Lahat ng nasa loob isang app

Ang iyong boses ay hindi kailanman lumalabas sa iyong kompyuter.

Ang pangungusap na iyon ang buong presentasyon, at ito ay wasto. Tatlong bagay ang nakakarating sa network, at iyan ay kapag: may pag-verify sa lisensya sa panahon ng paglulunsad, may pag-verify sa mga update sa panahon ng paglulunsad, at kapag na-download mo na ang modelo. Walang audio, walang teksto, kailanman.

• Walang audio. Walang teksto. Kailanman.
• Kapag nasa disk mo na ang mga modelo at nakapatay ang pag-check ng update, wala talagang anumang bagay na lalabas.
• Walang network, walang problema.

Gagana sa laptop na mayroon ka na.

Hindi kailangan ng workstation. Ang maliit na modelo ay gumagana sa anumang graphics card na may 4 GB na kapasidad, at maaari ring gumana nang wala man lang graphics card—kinakailangan lamang ang 8 GB ng RAM, isang processor na x86_64 na may apat na core, at 5 GB ng espasyo sa disk.

• NVIDIA — Mga GPU na Vulkan 1.2+
• AMD — Mga GPU na Vulkan 1.2+
• Sa Linux, ito ay ibinibigay bilang isang solong portable na file na walang kailangang i-install.
• Sa Windows, ito ay isang karaniwang installer na hindi nangangailangan ng mga pribilehiyo ng administrator.

Tatlumpung wika, dalawampu’t dalawang diyalekto ng Tsino, sa iyong makina

Nakakapagsalin ito sa tatlumpung wika at nakikilala nang kusa ang dalawampu’t dalawang rehiyonal na diyalekto ng Tsino, nang hindi kinakailangang sabihin sa kaniya kung alin ang ginagamit.

Lahat ng ito ay tumatakbo sa iyong makina, walang bayad kada minuto at walang pag-upload.

Pagsasalin sa 38 wika — bago sa v2.0.0

Pagsasalin sa tatlumpu’t walong wika — bago sa v2.0.0

• Magsalita ng Polish, makakakuha ka ng Ingles. Magsalita ng Ingles, makakakuha ka ng Hapon.
• Sabihin mo ito nang isang beses at ipasulat ito sa Ingles, Hapon, Pranses, at Espanyol nang sabay-sabay — isa bawat linya, o magkatabi sa iisang linya, ayon sa dami ng wikang nais mong gamitin.
• Kaya nitong makipagkompetensya sa mga nangungunang serbisyo sa paglilipat ng teksto. Sa tulong ng Hunyuan MT2 ng Tencent, naabot nito ang 97.9% ng kalidad ng Gemini 3.1 Pro sa benchmark na FLORES-200, at nakahihigit pa ito sa huli sa paglilipat ng teksto sa totoong buhay at sa mga wika ng minorya.
• Mga subtitle din — plain text o SRT, ayon sa takdang oras ng bawat pangungusap, o salita-bisa kung kailangan mong mag-edit nang tumpak.
• At ang pagsasalin ng file ng subtitle ay nananatiling buo ang bawat timing nito.

Ikaw ang may kontrol sa iyong makina.

Dalawang sukat ng modelo – isang pagpili kaysa sa iba’t ibang antas: ang mas maliit para sa mga laptop at integrated graphics, ang mas malaki naman para sa mas malakas o maingay na tunog. Maaari kang magpalit anumang oras. At ang transcription at translation ay bawat isa ay may sariling processor; kaya maaaring tumakbo ang isa sa graphics card habang ang isa naman ay sa CPU.

• Maliit — para sa mga laptop at integrated graphics
• Malaki — para sa audio na may diin o maingay

Ang mga opsyonal na add-on ay dina-download on demand mula sa Settings → Models: Forced Aligner (~540 MB) para sa mga timestamp sa antas ng salita, Hunyuan MT2 Fast (~1 GB) o Kalidad (~4.3 GB) para sa translation.

