی ایپ میں صرف ماڈل کا نام بدلنا کافی نہ ہو؛ ایجنٹ سے درخواست اور آڈیو پراسیسنگ بھی اپڈیٹ کروائیں۔

    2۔ گوگل اے آئی اسٹوڈیو کھولیں

    aistudio.google.com کھول کر اپنے گوگل اکاؤنٹ سے سائن اِن کریں۔ فون پر بائیں اوپر 3 لکیروں والا مینو کھولیں۔ نیچے چابی کی شکل والے آئیکن کو دبائیں۔ اس سے API keys والا حصہ کھلے گا۔

    گوگل اے آئی اسٹوڈیو میں بائیں اوپر مینو کا بٹن سرخ خانے میں
    مینو کھولیں؛ سرخ خانہ بٹن کی جگہ دکھاتا ہے۔
    کھلے مینو میں API کی کا آئیکن نیچے سرخ خانے میں
    نیچے کی کے آئیکن سے API keys پر جائیں۔

    انٹرفیس مختلف ہو تو API keys کا صفحہ براہ راست کھولیں۔ آپ کو اپنی کی بنانے یا موجودہ کی دیکھنے کا اختیار ملنا چاہیے۔

    3۔ اپنی Gemini API کی بنائیں

    API کی وہ خفیہ کوڈ ہے جس سے ایپ آپ کے گوگل پروجیکٹ کے تحت آواز بنانے کی درخواست بھیجتی ہے۔ API keys کے صفحے پر Create API key دبائیں۔ کھلنے والے Create a new key خانے میں نام رکھیں، مثلاً Jadoo Voice Personal۔

    پروجیکٹ کے انتخاب میں اپنا موجودہ پروجیکٹ چنیں۔ ضرورت ہو تو دکھائی دینے والا Create project یا Import project اختیار استعمال کریں۔ کی بن جائے تو اس کے ساتھ Copy آئیکن دبائیں۔ نئے اکاؤنٹ میں گوگل پہلے سے پروجیکٹ اور کی بھی دے سکتا ہے۔ مزید تفصیل گوگل کی API کی گائیڈ میں ہے۔

    نئی API کی بناتے وقت نام اور پروجیکٹ منتخب کرنے کے خانے
    نام رکھیں اور اپنا پروجیکٹ منتخب کریں۔
    API key details میں کاپی کا آئیکن؛ اصل کی اور پروجیکٹ کی معلومات چھپائی گئی ہیں
    کی کے سامنے کاپی آئیکن دبائیں۔ اپنی اصل کی شیئر نہ کریں۔

    4۔ جادو وائس میں کی لگائیں اور آزمائیں

    اپنی میوز ایپ میں جادو وائس کے آرٹیفیکٹ پر واپس آئیں۔ «میری Gemini کی» والے حصے میں کاپی کیا ہوا کوڈ پیسٹ کریں۔ اپنے ذاتی آلے پر «اسی ڈیوائس پر محفوظ کریں» دبائیں، پھر «کی آزمائیں» سے جانچیں۔ کامیابی کا پیغام آئے تو اگلے مرحلے پر جائیں۔ بعد میں آرٹیفیکٹ دوبارہ کھولنے پر کی محفوظ نہ ملے تو اسے دوبارہ درج کریں؛ محفوظ رہنے کا طریقہ میوز کے ماحول پر منحصر ہو سکتا ہے۔

    جادو وائس میں Gemini کی پیسٹ کرنے، محفوظ کرنے اور آزمانے کے بٹن
    اوپر کی کا خانہ، اس کے نیچے محفوظ کرنے اور آزمانے کے بٹن ہیں۔

    کی کو پاس ورڈ کی طرح رکھیں۔ اسے صرف اپنی بنائی یا بھروسے کی ایپ میں ڈالیں۔ آڈیو بناتے وقت آپ کا متن اور کی گوگل کی API کو بھیجے جاتے ہیں؛ «کی براؤزر میں محفوظ ہے» کا مطلب یہ نہیں کہ وہ کبھی آلے سے باہر نہیں جاتی۔ مشترکہ کمپیوٹر پر اسے محفوظ نہ کریں۔ «کی صاف کریں» مقامی کاپی ہٹاتا ہے؛ افشا ہونے والی کی کو گوگل اے آئی اسٹوڈیو میں بھی منسوخ کریں۔

