कॉल, वीडियो, पॉडकास्ट और लेक्चर: सबका ट्रांसक्रिप्शन चलते-चलते होता है और वे एक ऐसे ओवरले पर लिखे जाते हैं जो हर विंडो के ऊपर रहता है। चाहें तो लाइव अनुवाद भी। Mac से कुछ बाहर नहीं जाता।
31 अक्टूबर तक: $19 की जगह $9 · 14 दिन की रिफ़ंड गारंटी
कैप्शन हिलाने हों तो ⇧ दबाकर खींचिए, जैसे ऐप में करते हैं।
कैप्शन पर पॉइंटर ले जाइए, उसके नीचे वे फीके पड़कर हट जाते हैं, ठीक ऐप की तरह।
⌥ दबाए रखिए, और पिछले कुछ बॉक्स फिर से ढेर में लग जाते हैं।
मेनू बार में पर क्लिक कीजिए: आज़माएँ चिह्नित सभी विकल्प इस डेमो में काम करते हैं।
किन कामों के लिए
मीटिंग में, भाषा अपनी हो या दूसरी, एक शब्द छूटा तो अगले तीन भी हाथ से निकल जाते हैं। आपका Mac जो भी चला रहा हो, Subtitles उसके कैप्शन उसी वक़्त बनाता है, इसलिए आप किसी से दोहराने को कहे बिना बात के साथ बने रहते हैं। पिछले कैप्शन पर लौटने और उनमें खोजने के लिए ⌥ दबाए रखिए। आप बधिर हों या कम सुनते हों, सुनते तो हों पर समझ न पाते हों, दूसरी भाषा में सुन रहे हों, या बस किसी शोरगुल वाली जगह पर काम कर रहे हों, तीन हालात बार-बार आते हैं।
01
Zoom, Google Meet, Teams, कोई Slack हडल, कोई Discord कॉल, ब्राउज़र टैब में चलती कोई कॉल: यह सब बस किसी ऐप से निकलती आवाज़ है, इसलिए इन सबका कैप्शन बनता है। न कोई बॉट जुड़ता है, न किसी को बताया जाता है, न प्रतिभागियों की सूची में कुछ दिखता है। आधे सुने हुए दो-चार शब्द पढ़ लेना उन्हें दोबारा पूछने से तेज़ है, और इससे किसी की बात नहीं कटती।
02
अपने नोट्स, कोड एडिटर, AI एजेंट या किसी ब्राउज़र पर चले जाइए। ओवरले हर विंडो के ऊपर रहता है और क्लिक आर-पार जाने देता है, इसलिए बातचीत आपके देखे बिना भी चलती रहती है, और पीछे जो है उस पर आप काम करते रह सकते हैं। Granola जैसा कोई नोटपैड मीटिंग को बाद में लिख देता है, और उसका लाइव ट्रांसक्रिप्ट उस पर पॉइंटर ले जाने पर ही दिखता है; Subtitles बाक़ी आधा काम करता है, जो उसी वक़्त होना चाहिए, बिना आपके उस पर सोचे या ध्यान दिए।
03
ऐसा वीडियो जिसमें कैप्शन हैं ही नहीं। ऐसी भाषा में कोई पॉडकास्ट जो आप अभी सीख ही रहे हैं। कोई रिकॉर्ड किया या स्ट्रीम होता लेक्चर, कोई इंटरव्यू, धीमे संवादों वाली कोई फ़िल्म। जो भी चलता है उसका कैप्शन चलते-चलते बनता है, उसकी अपनी भाषा में या आपकी भाषा में अनुवाद होकर। आप कहें तो Subtitles माइक्रोफ़ोन भी सुन सकता है, ताकि आप बातचीत कर सकें, दो भाषाओं में या एक में।
प्राइवेसी
आप इसे दफ़्तर की कॉल पर इसलिए लगा सकते हैं कि यह कोई सेवा है ही नहीं। न कोई सर्वर, न अकाउंट, और कोई ट्रांसक्रिप्ट भी नहीं, जब तक आप उसे अपने ही Mac पर न सहेजें, इसलिए भेजने को कुछ नहीं और बीच में कोई और है भी नहीं। और जानना हो तो पूरा ब्योरा पढ़ लीजिए। सोर्स कोड सबके सामने है, इसलिए किसी भी बात पर आँख मूँदकर भरोसा करने की ज़रूरत नहीं।
ख़ूबियाँ
लाइव ऑडियो न रोका जा सकता है, न दोबारा चलाया जा सकता है, और उसे आपकी मशीन से बाहर जाना भी नहीं चाहिए। यहाँ सब कुछ इसी से निकलता है।
