ONLINE / LOCAL स्विच
RECOGNITION पैनल के ऊपर का स्विच तय करता है कि आपकी बोली कहाँ पहचानी जाए। ONLINE उसे सर्वर पर भेजता है और इंटरनेट माँगता है। LOCAL आपके कंप्यूटर पर मॉडल चलाता है, और आवाज़ कहीं नहीं जाती।
हर तरफ़ वह मॉडल याद रखती है जो आपने उस पर आखिरी बार चुना था। स्विच पलटें तो वही मॉडल लौट आता है। जिस तरफ़ आपने कभी कुछ नहीं चुना, वहाँ डिफ़ॉल्ट चलता है: ऑनलाइन पर Google (Pro हो तो Soniox), और लोकल पर «ऑटो — भाषा के अनुसार»।
मॉडल चुनने वाली स्क्रीन
स्विच के नीचे की «मॉडल» प्लेट दिखाती है कि अभी कौन-सा इंजन चल रहा है, उसके गुणवत्ता और गति के लैंप (पाँच-पाँच) के साथ। उस पर क्लिक करें तो चुनने वाली स्क्रीन INPUT और POWER पैनलों के ऊपर सरककर खुलती है।
- बाईं ओर: मौजूदा तरफ़ के सारे मॉडल, उनके लैंप के साथ, और यह कि वे डाउनलोड हो चुके हैं या नहीं।
- दाईं ओर: चुने हुए मॉडल का ब्योरा। उसका टेक्स्ट कब दिखता है, आपकी कौन-सी भाषाएँ वह जानता है (✓ या —), रिकॉर्डिंग कब शुरू होती है, वह बिना इंटरनेट चलता है या नहीं, किस पर चलता है, और उसकी सारी भाषाएँ।
- नीचे एक बटन काम करता है: «चुनें», «डाउनलोड करके चुनें», «डाउनलोड हो रहा है…», «✓ चुना गया», या मुफ़्त प्लान पर Soniox के लिए «Pro के बारे में»।
किसी पंक्ति पर क्लिक करने से सिर्फ़ उसका ब्योरा दिखता है; मॉडल बटन दबाने पर चलता है। «◀ बंद करें» या Esc इस स्क्रीन को बंद करता है। स्क्रीन बंद करने के बाद भी डाउनलोड चलता रहता है।
इंजन साथ-साथ
| इंजन | तरफ़ | टेक्स्ट कब आता है | भाषाएँ | गुणवत्ता / गति | प्लान |
|---|---|---|---|---|---|
| Soniox | ONLINE | बोलते समय | भाषा खुद पहचानता है, वाक्य के बीच में भी; ऐप में 33, कुल 60 से ज़्यादा | 5 / 5 | Pro |
| ONLINE | बोलते समय | एक बार में एक भाषा; 11 भाषाएँ | 3 / 5 | मुफ़्त | |
| GigaAM v3 | LOCAL | हर वाक्यांश के बाद | सिर्फ़ रूसी, विराम चिह्नों के साथ | 5 / 4 | मुफ़्त |
| T-one | LOCAL | बोलते समय | सिर्फ़ रूसी | 3 / 5 | मुफ़्त |
| Parakeet v3 | LOCAL | हर वाक्यांश के बाद | 25 यूरोपीय भाषाएँ, पहचानता है कि कौन-सी है | 4 / 4 | मुफ़्त |
| Whisper | LOCAL | हर वाक्यांश के बाद | ऐप में 33, AUTO पर लगभग 99; भाषा खुद पहचानता है | 4 / 2 | मुफ़्त |
| Vosk | LOCAL | बोलते समय | हर मॉडल में एक भाषा, कुल 15 भाषाएँ | 2 / 5 | मुफ़्त |
मुफ़्त प्लान पर सभी इंजन रोज़ के 2,000 शब्दों की एक ही सीमा साझा करते हैं; Pro में रोज़ की कोई सीमा नहीं है। हर इंजन की पूरी भाषा-सूची भाषाएँ पेज पर है।
कौन-सा किस काम का है
- Soniox सबसे सटीक है और मिली-जुली भाषाएँ संभाल लेता है। एक रिकॉर्डिंग पूरी मीटिंग जितनी लंबी हो सकती है। यह Pro क्रेडिट इस्तेमाल करता है, प्रति मिनट एक।
- Google Google Chrome के ज़रिए मुफ़्त लाइव टेक्स्ट देता है, एक बार में एक भाषा। हॉटकी दबाने के लगभग एक सेकंड बाद वह सुनना शुरू करता है, इसलिए हल्की टिक के बाद बोलें।
- GigaAM v3 (Sber) स्वाभाविक रूसी बोली पर सबसे अच्छी सटीकता देता है।
- T-one (T-Bank) रूसी के लिए हल्का और तेज़ है, और बोलते समय टेक्स्ट देता है।
- Parakeet v3 (NVIDIA) यूरोपीय भाषाओं के लिए सटीक और तेज़ है, ग्राफ़िक्स कार्ड के बिना भी।
- Whisper (OpenAI) सबसे ज़्यादा भाषाएँ समझता है। NVIDIA ग्राफ़िक्स कार्ड के साथ यह सबसे अच्छा चलता है; सिर्फ़ प्रोसेसर पर ऐप चेतावनी देता है कि यह बहुत धीमा है।
- Vosk हर कंप्यूटर पर चलता है, पुराने पर भी, पर गलतियाँ ज़्यादा करता है।
ऑटो — भाषा के अनुसार
LOCAL तरफ़ की पहली प्रविष्टि, जिस पर «अनुशंसित» लिखा है, डाउनलोड किए हुए मॉडलों में से उस भाषा के लिए सबसे अच्छा मॉडल चुनती है जिसमें आप डिक्टेशन कर रहे हैं:
- रूसी: GigaAM v3, फिर T-one, फिर Whisper, फिर Vosk।
- जो भाषा Parakeet जानता है: Parakeet v3, फिर Whisper, फिर Vosk।
- कोई और भाषा: Whisper, फिर Vosk।
जहाँ Whisper प्रोसेसर पर चलता, वहाँ Vosk उसके आगे आ जाता है। अभी कौन-सा मॉडल चल रहा है, यह देखने के लिए «मॉडल» प्लेट पर माउस ले जाएँ। अगर कंप्यूटर पर अभी कोई ऑफ़लाइन मॉडल नहीं है, तो भाषाओं के नीचे एक पट्टी आपकी भाषाओं के लिए सबसे उपयुक्त मॉडल सुझाती है, डाउनलोड बटन के साथ।
जब Soniox उपलब्ध न हो
अगर Soniox से संपर्क न हो सके, जैसे इंटरनेट न होने पर या किसी त्रुटि के बाद, तो डिक्टेशन तुरंत Google से चलती रहती है और यह संदेश आता है: «Soniox अभी उपलब्ध नहीं है — Google से डिक्टेट कर रहा हूँ। अगली बार फिर Soniox आज़माऊँगा।» आपका Soniox वाला चुनाव बना रहता है। महीने के क्रेडिट खत्म होने पर भी नवीनीकरण तक डिक्टेशन Google से चलती है; Soniox क्रेडिट देखें।