    5۔ پہلے مختصر اردو متن لکھیں

    متن کے خانے میں یہ نمونہ ڈالیں:

    السلام علیکم! آج ہم اردو میں اپنا پہلا وائس اوور بنا رہے ہیں۔ پہلے ایک چھوٹا سا متن آزمائیں، پھر آواز سن کر اگلا قدم اٹھائیں۔

    صرف وہ الفاظ لکھیں جو آواز میں سنانا چاہتے ہیں۔ «پُرسکون انداز میں پڑھیں» جیسی ہدایات اگلے مرحلے کے انداز والے خانے میں دیں۔ جملے مختصر رکھیں اور جہاں وقفہ چاہیے، وہاں مناسب اوقاف لگائیں۔ نام، فون نمبر اور قیمتیں لکھنے کے بعد خاص طور پر سن کر جانچیں۔

    اردو کی جانچ ضروری ہے: گوگل کے موجودہ 3.8 TTS زبانوں کے جدول میں اردو نام سے درج نہیں ملی، جبکہ پرانے دستاویزی نسخوں میں اردو موجود تھی۔ اس لیے نئے ماڈل پر پاکستانی اردو کے درست تلفظ کی ضمانت نہیں دی جا سکتی۔ پہلے یہی نمونہ سنیں؛ نتیجہ درست نہ ہو تو پورا اسکرپٹ بنانے سے پہلے ماڈل یا ایپ کی ترتیب درست کروائیں۔ موجودہ TTS دستاویزات

    6۔ آواز اور پڑھنے کا انداز منتخب کریں

    آوازوں کے کارڈز میں سے ایک نام چنیں، مثلاً Zephyr، Puck یا Kore۔ پہلے ایک ہی متن کو 2 آوازوں میں سنیں اور اپنی ضرورت کے مطابق انتخاب کریں۔ کارڈ پر لکھی عمر یا مزاج کی تفصیل ایپ کی رہنمائی ہے؛ اصل فیصلہ آواز سن کر کریں۔

    جادو وائس کی آوازوں کی فہرست میں Zephyr کا کارڈ سرخ خانے میں
    مثال میں Zephyr نشان زد ہے؛ اپنی پسند کی آواز منتخب کریں۔

    اس کے بعد Expression میں انداز، Pace میں رفتار اور Accent میں لہجہ طے کریں۔ پاکستانی اردو کا اختیار ہو تو اسے منتخب کریں۔ ابتدا میں عام رفتار اور پُرسکون انداز رکھیں۔ اضافی ہدایت کے خانے میں یہ لکھ سکتے ہیں:

    پاکستانی اردو میں، دوستانہ اور پُرسکون انداز سے پڑھیں۔ رفتار معتدل ہو۔ ہر مکمل جملے کے بعد ہلکا وقفہ دیں۔ صرف دیا گیا متن پڑھیں۔

    آواز پسند آ جائے تو اس کا نام اور یہ ہدایات محفوظ رکھیں۔ اگلی ریل یا سبق میں انہی سے آغاز کریں؛ پوری سیریز میں آواز بدلنے سے بچیں۔

    7۔ آواز بنائیں، پھر پورا نتیجہ سنیں

    آواز بنانے کا بٹن دبائیں اور پراسیسنگ مکمل ہونے دیں۔ لمبا متن ہو تو ایپ اسے حصوں میں بنا سکتی ہے۔ دورانِ کام بٹن بار بار نہ دبائیں۔ آڈیو پلیئر آئے تو متن کے ساتھ شروع سے آخر تک سنیں۔

    • کوئی جملہ رہ گیا ہو تو اس حصے کو دوبارہ بنائیں۔
    • لفظ غلط بولا گیا ہو تو اس کا املا یا جملے کی ساخت آسان کریں۔
    • حصوں کے درمیان آواز بدل رہی ہو تو چھوٹا اسکرپٹ، ایک ہی آواز اور یکساں انداز آزمائیں۔
    • آخری جملہ کٹا ہو تو اس فائل کو استعمال نہ کریں؛ دوبارہ بنائیں یا ایپ کی خرابی درست کروائیں۔

    الفاظ کی تعداد سے وقت کا صرف اندازہ لگ سکتا ہے۔ حتمی دورانیہ بننے والی آڈیو کے پلیئر میں دیکھیں۔

