सामान्य टेक्स्ट-टू-स्पीच सब कुछ एक ही आवाज़ में पढ़ता है। लेकिन पॉडकास्ट, इंटरव्यू या स्केच के लिए इससे ज़्यादा चाहिए होता है — दो या तीन लोग जो एक-दूसरे को जवाब दें, बीच में टोकें और हँसें। अलग-अलग लाइनों को हाथ से जोड़ने में काफी समय लगता है, और फिर भी पॉज़ अजीब लगते हैं। Dialogue टूल पूरी स्क्रिप्ट को एक साथ, एक ही रिकॉर्डिंग के रूप में आवाज़ देता है।
हर लाइन को अलग पंक्ति में लिखें: "अन्ना: हाय! आज हम किस बारे में बात कर रहे हैं?"। कोलन से पहले का नाम बोलने वाले का नाम है, और आप हर बोलने वाले के लिए एक आवाज़ चुनते हैं। डैश (-) से शुरू होने वाली लाइनें दो आवाज़ों के बीच बारी-बारी से बदलती हैं। अभी तक स्क्रिप्ट नहीं है? एक विषय बताएं — "दो दोस्त बहस कर रहे हैं कि दूसरे शहर में शिफ्ट हों या नहीं" — 1 से 5 मिनट तक की लंबाई चुनें, और AI मुफ्त में दो-व्यक्ति का डायलॉग लिख देगा, जिसे आप एडिट कर सकते हैं।
Google का Gemini 3.1 Flash TTS किफ़ायती कीमत पर और सहज पॉज़ के साथ दो बोलने वालों को आवाज़ देता है, और आप बातचीत का मूड शब्दों में सेट कर सकते हैं। ElevenLabs का Eleven v3 Dialogue तीन आवाज़ों तक सपोर्ट करता है और सबसे एक्सप्रेसिव डिलीवरी देता है: [laughs], [whispers], [interrupting] जैसे टैग सीधे लाइनों के अंदर इस्तेमाल करें। आप सिर्फ बोले गए टेक्स्ट के लिए भुगतान करते हैं — स्पीकर के नाम गिने नहीं जाते।