Paano namin ito magagawa? Tulong?

I-download ang installer mula sa Download page — gumagana ito sa Windows 11 o Linux. Sa Linux, ito ay isang solong portable file na walang kailangang i-install; sa Windows, ito ay isang karaniwang installer na hindi nangangailangan ng mga karapatan ng administrator. Gumagana ito nang wala man lang graphics card, at kapag mayroon, gumagana ang anumang Vulkan 1.2+ GPU — NVIDIA, AMD, at Intel Arc man. Ang mas maliit na voice model ay gumagana nang maayos sa anumang 4 GB na graphics card.

Mayroon lamang tatlong paraan upang gawin ito, lahat sa iisang lugar: buksan ang isang file ng audio o video, magsalita sa mikropono, o kunin ang tunog na nagmumula sa iyong mga speaker—ang pulong na iyong sinalihan bilang bisita, ang video na walang transkripsyon. At ang voice keyboard ay nakakapag-type kahit saan man naroon ang cursor mo—sa mga browser, editor, app para sa chat, anumang field na tumatanggap ng keyboard—at maaari itong mag-type ng pagsasalin sa halip na transkripsyon.

Hindi pa sa ngayon. Ang Windows 11 at Linux ay suportado na may parehong mga tampok, kabilang ang pagsasalin. Walang petsa para sa macOS. May 14-araw na trial na nangangailangan lamang ng email — walang card. Binubuksan nito ang lahat maliban sa personal training at koneksyon ng agent.

Iyan ang layunin nito. Natututo ito sa boses mo, sa mga terminong ginagamit mo, at sa mga pangalan ng tao o bagay, sa mismong makina mo. Kung itama mo ang isang maling pagbigkas, ang pagwawasto na iyon ay magiging halimbawa para sa pagsasanay – wala nang pangangailangan para sa mga halimbawang pangungusap na kailangang basahin. Ang proseso ng pagsasanay ay nangyayari sa isang klik lamang, tumatakbo ito sa iyong hardware, at handa na ang bagong modelo kapag tapos na ito.

1. I-set it nang minsan lang, at hindi na ito maglalabas ng maling impormasyon—sa transcript man o sa pagsasalin. Ang parehong listahan ang gumagabay sa pareho, kaya ang pangalan ay hindi kailanman nagiging mali dahil sa pagkakamali.
2. Oo. 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. Idagdag ang kasing dami ng target na wika na gusto mo.
3. Walang limitasyon sa haba. Maaaring manatili ang ahente sa loob ng dalawang oras na pagpupulong at ibigay sa iyo ang transkripsyon pagkatapos. Kalimutan mo na lang na nakapag-record ka nito, at wala ring mawawala — kusang natatapos nito ang trabaho at iniiwan ang transkripsyon para sa iyo.
4. Oo — teksto lang o SRT, na may takdang oras ayon sa pangungusap o salita kung kailangan mong mag-edit nang tumpak. Naglalagay ito ng mga subtitle sa 38 wika, at ang pagsasalin ng file ng subtitle ay nananatiling buo ang lahat ng takdang oras.

Ang personal na pagsasanay sa boses (fine-tuning) ay nasa roadmap para sa Q3 2026 — tingnan ang post tungkol sa roadmap. Kapag naipadala na ito, ang pag-train gamit ang sarili mong boses ang magiging pinakamainam na solusyon sa mga problema sa pagkilala.

Anumang mikropono ay maaaring gamitin. Para sa pinakamahusay na resulta, gumamit ng headset o USB condenser microphone. Ang mga built-in na mikropono sa laptop ay gumagana rin ngunit maaaring makakuha ng higit pang ingay sa paligid. Nakatutulong ang built-in na noise reduction upang makabawi dito.

Anumang GPU na may suporta sa Vulkan 1.2. NVIDIA: GTX 10-series o mas bago. AMD: RX 500-series o mas bago. Gumagana rin ang Intel Arc GPUs at mga kamakailang integrated graphics. Maaari mo ring patakbuhin sa CPU-only mode — mas mabagal ang transcription ngunit ganap na gumagana.

Ito ba ay subscription? Hindi. Kailangan mo lamang magbayad nang isang beses at magiging sa iyo na ito. Bawat pagbili ay nagbibigay ng permanenteng lisensya na may kasamang taunang mga update. Pagkatapos ng taong iyon, ang mga update ay opsyonal na — at kahit wala ang mga ito, patuloy pa ring gagana ang app sa bersyon na mayroon ka, nang walang hanggan. Gagana pa rin ito sa loob ng limang taon, sa bersyon na binili mo, kahit hindi ka na muling magbayad sa amin. Ano ang kasama sa trial? Ang 14-araw na trial ay nagbubukas sa lahat maliban sa personal training at koneksyon sa agent. Walang kailangang card — email lang. Ano ang mga bayad na plano? Dalawa. Isa para sa mga indibidwal, na sumasaklaw sa dalawang device, at isa bawat seat para sa mga team, na may diskwento kapag marami ang gumagamit.

Oo. I-deactivate ang Lisensya sa iyong lumang device sa pamamagitan ng Settings → Lisensya, pagkatapos ay mag-log in sa iyong bagong device. Bilang alternatibo, mag-log in sa iyong account upang pamahalaan ang mga device.

Maaari bang gamitin ito ng AI agent ko? Oo. Sa pamamagitan ng MCP, maaaring mag-transcribe, mag-translate, at mag-record ang agent ng mga pagpupulong anumang haba — walang pagkakaiba sa pagitan ng tawag na tatlong oras at tawag na tatlong minuto. Ito ay gumagana sa iyong makina, at kasama ito sa bayad na lisensya. Open source ba ito? Hindi. Ang Brethof Voice Pro ay software na may sariling lisensya.

Hindi maaaring tumakbo ang bersyon ng Linux sa aking makina. Ang pag-download ng Linux ay nangangailangan ng glibc 2.38 o mas bago – ito ang minimum na kinakailangan para sa pagbuo nito. Tumatakbo ito sa Fedora 39+, Ubuntu 24.04+, Debian 13+, pati na rin sa Arch at CachyOS. Sa mga bersyon na mas mababa rito, tumatanggi ang loader na patakbuhin ito; wala ring solusyon dito. Kailangan ko ba ng graphics card? Hindi. Tumatakbo ito gamit lamang ang CPU. Kapag may GPU, ang transcription at translation ay kumukuha ng kani-kanilang processor, kaya maaaring tumakbo ang isa sa graphics card habang ang isa naman ay sa CPU.

Ano ba talaga ang lumalabas sa aking makina? Wala namang mahalaga. Tatlong bagay lang ang nakakarating sa network, at wala nang iba: ang pag-verify ng lisensya sa oras ng pagpapatakbo, ang pag-verify para sa mga update sa oras ng pagpapatakbo, at ang mga modelo na iyong dinadownload nang mag-isa. Walang audio, walang teksto — kailanman. Kapag nasa disk na ang mga modelo, gumagana ito kahit wala nang network.

Ang pagre-record ko ay ginawa sa isang maingay na silid. Ang opsyonal na pagbawas ng ingay ay dinisenyo para sa eksaktong layuning iyon. Buksan ito habang nagre-record upang mapalinis ang tunog.