مشاهده کنید در عمل

مرکز فرماندهی شما

یک پنجره همه‌چیز را در خود دارد. فایل صوتی یا ویدیویی را باز کنید، میکروفون را بزنید، یا آنچه از بلندگوهایتان پخش می‌شود را ضبط کنید. سه راه ورود، در یک جا — نه ابزار جداگانه‌ای برای جابه‌جایی، نه منویی برای جست‌وجو.

آخرین رونویسی همواره در پایین صفحه نمایش داده میشود، در کنار کارت آموزشی که تعداد نمونههای صدایی ذخیرهشده برای آموزش شخصی را نشان میدهد — روی آن کلیک کنید تا فهرست کامل نمونهها را مشاهده کنید. از اینجا میتوانید بخش Settings را باز کنید، History را ببینید، آخرین رونویسی را اصلاح کنید، یا با یک کلیک شروع به ضبط کنید. بستن پنجره، برنامه را در سینی سیستم پنهان میکند؛ جایی که همچنان در پسزمینه در حال اجرا است و آماده است تا به محض فشار دادن کلید میانبر، شروع به کار کند.

فشار دهید، صحبت کنید، تمام شد.

فشار دهید، صحبت کنید، تمام شد. کیبورد صوتی. فشار دهید، صحبت کنید، رها کنید؛ کلمات در همان جایی قرار می‌گیرند که کرسور است — در یک مرورگر، یک IDE، یک برنامه چت، هر فیلدی که از کیبورد استفاده کند. می‌خواهید ترجمه به جای متن را داشته باشید؟ در آن صورت آن را وارد کنید.

هر فایلی را، به هر زبانی، رونویسی کنید.

ضبط یک جلسه دو ساعته را باز کنید و بروید قهوه درست کنید. بدون محدودیت طول، بدون نیاز به نظارت — کل فایل را پردازش می‌کند و متن را تحویل شما می‌دهد. فراموش کنید که ضبط را روشن گذاشته‌اید و هیچ چیز از دست نمی‌رود؛ خودش کار را تمام می‌کند. همه‌چیز روی دستگاهی که مقابل شماست انجام می‌شود، به زبان شما و با لهجه شما.

ضبط و ترجمه زنده

یک تماس، جلسه یا گفت‌وگو را ضبط کنید و شاهد ظاهر شدن کلمات همان‌طور که گفته می‌شوند باشید. با افزودن ترجمه، می‌توانید به یکباره به زبان دیگری دسترسی پیدا کنید. لهجه شما مانعی ایجاد نمی‌کند، زیرا سیستم از قبل شما را یاد گرفته است.

آنچه از بلندگوهای شما پخش میشود را ضبط کنید

جلسه‌ای که به عنوان مهمان در آن شرکت کردید. ویدیویی بدون متن رونویسی‌شده. وبیناری که نیمی از آن را از دست دادید. این دستگاه صدایی را که از بلندگوها می‌آید می‌شنود، نه فقط صدایی که از میکروفون می‌آید.

یکباره به چندین زبان ترجمه کنید

یک بار به زبان لهستانی صحبت کنید، سپس آن را همزمان به زبان‌های انگلیسی، ژاپنی، فرانسوی و اسپانیایی تایپ کنید — هر کدام در یک خط، یا کنار هم در یک خط. هر تعداد زبان مورد نظرتان را انتخاب کنید. شما آن را یک بار گفتید؛ این زبان‌ها همگی آن را منتشر می‌کنند.

ترجمه متن و زیرنویس‌ها

متن ساده را ترجمه کنید، یا فایل زیرنویس را ترجمه کرده و تمام زمان‌بندی‌ها را حفظ نمایید. چه در قالب SRT و چه متن ساده، در صورت نیاز به ویرایش دقیق، می‌توانید بر اساس جمله یا کلمه به کلمه زمان‌بندی کنید. موتور ترجمه تنسنت در معیار FLORES-200، از نظر کیفیت، به ۹۷.۹٪ از عملکرد Gemini 3.1 Pro گوگل می‌رسد؛ همچنین در ترجمه‌های مربوط به زبان‌های کم‌جمعیت و شرایط واقعی، عملکرد بهتری دارد — این ارقام توسط خود تنسنت منتشر شده‌است. معیار ارزیابی، کیفیت است، نه سرعت.

واژگان خود را به آن یاد دهید.

نام‌های برندها، اصطلاحات تخصصی، و نام‌های همکارانتان را یک بار ثبت کنید؛ در این صورت دیگر به اشتباه نمایش داده نخواهند شد. همین لیست ثبت‌شده، فرآیند رونویسی و ترجمه را هدایت می‌کند؛ بنابراین نام‌ها هرگز به طور تصادفی ترجمه نخواهند شد.

اشتباهات را اصلاح کرده و مدل را بهبود بخشید.

یک بار کلمه‌ای که اشتباه شنیده شده را اصلاح کنید و آن به داده‌های آموزشی تبدیل می‌شود. هیچ جمله نمونه‌ای برای خواندن وجود ندارد. اصلاحاتی که شما انجام می‌دهید، به آن یاد می‌دهد.

