चैटबॉट किसमें अच्छा है
कुछ चैट असिस्टेंट ऑडियो फ़ाइल ले लेते हैं। एक साफ़ आवाज़ वाला दो मिनट का वॉइस मेमो दें, तो काम लायक टेक्स्ट मिल सकता है। ट्रांसक्रिप्शन के बाद का काम भी चैटबॉट अच्छा करते हैं: टेक्स्ट हाथ में आने पर वे उसका सारांश बना सकते हैं, एक्शन आइटम निकाल सकते हैं या ईमेल तैयार कर सकते हैं। अगर आपकी रिकॉर्डिंग छोटी है और सिर्फ़ मोटा-मोटा मतलब चाहिए, तो शायद इतना काफ़ी हो।
कहाँ गड़बड़ होती है
- अपलोड की सीमा। ऑडियो लेने वाले असिस्टेंट फ़ाइल का साइज़ और लंबाई सीमित रखते हैं, और कुछ तो ऑडियो लेते ही नहीं। लंबी रिकॉर्डिंग को अक्सर टुकड़ों में काटकर एक-एक करके डालना पड़ता है।
- छोटा किया हुआ टेक्स्ट। चैट विंडो जवाब देने के लिए बनी है, चालीस पन्ने लौटाने के लिए नहीं। लंबी रिकॉर्डिंग पर असिस्टेंट अक्सर बात को समेट देता है, कुछ हिस्से छोड़ देता है या बीच में ही रुक जाता है।
- स्पीकर भरोसेमंद नहीं। इंटरव्यू या मीटिंग में यह जानना ज़रूरी है कि किसने क्या कहा। चैटबॉट स्पीकर का बदलना भरोसेमंद तरीके से नहीं दिखाते, इसलिए आपको हर बदलाव ऑडियो से मिलाकर जाँचना पड़ता है।
- टाइमस्टैम्प भरोसेमंद नहीं। हर लाइन का समय न हो, तो किसी कोट को जाँचने के लिए ऑडियो में वापस जाना मुश्किल है।
- काम की कोई फ़ाइल नहीं। आपको चैट में टेक्स्ट मिलता है, ऐसा डॉक्यूमेंट नहीं जो आप किसी को दे सकें।
छोटा किया गया टेक्स्ट सबसे मुश्किल से पकड़ में आता है। समेटा हुआ ट्रांसक्रिप्ट पढ़ने में सहज लगता है, इसलिए कुछ पता ही नहीं चलता कि बीच के दस मिनट गायब हैं।
ऐसा क्यों होता है
बोली हुई बात को टेक्स्ट में बदलने के लिए स्पीच मॉडल और ऑडियो पर असली प्रोसेसिंग का समय चाहिए। सामान्य चैट असिस्टेंट इस तरह बना होता है कि वह एक मैसेज का जवाब दे, और इस पर सीमा होती है कि वह कितना ले सकता है और कितना लिखकर लौटा सकता है। लंबी रिकॉर्डिंग दोनों सीमाओं से आगे निकल जाती है।
आउटपुट वाली तरफ़ को कम आँका जाता है। हमारे चार लंबे जॉब के टेस्ट में 85 मिनट की, 1,200 लाइन की सबटाइटल फ़ाइल का अनुवाद करने में हर मॉडल को 38,000 से 56,000 आउटपुट टोकन लगे। दो घंटे की रिकॉर्डिंग का पूरा ट्रांसक्रिप्ट उतने ही आकार का जवाब होता है। वह एक साथ पूरा आएगा या नहीं, यह इस पर निर्भर करता है कि ऐप एक जवाब में कितना टेक्स्ट आने देता है।
ख़ास स्पीच-टू-टेक्स्ट टूल उल्टे ढंग से बना होता है: वह पूरी फ़ाइल को हिस्सों में प्रोसेस करता है, हर पैराग्राफ़ का समय सुरक्षित रखता है, और नतीजे को ऐसे डॉक्यूमेंट के रूप में रखता है जिसे आप एडिट और एक्सपोर्ट कर सकें।
ख़ुद कैसे टेस्ट करें
ऐसी रिकॉर्डिंग लें जिसे आप जानते हों, कम से कम बीस मिनट लंबी, जिसमें दो लोग बात कर रहे हों।
- चैटबॉट से कहें कि इसे शब्दशः, टाइमस्टैम्प के साथ ट्रांसक्राइब करे।
- देखें कि अपलोड स्वीकार भी होता है या नहीं।
- अंत के पास का कोई वाक्य, जो आपको याद हो, चुनें और नतीजे में उसे खोजें।
- शब्दों की गिनती का मोटे अंदाज़ से मिलान करें: ज़्यादातर लोग एक मिनट में करीब 130 से 160 शब्द बोलते हैं।
अगर बाद वाला वाक्य मौजूद है और शब्दों की गिनती सही दायरे में है, तो आपकी रिकॉर्डिंग आसान श्रेणी में आती है। अगर अंत की ओर टेक्स्ट पतला होता जाता है, तो आपके पास ट्रांसक्रिप्ट नहीं, सारांश है।
इसके बजाय क्या इस्तेमाल करें
लंबी रिकॉर्डिंग के लिए बना टूल इस्तेमाल करें। हमारा लंबे ऑडियो और वीडियो से टेक्स्ट टूल रिकॉर्डिंग को हिस्सों में बाँटता है, हर हिस्से को टाइमस्टैम्प के साथ पूरा ट्रांसक्राइब करता है, और उन्हें क्रम से जोड़ देता है। यह 2 GB और 6 घंटे तक की ऑडियो और वीडियो फ़ाइलें लेता है, हर हिस्सा उसी भाषा में लिखता है जिसमें बोला गया है, और हर पैराग्राफ़ के नीचे अनुवाद जोड़ सकता है। आप TXT या Word में डाउनलोड करते हैं। तैयार नतीजे का उदाहरण डेमो में है।
पहला हिस्सा फ़्री है, बिना अकाउंट के। पूरी रिकॉर्डिंग $5 में, सिर्फ़ एक बार पेमेंट, कोई सब्सक्रिप्शन नहीं। Unlimited $19 प्रति सप्ताह है (हर हफ़्ते रिन्यू होता है, कभी भी रद्द करें), साइट के सभी टूल पर चलता है और हर जॉब में 12 घंटे तक की रिकॉर्डिंग लेता है।
अगर रिकॉर्डिंग WhatsApp चैट के अंदर के वॉइस मैसेज हैं, तो इसके बजाय WhatsApp चैट से PDF इस्तेमाल करें: यह हर वॉइस मैसेज को बातचीत में उसी जगह ट्रांसक्राइब करता है जहाँ वह भेजा गया था।