Subtitles

Subtitles · गाइड · Mac पर रियल-टाइम सबटाइटल

आपका Mac जो भी चलाए, उसके लिए रियल-टाइम सबटाइटल

कोई बोल ही रहा हो और उसी वक़्त शब्द स्क्रीन पर लाने के छह तरीक़े, इस क्रम में कि वे आपसे क्या माँगते हैं, यानी मुफ़्त वाले पहले। फिर वह हिस्सा जो शायद ही कोई समझाता है: Mac अपनी ही निकाली आवाज़ को पकड़ता कैसे है, पहले उसके लिए नक़ली ऑडियो डिवाइस क्यों चाहिए था, और macOS 14.2 में क्या बदला।

14 दिन में रिफ़ंड, कोई सवाल नहीं

$9 में ख़रीदें अपने ब्राउज़र में आज़माइए

“रियल-टाइम” किन चीज़ों को बाहर कर देता है

Mac पर ट्रांसक्रिप्शन के बारे में जो लिखा जाता है, उसका ज़्यादातर हिस्सा फ़ाइलों के बारे में है। आप कोई रिकॉर्डिंग डालते हैं, इंतज़ार करते हैं, और ट्रांसक्रिप्ट या सबटाइटल ट्रैक पा जाते हैं। वह रास्ता इस पेज की हर चीज़ से ज़्यादा सटीक है, क्योंकि जो मॉडल पूरा वाक्य और उसके बाद वाला वाक्य भी देख सकता है, वह हमेशा उस मॉडल से जीतेगा जो एक-एक शब्द करके फ़ैसला ले रहा है।

और मीटिंग चलते वक़्त वह बेकार भी है। लाइव कैप्शन उस सटीकता के बदले वह चीज़ लेता है जो कॉल के दौरान अकेली मायने रखती है: शब्द इतनी जल्दी आ जाएँ कि पढ़े जा सकें। आपके पास रिकॉर्डिंग है और वक़्त भी, तो यहीं रुक जाइए और उसे किसी फ़ाइल ट्रांसक्राइबर से चलवाइए; नतीजा बेहतर मिलेगा। नीचे लिखा सब उस हालत के लिए है जब आवाज़ अभी, इसी वक़्त हो रही हो।

छह रास्ते, सबसे सस्ता पहले

  • ऐप के अपने कैप्शन। मुफ़्त। Zoom, Teams, Google Meet, Slack हडल और YouTube, सब बिना पैसे के अपने कैप्शन ख़ुद बनाते हैं, और macOS से ज़्यादा भाषाओं में। वे अपनी ही विंडो की हद पर रुक जाते हैं, इनमें से कई के लिए होस्ट या एडमिन की इजाज़त चाहिए, और बीच बातचीत में कोई वीडियो का लिंक भेज दे तो इनमें से कोई काम नहीं आता। फिर भी पहले यही आज़माइए: जहाँ इनसे काम चल जाए, वहाँ ये मुफ़्त हैं।
  • Apple का Live Captions। मुफ़्त, पहले से मौजूद। Apple silicon वाले Mac पर, सिस्टम सेटिंग्ज़ ▸ ऐक्सेसिबिलिटी ▸ Live Captions में। वह किसी एक ऐप के भीतर नहीं, सारे ऐप्स पर कैप्शन बनाता है, और आकार यही सही है। Apple के अपने दस्तावेज़ कहते हैं कि यह हर भाषा, देश या क्षेत्र में उपलब्ध नहीं है, और कैप्शन एक विंडो में आते हैं, जो विंडो जैसा ही बर्ताव करती है। पूरी तुलना के लिए अलग पेज है।
  • आपके ब्राउज़र का अपना लाइव कैप्शन। मुफ़्त, पर एक ही ब्राउज़र में। Chrome और Chromium वाले ब्राउज़र अपनी सेटिंग में एक स्विच से, डिवाइस पर ही, टैब में चल रही आवाज़ का कैप्शन बना सकते हैं। टैब में चल रहे वीडियो के लिए यह सचमुच अच्छा है, और उस ब्राउज़र के बाहर की हर चीज़ के लिए बेकार।
  • क्लाउड कैप्शन सेवा। सब्सक्रिप्शन। यही वह श्रेणी है जो उन भाषाओं तक पहुँचती है जहाँ डिवाइस पर चलने वाला कुछ नहीं पहुँचता, और यही बाद में वक्ताओं के नाम और खोजा जा सकने वाला ट्रांसक्रिप्ट भी देती है। वहाँ तक पहुँचने के लिए ऑडियो आपके Mac से बाहर जाता है, और दफ़्तर में काम करने वाले बहुत से लोगों के लिए यह कोई छोटी-सी बात नहीं, बात का अंत है।
  • लोकल स्पीच मॉडल, जिसे आप ख़ुद चलाते हैं। मुफ़्त, पर मेहनत। Whisper और उसके बाद के मॉडल Mac पर चलते हैं, और अच्छे ओपन-सोर्स फ़्रंट एंड भी मौजूद हैं। पर इनमें से किसी से हर ऐप का लाइव कैप्शन बनवाना, वह भी ऐसे ओवरले में जिसे आप काम करते-करते पढ़ सकें, डाउनलोड नहीं, एक प्रोजेक्ट है, और उसकी बड़ी वजह नीचे बताई गई ऑडियो की पाइपलाइन है।
  • लाइव कैप्शन बनाने वाला ऐप। पैसे, एक ही बार। यह ऐप यही है: हर विंडो के ऊपर एक ओवरले, जिसे Mac जो भी चला रहा हो वही खिलाता है, ट्रांसक्रिप्शन Neural Engine पर, सोलह भाषाओं में, और डिस्क पर कुछ भी नहीं लिखा जाता। इस पर पैसे तभी लगाइए जब ऊपर के चारों मुफ़्त जवाब चुक जाएँ, उससे पहले नहीं।