    8۔ WAV یا MP3 فائل ڈاؤن لوڈ کریں

    ایڈیٹنگ کے لیے Download WAV چنیں۔ فون پر سننے یا بھیجنے کے لیے MP3 کا اختیار دستیاب ہو تو اسے استعمال کریں؛ عموماً فائل چھوٹی ہوتی ہے۔ ڈاؤن لوڈ کے بعد فائل الگ پلیئر میں کھول کر آخری چند سیکنڈ بھی سنیں۔

    آئی فون: ڈاؤن لوڈ یا شیئر کا بٹن دبائیں۔ شیئر شیٹ میں Save to Files چنیں، فولڈر منتخب کریں اور Save دبائیں۔ فائل Files ایپ میں کھولیں۔

    اینڈرائیڈ: ڈاؤن لوڈ کے بعد براؤزر کے Downloads یا فون کی Files ایپ میں جائیں۔ فائل کا نام اور سائز دیکھیں، پھر اسے چلا کر جانچیں۔

    میک یا ونڈوز: فائل عموماً Downloads میں ملتی ہے۔ آڈیو نئی ٹیب میں کھلے تو براؤزر کا Save As اختیار استعمال کریں؛ میک پر Cmd + S اور ونڈوز پر Ctrl + S بھی آزما سکتے ہیں۔

    9۔ واٹس ایپ پر اصل آڈیو فائل بھیجیں

    Share یا Share to WhatsApp دکھائی دے تو اسے دبائیں، واٹس ایپ منتخب کریں، مطلوبہ چیٹ چنیں اور فائل بھیجنے سے پہلے نام دیکھ لیں۔ اس میں اصل آڈیو فائل جانی چاہیے، صرف ایپ کا لنک نہیں۔

    فائل شیئر کرنے کا اختیار براؤزر میں کام نہ کرے تو پہلے آڈیو ڈاؤن لوڈ کریں۔ پھر واٹس ایپ چیٹ میں اٹیچمنٹ سے محفوظ فائل منتخب کریں۔ وصول کرنے والے کو آپ کی Gemini کی نہیں چاہیے؛ وہ عام آڈیو فائل کی طرح اسے سن سکتا ہے۔

    10۔ الفاظ کے ساتھ ویڈیو بنانا چاہیں تو

    پی ڈی ایف میں بیان کردہ اختیاری ویڈیو فیچر آواز کے ساتھ اردو الفاظ دکھاتا ہے۔ ایپ میں Preview Video موجود ہو تو پہلے مختصر کلپ آزمائیں۔ Download Video سے پہلے دیکھیں کہ الفاظ صحیح جڑ رہے ہیں، دائیں سے بائیں ترتیب درست ہے اور آواز سنائی دے رہی ہے۔

    یہ فیچر تجرباتی ہے؛ الفاظ کی ٹائمنگ اندازے سے بنتی ہے اور لمبی آڈیو میں آگے پیچھے ہو سکتی ہے۔ ابتدا میں 720 × 1280 کا ہلکا آپشن کافی ہے۔ فائل کے اصل فارمیٹ کو دیکھیں؛ WebM فائل کو صرف نام بدل کر MP4 نہ سمجھیں۔ ویڈیو خاموش بنے تو WAV یا MP3 محفوظ کرکے اپنے ویڈیو ایڈیٹر میں شامل کریں۔

    کتنا استعمال مفت ہے؟

    25 اکتوبر 2026 کو گوگل کی قیمتوں کی فہرست میں Gemini 3.8 Flash TTS اور Flash-Lite TTS کے لیے مفت درجے میں محدود استعمال موجود ہے۔ اس سے روزانہ لامحدود آوازیں بنانے کا وعدہ نہیں ہوتا۔ ایپ بنانے والے پلیٹ فارم کی فیس الگ ہو سکتی ہے۔

    اپنے پروجیکٹ کے Rate limits صفحے پر اصل حد دیکھیں۔ گوگل درخواستوں کی فی منٹ، ٹوکنز کی فی منٹ اور درخواستوں کی یومیہ حد لگاتا ہے۔ یہ حد پروجیکٹ کی ہوتی ہے؛ اسی پروجیکٹ کی نئی کی بنانے سے دوگنی نہیں ہوتی۔ روزانہ کی گنتی Pacific وقت کی آدھی رات پر ری سیٹ ہوتی ہے۔ گوگل کی شرحِ استعمال کی حدود