Pagbawas ng ingay

Ang pagbawas ng ingay ay ginagamit para sa mga rekord na ginawa sa isang maingay na silid.

• Ito ay nakapatay sa default, dahil ito ay dinisenyo upang mapalala ang kalidad ng mga maikli at malinaw na bidyo mula sa mikropono.
• Buksan ito kapag maingay ang silid.
• Huwag na itong ilagay kung maayos naman ang iyong pagre-record.
• Naka-off bilang default — i-toggle bawat recording o laging naka-on

Natututo ito mula sa mga pagwawasto na iyong ginagawa na.

Karamihan sa mga app para sa boses ay humihingi sa iyo na basahin ang mga halimbawang pangungusap. Ang app na ito naman ay nag-eensayo batay sa mga pagwawasto na iyong ginagawa: itinatama mo ang isang maling narinig na salita, at ang pagwawastong iyon ang nagiging halimbawa.

• Walang pagre-record ng sample, walang takdang-aralin.
• Ang pagsasanay ay isang klik lang.
• Gumagana sa sarili mong hardware
• Handa nang gamitin ang bagong modelo kapag tapos na ito.
• Walang mga sesyon ng pagre-record.
• Huwag “pakiusap, ulitin ang sumusunod na talata”.
• Ang boses mo lang, at ang mga pag-aayos na balak mong gawin naman.

Ang keyboard na nakikinig

Mag-type kahit saan man naroon ang Cursor — sa editor, terminal, chat box, form, o anumang field na tumatanggap ng input mula sa keyboard. At kung gusto mo, ito ang mag-type ng pagsasalin sa halip na transkripsyon: sabihin mo ito sa Polish, at ang bersyon sa English ang lalabas sa pahina.

• Ang mikropono
• Isang file ng audio o video
• Ang tunog na naglalaro sa iyong mga speaker
• Gumagana sa anumang field ng teksto, editor, terminal, o chat.
• X11 at Wayland sa Linux, native input sa Windows

Ang iyong mga salita, isinulat ayon sa iyong paraan

Mga pangalan ng tatak, jargon, pangalan ng mga kasamahan. Itala ang mga ito nang minsan lang at hindi na ito magkakamali sa paglalabas. Ang parehong listahan ang nagiging gabay sa transkripsyon at pagsasalin, kaya ang isang pangalan ay hindi kailanman maaaring maging mali dahil sa pagkakamali. Itama ang isang salitang maling narinig nang minsan lang, at ito ay magiging bahagi na ng data para sa pagsasanay — hindi ka na kailanman hihilinging basahin ito para sa pagsasanay.

• Magdagdag ng mga termino sa Settings — isa bawat linya
• Pinapabuti nito ang pagkilala sa mga pangngalang pantangi at mga abbreviation.
• Pinapanatili ang mga brand name at teknikal na termino sa mga pagsasalin
• Hindi Kailangan ng Muling Pagsasanay — Ginagamit sa Oras ng Pagtatasa

Nakakarinig ang ahente.

Bigyan ang iyong AI agent ng kakayahang makinig. Sa pamamagitan ng MCP, maaari itong mag-transcribe, mag-translate, at mag-record ng mga pulong anumang haba, sa iyong makina, nang wala nang API key.

• I-transcribe ang mga audio/video file, mic recording, o system audio
• Isalin ang text, SRT, o VTT (sinusuportahan ang bilingual mode)
• Lumipat ng ASR o MT compute device on the fly
• Ilista at lumipat ng mga personal na voice profile
• Basahin/isulat ang anumang setting ng app mula sa agent

Ang tawag na tumatagal nang tatlong oras ay wala ring pagkakaiba sa tawag na tumatagal nang tatlong minuto — wala kang kailangang bantayan, at kung makalimutan mong ito ay nire-record, wala ring mawawala: kusang matatapos ito at mananatili ang transkripsyon para sa iyo.