অফলাইন স্পিচ টু টেক্সট: তিনটি AI মডেল, একটি অ্যাপ
Whisper Notes হলো iPhone ও Mac-এর জন্য একটি অফলাইন স্পিচ টু টেক্সট অ্যাপ। স্পিচ মডেল আপনার ডিভাইসেই চলে, তাই ইন্টারনেট সংযোগ লাগে না এবং আপনার অডিও কখনো আপলোড হয় না। লক স্ক্রিন থেকে রেকর্ড করুন, অডিও ফাইল ইম্পোর্ট করুন বা কোনো মিটিং ট্রান্সক্রাইব করুন; লেখা তৈরি হয় সেই ডিভাইসেই।
অফলাইনে কী কী চলে?
মডেল একবার ডাউনলোড হওয়ার পর সবকিছু। রেকর্ডিং, ট্রান্সক্রিপশন, বক্তা চিহ্নিত করা, সার্চ আর এক্সপোর্ট সবই ডিভাইসে হয়, তাই এয়ারপ্লেন মোডেও কাজ করে। আমরা ব্যবহারকারীর কোনো তথ্য সংগ্রহ বা আপলোড করি না।
iPhone-এ লক স্ক্রিন উইজেটে একবার ট্যাপ করলে অ্যাপ খোলে আর রেকর্ডিং শুরু হয়, এবং লাইভ অ্যাক্টিভিটি লক স্ক্রিন ও Dynamic Island-এ রেকর্ডিং দেখায়। আপনি অডিও ফাইল ইম্পোর্টও করতে পারেন, অথবা ভয়েস মেমো থেকে কোনো রেকর্ডিং Whisper Notes-এ শেয়ার করতে পারেন।
Mac-এ আপনি রেকর্ড করতে পারেন, অডিও ও ভিডিও ফাইল ইম্পোর্ট করতে পারেন, আর সিস্টেম অডিও থেকে Zoom, Teams বা Google Meet কল রেকর্ড করতে পারেন। আমাদের ওয়েবসাইট থেকে ডাউনলোড করা Mac অ্যাপে Fn চেপে ধরে যেকোনো অ্যাপে কণ্ঠ দিয়ে টাইপও করতে পারেন।
নাম, প্রোডাক্টের নাম আর বিশেষ পরিভাষা সেটিংসে কাস্টম শব্দভান্ডার হিসেবে যোগ করুন, তাহলে মডেল সেগুলো আপনার মতো করেই লিখবে। লেখা বাইরে নিতে কপি বা শেয়ার করুন, অথবা কয়েকটি ট্রান্সক্রিপ্ট বেছে একসাথে এক্সপোর্ট করুন।
কোন মডেল কোথায় চলে?
Whisper Notes-এ কণ্ঠ শনাক্ত করার তিনটি ইঞ্জিন আছে। সেটিংসে একটি বেছে নেন; যে ইঞ্জিন যোগ করবেন সেটি একবারই ডাউনলোড হয়।
- •Parakeet V3 ডিফল্ট ইঞ্জিন: ইংরেজি ও আরও ২৪টি ইউরোপীয় ভাষার জন্য সবচেয়ে দ্রুত। এটি iPhone অ্যাপে আগে থেকেই আছে (প্রায় 465 MB)। ইংরেজিতে Open ASR Leaderboard-এ এর WER 6.32%, আর M5 MacBook Air-এ এটি রিয়েলটাইমের প্রায় 60 গুণ গতিতে চলে।
- •Whisper ১০০টির বেশি ভাষা সমর্থন করে। Mac-এ চলে Whisper Large V3 Turbo (প্রায় 1.6 GB); iPhone-এ চলে Whisper Small, যার ভাষার তালিকা একই।
- •SenseVoice চীনা, জাপানি, কোরীয় ও ক্যান্টোনিজের জন্য তৈরি। M4 Pro চিপের Mac-এ এটি 27 মিনিটের একটি চীনা পডকাস্ট 13.83 সেকেন্ডে ট্রান্সক্রাইব করেছে (রিয়েলটাইমের 118 গুণ); ইংরেজিতে গতি রিয়েলটাইমের প্রায় 52 গুণ।
M4 Pro-তে Parakeet V3 ৩৫ মিনিটের অডিও প্রায় ১৮ সেকেন্ডে ট্রান্সক্রাইব করে। iPhone-এর ক্ষেত্রে App Store পেজে বলা আছে, iPhone 15-এ Parakeet দিয়ে পাঁচ মিনিটের অডিওতে প্রায় ১৮ সেকেন্ড লাগে। প্রতিটি ইঞ্জিনের ভাষার পুরো তালিকা একটি পেজেই আছে।
দাম কত?
iPhone-এ Whisper Notes একবারের জন্য $7.99। Mac-এ প্রতি সপ্তাহে প্রথম ৫,০০০ শব্দ বিনামূল্যে, তারপর একবারের জন্য $14। কোনোটিতেই সাবস্ক্রিপশন বা অ্যাকাউন্ট নেই, আর সব ইঞ্জিন অন্তর্ভুক্ত।
সীমাবদ্ধতা কী কী?
- •শুধু Apple ডিভাইস। iOS 18 চলা iPhone 12 বা নতুন, অথবা macOS 14 চলা Apple silicon Mac। Android, Windows বা Intel Mac-এর কোনো সংস্করণ নেই।
- •গতি ডিভাইসের ওপর নির্ভর করে। এক ঘণ্টার রেকর্ডিং iPhone-এ সেকেন্ডে নয়, কয়েক মিনিটে হয়, আর পুরোনো iPhone আরও ধীর। দীর্ঘ ফাইল সঙ্গে সঙ্গে দরকার হলে ক্লাউড সেবা এখনও দ্রুততর।
- •iPhone অ্যাপ খোলা রাখুন। অন্য অ্যাপে গেলে iOS ট্রান্সক্রিপশন থামিয়ে দেয়।
- •সিঙ্ক নেই। রেকর্ডিং যে ডিভাইসে করেছেন সেখানেই থাকে। সরাতে এক্সপোর্ট বা AirDrop ব্যবহার করুন।
অফলাইন স্পিচ টু টেক্সট: সাধারণ প্রশ্ন
স্পিচ টু টেক্সট কি ইন্টারনেট ছাড়া চলে?
হ্যাঁ। স্পিচ মডেল আপনার ডিভাইসে একবারই ডাউনলোড হয়: ডিফল্ট Parakeet V3 (465 MB), আর Whisper (Mac-এ Large V3 Turbo, ~1.6 GB; iPhone-এ Small) ও SenseVoice-ও পাওয়া যায়। প্রথম ডাউনলোডের পর রেকর্ডিং ও ট্রান্সক্রিপশন পুরোপুরি ডিভাইসে হয়: এয়ারপ্লেন মোডে চলে, কোনো ডেটা খরচ হয় না।
বিনামূল্যে ব্যবহারের উপায় আছে কি?
হ্যাঁ, Mac-এ: প্রতি সপ্তাহে প্রথম ৫,০০০ শব্দ বিনামূল্যে, তারপর Whisper Notes একবারের জন্য $14। iPhone-এ একবারের জন্য $7.99। কোনোটিতেই সাবস্ক্রিপশন নেই।
Whisper Notes ব্যবহার করে দেখুন
iPhone-এ একবারের জন্য $7.99। Mac-এ প্রতি সপ্তাহে ৫,০০০ শব্দ বিনামূল্যে, তারপর একবারের জন্য $14।
iOS-এর জন্য ডাউনলোডসাবস্ক্রিপশন নেই • অ্যাকাউন্ট নেই • কিছুই আপলোড হয় না