Mac अपनी ही आवाज़ कैसे पकड़ता है

माइक्रोफ़ोन आसान है: macOS में उसके लिए हमेशा से एक API रहा है, और उसकी इजाज़त माँगना रोज़ की बात है। मुश्किल सिस्टम ऑडियो है, क्योंकि Mac की ज़्यादातर उम्र में एक ऐप के पास यह सुनने का कोई समर्थित तरीक़ा ही नहीं था कि दूसरा ऐप क्या चला रहा है। तीन दौर हैं, और कोई टूल किस दौर का है, यह जान लेने से उसके बारे में ज़्यादातर बात साफ़ हो जाती है।

  1. 1

    वर्चुअल ऑडियो डिवाइस

    आप एक ड्राइवर इंस्टॉल करते हैं जो स्पीकर होने का नाटक करता है, Mac का आउटपुट उस पर लगाते हैं, और उसे माइक्रोफ़ोन की तरह वापस पढ़ते हैं। यह चलता है, और इसका मतलब यह भी है कि जब तक आप सिग्नल बाँटने वाला दूसरा डिवाइस न बना लें, आपके असली स्पीकर अब चुप हैं। छह-छह स्क्रीनशॉट वाली सेटअप गाइड इसी दौर की हैं।

  2. 2

    स्क्रीन रिकॉर्डिंग, सिर्फ़ आवाज़ के लिए

    बाद के macOS ने ऐप को यह छूट दी कि वह स्क्रीन रिकॉर्डिंग के साथ सिस्टम ऑडियो भी ले ले। ड्राइवर तो नहीं, पर आप किसी ऐप को सुनने के लिए अपनी स्क्रीन देखने का हक़ दे रहे होते हैं, और macOS रिकॉर्डिंग के इंडिकेटर से कमरे में बैठे सबको यह याद भी दिलाता है।

  3. 3

    Core Audio process taps, macOS 14.2

    कोई ऐप Core Audio से कहता है कि किसी एक प्रोसेस पर, या सब पर, टैप लगा दो, और उसे ऑडियो सीधे मिल जाता है। न कोई ड्राइवर, न कुछ मोड़ा गया, आपके स्पीकर चलते रहते हैं, और आप जो इजाज़त देते हैं वह स्क्रीन रिकॉर्डिंग की नहीं, ऑडियो रिकॉर्डिंग की है। यह ऐप जिस शक्ल में है, उसकी पूरी वजह यही है।

यह उस एक शर्त को भी समझाता है जिसका कोई रास्ता नहीं है। process taps macOS 14.2 में आए और सिर्फ़ Apple silicon पर, इसलिए 14.2 से नीचे यह कहीं नहीं चलता और Intel वाले Mac को वहाँ तक उठाया भी नहीं जा सकता। आप Intel पर हैं तो ऊपर के पहले तीन रास्ते ही आपकी पूरी सूची हैं।

