इसमें सब कुछ एक ऐप

आपकी आवाज़ कभी आपके कंप्यूटर से बाहर नहीं जाती।

वह वाक्य ही पूरा प्रस्ताव है, एवं यही मान्य है। नेटवर्क तक तीन चीजें ही पहुँचती हैं – लॉन्च के समय लाइसेंस सत्यापन, लॉन्च के समय अपडेट सत्यापन, एवं मॉडल का डाउनलोड। इसके बाद ही आप इसका उपयोग शुरू कर सकते हैं। कोई ऑडियो, कोई टेक्स्ट – कभी नहीं।

• कोई ऑडियो नहीं। कोई टेक्स्ट नहीं। कभी नहीं।
• जब मॉडल आपके डिस्क पर होते हैं एवं अपडेट जाँच बंद होती है, तो कुछ भी बाहर नहीं जाता।
• कोई नेटवर्क नहीं, कोई समस्या नहीं।

यह आपके पास मौजूद लैपटॉप पर ही काम करता है।

किसी वर्कस्टेशन की आवश्यकता नहीं है। छोटा मॉडल किसी भी 4 जीबी वाले ग्राफिक्स कार्ड पर काम कर सकता है, एवं बिना ग्राफिक्स कार्ड के भी यह सिस्टम काम कर सकता है — इसमें 8 जीबी रैम, चार-कोर वाला x86_64 प्रोसेसर, एवं 5 जीबी डिस्क स्पेस है।

• NVIDIA — Vulkan 1.2+ GPU
• AMD — Vulkan 1.2+ GPU
• Linux में यह कोई इंस्टॉलेशन की आवश्यकता के बिना एक ही पोर्टेबल फ़ाइल के रूप में आता है।
• Windows पर यह एक सामान्य इंस्टॉलर है जिसे किसी एडमिनिस्ट्रेटर अधिकार की आवश्यकता नहीं होती।

तीस भाषाएँ, बाईस चीनी बोलियाँ, आपके मशीन पर।

यह तीस भाषाओं में ट्रांसक्राइब कर सकता है, एवं बिना किसी सूचना के ही चीनी भाषा की बाईस क्षेत्रीय बोलियों को पहचान सकता है।

यह सब आपके कंप्यूटर पर ही चलता है; इसके लिए कोई प्रति मिनट शुल्क नहीं है, और कोई फाइल अपलोड करने की आवश्यकता भी नहीं है।

38 भाषाओं में अनुवाद – v2.0.0 में नया सुविधा।

तैंतीस भाषाओं में अनुवाद – वर्जन 2.0.0 में नया सुविधा।

• पोलिश बोलें, अंग्रेजी प्राप्त करें। अंग्रेजी बोलें, जापानी प्राप्त करें।
• इसे एक बार कहें, और इसे अंग्रेजी, जापानी, फ्रांसीसी एवं स्पेनिश में एक साथ टाइप करवाएं — प्रत्येक भाषा को अलग पंक्ति में, या चाहें तो एक ही पंक्ति में एक-दूसरे के बगल में; जितनी भी लक्षित भाषाएँ चाहें।
• यह अनुवाद प्रमुख क्लाउड-आधारित सिस्टमों का मुकाबला करने में सक्षम है। टेंसेंट के Hunyuan MT2 द्वारा संचालित होने के कारण, FLORES-200 बेंचमार्क पर इसकी गुणवत्ता Google Gemini 3.1 Pro के 97.9% के बराबर है; साथ ही वास्तविक दुनिया के अनुवादों एवं अल्पसंख्यक भाषाओं के अनुवादों में यह Gemini 3.1 Pro से बेहतर प्रदर्शन करता है।
• उपशीर्षक भी – सादा पाठ या SRT फॉर्मेट में, वाक्यों के हिसाब से समयनिर्धारित, या यदि आपको सटीक रूप से संपादन करने की आवश्यकता हो तो शब्द-दर-शब्द।
• और सबटाइटल फ़ाइल का अनुवाद करने से हर चीज़ का समय-संरेखण बरकरार रहता है।

आपकी मशीन, आपका निर्णय।

दो मॉडल आकार – यह एक विकल्प है, कोई स्तर नहीं: छोटा मॉडल लैपटॉपों एवं एकीकृत ग्राफिक्स के लिए है, जबकि बड़ा मॉडल बेहतर या जोरदार ऑडियो के लिए है। आप कभी भी इनके बीच बदलाव कर सकते हैं। ट्रांसक्रिप्शन एवं अनुवाद दोनों ही अपने-अपने प्रोसेसर का उपयोग करते हैं; इसलिए एक ग्राफिक्स कार्ड पर चल सकता है, जबकि दूसरा CPU पर।

• छोटा — लैपटॉप एवं इंटीग्रेटेड ग्राफिक्स के लिए
• बड़ा — जोरदार या शोरभरे ऑडियो के लिए

वैकल्पिक ऐड-ऑन Settings → Models से मांग पर डाउनलोड होते हैं: Forced Aligner (~540 MB) शब्द-स्तर टाइमस्टैम्प के लिए, Hunyuan MT2 Fast (~1 GB) या गुणवत्ता (~4.3 GB) अनुवाद के लिए।