    مثلاً ایپ اسکرپٹ کو 5 حصوں میں بنائے تو ایک وائس اوور کئی درخواستیں استعمال کرے گا۔ پہلے چھوٹا نمونہ آزمائیں، پھر مکمل متن چلائیں۔ مفت درجے میں مواد گوگل کی مصنوعات بہتر بنانے کے لیے استعمال ہو سکتا ہے؛ ذاتی یا کاروباری خفیہ متن ڈالنے سے پہلے اپنے منتخب درجے کی شرائط دیکھیں۔

    کوئی مسئلہ آئے تو یہ کریں

    مسئلہاگلا قدم
    کی قبول نہیں ہو رہیپوری کی دوبارہ پیسٹ کریں۔ غلطی کے پیغام میں پروجیکٹ، اجازت یا پابندی کا ذکر بھی دیکھیں؛ ہر خرابی کی وجہ غلط کی نہیں ہوتی۔
    404 یا model not foundماڈل کا درست نام اور اکاؤنٹ کی رسائی جانچیں۔ پرانی ایپ ہو تو ایجنٹ سے مکمل TTS انٹیگریشن اپڈیٹ کروائیں۔
    429 یا limit reachedاپنی حد دیکھیں۔ فی منٹ کی حد ہو تو وقفہ دیں؛ یومیہ حد ہو تو ری سیٹ ہونے کا انتظار کریں۔ بار بار بٹن نہ دبائیں۔
    آڈیو نہیں بنی یا درخواست رد ہوئیغیر ضروری ہدایات متن سے ہٹائیں، مختصر جائز نمونہ آزمائیں اور اصل پیغام پڑھیں۔
    MP3 خراب ہےدرست چلنے والی WAV محفوظ کریں۔ MP3 بنانے کی خرابی ایپ بنانے والے ایجنٹ کو بتائیں۔
    ویڈیو میں آواز نہیںویڈیو استعمال نہ کریں۔ الگ آڈیو ڈاؤن لوڈ کرکے ایڈیٹر میں لگائیں۔

    اس سے کیا کام لیں؟

    استاد ایک مختصر سبق کی آواز بنا کر طلبہ کو بھیج سکتا ہے۔ چھوٹا کاروبار اوقاتِ کار یا نئی سروس کا اعلان تیار کر سکتا ہے۔ مواد بنانے والا اپنی ریل کی ویڈیو پہلے ایڈٹ کرکے مناسب دورانیے کا وائس اوور اس کے نیچے لگا سکتا ہے۔

    آج کے لیے ایک کام منتخب کریں: 3 جملوں کا اعلان لکھیں، آواز بنائیں، پوری فائل سنیں اور اسے اپنے فون میں محفوظ کریں۔ یہ مرحلہ درست ہو جائے تو اسی آواز اور انداز سے اپنا اگلا سبق یا ویڈیو تیار کریں۔

    اپنی ایپ بنانے کا مکمل ماسٹر پرامپٹ کھولیں
    Build a working personal Jadoo Voice artifact for Urdu voiceovers inside my own Muse app. Each reader creates and runs their own artifact in their own Muse account with their own Gemini API key. This is an implementation brief adapted from the supplied Jadoo Voice guide, updated 25 October 2026. Deliver the working artifact and source inside Muse, with instructions to open and reuse it there. A separate hosted website, public app URL or deployment is not part of this task. Do not ask for my secret key in chat; I will enter it in the finished app.
    
    1. Verify the integration before coding
    Read the current official documentation:
    https://ai.google.dev/gemini-api/docs/speech-generation
    https://ai.google.dev/gemini-api/docs/generate-content/speech-generation
    https://ai.google.dev/gemini-api/docs/api-key
    https://ai.google.dev/gemini-api/docs/pricing
    https://ai.google.dev/gemini-api/docs/rate-limits
    https://ai.google.dev/gemini-api/docs/deprecations
    Use a currently supported TTS model and its matching API schema. At this review date, gemini-3.8-flash-tts is a current model; gemini-3.8-flash-lite-tts is an optional explicit alternative. Do not silently switch models or enable paid billing. The old guide used gemini-2.5-flash-preview-tts, which has a listed earliest shutdown date of 17 November 2026. Migrating requires checking the request format and response audio format, not just changing a string.
    The current 3.8 language table does not explicitly list Urdu. Do not promise official Urdu support or perfect Pakistani pronunciation. Include a short Urdu audition and ask the user to judge it before making longer recordings. Report observed results separately from documentation claims.
    
