আপনার কণ্ঠের AI ক্লোন, বাংলায় — মাত্র ৩০ সেকেন্ডে

"কণ্ঠ" মানে গলা, কণ্ঠস্বর, অর্থাৎ ভয়েস। কণ্ঠ AI একটি বাংলা AI ভয়েস অ্যাপ: লেখা দিন, বাংলাদেশি উচ্চারণে অডিও পান, নিজের কণ্ঠেও। স্লোগান: "ইন্টারনেটের কণ্ঠ"।

Google-এর AI দিয়ে, Google-এর অফিসিয়াল API-র মাধ্যমে। কণ্ঠ ক্লোন আর অডিও তৈরি হয় Google-এর সার্ভারে — Google নিজে সম্মতি যাচাই করে আর প্রতিটি অডিওতে SynthID জলছাপ দেয়। তার ওপর কণ্ঠ যোগ করেছে বাংলাদেশি উচ্চারণ, বাংলিশ ঠিক করা আর ১০টি আঞ্চলিক টান।

১০ থেকে ৩০ সেকেন্ড। ১৫–২৫ সেকেন্ড স্বাভাবিকভাবে কথা বললে সবচেয়ে ভালো হয়।

না। শুধু নিজের কণ্ঠ, অথবা কণ্ঠের মালিকের লিখিত অনুমতি থাকলে। সম্মতির বাক্যটি ওই মানুষকেই নিজের গলায় পড়তে হবে।

হ্যাঁ। "লেখা ঠিক করুন" বোতাম চাপলে বাংলিশ বাংলা হরফে আর সংখ্যা পড়ার মতো শব্দে বদলে যাবে। চাইলে নিজে ঠিক করে নিতে পারবেন। সাইন আপ ছাড়া শুধু হরফ বদলাতে চাইলে ফ্রি বাংলিশ থেকে বাংলা কনভার্টার আছে।

হ্যাঁ। কণ্ঠ তৈরির সময় আপনি অনুমতি দেন (আবশ্যিক ঘর), আর কণ্ঠ আপনার কণ্ঠের নমুনা ও সম্মতির রেকর্ডিং স্থায়ীভাবে রেখে দেয় নিজস্ব ভয়েস মডেল তৈরি ও উন্নত করতে। পরে কণ্ঠ বা অ্যাকাউন্ট মুছলেও সেগুলো থেকে যায়। এগুলো বিক্রি বা অন্য কাউকে দেওয়া হয় না। বানানো অডিও ৩০ দিন পর মুছে যায়।

ড্যাশবোর্ডের "ক্রেডিট কিনুন" পাতায় প্যাকেজ বেছে "পেমেন্ট করুন" চাপুন। shurjoPay-এর নিরাপদ পেজে বিকাশ, নগদ, রকেট, উপায় বা কার্ড দিয়ে দিন। ফিরে এলেই ক্রেডিট যোগ হয়ে যায় — কোনো TrxID লিখতে হয় না।

WAV বা MP3 — যেটা চান। দুটোই যেকোনো ভিডিও এডিটরে (CapCut, Premiere, Canva) সরাসরি ব্যবহার করা যায়। MP3 ফাইল WAV-এর প্রায় এক-তৃতীয়াংশ আকারের, তাই পাঠাতে সুবিধা; ড্যাশবোর্ডে প্রতিটি অডিওর পাশে দুটো ডাউনলোড বোতামই থাকে। লম্বা স্ক্রিপ্টের অডিও WAV-তেই পাবেন।

হ্যাঁ। ড্যাশবোর্ডের “লেখা” ট্যাবে একটি ব্রিফ দিলে ফেসবুক পোস্ট, বিজ্ঞাপন, ভিডিও স্ক্রিপ্ট বা ক্যাপশন লিখে দেয় (লেখার দৈর্ঘ্য অনুযায়ী ১০, ২০ বা ৪০ ক্রেডিট)। “রিলস” ট্যাবে পুরো রিলস কিট (৪০ ক্রেডিট): হুক, সিন ধরে ধরে পরিকল্পনা, ক্যাপশন আর হ্যাশট্যাগ। লেখাটি এক ক্লিকে নিজের কণ্ঠে অডিও করা যায়।

হ্যাঁ। REST API দিয়ে আপনার সার্ভার লেখা পাঠিয়ে WAV বা MP3 অডিও পেতে পারে। আর Claude, ChatGPT, Cursor বা Codex-এর সাথে Kontho যুক্ত করে চ্যাটবটকেই অডিও বানাতে বলা যায়। ক্রেডিট ওয়েবসাইটের মতোই কাটে। API ও চ্যাটবটে অডিও বানাতে যেকোনো একটি প্যাকেজ কেনা লাগে, আর এখানে শুধু রেডিমেড কণ্ঠ চলে (ক্লোন করা কণ্ঠ ওয়েবসাইটে)। বিস্তারিত: ডেভেলপার গাইড।

"Kontho" (কণ্ঠ) means voice in Bengali. Kontho AI is a Bangla AI voice app from Bangladesh: type text, get audio in a Bangladeshi accent, in your own voice or a ready-made one. Our slogan is "The voice of the internet" (ইন্টারনেটের কণ্ঠ).

Google's AI, through Google's official API. Your voice is cloned and the audio is made on Google's servers; Google itself verifies the consent and puts the SynthID watermark in every audio. On top of that, Kontho adds the Bangladeshi pronunciation, Banglish fixing and 10 regional accents.

10 to 30 seconds. Speaking naturally for 15–25 seconds gives the best result.

No. Only your own voice, or with the owner's written permission. That person must read the consent sentence in their own voice.

Yes. The "Fix text" button converts Banglish into Bangla script and numbers into spoken words. You can edit the result before generating. To change only the script without signing up, use the free Banglish to Bangla converter.

Yes. When you create a voice you give permission (a required box), and Kontho keeps your voice sample and consent recording permanently to build and improve its own voice models. They stay even if you later delete the voice or your account. They are never sold or shared. Generated audio is deleted after 30 days.

On the dashboard's "Buy credits" page, choose a package and press Pay. Pay on shurjoPay's secure page with bKash, Nagad, Rocket, Upay or a card. The credits are added as soon as you come back — no TrxID to type.

WAV or MP3 — your choice. Both work directly in any video editor (CapCut, Premiere, Canva). The MP3 is about a third of the size of the WAV, so it is easier to send; on the dashboard every audio has both download buttons. Audio from a long script comes as WAV.

Yes. In the dashboard's "Write" tab, give a short brief and Kontho writes a Facebook post, advert, video script or caption (10, 20 or 40 credits, by length). The "Reels" tab makes a full Reels kit (40 credits): hook, scene-by-scene plan, caption and hashtags. One click voices the text in your own voice.

Yes. With the REST API your server can send text and get WAV or MP3 audio back, and you can connect Kontho to Claude, ChatGPT, Cursor or Codex and ask the chatbot to make the audio. It uses the same credits as the website. Making audio through the API or a chatbot needs one purchase of any package and uses the ready-made voices only (cloned voices work on the website). Details: the developer guide.