शोर कम करना

शोरयुक्त कमरे में बनाई गई रिकॉर्डिंगों के लिए शोर कम करने की सुविधा उपलब्ध है।

• यह डिफ़ॉल्ट रूप से बंद होता है, क्योंकि इसे छोटे, साफ़ माइक्रोफ़ोन क्लिप्स की गुणवत्ता को खराब करने हेतु डिज़ाइन किया गया था।
• जब कमरे में शोर हो, तब इसे चालू करें।
• जब आपकी रिकॉर्डिंग ठीक हो, तो इसे हटा दें।
• डिफ़ॉल्ट रूप से बंद — प्रति-रिकॉर्डिंग टॉगल करें या हमेशा-चालू रखें

यह आपके द्वारा किए गए सुधारों से सीखता है।

अधिकांश वॉइस ऐप्स आपसे नमूना वाक्य पढ़ने को कहते हैं। यह ऐप आपके द्वारा किए गए सुधारों पर ही प्रशिक्षण लेता है – यदि आपने कोई गलत सुना गया शब्द सुधारा, तो वही सुधार एक उदाहरण बन जाता है।

• कोई नमूना रिकॉर्डिंग नहीं, कोई होमवर्क नहीं।
• प्रशिक्षण के लिए केवल एक क्लिक पर्याप्त है।
• अपने ही हार्डवेयर पर काम करता है।
• नया मॉडल, तैयार होने के बाद, इसकी जगह लेने के लिए तैयार है।
• कोई रिकॉर्डिंग सत्र नहीं।
• “कृपया नीचे दिए गए पैराग्राफ को दोहराइए” नहीं।
• बस आपकी आवाज़, और वे सुधार जो आप पहले ही करने वाले थे।

वह कीबोर्ड जो सुनता है

जहाँ भी कर्सर हो, वहाँ टाइप करें — एडिटर में, टर्मिनल में, चैट बॉक्स में, फॉर्म में, किसी भी ऐसे फील्ड में जो कीबोर्ड से डेटा ले सकता हो। और यदि आप चाहें, तो यह ट्रांसक्रिप्शन के बजाय अनुवाद ही टाइप करेगा: पोलिश में कहें, और अंग्रेजी पृष्ठ पर आ जाएगी।

• माइक्रोफोन
• एक ऑडियो या वीडियो फ़ाइल
• आपके स्पीकरों से बज रहा ऑडियो
• किसी भी टेक्स्ट फील्ड, एडिटर, टर्मिनल या चैट के साथ काम करता है
• लिनक्स पर X11 और Wayland, Windows पर नेटिव इनपुट

आपके शब्द, आपकी ही लिपि में।

ब्रांड नाम, विशेषज्ञता संबंधी शब्द, सहकर्मियों के नाम। इन्हें एक बार सेव कर लेने पर वे गलत रूप में नहीं आते। यही सूची ट्रांसक्रिप्शन एवं अनुवाद को निर्देशित करती है; इसलिए कोई नाम गलती से भी स्थानीय रूप में नहीं बदल जाता। किसी गलत सुने गए शब्द को एक बार सुधार देने पर वह प्रशिक्षण डेटा बन जाता है – आपसे उसे अभ्यास हेतु फिर से पढ़ने को कभी नहीं कहा जाता।

• सेटिंग्स में शब्द जोड़ें — प्रत्येक पंक्ति में एक।
• विशेष नामों और संक्षिप्त रूपों की पहचान में सुधार करता है
• अनुवाद में ब्रांड नामों एवं तकनीकी शब्दों को जैसा है वैसा ही रखा जाता है।
• पुनः प्रशिक्षण की आवश्यकता नहीं — इनफरेंस समय पर लागू होता है

एजेंट को कान मिल जाते हैं।

अपने AI एजेंट को सुनने की क्षमता दें। MCP के माध्यम से यह बिना किसी API कुंजी के, आपके कंप्यूटर पर किसी भी लंबाई की बैठक को ट्रांसक्राइब, अनुवादित एवं रिकॉर्ड कर सकता है।

• ऑडियो/वीडियो फ़ाइलों, माइक रिकॉर्डिंगों, या सिस्टम ऑडियो को ट्रांसक्राइब करें
• टेक्स्ट, SRT, या VTT का अनुवाद करें (द्विभाषी मोड समर्थित है)
• रनटाइम में ASR या MT कंप्यूट डिवाइस को बदलें
• व्यक्तिगत वॉइस प्रोफ़ाइलों की सूची बनाएं और उनमें परिवर्तन करें
• एजेंट से किसी भी ऐप सेटिंग को पढ़ें/लिखें।

तीन घंटे की कॉल, तीन मिनट की कॉल से कोई अंतर नहीं है – इसकी कोई विशेष देखभाल की आवश्यकता नहीं है; और यदि आप भूल जाएं कि इसका रिकॉर्डिंग हो रहा है, तो कुछ भी खोया नहीं जाता: यह अपने आप ही समाप्त हो जाती है एवं आपके लिए ट्रांसक्रिप्ट भी संरक्षित रह जाती है।