همه چیز در یک اپلیکیشن

صدای شما هرگز از کامپیوترتان خارج نمی‌شود.

آن جمله، کل محتوای ارائه‌شده است و کافیست. سه چیز به شبکه منتقل می‌شوند، و تنها در زمان‌های زیر: بررسی مجوز هنگام راه‌اندازی، بررسی به‌روزرسانی هنگام راه‌اندازی، و دانلود مدل توسط خود کاربر. هیچ صدا و هیچ متنی وجود ندارد.

• هیچ صدایی نیست. هیچ متنی نیست. هرگز.
• وقتی مدل‌ها روی دیسک شما قرار گرفتند، بدون هیچ شبکه‌ای کار می‌کند.
• بدون شبکه، مشکلی نیست.

روی لپ‌تاپی که از قبل دارید کار می‌کند.

نیازی به ایستگاه کاری نیست. مدل کوچک روی هر کارت گرافیک ۴ گیگابایتی کار می‌کند، و کل سیستم حتی بدون کارت گرافیک نیز قابل استفاده است؛ این سیستم به ۸ گیگابایت RAM، پردازنده چهارهسته‌ای x86_64 و ۵ گیگابایت فضای دیسک نیاز دارد.

• NVIDIA — GPUهای Vulkan 1.2+
• AMD — GPUهای Vulkan 1.2+
• در Linux، آن به صورت یک فایل قابل حمل واحد ارائه می‌شود و نیازی به نصب چیزی نیست.
• در Windows، این یک نصب‌کننده معمولی است که به حقوق مدیریتی نیاز ندارد.

سی زبان، بیست و دو گویش چینی، روی دستگاه شما.

این دستگاه می‌تواند به سی زبان ترجمه کند و بدون نیاز به اطلاع از اینکه کدام گویش صحبت می‌شود، بیست و دو گویش منطقه‌ای چینی را نیز تشخیص دهد.

همه‌اش روی دستگاه شما اجرا می‌شود، بدون هزینه در هر دقیقه و بدون نیاز به آپلود.

ترجمه به ۳۸ زبان — ویژگی جدید در نسخه ۲.۰.۰

ترجمه به سی و هشت زبان – ویژگی جدید در نسخه ۲.۰.۰

• به زبان لهستانی صحبت کنید، به زبان انگلیسی خواهید رسید. به زبان انگلیسی صحبت کنید، به زبان ژاپنی خواهید رسید.
• آن را یک بار بگویید تا همزمان به زبان‌های انگلیسی، ژاپنی، فرانسوی و اسپانیایی تایپ شود — هر کدام در یک خط، یا کنار هم در یک خط؛ هر تعداد زبان مورد نظرتان.
• این سیستم ترجمه در برابر رقبای بزرگ ابری عملکرد خوبی دارد. با استفاده از Hunyuan MT2 تولید شرکت Tencent، در معیار FLORES-200، از نظر کیفیت به ۹۷.۹٪ از عملکرد Gemini 3.1 Pro گوگل می‌رسد و در ترجمه در دنیای واقعی و زبان‌های اقلیت نیز از آن پیشی می‌گیرد.
• زیرنویس‌ها نیز — متن ساده یا SRT، بر اساس جملات، یا کلمه به کلمه هنگامی که نیاز به ویرایش دقیق دارید.
• و ترجمه فایل زیرنویس، تمام زمان‌بندی‌ها را حفظ می‌کند.

ماشین شما، تصمیم شما.

دو اندازه مدل وجود دارد؛ این یک انتخاب است، نه یک سطح مختلف: مدل کوچک برای لپ‌تاپ‌ها و گرافیک‌های یکپارچه، و مدل بزرگتر برای صداهای با کیفیت بالاتر یا پرسروصدا. می‌توانید در هر زمان تغییر دهید. همچنین، فرآیندهای رونویسی و ترجمه هر کدام از پردازنده‌های خاص خود استفاده می‌کنند؛ بنابراین یکی می‌تواند روی کارت گرافیک اجرا شود، در حالی که دیگری روی CPU اجرا می‌شود.

• کوچک — برای لپ‌تاپ‌ها و گرافیک یکپارچه
• بزرگ — برای صداهای دارای تأکید یا پرسروصدا

دانلود افزونه‌های اختیاری به درخواست، از طریق بخش Settings → Models: Forced Aligner (~۵۴۰ مگابایت) برای زمانبندی سطح کلمه، Hunyuan MT2 Fast (~۱ گیگابایت) یا کیفیت (~۴.۳ گیگابایت) برای ترجمه.