अपने Mac पर कैप्शन, तीन क़दम में

  1. 1

    इंस्टॉल कीजिए, और वह एक इजाज़त दीजिए

    पहली बार चलाने पर macOS सिस्टम ऑडियो रिकॉर्ड करने की इजाज़त माँगता है। वह प्रॉम्प्ट चूक गए तो हर बफ़र ख़ामोशी से भरा आता है और कहीं कोई एरर नहीं दिखता, और पहले से जान लेने लायक़ नाकामी बस यही एक है। सेटअप गाइड में लिखा है कि इसे दस सेकंड में कैसे पकड़ें।

  2. 2

    इसे हर चीज़ पर लगाइए, या किसी एक ऐप पर

    डिफ़ॉल्ट पूरा सिस्टम ऑडियो है और उसके लिए कुछ सेट नहीं करना पड़ता। किसी एक ऐप तक सीमित करना एक मेन्यू भर दूर है, और उसके साथ उस ऐप के हेल्पर प्रोसेस भी आ जाते हैं, जिसकी वजह से ब्राउज़र टैब में चल रही कॉल का कैप्शन नेटिव ऐप जैसा ही बनता है।

  3. 3

    ओवरले को जहाँ चाहें वहाँ रखिए

    ⇧ दबाए रखकर खींचिए; जहाँ छोड़ेंगे वहीं याद रह जाएगा। क्लिक इसके आर-पार चले जाते हैं, इसलिए आप इसके आर-पार काम करते रहते हैं, और इस पर इशारा करने से यह हटता नहीं, घुल जाता है। होम पेज पर मौजूद डेमो भी बिल्कुल ऐसा ही करता है, आपके ब्राउज़र में, कुछ ख़रीदने से पहले।

$9 में ख़रीदें

14 दिन में रिफ़ंड, कोई सवाल नहीं।

रियल-टाइम होने से सटीकता में क्या घटता है

रिकग्नाइज़र एक स्ट्रीमिंग मॉडल है, ऐसा नहीं जो तीस सेकंड का टुकड़ा पूरा होने का इंतज़ार करे, और कैप्शन के आवाज़ के साथ चलने या मौक़ा निकल जाने के बाद आने का फ़र्क़ यहीं से आता है। Neural Engine पर यह असल समय के क़रीब सातवें हिस्से पर चलता है, इसलिए मशीन पर ज़ोर नहीं पड़ता और पंखे जहाँ थे वहीं रहते हैं।

अंग्रेज़ी को एक नहीं, सात चेकपॉइंट मिलते हैं, और वे उन दो चीज़ों के बीच सौदा करते हैं जिन्हें साथ-साथ बढ़ाया नहीं जा सकता: सबसे तेज़ वाला बोलने वाले से क़रीब 160 ms पीछे टेक्स्ट देना शुरू करता है, सबसे धीमा ज़्यादा सटीक है पर और पीछे चलता है। बाकी सब कुछ एक ही बहुभाषी मॉडल से चलता है। सटीकता वाले सवाल का ईमानदार जवाब यही डायल है, और यही वजह है कि यह पेज ऐसे किसी बेंचमार्क में किसी को हराने का दावा नहीं करता जो किसी ने चलाया ही नहीं।

इस पेज के हर टूल में जो अब भी बिगड़ता है: नाम, तकनीकी शब्द, शॉर्ट फ़ॉर्म, दो लोगों का एक साथ बोलना, और ख़राब कनेक्शन पर तेज़ बोलचाल। लाइव कैप्शन इन्हें इतनी बार पढ़ने लायक़ बना देते हैं कि इनका होना फ़ायदे का सौदा है, इतने भरोसे से नहीं कि उन्हें ट्रांसक्रिप्ट कहा जा सके।