Subtitles लोकल और ऑफ़लाइन चलता है: न अकाउंट, न टेलीमेट्री, न कोई ऐसी नेटवर्क कॉल जिसमें आपकी कोई चीज़ जाए। ऑडियो सीधे स्पीच मॉडल में जाता है और मिटा दिया जाता है। डाउनलोड कभी बस दो चीज़ें होती हैं: मॉडल, वे भी एक ही बार, और कोई अपडेट, जब आप उसे चुनें।
क़रीब 0.15 का रियल-टाइम फ़ैक्टर: प्रोसेसिंग के हर एक सेकंड में छह सेकंड की बोली ट्रांसक्राइब हो जाती है। वही मॉडल CPU पर चलाने पर क़रीब 100× धीमा निकला, यानी लाइव स्ट्रीम के साथ चलने लायक़ ही नहीं।
डिफ़ॉल्ट रूप से ऐप वह सब सुनता है जो आपका Mac चलाता है, इसलिए शुरू करने से पहले कोई सेटिंग नहीं करनी पड़ती। दो चीज़ें एक साथ बोल रही हों तो मेन्यू बार से इसे एक ऐप तक सीमित कर दीजिए। ऐप उस ऐप के साथ उसके शुरू किए हर हेल्पर प्रोसेस को भी पकड़ता है, और इसी वजह से ब्राउज़र और Electron ऐप के साथ भी यह काम करता है, क्योंकि उनकी आवाज़ कभी मुख्य प्रोसेस से आती ही नहीं।
स्पीच मॉडल से पहले बोली पहचानने वाला एक मॉडल चलता है, ताकि पीछे बजता संगीत उस तक पहुँचे ही नहीं। इसके बिना संगीत मॉडल का कॉन्टेक्स्ट भर देता है और उसके बाद के पहले कुछ शब्द छूट जाते हैं।
चाहें तो कोई और बोलना शुरू करे तब नया सबटाइटल शुरू हो जाए, ठीक वैसे ही जैसे रुकने पर होता है। डिफ़ॉल्ट रूप से बंद: इसके लिए पहले मॉडल के साथ एक दूसरा मॉडल भी चलता है। नए वक्ता को पहचानने में एक-दो सेकंड लगते हैं।
डिफ़ॉल्ट मॉडल भाषा ख़ुद पहचान लेता है। इसके अलावा अंग्रेज़ी के लिए सात अलग विकल्प हैं, ताकि आप 160 ms से ऊपर देरी और सटीकता के बीच अपना संतुलन चुन सकें।
“अनुवाद पढ़कर सुनाएँ” हर अनुवादित वाक्य को उस भाषा की अपनी आवाज़ में पढ़कर सुनाता है, और जिस ऐप से वह आया, उसकी आवाज़ घटकर चौथाई रह जाती है। VoiceOver के साथ यह अपने आप चालू हो जाता है, और VoiceOver कैप्शन बॉक्स को भी पढ़ सकता है; VoiceOver की अपनी आवाज़ का कभी कैप्शन नहीं बनता।
पॉइंटर ओवरले के पास ले जाइए और वह उसके नीचे से हट जाता है, ताकि आप जो वाक्य पढ़ रहे हैं वह उस वाक्य को कभी न ढके जो आप लिख रहे हैं। कितना हटे और वह छेद कितना चौड़ा हो, दोनों आप सेटिंग्ज़ में तय करते हैं। इसे ठोस रखकर कहीं और ले जाना हो तो ⇧ दबाए रखिए।
ऐप टीवी सबटाइटल की तरह पन्ने बदलता है: भरता है, ख़ाली होता है और फिर शुरू होता है, इसलिए जिस लाइन से नज़र हटी वह चली जाती है। ⌥ दबाए रखिए और पिछले कैप्शन लाइव बॉक्स के ऊपर वापस जमा हो जाते हैं; पुराने कैप्शन स्क्रोल करके देखे जा सकते हैं और ⌥F से उनमें खोजा जा सकता है। छोड़िए और वे फिर ग़ायब। कहीं कुछ लिखा नहीं जाता।
मेन्यू में से या ⌘, दबाकर सेटिंग्ज़ खोलिए: एक बॉक्स कितनी लाइनों के बाद ख़ाली होगा, वह कितना गाढ़ा दिखेगा, पॉइंटर के नीचे कितनी दूर तक हटेगा, ⌥ कितना पीछे तक ले जाएगा। हर स्लाइडर खींचते ही प्रीव्यू और लाइव ओवरले, दोनों पर लागू होता है, इसलिए आप इन्हें नंबर चुनकर नहीं, सामने देखकर तय करते हैं।
वे सोलह भाषाएँ जिनके कैप्शन ऐप बनाता है, और जिनके बीच अनुवाद करता है
यह काम कैसे करता है
एक रियलटाइम ऑडियो थ्रेड जो सिर्फ़ कॉपी करता है, एक पोर्टेबल कोर जो ट्रांसक्राइब करता ही नहीं, और एक मॉडल जो वहीं चलता है जहाँ उसे चलना चाहिए।
48 kHz स्टीरियो, हर 10.7 ms पर एक कॉलबैक। रियलटाइम थ्रेड सिर्फ़ एक लॉक-फ़्री रिंग बफ़र में कॉपी करता है, इसके अलावा कुछ नहीं।
