सब कुछ इसमें है। एक ही ऐप

पूर्ण गोपनीयता

आपके द्वारा कही गई हर एक शब्द को आपके डिवाइस पर ही संसाधित किया जाता है। कोई भी ऑडियो, टेक्स्ट, या मेटाडेटा किसी भी सर्वर पर नहीं भेजा जाता। यहाँ न तो कोई क्लाउड बैकएंड है, न ही कोई टेलीमेट्री, न ही कोई विश्लेषण, और न ही कोई “फोन-होम

• ट्रांसक्रिप्शन के दौरान कोई नेटवर्क कॉल नहीं।
• एक बार डाउनलोड करने के बाद स्थानीय रूप से संग्रहीत मॉडल
• ओपन-सोर्स Qwen3-ASR इंजन — पूरी तरह से ऑडिट किया जा सकता है

GPU त्वरण

Brethof Voice Pro, तेज़ इन्फरेंस के लिए llama.cpp के साथ GGUF-ऑप्टिमाइज्ड इंजन का उपयोग करता है। यह बिना किसी अतिरिक्त सेटअप के तीनों प्रमुख GPU विक्रेताओं का समर्थन करता है।

• NVIDIA — Vulkan त्वरण (GTX 10-सीरीज़ एवं नई श्रृंखलाएँ)
• AMD — Vulkan त्वरण (RX 500-सीरीज़ एवं नई श्रृंखलाएँ)
• Intel — Vulkan त्वरण (Arc GPU एवं एकीकृत ग्राफिक्स)
• CPU फॉलबैक — GPU के बिना भी चलता है, बस धीमा होता है।

ऑफलाइन ट्रांसक्रिप्शन — 30 भाषाएँ + 22 चीनी बोलीयाँ

लामा.cpp के माध्यम से Qwen3-ASR द्वारा संचालित। अधिकतम सटीकता हेतु किसी विशेष भाषा को चुनें, या इंजन को स्वचालित रूप से पहचानने दें। हर शब्द आपके ही कंप्यूटर पर रहता है।

चीनी भाषा चुनने या स्वचालित पहचान विकल्प का उपयोग करने पर 22 चीनी क्षेत्रीय बोलियाँ (अनहुई, डोंगबेई, फुजियान, हेनान, हुनान, शांडोंग, सिचुआन, वू, मिन्नान आदि) स्वचालित रूप से पहचानी जाती हैं।

ऑफलाइन अनुवाद — 38 भाषाएँ v2.0.0 में नया

किसी भी ट्रांसक्रिप्शन, वॉयस-कीबोर्ड आउटपुट, सादे टेक्स्ट, या सबटाइटल फ़ाइल का अनुवाद — पूरी तरह से आपके ही कंप्यूटर पर किया जा सकता है। Hunyuan MT2 द्वारा संचा� Tencent Hunyuan MT2FLORES-200 (XCOMET-XXL) पर, गुणवत्ता स्तर सर्वोच्च स्तर तक पहुँच जाता है। Google Gemini 3.1 Pro का 97.9% और कॉम्पैक्ट फास्ट टियर की दक्षता 89.9% है, तथा यह वास्तविक-दुनिया के परीक्षणों (WildMTBench) एवं अल्पसंख्यक भाषाओं के अनुवाद में Gemini 3.1 Pro से बेहतर प्रदर्शन करता है।

• ट्रांसक्राइब + अनुवाद — “Transcribe” पॉपअप में लक्षित भाषा चुनें; ASR ट्रांसक्राइब करता है, MT अनुवाद करता है, दोनों का परिणाम एक साथ दिखाया जाता है।
• वॉइस कीबोर्ड अनुवाद — बोलें, 3-कॉलम वाले भाषा ग्रिड से लक्ष्य चुनें, कीबोर्ड अनुवाद टाइप करता है।
• उपशीर्षक अनुवादक — 38 भाषाओं में से किसी भी भाषा में SRT/VTT फ़ाइलें, वैकल्पिक द्विभाषी मोड के साथ (प्रत्येक क्यू में स्रोत + अनुवाद)
• दो मॉडल स्तर — CPU पर तेज़ गति से (~1 जीबी), एक सेकंड से कम समय में; GPU पर उच्च गुणवत्ता वाला, (~4.3 जीबी), भी एक सेकंड से कम समय में।
• स्वतंत्र डिवाइस चयनकर्ता — Vulkan 0 पर ASR चलाएं, Vulkan 1 पर अनुवाद करें, या दोनों को CPU पर करें।

