एजेंट

अपनी रिकॉर्डिंग को दूसरी भाषा में सुनें

ऑडियो या वीडियो संलग्न करें — या किसी का लिंक पेस्ट करें — और बताएं कि आप कौन सी भाषा चाहते हैं। यह ट्रांसक्राइब करता है, पढ़ने के बजाय सुनने के अनुकूल अनुवाद करता है, और इसे बोलकर सुनाता है।

रिकॉर्डिंग का अनुवाद करेंआज़माने के लिए मुफ़्त। कुछ भी इंस्टॉल करने की ज़रूरत नहीं।

यह कैसे काम करता है

तीन चरण, और उनमें से कोई भी “कॉन्फ़िगर करना” नहीं है।

  1. 01

    इसे रिकॉर्डिंग दें

    पृष्ठ पर कहीं भी एक फ़ाइल ड्रॉप करें, या इसे एक URL दें और यह डाउनलोड और पुनः अपलोड करने के लिए कहने के बजाय फ़ाइल को खुद प्राप्त करता है।

  2. 02

    आपको पहले ट्रांसक्रिप्ट दिखाई देती है

    इसके बाद की हर चीज़ इसकी गलतियों को अपनाती है, और आप अकेले हैं जो यह सुन सकते हैं कि यह सही है या नहीं। इसलिए यह कुछ भी अनुवाद करने से पहले आपको ट्रांसक्रिप्ट दिखाता है।

  3. 03

    यह अनुवाद को पढ़कर सुनाता है

    लक्षित भाषा से मेल खाती आवाज़ में, जहाँ ट्रांसक्रिप्ट और अनुवाद को ऐसी फ़ाइलों के रूप में रखा जाता है जिन्हें आप सही कर सकते हैं और इसे फिर से बोलने के लिए कह सकते हैं।

यह क्या कर सकता है

  • एक ही रन में तीन प्रकार के मॉडल

    ट्रांसक्रिप्शन, फिर अनुवाद करने वाला एक चैट मॉडल, और फिर स्पीच। आप चैट मॉडल चुनते हैं; आवाज़ उस भाषा से मेल खाने के लिए चुनी जाती है जिसे वह पढ़ रहा है।

  • सुनने के हिसाब से अनुवादित

    संक्षिप्त रूप, स्वाभाविक शब्द क्रम, और वक्ता द्वारा वास्तव में उपयोग किया गया स्तर। ऐसा अनुवाद जो पढ़ने में सही लगे लेकिन किसी फॉर्म की तरह लगे, इस काम के लिए सही आउटपुट नहीं है।

  • यह उन चीज़ों को फ़्लैग करता है जहाँ इसे निर्णय लेना पड़ा

    नाम, चुटकुले और मुहावरे वे जगहें हैं जहाँ अनुवाद में चुनाव करना पड़ता है। यह छिपाने वाले सहज परिणाम देने के बजाय यह बताता है कि किन बातों के बारे में यह अनिश्चित था।

इसे कैसे सेटअप किया गया है

यह कैसे काम करता है, ताकि साइन इन करने से पहले आपको पता हो कि आपको क्या मिल रहा है।

एनवायरनमेंट
curl और आपके वर्कस्पेस के साथ एक Linux कंटेनर माउंट किया गया है, ताकि इसके द्वारा डाउनलोड की गई रिकॉर्डिंग वहाँ पहुँचे जहाँ ट्रांसक्रिप्शन टूल इसे पढ़ सके।
टूल
ट्रांसक्राइब करें, स्पीच जनरेट करें, फ़ाइलें पढ़ें और लिखें, glob, और एक शेल।
मॉडल
अनुवाद के लिए कोई भी चैट मॉडल। यह आपके द्वारा माँगी गई भाषा के अनुसार स्पीच मॉडल खोजता है, और शुरू करने से पहले उस आवाज़ का नाम बताता है जिसका वह उपयोग कर रहा है।
शुरुआती फ़ाइलें
कुछ भी पहले से लोड नहीं है: इनपुट आपकी खुद की रिकॉर्डिंग है, और कोई नमूना क्लिप केवल उस प्रश्न का उत्तर देते हुए पाइपलाइन का प्रदर्शन करेगी जो किसी ने पूछा ही नहीं।
क्या सहेजा जाता है
बातचीत समाप्त होने के बाद ऑडियो, ट्रांसक्रिप्ट और अनुवाद आपके वर्कस्पेस में बने रहते हैं।

लोग इससे जो पूछते हैं

  • मेरी रिकॉर्डिंग को ट्रांसक्राइब करें और इसे स्पैनिश में मुझे वापस दें।
  • आप वास्तव में कौन सी भाषाएँ बोल सकते हैं, और यदि मैं किसी अन्य भाषा के लिए कहूँ तो क्या होगा?
  • यहाँ साक्षात्कार का एक लिंक है — इसका जर्मन में अनुवाद करें और मुझे पढ़कर सुनाएँ।
  • इस बार केवल ट्रांसक्रिप्ट, वक्ताओं को अलग करके।

यह क्या नहीं करेगा

इनमें से हर एक ऐसी वास्तविक बाधा है जिसका हमने सामना किया है, कोई योजना की सूची वाली चीज नहीं।

  • यह चार भाषाएँ बोल सकता है, चार सौ नहीं। किसी अन्य भाषा के लिए कहें और यह रन समाप्त करने और अंत में आपको बताने के बजाय पहले ही बता देता है और लिखित अनुवाद का विकल्प देता है।
  • 25 MB ट्रांसक्रिप्शन की सीमा है। यह कॉल करने से पहले फ़ाइल का आकार जांचता है।
  • सैंडबॉक्स में ffmpeg नहीं है, इसलिए यह ऑडियो को कन्वर्ट या री-एन्कोड नहीं कर सकता। आमतौर पर इसे इसकी आवश्यकता नहीं होती है — mp4 और webm सीधे काम करते हैं।

कौन सा मॉडल इसे सबसे बेहतर करता है

इस एजेंट के वास्तविक रन पर मापा गया, प्रति मॉडल। एक रन को तब समाप्त माना जाता है जब उसने अपने दम पर उत्तर दिया — कुछ भी विफल नहीं हुआ, किसी से कुछ भी स्वीकृत करने के लिए नहीं कहा गया, और इसके चरण समाप्त नहीं हुए। तीनों स्तंभों को एक साथ पढ़ें: एक मॉडल जो हार मानकर जल्दी समाप्त होता है, वह पहले पर खराब स्कोर करता है, और जो कड़ी मेहनत करके सब कुछ पूरा करता है, वह दूसरे पर खराब स्कोर करता है।

मॉडलपूरा होने की दरमीडियन लागतमीडियन समयरन
claude-sonnet-5anthropic100%$0.0149से4
पूरा होने की दर
ऐसे रन जिन्होंने आपके बिना हस्तक्षेप किए काम पूरा कर दिया।
मीडियन लागत
एक सामान्य रन की लागत क्या है, क्रेडिट में।
मीडियन समय
कुल समय, पहले संदेश से लेकर उत्तर तक।

प्रत्येक पंक्ति के पीछे के रन का मध्यक। एक मॉडल तब दिखाई देता है जब उसके पास इस एजेंट पर 3 रन होते हैं, और रन की संख्या दिखाई जाती है ताकि आप आंक सकें कि कोई आंकड़ा किस पर आधारित है।

अपनी रिकॉर्डिंग को दूसरी भाषा में सुनें

यह पहले से ही सेट है। इसे खोलें और इससे कुछ पूछें।

रिकॉर्डिंग का अनुवाद करें

सभी एजेंट देखें