    2. Personal BYOK architecture and truthful privacy
    Make a client-side artifact in Muse using the user's own Gemini API key, with calls to Google's documented API over HTTPS through a route actually supported by the artifact runtime. Verify network access, storage, playback and file export inside Muse. If the runtime blocks a required operation, explain which one and ask before changing the architecture or routing credentials through any additional service. Do not silently turn this into an externally hosted app.
    Keep the key in memory by default. Offer an explicit opt-in "اسی ڈیوائس پر محفوظ کریں" choice only if persistent local storage is supported inside this Muse artifact. Do not assume persistence across sessions or devices; test it and state its scope. Otherwise keep the key only for the current session and explain that it must be entered again. Include masked key input, deliberate reveal/hide, "کی آزمائیں", and "کی صاف کریں". Keep secrets out of URLs, logs, analytics, screenshots, source files, exports and error reports. Never insert a shared developer key into a public app. State plainly that the key and submitted script are sent to Google to generate audio. Clear key removes the local copy; it does not revoke the Google credential. Saving in localStorage is a convenience, not a security guarantee. Show a link to Google key management. Do not build a shared service or distribute a developer key; every user supplies their own key in their own artifact.
    
    3. Urdu-first, accessible interface
    Default Urdu with proper RTL and readable Noto Nastaliq Urdu, plus an English toggle. Persist language separately from credentials; toggling must retain the current script, selected voice and style. Keep English product names, voice IDs and model IDs in isolated LTR spans. Use English digits 0-9. Use کی for API key and آفیشل for official. Proofread all Urdu labels, help and errors, including واضح and سیکھنے. Avoid clipped Nastaliq descenders and overcrowded controls. Use semantic labels, keyboard focus, large touch targets and a responsive 375px layout.
    Create a professional deep green, sand and gold design. Exact top-right brand wordmark: Urdu Ai, Montserrat SemiBold, Urdu white, Ai #FFBE0B, lowercase i, transparent with no box. App name: Jadoo Voice. Use numbered sections: key, text, voice/style, generation, result. Do not fabricate provider logos.
    
    4. Script, voices and direction
    Provide a multiline Urdu script input, dir=auto, character count, and an explicitly rough duration estimate that updates to actual duration after generation. Never equate a fixed character count to guaranteed audio length. Warn before very long scripts and recommend a short audition.
    Offer the provider's current valid prebuilt voices, including Zephyr, Puck and Kore where supported. Preserve exact IDs. Use actual provider metadata when available. If adding editorial gender, age-feel or character filters, label them as app descriptions rather than verified identities or official demographic facts. Provide Expression, Pace and Accent controls and a free-editable direction field. Default to a requested Pakistani Urdu delivery, not a guaranteed result. Keep delivery instructions separate from the spoken transcript using the chosen API's documented mechanism. Keep one selected voice and direction across chunks.
    
    5. Generation and trustworthy progress
    Use a short test first. Split longer scripts at sentence boundaries, targeting around 1,800 characters per chunk as an app choice, respecting the actual model limits. Do not split Urdu graphemes. Show chunk N of M, allow cancel, retain successful chunks locally, and avoid regenerating successful work unnecessarily. Use bounded retries with backoff only for transient failures. Do not retry authorization failures or exhausted daily quotas in a loop. Explain that chunks and retries may consume quota. Use real completed-chunk progress; show an indeterminate state for stages without measurable progress.
    Parse the documented response MIME type and encoding. Never assume all models return raw PCM. Save valid WAV responses directly; if PCM is returned, use the documented rate/channel/bit depth to build a proper WAV. Decode compatible chunks, normalize their format when needed, concatenate audio samples and encode one valid output. Do not concatenate WAV headers. Check nonempty audio, container consistency and all expected chunks before offering the result. Container checks do not prove every word was spoken; prompt the user to listen to the complete recording.
    
    6. Clear errors and costs
    Translate actionable errors into Urdu and English. Explain HTTP 400 as a potentially invalid request, not always a bad key. For 401/403, check credential permissions or restrictions. For 404, check model/endpoint/access. For 429, distinguish available quota information and retry timing; link the user's AI Studio rate limits. Handle provider blocking, no audio, network issues and browser decoding failure without exposing credentials. Show only sanitized technical details for troubleshooting.
    Do not claim unlimited free use or a fixed daily allowance. Show the current pricing and rate-limit links. State that the selected project/model controls quota and billing. A new key in the same project does not increase quota. Free-tier data terms and builder-platform charges may differ. Never enable billing without the user's explicit authorization.
    