एक वर्कर थ्रेड पर 16 kHz मोनो तक, ख़ामोशी छोड़ते हुए, और बोली से क़रीब एक सेकंड पहले का हिस्सा दोबारा चलाकर, ताकि किसी शब्द की शुरुआत न कटे।
स्ट्रीमिंग मॉडल, 30 सेकंड की विंडो वाला नहीं: यही फ़र्क़ है ऐसे कैप्शन में जो ऑडियो के साथ-साथ चलते हैं और ऐसे कैप्शन में जो कई सेकंड देर से आते हैं।
दो लाइनों वाले पन्ने, जिन्हें सेटिंग्ज़ में बदला जा सकता है, टीवी सबटाइटल की तरह ख़ाली होकर फिर शुरू होते हैं, और ऑडियो रुकने के बाद नहीं, आख़िरी नए टेक्स्ट के चार सेकंड बाद फीके पड़ते हैं।
रिंग बफ़र से लेकर मॉडल तक सब कुछ पोर्टेबल Rust है, जो जान-बूझकर ट्रांसक्राइब नहीं करता: वह बस फ़्रेम आगे बढ़ा देता है। सिर्फ़ टैप और ओवरले ख़ास तौर पर Mac के लिए लिखे गए हैं।
तुलना
macOS में लाइव कैप्शन पहले से और मुफ़्त हैं, सिस्टम सेटिंग्ज़, ऐक्सेसिबिलिटी, Live Captions के नीचे, उस Apple silicon Mac पर जिसकी भाषा Apple ने चालू की हो: macOS 14 और 15 पर सिर्फ़ अंग्रेज़ी, 26 से आठ भाषाएँ। उससे आपका काम चल जाता है तो वही इस्तेमाल कीजिए। नीचे वे बातें हैं जिनमें वह मेरी ज़रूरतों पर खरा नहीं उतरा, और लंबा जवाब चाहिए तो पंक्ति दर पंक्ति तुलना मौजूद है।
| ख़ूबी | Subtitles | Apple Live Captions |
|---|---|---|
| भाषाएँ | सोलह, 14.2 से आगे हर macOS पर, बहुभाषी मॉडल से अपने आप पहचानी हुईं, मेन्यू बार से बदली जाने वाली, किन्हीं दो के बीच लाइव अनुवाद | macOS 14 और 15 पर सिर्फ़ अंग्रेज़ी; 26 से आठ भाषाएँ, हर एक किसी देश से बँधी, एक बार में एक, सिस्टम सेटिंग्ज़ में हाथ से बदली जाने वाली, और अनुवाद नहीं |
| ओवरले | क्लिक आर-पार चले जाते हैं, पॉइंटर के नीचे फीका पड़ता है, हर विंडो के ऊपर रहता है, एक साथ कई काम करने में कभी आड़े नहीं आता | ऐसी विंडो जो सबसे ऊपर तो रहती है, पर क्लिक ले लेती है और नीचे की चीज़ ढक देती है |
| यह क्या सुनता है | Mac जो भी चलाता है वह सब, आप कहें तो माइक्रोफ़ोन, या आपका चुना कोई एक ऐप | Mac जो भी चलाता है वह सब, या माइक्रोफ़ोन |
| म्यूज़िक | बोली पहचानने वाला मॉडल उसे छोड़ देता है, इसलिए पीछे बजता संगीत कभी गाने के बोल नहीं बनता | कैप्शन बन जाते हैं |
| वक्ता बदलना | हर वक्ता के लिए नया बॉक्स, वैकल्पिक | ऐसा कुछ नहीं |
| पिछले कैप्शन | हर पिछला कैप्शन, एक ऐसी सूची में जो उपलब्ध जगह भर लेती है, स्क्रोल करने और ⌥F से खोजने के लिए | तीन लाइनें, जो स्क्रोल होती हैं, एक बार में तीन से ज़्यादा नहीं दिखतीं |
| मॉडल | अंग्रेज़ी के लिए सात विकल्प, देरी और सटीकता के बीच संतुलन के लिए, और साथ में बहुभाषी मॉडल। ज़रूरत हो तो “बहुभाषी” को एक ही भाषा पर टिकाया जा सकता है | एक, तय, और भाषा बदलने के लिए सिस्टम सेटिंग्ज़ खोलकर तीन स्तर नीचे दबी एक सेटिंग तक पहुँचना पड़ता है। |
| क़ीमत | 7 दिन मुफ़्त, फिर एक बार $19, हर अपडेट शामिल | मुफ़्त, पहले से मौजूद |
लोग क्या कहते हैं
So smooth, very useful during meetings on different apps (slack, zoom, google), so well integrated on the screen, doesn't block interacting with the other windows, love it!