दो मॉडल आकार

अपने कंप्यूटर के अनुकूल सटीकता, गति एवं VRAM का संतुलन चुनें। दोनों ही सिस्टम एक ही Qwen3-ASR आर्किटेक्चर का उपयोग करते हैं; “सेटिंग्स → मॉडल्स” में जाकर कभी भी बदलाव किया जा सकता है।

• 0.6B — छोटा, तेज़; एकीकृत GPU या किसी भी 4 जीबी+ Vulkan कार्ड पर काम करता है। लैपटॉपों के लिए अनुशंसित डिफ़ॉल्ट विकल्प है।
• 1.7B — विशेष चिह्नों वाले या शोरयुक्त ऑडियो पर बेहतर एवं उच्च सटीकता। 6 GB+ VRAM पर आसानी से कार्य करता है। ओपन ASR में सर्वोत्तम स्तर का है।

“Settings → Models” में आवश्यकतानुसार ऐड-ऑन्स डाउनलोड किए जा सकते हैं। जबरन संरेखक (लगभग 540 MB) शब्द-स्तरीय टाइमस्टैम्प के लिए, Hunyuan MT2 Fast (लगभग 1 जीबी) या गुणवत्ता अनुवाद हेतु (~4.3 जीबी)।

AI शोर रिडक्शन

शोरयुक्त कमरों में रिकॉर्ड की गई आवाज़ों हेतु वैकल्पिक DeepFilter शोर दमन सुविधा — डिफ़ॉल्ट रूप से बंद रहती है; इसे “Noise” पॉप-अप से सक्रिय किया जा सकता है। स्वच्छ माइक रिकॉर्डिंगों में इसे छोड़ देने से गुणवत्ता में सुधार होता है (क्योंकि DeepFilter छो

• पृष्ठभूमि के शोर, कीबोर्ड के क्लिक्स, एवं कमरे के प्रतिध्वनियों को हटाता है।
• कस्टमाइज़ की जा सकने वाली कमजोरी
• कोई अतिरिक्त हार्डवेयर की आवश्यकता नहीं है।
• डिफ़ॉल्ट रूप से बंद — प्रत्येक रिकॉर्डिंग के लिए चालू/बंद करें या हमेशा चालू रखें

व्यक्तिगत वॉइस प्रशिक्षण

LoRA का उपयोग करके अपनी आवाज़ पर मॉडल को फाइन-ट्यून करें — यह प्रक्रिया आपके कंप्यूटर पर ही एंड-टू-एंड चलती है। जब भी आप किसी गलत पहचाने गए शब्द को सुधारते हैं, तो {clip, correction} जोड़ी आपके स्थानीय प्रशिक्षण डेटासेट में सहेज दी जाती है। मुख्य विंडो में दिए गए प्रशिक्षण कार्ड से आप एक नज़र में कुल नमूनों एवं रिकॉर्ड किए गए मिनटों की जानकारी प्राप्त कर सकते हैं — इस पर क्लिक करके डेटासेट ब्राउज़र

• अपने लहजे, बोली एवं बोलने की लय के अनुकूल हो जाएँ।
• सुधारों को स्वचालित रूप से सहेजा गया — बस ऐप का उपयोग जारी रखें।
• LoRA फाइन-ट्यूनिंग — तेज़, कुशल, पूर्ण पुनः प्रशिक्षण की आवश्यकता नहीं
• स्वचालित चयन NVIDIA CUDA (cu128 PyTorch) या CPU बैकएंड
• प्रशिक्षित मॉडल को पूरा होने पर स्वचालित रूप से GGUF में निर्यात कर दिया जाता है।
• आपका वॉइस डेटा कभी भी आपके कंप्यूटर से बाहर नहीं जाता।
• प्रत्येक भुगतान की गई लाइसेंस के साथ मुफ्त।