صدای شما، مجموعه داده شما

روی صدای شما آموزش می‌بیند و مجموعه داده مال شماست — روی دستگاه خودتان می‌ماند. سه چیز به شبکه می‌رسد و هیچ چیز دیگری: بررسی مجوز هنگام راه‌اندازی، بررسی به‌روزرسانی هنگام راه‌اندازی، و دانلود مدل‌هایی که خودتان شروع می‌کنید. هیچ صوتی و هیچ متنی، هرگز. وقتی مدل‌ها روی دیسک باشند، بدون هیچ شبکه‌ای کار می‌کند. تماس با وکیل‌تان، محصول منتشرنشده، یادداشت‌های بیمار — همه بدون هیچ چیز قابل‌افشا پیاده‌سازی می‌شوند.

شخصیسازی هوش مصنوعی — روی دستگاه خودتان

آموزش تنها با یک کلیک انجام می‌شود، روی سخت‌افزار شما اجرا می‌گردد و پس از اتمام، مدل جدید آماده استفاده خواهد بود. دو اندازه مدل وجود دارد: مدل کوچک برای لپ‌تاپ‌ها و گرافیک‌های یکپارچه، و مدل بزرگتر برای صداهای دارای نویز یا ویژگی‌های خاص. این یک انتخاب است، نه یک سطح؛ شما می‌توانید در هر زمانی تغییر دهید.

مدل‌ها و دستگاه‌ها

روی لپ‌تاپی که همین حالا دارید اجرا می‌شود. مدل کوچک حدود ۲ گیگابایت حافظه گرافیکی مصرف می‌کند و مدل بزرگ‌تر حدود ۳٫۵ گیگابایت؛ موتور ترجمه هم برای نسخه سریع حدود ۲ گیگابایت و برای نسخه باکیفیت حدود ۶ گیگابایت اضافه می‌کند. اصلاً کارت گرافیک ندارید؟ مشکلی نیست — ۸ گیگابایت رم و یک پردازنده چهارهسته‌ای کافی است. در لینوکس یک فایل قابل‌حمل تک‌فایله است و چیزی برای نصب ندارد؛ در ویندوز، یک نصب‌کننده که به دسترسی مدیر نیاز ندارد. اگر لینوکس شما قدیمی‌تر از glibc 2.38 باشد — اوبونتو 22.04، دبیان 12 — اجرا نمی‌شود. فدورا 39، اوبونتو 24.04، دبیان 13 و جدیدترها خانه‌ی آن هستند.

کنترل کامل بر ورودی

میکروفون، فایل یا بلندگوها – منبع ورودی به انتخاب شماست. فرآیندهای رونویسی و ترجمه می‌توانند هر کدام از پردازنده‌های خاص خود استفاده کنند؛ بنابراین یکی از آن‌ها روی کارت گرافیک و دیگری روی CPU اجرا می‌شود.

کاهش نویز برای ضبط‌های انجام شده در اتاق‌های پرسروصدا وجود دارد، اما به طور پیش‌فرض غیرفعال است؛ زیرا مشخص شده که باعث کاهش کیفیت کلیپ‌های کوتاه میکروفون می‌شود.

۳۰ زبان + ۲۲ گویش چینی، با یک کلیک

می‌تواند به ۳۰ زبان ترجمه کند، در ۳۸ زبان دیگر نیز ترجمه انجام دهد و ۲۳ زبان را هم در جهت رفت و هم برگشت پشتیبانی می‌کند. خودش نیز ۲۲ گویش منطقه‌ای چینی را تشخیص می‌دهد؛ تلفظ زبان سیچوان مادربزرگ شما نیز صحیح خواهد بود.

هر آنچه گفتید، قابل جستجو است.

هر رونوشتی در دستگاه شما ذخیره می‌شود و قابل جستجو است. جلسه دو ساعته‌ای که فراموش کرده بودید هنوز آنجاست. برای نگهداری آن نیازی به آپلود کردن چیزی نبود.

آن را متعلق به خودتان کنید.

آن را متعلق به خودتان کنید. به ایجنت هوش مصنوعی خود گوش‌هایی بدهید؛ این ایجنت می‌تواند از طریق MCP، بر روی دستگاه شما، بدون نیاز به کلید API — که بخشی از لایسنس پولی است — متن‌ها را ترجمه کند. اگر ایجنت شما فقط از طریق URL به اطلاعات دسترسی داشته باشد، این اپلیکیشن می‌تواند یک انتهای پایانی محلی ارائه دهد که نیاز به توکن دارد و بدون آن اجرا نمی‌شود. یک تماس سه ساعته تفاوتی با یک تماس سه دقیقه‌ای ندارد.

به‌روز باشید

یک بار خرید کنید، آن متعلق به شما خواهد بود. یک سال به‌روزرسانی در اختیار شما قرار می‌گیرد؛ پس از آن، به‌روزرسانی‌ها اختیاری هستند و بدون آن‌ها نیز اپلیکیشن تا ابد روی نسخه‌ای که دارید کار خواهد کرد. حتی پس از گذشت پنج سال نیز، چه دوباره به ما پول بپردازید و چه نه، این اپلیکیشن همچنان کار خواهد کرد. این تمام موضوع است.