    7. Audio player, download and sharing
    After generation show a prominent player, actual duration and file size. Offer Download WAV. Optionally encode MP3 in the browser, flush the encoder, then decode it and compare its duration to the source within max(1 second, 5%). If MP3 validation fails, retain the valid WAV and explain the MP3 issue. Do not present malformed or truncated output as ready.
    Offer native file sharing only when navigator.canShare confirms support for the actual audio file. Share to WhatsApp may open the system share sheet; do not promise WhatsApp is installed. Fallback: download, then attach the file in WhatsApp. Never share the API key, app session data or a temporary blob URL as though it were a public audio download.
    Provide contextual save help: iPhone share sheet > Save to Files; Android Downloads/Files; desktop download, or open audio and Save As if supported. Temporary browser blob URLs work only in their local context; do not label them as cross-device public links. Revoke them only after use. Verify that file suffix, MIME type and content agree.
    
    8. Optional caption video, clearly experimental
    Implement only after the audio workflow works. Offer Preview Video and Download Video, portrait 720x1280 at 24fps by default, with optional 1080x1920 at 30fps. Use proper shaped RTL Nastaliq, current word highlighted and nearby words faded, a context line, audio-reactive waveform, timer and the exact Urdu Ai wordmark.
    Word timing may be estimated from the final recording length; explicitly label it estimated, not aligned transcription. Keep all timings within the audio duration. Long scripts can drift. Cache static layers. Choose an available codec/container combination; prefer MP4 with AAC when supported, otherwise show the actual WebM or supported format. Do not rename WebM as MP4. Use feature detection for WebCodecs and recording fallbacks; explain slower foreground rendering when needed. Do not promise faster-than-real-time export.
    Verify that the exported video has an audio track, decodes and has non-silent samples across representative segments. Ask the user to listen as well; signal detection is not a substitute for listening. If the output is silent, retry once with a supported recording route; if that fails, show a clear error and retain downloadable audio. Never offer a silent video as successfully complete. Report actual file size after encoding; avoid fixed compression promises.
    
    9. Acceptance checks and handover
    Test short Urdu speech, a multi-chunk script, proper final sentence, one consistent voice, language toggle without data loss, save/clear credential behavior, no secret in network destinations except Google authentication, invalid request handling, quota handling, audio playback, WAV download, MP3 fallback and mobile layout. Test exported video with sound if implemented. Test actual file sharing on a supported device; mark untested devices honestly.
    Use this audition script: السلام علیکم! آج ہم اردو میں اپنا پہلا وائس اوور بنا رہے ہیں۔ پہلے ایک چھوٹا سا متن آزمائیں، پھر آواز سن کر اگلا قدم اٹھائیں۔
    Provide a concise test report distinguishing real tests, mocked tests and checks still requiring the user's key/device. If credentials are unavailable, finish the app and test the non-network parts, but do not invent successful speech generation. Deliver the artifact in Muse, its source, dependency versions, steps to reopen it inside Muse, privacy data flow, and known runtime limitations. Do not deploy or publish an external website.
    

    اس گائیڈ کے 6 اسکرین شاٹس فراہم کردہ جادو وائس پی ڈی ایف سے لیے گئے ہیں۔ بٹنوں کی جگہ ایپ کے ورژن کے ساتھ بدل سکتی ہے۔ مراحل پی ڈی ایف اور آفیشل دستاویزات سے مرتب کیے گئے ہیں؛ میوز میں ہر شخص کے بنائے ہوئے آرٹیفیکٹ کی عملی جانچ الگ ہوگی۔ آخری جانچ: 25 اکتوبر 2026۔

    اردو اے آئی ٹیم

    اردو اے آئی کی ایڈیٹوریل ٹیم — پاکستان کا سب سے بڑا اردو زبان میں اے آئی خواندگی پلیٹ فارم۔

    ادارتی اصول اور تصحیح · ہماری ٹیم

    اردو اے آئی سے جڑے رہیں

    ہفتہ وار نیوز لیٹر سبسکرائب کریں یا واٹس ایپ چینل جوائن کریں

    يہ مضمون پسند آيا؟ اردو اے آئی ايپ ميں ہزاروں ايسے مضامين پڑھيں

    مفت ڈاؤن لوڈ کريں