Almost no setup, no tweaking around: you install it and it just works. Simple, useful and really effective.
Very handy! I love how it can be connected to any audio source on my laptop, which helps not only for meetings and videocalls, but also for all those streaming services that do not support subtitles, like news websites or even some YouTube videos. The model supports many languages, so it's also useful if you're learning a foreign language and need subtitles to help you understand what's being said.
Awesome app and the translation support makes it even better. Working with French colleagues has never been easier. Highly recommend!
Definitely a game changer for me! A must have for remote workers
Much better than macOS live captions. I love how fluid the UX is, the searchable history when pressing option and all the shortcuts are really well thought, you can feel the author really cares about nailing all the details for a useful live caption app. The gorgeous audio glow is chef's kiss
मैं एक अमेरिकी कंपनी में काम करता हूँ और मेरी मीटिंग अंग्रेज़ी में होती हैं, जो न मेरी पहली भाषा है और न मेरे ज़्यादातर साथियों की। जो बात असल में मायने रखती थी, वह अक्सर तभी कही जाती जब मैं किसी और काम के बीच में होता, और वह हाथ से निकल जाती: कोई शब्द जो पकड़ में नहीं आया, कोई लहजा जिसकी मुझे आदत नहीं थी, या कोई बात जो एक मिनट पहले कही गई थी। “ज़रा दोबारा कहिए” कहने में सबके तीस सेकंड जाते हैं और जो बोल रहा होता है उसकी बात बीच में टूट जाती है।
तो कैप्शन ऐसे चाहिए थे जो मैं कोई और काम करते हुए भी पढ़ पाऊँ। इसीलिए वे किसी एक ऐप के भीतर बना पैनल नहीं, हर विंडो के ऊपर टिका एक ओवरले हैं; इसीलिए क्लिक उनके आर-पार चले जाते हैं; इसीलिए पीछे लौटने के लिए एक ढेर है जिसमें खोजा जा सकता है; और इसीलिए उन्हें हटाना नहीं पड़ता, पॉइंटर के नीचे वे ख़ुद फीके पड़ जाते हैं। बाक़ी सब कुछ इसी से निकला।
Mathieu Jouhet, यह ऐप बनाने वाला।
क़ीमत
पहले 7 दिन मुफ़्त आज़माइए, बिना कार्ड और बिना अकाउंट। फिर एक बार $19: न मिनट ख़रीदने हैं, न सीटें, न रिन्यूअल, आगे का हर अपडेट शामिल, किसी ट्रांसक्रिप्शन सब्सक्रिप्शन के लगभग एक महीने के दाम में।
अनुवाद इसी क़ीमत में शामिल है, उसके लिए अलग से कुछ नहीं देना। सोलह भाषाएँ, उनमें से किन्हीं दो के बीच लाइव अनुवाद और स्ट्रीमिंग मॉडल, सब उसी एक लाइसेंस के साथ आते हैं; कोई महँगा प्लान अलग से नहीं है। आगे का हर अपडेट शामिल।
Mac के लिए Subtitles
$19 एक बार
एक बार $19 · macOS 14.2 या बाद का · Apple silicon
पहली बार चलाने पर क़रीब 633 MB डाउनलोड होता है।
सामान्य सवाल
31 अक्टूबर तक: $19 की जगह $9 · 14 दिन की रिफ़ंड गारंटी
14 दिन की रिफ़ंड गारंटी, कोई सवाल नहीं
7 दिन मुफ़्त, कोई कार्ड नहीं, फिर एक बार $19, आगे के सारे अपडेट शामिल ·
macOS 14.2 या बाद का · Apple silicon
जब तक यह Mac आपका है, तब तक असीमित लाइव कैप्शन। न मिनट ख़रीदने हैं, न कोई अकाउंट, न कोई सब्सक्रिप्शन। सेटअप गाइड पढ़िए।
