क्या बिना इंटरनेट चलता है? हाँ
VoiceKeyboard बिना इंटरनेट के भी आपकी आवाज़ पहचानता है। RECOGNITION को LOCAL पर करें, कोई मॉडल चुनें, और नेटवर्क केबल निकाल देने पर भी माइक्रोफ़ोन में बोली गई बात किसी भी विंडो में टाइप होगी। FILES स्क्रीन, जो रिकॉर्डिंग को टेक्स्ट में बदलती है, हमेशा इसी तरह काम करती है। इंटरनेट बस एक बार चाहिए, मॉडल डाउनलोड करने के लिए।
आपकी भाषा के लिए कौन-सा मॉडल
ऑफ़लाइन मॉडल पाँच हैं, और हर एक की अपनी खूबी है:
| मॉडल | डाउनलोड | टेक्स्ट कब आता है | भाषाएँ |
|---|---|---|---|
| Whisper | 75 MB से 1,031 MB (पाँच साइज़) | हर वाक्यांश के बाद | लिस्ट में 58; «ऑटो» पर करीब 99, भाषा खुद पहचानता है |
| Parakeet v3 | लगभग 670 MB | हर वाक्यांश के बाद | 24 यूरोपीय भाषाएँ, कौन-सी है यह खुद पहचानता है |
| Vosk | हर भाषा का लगभग 40–50 MB | बोलते-बोलते | 15, हर भाषा का अलग छोटा मॉडल |
| GigaAM v3 | लगभग 232 MB | हर वाक्यांश के बाद | रूसी, कॉमा-फ़ुल स्टॉप के साथ |
| T-one | लगभग 144 MB | बोलते-बोलते | रूसी, बिना कॉमा-फ़ुल स्टॉप के |
- हिंदी और जापानी: Whisper और Vosk। (Parakeet और रूसी के दोनों मॉडल हिंदी नहीं समझते।)
- अंग्रेज़ी और स्पेनिश: Whisper, Parakeet v3 और Vosk।
- रूसी: पाँचों; GigaAM v3 और T-one इसी के लिए बने हैं।
- जर्मन, फ़्रेंच, इतालवी, पोलिश, यूक्रेनी और बाकी: सबके लिए Whisper, ज़्यादातर यूरोपीय भाषाओं के लिए Parakeet v3, कुछ के लिए Vosk।
तय नहीं कर पा रहे? LOCAL में लिस्ट की पहली एंट्री «ऑटो — भाषा के अनुसार» ही रहने दें। आप जिस भाषा में बोल रहे हैं, उसके लिए यह आपके डाउनलोड किए मॉडलों में से सबसे अच्छा चुन लेती है, और अगर अभी कोई मॉडल डाउनलोड नहीं है, तो आपकी भाषाओं के लिए सही मॉडल सुझाती है।
कंप्यूटर कैसा है, यह सिर्फ़ एक मॉडल के लिए मायने रखता है
Whisper सबसे ताकतवर है और सबसे भारी भी। NVIDIA ग्राफ़िक्स कार्ड हो तो CUDA की मदद से यह कई गुना तेज़ चलता है; साधारण प्रोसेसर पर यह धीमा है, और लाइव डिक्टेशन में आपकी बात से पीछे रह सकता है। अगर लैपटॉप में NVIDIA कार्ड नहीं है, तो डिक्टेशन के लिए Parakeet v3, GigaAM v3, T-one या Vosk लें। ये प्रोसेसर पर आराम से चलते हैं। ऐसे लैपटॉप पर हिंदी के लिए Vosk का छोटा हिंदी मॉडल सबसे हल्का विकल्प है।
Vosk और T-one शब्द तभी दिखाने लगते हैं जब आप बोल ही रहे होते हैं। Whisper, Parakeet और GigaAM आपके रुकने का इंतज़ार करते हैं और फिर पूरा वाक्यांश एक साथ टाइप करते हैं, आमतौर पर बेहतर कॉमा और फ़ुल स्टॉप के साथ।
फ़ाइलें और रिकॉर्डिंग भी ऑफ़लाइन
FILES हमेशा आपके PC पर Whisper से ट्रांसक्राइब करता है। कंप्यूटर में रखी रिकॉर्डिंग के लिए इंटरनेट नहीं चाहिए, बस मॉडल और FFmpeg (फ़्री कन्वर्टर, जिसे ऐप डाउनलोड करने को कहता है) होने चाहिए। वीडियो लिंक की बात अलग है: पहले आवाज़ डाउनलोड करनी पड़ती है, उसके बाद पहचान ऑफ़लाइन होती है। पूरी जानकारी ऑडियो फ़ाइल को ऑफ़लाइन टेक्स्ट में बदलने वाले लेख में है।
इंटरनेट कब फिर भी चाहिए
- मॉडल डाउनलोड करने के लिए, बस एक बार। ये अपनी ऑफ़िशियल साइटों से आते हैं, और बैकअप के लिए voice-keyboard.com पर एक मिरर भी है।
- Google और Soniox के लिए, जो दोनों ऑनलाइन इंजन हैं। LOCAL पर करते ही ये इस्तेमाल नहीं होते।
- FILES में वीडियो लिंक के लिए, डाउनलोड करने के वक़्त।
Pro भी ऑफ़लाइन चलता है, जितने समय का पेमेंट किया है, उसके खत्म होने तक।
ऑफ़लाइन क्यों चुनें
लोकल मॉडल के साथ आवाज़ कंप्यूटर से बाहर नहीं जाती: मॉडल सुनता है, टाइप करता है और भूल जाता है। क्लाइंट की कॉल, मरीज़ों के नोट्स, कानूनी ड्राफ़्ट और NDA वाले कोड के लिए यह ज़रूरी है, और उनके लिए भी जिनकी कंपनी क्लाउड स्पीच सर्विस की इजाज़त नहीं देती। धीमे नेट की वजह से देरी भी नहीं होती, और फ़्लाइट में भी डिक्टेशन चलता रहता है।
पर एक कमी भी है: मुश्किल आवाज़ में ऑनलाइन इंजन आमतौर पर बेहतर पकड़ते हैं, और Soniox बोलते-बोलते भाषा पहचान लेता है, वाक्य के बीच में भी। बहुत-से लोग दोनों रखते हैं: रोज़ के काम में LOCAL, और ज़रूरत पड़े तो ONLINE। दोनों की तुलना ऑनलाइन और लोकल इंजन पेज पर है।
Windows की voice typing ऑफ़लाइन क्यों नहीं चलती
Windows 10 और 11 में voice typing पहले से है (Win+H), लेकिन Microsoft के हेल्प पेज के मुताबिक यह "uses online speech recognition, which is powered by Azure Speech services", यानी आवाज़ ऑनलाइन, Azure Speech services पर पहचानी जाती है। नेट न हो तो यह नहीं चलती। पूरी तुलना Windows voice typing बनाम VoiceKeyboard में है।
खुद आज़माएँ
VoiceKeyboard इंस्टॉल करें, RECOGNITION को LOCAL पर करें और अपनी भाषा का मॉडल डाउनलोड करें। फिर Wi-Fi बंद कर दें, किसी भी विंडो में कर्सर रखें और Ctrl+1 दबाएँ।