वॉइस कीबोर्ड एवं प्रत्यक्ष टेक्स्ट इंजेक्शन

हॉटकी दबाए रखें, बोलें, और पाठ आपके कर्सर के स्थान पर ही दिखाई देगा — ठीक वैसे ही जैसे कीबोर्ड से। यह ब्राउज़र, IDE, टर्मिनल, चैट ऐप्स, एवं ऐसी हर जगह काम करता है जहाँ टेक्स्ट फील्ड कीबोर्ड इनपुट स्वीकार करता हो।

• डिफ़ॉल्ट हॉटकी F9 — कस्टमाइज़ करने योग्य, रिकॉर्ड करने हेतु दबाए रखें या टॉगल करें
• हैंड्स-फ्री रिकॉर्डिंग के लिए वैकल्पिक राइट-माउस-बटन ट्रिगर
• लाइव अनुवाद चिप — एक ही भाषा में बोलें, कीबोर्ड स्वयं अनुवाद टाइप कर देगा। 3-कॉलम वाले ग्रिड से एक या अधिक लक्ष्य चुनें: प्रत्येक पंक्ति में एक, इनलाइन।EN: … || PL: …), या केवल पहला लक्ष्य।
• किसी भी टेक्स्ट फील्ड, एडिटर, टर्मिनल, या चैट के साथ काम करता है।
• लिनक्स पर X11 एवं Wayland, विंडोज पर नेटिव इनपुट

हॉटवर्ड संदर्भ एवं शब्दावली

एक ही उपकरण, दो उपयोग। पक्षपात पैदा करना। ASR विशेष नामों, ब्रांड नामों एवं तकनीकी शब्दावली के मामले में — यह “VFIO” को गलती से “VEAF1” के रूप में लिखे जाने को रोकता है। यही फील्ड दोहरे उद्देश्यों हेतु भी कार्य करता है। अनुवाद संबंधी शब्दावली का शब्दकोश — “Brethof Voice” पिन करें ताकि हर लक्ष्य भाषा में यह “Brethof Voice” ही बना रहे।

• Settings में शब्द जोड़ें — प्रत्येक लाइन में एक।
• विशेष नामों एवं संक्षिप्त रूपों की पहचान में सुधार करता है।
• अनुवाद में ब्रांड नामों एवं तकनीकी शब्दों को जैसे ही रखा जाता है।
• पुनः प्रशिक्षण की आवश्यकता नहीं है — इन्फरेंस समय पर ही इसका उपयोग किया जाता है।

AI एजेंट्स के लिए MCP सर्वर भुगतान योजनाएँ

वही बाइनरी जो GUI को चलाता है, वह Model Context Protocol सर्वर के रूप में भी चल सकता है — 19 उपकरण जो Claude Desktop, Claude Code, Cursor, Cline, या किसी भी MCP-संगत एजेंट के लिए ASR एवं MT सुविधाएँ प्रदान करते हैं। डेटा संचार stdio के माध्यम से होता है: कोई पोर्ट नहीं, कोई फायरवॉल नहीं, कोई localhost बाइंडिंग नहीं। एजेंट ही इसके जीवनचक्र का नियंत्रण करता 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 प्रोफाइलों की सूची बनाएं एवं उनमें परिवर्तन करें
• एजेंट से किसी भी ऐप सेटिंग को पढ़ें/लिखें।

चलाएँ brethof-voice --mcp और एजेंट stdio के माध्यम से कनेक्ट होता है। इसके लिए भुगतान की गई लाइसेंस आवश्यक है — ट्रायल उपयोगकर्ता सर्वर शुरू नहीं कर सकते।