লাইভ ট্রান্সক্রিপশন

রেকর্ড চাপুন এবং আপনার শব্দ সরাসরি আমাদের AI-এ প্রবাহিত হবে। আপনার শব্দের পরে কিছু সেকেন্ডের মধ্যে লেখাটি দেখা যাবে, এবং আপনি যখন থামবেন তখন একটি পরিষ্কার ট্রান্সক্রিপশন আসবে।

কোন নিবন্ধন নেই কোন ওয়াটারমার্ক নেই TXT · SRT · VTT রপ্তানি ২৪ ঘণ্টার মধ্যে ফাইল স্বয়ংক্রিয়ভাবে মুছে ফেলা হবে
আপনার ফাইল এখানে টেনে নিয়ে যাও
অথবা আপনার ফাইল ব্রাউজ করুন
বিনামূল্যে: {0} ফাইল প্রতিদিন · সর্বোচ্চ {1} মিনিট & {2} মেগাবাইট প্রতিটি
অথবা এখানে থেকে আমদানি করো
0:00
লাইভ ড্রাফট
আপনি যখন কথা বলবেন তখন শব্দগুলো আসবে, আমাদের নিজস্ব AI দ্বারা সরাসরি অনুবাদ করা হবে। সম্পন্ন করার পর অনুবাদ করুন চাপুন, যাতে আপনি পরিষ্কার, সম্পাদনযোগ্য সংস্করণ দেখতে পারেন।
মাইক্রোফোন ব্যবহার নিষিদ্ধ করা হয়েছে। আপনার ব্রাউজার সাইটের বৈশিষ্ট্য অনুযায়ী এটি অনুমোদন করুন, অথবা এর পরিবর্তে একটি ফাইল আপলোড করুন।
স্পিকার লেবেল (প্রো)

বড় ফাইল অথবা আরো আপলোড? বিনামূল্যে অ্যাকাউন্ট: ৫ ফাইল/দিন, ১ ঘণ্টার ফাইল · প্রফেশনাল: ১০ ঘন্টার ফাইল + স্পিকার লেবেল

0%
আপলোড করা হচ্ছে...
এই ট্যাব খোলা রাখুন। আপনি আপনার ট্রান্সক্রিপশনে পুনরায় পরিচালিত হবেন।
Talks & speechesReal-time notesIn-room speechAccessibility

আসলে লাইভ: আপনি কথা বলতে থাকলে আপনার কথা আমাদের নিজস্ব AI-এর কাছে পৌঁছে যায়

আপনি যখন রেকর্ড করছেন, তখন পাতা মাইক্রোফোনের স্ট্রিমকে ছোট ছোট অংশে ভাগ করে - প্রতিটি অংশ কয়েক সেকেন্ডের, কাটা হয়েছে আদর্শভাবে যাতে পরবর্তী অংশটি আগের অংশের সাথে সাথেই পাঠানো যায় - এবং প্রত্যেকটি অংশ সরাসরি আমাদের জিপিইউ সার্ভারে পাঠানো হয়, যেখানে একই Whisper-class মডেল যা সমগ্র সাইটকে চালনা করে তাৎক্ষণিকভাবে তা অনুবাদ করে। লেখাটি আপনার কণ্ঠের কয়েক সেকেন্ড পরে লাইভ ফিডে পৌঁছে যায় এবং যতক্ষণ আপনি কথা বলবেন ততক্ষণ পর্যন্ত চলতে থাকে। কোন ব্রাউজার স্পিকার সার্ভিস নেই, কোন তৃতীয় পক্ষের ডিকশনারি অ্যাপিআই নেই - লাইভ টেক্সট হচ্ছে আমাদের নিজের হার্ডওয়্যার থেকে আসল Whisper আউটপুট।

কারণ এর জন্য শুধুমাত্র মাইক্রোফোন রেকর্ডিং প্রয়োজন, লাইভ মোড সব আধুনিক ব্রাউজার - ক্রোম, এজ, সাফারি এবং ফায়ারফক্স, ডেস্কটপ এবং ফোনে কাজ করে। প্রতিটি অডিও সেগমেন্ট আমাদের সার্ভার থেকে মুছে ফেলা হয় যখন এর টেক্সট ফিরে আসে।

লাইভ ফিডের সাথে শেষ ট্রান্সক্রিপশনের তুলনা

সেগমেন্ট-বিশেষে-সেগমেন্ট অনুবাদ করার একটি অভ্যন্তরীণ সীমা আছে: মডেল একবার কয়েক সেকেন্ড দেখতে পারে, তাই দুই সেগমেন্টের মধ্যে একটি শব্দ ক্লিপ করা হতে পারে, এবং সেগমেন্টের সীমানা অতিক্রম করে বিরামচিহ্ন অনুমান করা হয়। এই কারণেই প্রবাহ আরো এক ধাপ শেষ হয়: পুরো রেকর্ডিং আপনার ব্রাউজার-এ রাখা হয় যখন আপনি কথা বলেন, এবং অনুবাদ চাপলে এটি মডেল-এর মাধ্যমে একক ট্যাক হিসাবে চলবে - পূর্ণ প্রসঙ্গ, সঠিক বিরামচিহ্ন, টাইমসটাম্প, সম্পাদক, এবং TXT/SRT/VTT রপ্তানি।