کاهش نویز

کاهش نویز برای ضبط‌هایی که در اتاق‌های پرسروصدا انجام می‌شود، وجود دارد.

• به طور پیش‌فرض غیرفعال است، زیرا برای بدتر کردن ویدیوهای کوتاه و واضح میکروفون طراحی شده است.
• وقتی صدای اتاق بلند است، آن را روشن کنید.
• وقتی ضبط شما خوب است، آن را حذف کنید.
• بهطور پیشفرض خاموش است — میتوان آن را برای هر ضبط جداگانه یا همیشه روشن تنظیم کرد.

از اصلاحاتی که شما انجام می‌دهید، یاد می‌گیرد.

اکثر برنامه‌های صوتی از شما می‌خواهند که جملات نمونه را بخوانید. این برنامه بر اساس اصلاحاتی که شما انجام می‌دهید آموزش می‌بیند: یک کلمه را که به اشتباه شنیده شده، اصلاح کنید و همان اصلاح، به عنوان نمونه در نظر گرفته می‌شود.

• هیچ ضبط نمونه‌ای، هیچ تکلیفی وجود ندارد.
• آموزش، تنها با یک کلیک انجام می‌شود.
• روی سخت‌افزار خودتان کار می‌کند.
• مدل جدید زمانی که کارش تمام شود، آماده تغییر به آن خواهد بود.
• هیچ جلسه ضبطی وجود ندارد.
• هیچ «لطفاً پاراگراف زیر را تکرار کنید»ی وجود ندارد.
• فقط صدای شما، و اصلاحاتی که قرار بود در هر صورت انجام دهید.

کیبوردی که گوش می‌دهد

در هر جایی که کرسور قرار دارد تایپ کنید — در ویرایشگر، ترمینال، کادر چت، فرم، یا هر فیلدی که از صفحه‌کلید استفاده می‌کند. و اگر بخواهید، به جای ترجمه‌ی کلمات، متن ترجمه شده نوشته خواهد شد: آن را به زبان لهستانی بگویید و متن انگلیسی در صفحه ظاهر خواهد شد.

• میکروفون
• فایل صوتی یا ویدیویی
• صدایی که از بلندگوهای شما پخش می‌شود
• با هر فیلد متن، ویرایشگر، ترمینال یا چتی سازگار است.
• X11 و Wayland در Linux، ورودی بومی در Windows

کلمات شما، راه نوشتن شما.

نام‌های برند، اصطلاحات تخصصی، و نام‌های همکاران؛ با ثبت کردن آن‌ها، دیگر به اشتباه نوشته نخواهند شد. همین لیست، فرآیند رونویسی و ترجمه را هدایت می‌کند؛ بنابراین نام‌ها هرگز به طور تصادفی تغییر نخواهند کرد. یک کلمه‌ی اشتباه را یک بار اصلاح کنید و آن به عنوان داده‌ی آموزشی در نظر گرفته خواهد شد؛ دیگر هرگز از شما خواسته نخواهد شد که آن را برای تمرین بخوانید.

• واژهها را در بخش Settings اضافه کنید — هر کدام در یک خط.
• به بهبود تشخیص اسامی خاص و سرواژهها کمک میکند.
• نامهای برند و اصطلاحات فنی را در ترجمه حفظ میکند.
• نیازی به آموزش مجدد نیست — در زمان استنتاج اعمال میشود.

مأمور گوش‌ها را درمی‌آورد.

به ایجنت هوش مصنوعی خود توانایی گوش دادن را بدهید. از طریق MCP، آن می‌تواند بدون نیاز به کلید API، در دستگاه شما، متن جلسات با هر مدت زمانی را ترجمه، رونویسی و ضبط کند.

• فایلهای صوتی/ویدیویی، ضبطهای میکروفون، یا صدای سیستم را رونویسی کنید.
• متن، SRT یا VTT را ترجمه کنید (حالت دوزبانه پشتیبانی میشود)
• دستگاه محاسباتی ASR یا MT را بهصورت لحظهای تغییر دهید.
• فهرست و تغییر پروفایلهای صدای شخصی
• خواندن/نوشتن هر تنظیمات برنامه از سوی ایجنت

تماس سه‌ساعته تفاوتی با تماس سه‌دقیقه‌ای ندارد؛ نیازی به نظارت مداوم نیست، و اگر فراموش کنید که ضبط در حال انجام است، چیزی از دست نمی‌رود: تماس خودبه‌خود پایان می‌یابد و متن آن را برای شما نگه می‌دارد.