स्पीच, अब आसान

अक्सर पूछे जाने वाले सवाल

मेरे फ़ोन में लाइव अनुवाद पहले से है - तो मुझे VocalStack क्यों चाहिए?

फ़ोन एक छोटा स्पीच मॉडल चलाता है, जिसे डिवाइस और बैटरी की सीमाओं में समाना पड़ता है। छोटे, साफ़, रोज़मर्रा के वाक्यों के लिए यह ठीक है। लेकिन असली बातचीत में जो चीज़ें सच में गड़बड़ होती हैं, उनके लिए नहीं: कम इस्तेमाल होने वाले शब्द और नाम, एक जैसे सुनाई देने वाले शब्द (“कम” और “काम”, “दिन” और “दीन”), तकनीकी शब्द, लहजे, एक-दूसरे के ऊपर बोलते लोग और आसपास का शोर। मॉडल अंदाज़ा लगाता है, अनुवाद उसी अंदाज़े पर बनता है, और कमरे में किसी को पता नहीं चलता कि वह ग़लत था।

VocalStack सर्वर पर चलता है, इसलिए मॉडल पूरे आकार के होते हैं और पहचान के बाद हर पंक्ति को संदर्भ के साथ जाँचा जाता है। पहले स्क्रिप्ट या स्लाइड अपलोड करें, तो उनमें दिए नाम और शब्द ग़लत सुने गए शब्दों पर भारी पड़ते हैं। अगर फिर भी कुछ ग़लत आए, तो आप लाइव रहते हुए ही पंक्ति सुधार सकते हैं और हर श्रोता को सुधार दिख जाता है।

फ़ोन स्पीकर को नहीं, पूरे कमरे को सुनता है, और सिर्फ़ एक व्यक्ति के लिए अनुवाद करता है, इसलिए पचास फ़ोन पचास अलग-अलग ट्रांसक्रिप्ट देते हैं। VocalStack ऑडियो सीधे मिक्सिंग डेस्क, स्ट्रीम या माइक्रोफ़ोन से लेता है, स्पीकर को एक बार ट्रांसक्राइब करता है, और हर कोई वही बात अपनी भाषा में पढ़ता या सुनता है। अनुवाद स्पीकर की अपनी आवाज़ में सुनाया जाता है, इसलिए श्रोता मंच पर मौजूद व्यक्ति को सुनते हैं, किसी आम रोबोटिक आवाज़ को नहीं।

क्या मुझसे हर श्रोता के लिए शुल्क लिया जाता है? कीमतें कैसे तय होती हैं?

नहीं। श्रोता मुफ़्त हैं, चाहे कितने भी हों और किसी भी भाषा में पढ़ें या सुनें। आप सिर्फ़ ट्रांसक्राइब हुए ऑडियो के लिए भुगतान करते हैं, प्रति सेकंड, हर ट्रांसक्रिप्शन पर कम से कम 5 मिनट, और बस यही पूरा बिल है: 10 भाषाओं तक अनुवाद, बोले गए अनुवाद, ब्रॉडकास्टिंग, सारांश और एक्सपोर्ट शामिल हैं।

कीमतें और प्लान देखें

फ़ाइलों और लाइव ट्रांसक्रिप्शन की दरें अलग हैं, जो हर प्लान पर एक जैसी हैं, और Premium में हर महीने $50 का क्रेडिट शामिल है। हर प्लान में वही सुविधाएँ हैं, और API का शुल्क डैशबोर्ड की दर पर ही लगता है।

साथ-साथ फ़ॉलो करने के लिए श्रोताओं को क्या चाहिए?

एक लिंक या QR कोड, और एक फ़ोन। न कुछ इंस्टॉल करना है, न कोई अकाउंट बनाना है। श्रोता ब्राउज़र में लिंक खोलता है, भाषा चुनता है और बोले जाते ही ट्रांसक्रिप्ट पढ़ता है। अगर वे सुनना पसंद करें, तो हर अनुवादित पंक्ति बोलकर भी सुनाई जाती है। कभी भी भाषा बदलें; अब तक का ट्रांसक्रिप्ट नई भाषा में फिर से दिखाया जाता है।

देर से जुड़ने वाला श्रोता पहले कही गई हर बात देखता है, फिर लाइव फ़ॉलो करता है। अगर कनेक्शन टूट जाए, तो वापस आने पर पेज अपने-आप सब कुछ पकड़ लेता है।

क्या ऑडियो माइक्रोफ़ोन से ही आना ज़रूरी है?