লাইভ ফিড ব্যবহার করে নিশ্চিত করুন যে এটি চলছে এবং লেখাটি বলার সময় তা ধরে রাখুন (ফিডে একটি অনুলিপি বাটন আছে); আপনি যা কিছু রাখতে চান তার জন্য শেষ পাস ব্যবহার করুন। অডিও ফাইল যা ইতিমধ্যেই আপনার কাছে আছে, যে কোন টুল পেজে আপলোড মোডটি সংক্ষিপ্ত পথ।

প্রায়শই জিজ্ঞাসিত প্রশ্ন

এটা কি সত্যিই সরাসরি, নাকি রেকর্ড করা এবং পরে পাঠানো?
আসলে লাইভ: রেকর্ডিং এবং অনুবাদ একই সাথে চলছে। এই পাতা প্রতিটি কয়েক সেকেন্ডের অডিও অংশ আমাদের জিপিইউ-তে পাঠায় যখন আপনি এখনো পরবর্তী অংশটি বলছেন, তাই লেখা রেকর্ডিং চলাকালীন সংগ্রহ করা হয়, এর পরে নয়। আশা করা যায় যে ফিড আপনার কন্ঠের কিছু সেকেন্ড পিছনে চলবে - যে সময় লাগে একটি অংশ শেষ করতে, আপলোড করতে এবং অনুবাদ করতে।
লাইভ টেক্সট আমার কিছু সেকেন্ড পিছনে কেন?
তিনটি ছোট বিলম্বের স্তূপ: একটি অংশ রেকর্ড করা শেষ করতে হবে (তিন সেকেন্ড বা তার বেশি), সার্ভারে ভ্রমণ করতে হবে, এবং মডেল থেকে অতিক্রম করতে হবে। যা সাধারণত আপনার শব্দের পিছনে ফিডকে ৪-৮ সেকেন্ডের পিছনে রাখে - এবং যদি আমাদের GPU অল্প সময়ের জন্য ব্যস্ত থাকে, পৃষ্ঠাটি পিছনে পড়া বদলে আরো দীর্ঘ অংশ পাঠিয়ে আরাম করে। বিরতির সাথে স্বাভাবিক কথা বলা সুষম মনে হয়।
কোন ব্রাউজারগুলিতে লাইভ মোড কাজ করে?
সব আধুনিক — ক্রোম, এজ, সাফারি এবং ফায়ারফক্স, ডেস্কটপ এবং ফোনে। এটি একটি ব্রাউজার শব্দ পরিষেবা না করে একটি স্ট্যান্ডার্ড মাইক্রোফোন রেকর্ডিং এর উপর নির্ভর করে, তাই এটি ফায়ারফক্সে ক্রোমের মতো কাজ করে।
লাইভ ট্রান্সক্রিপশন চলাকালীন আমার কণ্ঠ কোথায় যাবে?
শুধুমাত্র আমাদের সার্ভারগুলোর জন্য, এবং সত্যিকার অর্থে বর্ণনা করা: লাইভ মোড আপনার অডিও আমাদের কাছে ছোট ছোট অংশে স্ট্রিম করে যখন আপনি কথা বলছেন - এটাই এটিকে লাইভ করে তোলে - এবং প্রতিটি অংশ মুছে ফেলা হয় তার লেখা ফিরে আসার পর। কিছুই গুগল, অ্যাপল, বা অন্য কোন তৃতীয় পক্ষের কথা বলার সেবায় যায় না। পুরো রেকর্ডিং আপনার ব্রাউজারেই থাকে যতক্ষণ না আপনি ট্রান্সক্রিপশন চাপ দেন, এবং বেনামী ট্রান্সক্রিপশন ২৪ ঘণ্টার মধ্যে স্বয়ংক্রিয়ভাবে মুছে ফেলা হয়।
আমি কি এটা ব্যবহার করে রুমে সভা বা বক্তৃতা অনুসরণ করতে পারি?
ব্যক্তিগত সহায়ক হিসেবে, হ্যাঁ - স্পিকারের কাছে যন্ত্রটি রাখুন এবং ফিড স্পষ্টভাবে কথা বলার ট্র্যাক রাখবে, দশ সেকেন্ডের পিছনে। সীমাবদ্ধতা জানুন: একটি মাইক্রোফোন, তাই দূরবর্তী কণ্ঠ এবং ক্রসট্যাক এটিকে হ্রাস করে, এবং এটি একটি সার্টিফাইড সাবটাইটেলিং সার্ভিস নয় যা ব্যবহারকারীর সুবিধার জন্য অনুকূল। শেষে ট্রান্সক্রিপ্ট চাপুন এবং পূর্ণ-কন্টেন্ট পাস সাধারণত লাইভ ফিডের যা ফাঁস করেছিল তা পুনরুদ্ধার করে।
কোন ভাষাগুলো লাইভ কাজ করে, আর আমি কোনটা বেছে নেব?
এই সাইটের প্রতিটি অনুবাদ ৯০+ ভাষার একই ধরনের - একই মডেল। লাইভ মোডে একটি বিশেষ টিপস: স্বয়ংক্রিয় সনাক্তকরণ চালু রাখার পরিবর্তে নির্বাচনকারীতে আপনার ভাষা বেছে নিন। সনাক্তকরণ প্রতিটি অংশে চলবে, এবং সাত সেকেন্ড অনেক প্রমাণ নয়, তাই ভাষাটি পিন করা ফিডকে ছোট বা উচ্চারণযুক্ত বাক্যাংশের উপর ঝুঁকে পড়ার থেকে রক্ষা করে।