Mac पर कैप्शन से जुड़े सवाल

Mac पर सिस्टम ऑडियो का कैप्शन कैसे बनाएँ?
macOS 14.2 से कोई ऐप Core Audio के ज़रिए दूसरी प्रोसेस के ऑडियो पर सीधे टैप लगा सकता है, इसलिए आपसे उसे बस ऑडियो रिकॉर्डिंग की इजाज़त चाहिए। उससे पहले एक वर्चुअल ऑडियो डिवाइस इंस्टॉल करके अपना आउटपुट उससे होकर भेजना पड़ता था, और इसीलिए पुरानी गाइड स्क्रीनशॉट से भरी रहती हैं।
क्या अब भी BlackHole या किसी लूपबैक ड्राइवर की ज़रूरत है?
इसके लिए नहीं। कुछ मोड़ा नहीं जाता, आपका आउटपुट डिवाइस नहीं बदलता, और कैप्शन चलते हुए भी आपके स्पीकर बजते रहते हैं। हाँ, आप macOS 13 या उससे पुराने पर हैं, या Intel वाले Mac पर, तो लूपबैक ड्राइवर आज भी जवाब है।
क्या रियल-टाइम उतना ही सटीक है जितना फ़ाइल का ट्रांसक्रिप्शन?
नहीं, और कोई भी लाइव चीज़ नहीं है। फ़ाइल ट्रांसक्राइब करने वाला यह तय करने से पहले पूरा वाक्य देख लेता है कि पहला शब्द क्या था; लाइव वाले को बोलने वाले के बोलते-बोलते ही तय करना पड़ता है। रिकॉर्डिंग आपके पास है और जल्दी नहीं है, तो फ़ाइल का ही ट्रांसक्रिप्शन कराइए।
क्या यह ब्राउज़र टैब में चलता है?
हाँ। यह किसी ऐप को और उस ऐप की पैदा की हर हेल्पर प्रोसेस को पकड़ता है, इसलिए टैब में चल रही कॉल या वीडियो का कैप्शन उसी तरह बनता है जैसे किसी नेटिव ऐप का। इसी से Electron ऐप्स भी सध जाते हैं, जिनकी आवाज़ कभी उस प्रोसेस से नहीं आती जिस पर उनका नाम लिखा है।
क्या यह मेरी अपनी आवाज़ का कैप्शन बनाता है?
नहीं। माइक्रोफ़ोन कभी खोला ही नहीं जाता। यह वही सुनता है जो आपका Mac चलाता है, यानी आपके अलावा सब, और यह कोई छूटी हुई ख़ूबी नहीं, जानबूझकर खींची गई लकीर है।
कितनी देरी होती है?
सबसे तेज़ अंग्रेज़ी मॉडल बोलने वाले से क़रीब 160 ms पीछे टेक्स्ट देना शुरू करता है; ज़्यादा सटीक वाले और पीछे रहते हैं। यह कोई एक आँकड़ा नहीं, एक डायल है, और आपको उसका कौन सा सिरा चाहिए, यह इस पर टिका है कि आप बातचीत में शामिल हैं या लेक्चर पढ़ रहे हैं।
क्या ट्रांसक्रिप्ट सेव किया जा सकता है?
नहीं। जानबूझकर डिस्क पर कुछ नहीं लिखा जाता। ⌥ दबाए रखिए और पिछले कुछ कैप्शन वापस आ जाते हैं, जिन्हें आप स्क्रोल कर सकते हैं, पर एक बार वे ऊपर निकल गए तो गए। बाद के लिए रिकॉर्ड चाहिए तो आपको फ़ाइल ट्रांसक्राइबर या नोट लेने वाला ऐप चाहिए, यह नहीं।

वही ओवरले, कहीं और

बिना सबटाइटल वाले वीडियो

किसी फ़िल्म, स्ट्रीम या ऐसे टैब पर सबटाइटल, जिसके पास कभी कोई ट्रैक था ही नहीं।

Podcasts

उन शो के कैप्शन जिनका ट्रांसक्रिप्ट कभी था ही नहीं।

समर्थित ऐप्स

आपके Mac पर आवाज़ करता है, तो कैप्शन बनता है। सूची, और अपवाद।

Apple के Live Captions से तुलना

macOS में यह पहले से मौजूद है, और मुफ़्त है। यह कहाँ जाकर कम पड़ जाता है।

हर विकल्प, आमने-सामने

Mac पर कैप्शन पाने के छह तरीक़े, और आपके लिए इनमें से कौन सा सही रहेगा।

ऐप क्या रखता है

डिस्क पर कुछ नहीं लिखा जाता, और मॉडल डाउनलोड हो जाने के बाद कोई नेटवर्क कॉल बचती ही नहीं।

अभी जो चल रहा है, उसके सबटाइटल।

14 दिन में रिफ़ंड, कोई सवाल नहीं

$9 में ख़रीदें

एक बार $9, 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।