नहीं। लाइव ट्रांसक्रिप्शन किसी भी डिवाइस के माइक्रोफ़ोन, OBS या ब्रॉडकास्ट एनकोडर से आने वाली RTMP फ़ीड, YouTube लाइव, इंटरनेट रेडियो स्टेशन या स्ट्रीम देने वाले किसी भी URL को सुन सकता है। स्ट्रीम के लिए VocalStack ख़ुद ऑडियो खींचता है: आपकी तरफ़ कुछ भी नहीं चलता।

एक ब्रॉडकास्ट लिंक को कई ट्रांसक्रिप्शन से जोड़ा जा सकता है, इसलिए दो मंचों वाली कॉन्फ़्रेंस, या रेडियो स्ट्रीम और YouTube लाइव वाला स्टेशन, फिर भी एक ही लिंक शेयर करता है।

क्या मैं तय कर सकता हूँ कि ट्रांसक्रिप्ट कौन देखे?

हाँ। ब्रॉडकास्ट डिफ़ॉल्ट रूप से सार्वजनिक होता है: जिसके पास लिंक है, वह इसे फ़ॉलो कर सकता है। इसे प्राइवेट करें और पासवर्ड सेट करें, तो सिर्फ़ वही लोग जुड़ पाएँगे जिन्हें आप दोनों देंगे। बाद में लिंक का नाम बदलें, तो पुराना लिंक भी काम करता रहेगा। आप यह भी देख सकते हैं कि कौन सुन रहा है, किस भाषा में और कब जुड़ा।

श्रोता असली स्पीकर को सुनता है या सिंथेटिक आवाज़ को?

दोनों में से कोई भी। डिफ़ॉल्ट रूप से हर स्पीकर को उसी लिंग की एक अलग तैयार आवाज़ मिलती है, ताकि पैनल चर्चा पैनल जैसी ही लगे। स्पीकर की अनुमति से आप तीस सेकंड के ऑडियो से उनकी आवाज़ क्लोन कर सकते हैं, और फिर अनुवाद हर भाषा में उनकी अपनी आवाज़ में सुनाया जाता है। क्लोन की गई आवाज़ से आगे की रिकॉर्डिंग में स्पीकर नाम से पहचाना और लेबल भी किया जाता है। आप हर स्पीकर को एक आवाज़ दे सकते हैं, या किसी को म्यूट कर सकते हैं।

इवेंट के बाद क्या सहेजा जाता है?

सब कुछ। रिकॉर्डिंग, सुधार और अनुवाद सहित उसका ट्रांसक्रिप्ट, और ऑडियो आपकी लाइब्रेरी में सहेजे जाते हैं। शब्द तय होते ही हर भाषा में शीर्षक और सारांश लिखा जाता है। आप इसे ठीक वैसे ही दोबारा चला सकते हैं जैसे यह आया था, अपनी भाषा में हर ट्रांसक्रिप्ट में खोज सकते हैं, और इसे SRT सबटाइटल, PDF, Excel या JSON के रूप में एक्सपोर्ट कर सकते हैं।

क्या मैं इसे अपने प्रोडक्ट में जोड़ सकता हूँ?

हाँ। डैशबोर्ड जो कुछ भी करता है, वह सब API से उसी दर पर उपलब्ध है: WebSocket पर रियल-टाइम ट्रांसक्रिप्शन, ब्रॉडकास्ट के साथ लाइव ट्रांसक्रिप्शन, अनुवाद और बोले गए अनुवाद, फ़ाइल और लिंक जॉब, और एक MCP सर्वर। TypeScript और Python के लिए आधिकारिक SDK शामिल हैं। श्रोता आपके अपने ऐप से, शेयर कोड के साथ और बिना API कुंजी के, किसी रिकॉर्डिंग को सब्सक्राइब कर सकते हैं।