Friskription → ब्लॉग → Live Caption
Chrome Live Caption बनाम अनूदित सबटाइटल
Live Caption वाक़ई एक अच्छा एक्सेसिबिलिटी फ़ीचर है, जिसे बहुत लोग अनुवाद के औज़ार की तरह इस्तेमाल करते हैं। ठीक-ठीक जानना ज़रूरी है कि वह कहाँ काम करना बंद कर देता है, क्योंकि यह रेखा दिखने से कहीं ज़्यादा साफ़ है।
छोटा जवाब
- Live Caption इस्तेमाल करें जब ऑडियो उस भाषा में हो जिसे वह सपोर्ट करता है, आपको मोटा-मोटा मतलब चाहिए, और आप चाहते हैं कि कुछ भी मशीन से बाहर न जाए। यह मुफ़्त है, डिवाइस पर ही चलता है और पहले से इंस्टॉल है।
- अनुवाद करने वाला ओवरले इस्तेमाल करें जब बोली जा रही भाषा Live Caption के दायरे से बाहर हो, जब नाम और शब्द एक जैसे बने रहने चाहिए, या जब आप सबटाइटल वीडियो पर चाहते हों, किसी तैरते डिब्बे में नहीं।
- निर्णायक फ़र्क़ है संदर्भ: Live Caption सामान्य मशीन अनुवाद से, एक-एक पंक्ति करके अनुवाद करता है। भाषा मॉडल पर बना ओवरले हर पंक्ति को उससे पहले वाली पंक्तियों के साथ पढ़ता है।
- दूसरा निर्णायक फ़र्क़ है निजता, और वह उलटी दिशा में जाता है: Live Caption सब कुछ स्थानीय रूप से प्रोसेस करता है और कहीं कुछ नहीं भेजता।
- ये दोनों एक-दूसरे को काटते नहीं। Live Caption पहले आज़माने में कुछ नहीं लगता।
Live Caption असल में है क्या
Live Caption एक एक्सेसिबिलिटी फ़ीचर है। Chrome एक स्पीच-रिकग्निशन मॉडल आपकी मशीन पर उतारता है, और उसके बाद ब्राउज़र में बजने वाला कोई भी ऑडियो एक छोटे तैरते कैप्शन डिब्बे में लिखा जाता है। यह ऑफ़लाइन चलता है, हर उस चीज़ पर चलता है जो आवाज़ करती है, और कुछ भी सर्वर पर नहीं भेजा जाता। जो व्यक्ति बधिर है या कम सुनता है, उसके लिए, उस भाषा की सामग्री पर जिसे वह पढ़ लेता है, यह बेहतरीन और मुफ़्त है।
अनुवाद बाद में आया और यह कैप्शन बनाने वाले फ़ीचर पर कसा हुआ एक छोटा फ़ीचर है। नीचे लिखी लगभग हर बात की जड़ यही है: लोग जिन जगहों पर अटकते हैं, वे वही हैं जो एक्सेसिबिलिटी के लिए बनी थीं, किसी विदेशी भाषा की लाइव स्ट्रीम पढ़ने के लिए नहीं।
दोनों में फ़र्क़ कहाँ है
| Chrome Live Caption | अनुवाद करने वाला ओवरले | |
|---|---|---|
| कहाँ चलता है | आपकी मशीन पर, ऑफ़लाइन | ट्रांसक्रिप्शन और अनुवाद सर्वर पर, या आपकी अपनी API कुंजियों से |
| स्रोत भाषाएँ | एक सीमित सेट | अपने आप पहचानी जाती हैं, कहीं ज़्यादा बड़े दायरे में |
| अनुवाद | सामान्य प्रयोजन का मशीन अनुवाद | एक भाषा मॉडल जो हर पंक्ति को संदर्भ में पढ़ता है |
| टेक्स्ट कहाँ दिखता है | एक तय तैरता डिब्बा | वीडियो पर एक ओवरले — खींचें, आकार बदलें, रूप बदलें |
| नामों में एकरूपता | इसके लिए कोई तरीक़ा नहीं | एक ग्लॉसरी पूरे सत्र के लिए वर्तनी तय कर देती है |
| साथ में मूल भाषा | नहीं | हर पंक्ति के नीचे वैकल्पिक दूसरी पंक्ति |
| वक्ता के लेबल | नहीं | पाँच आवाज़ों तक |
| टेक्स्ट रखना | कोई एक्सपोर्ट नहीं | ट्रांसक्रिप्ट एक्सपोर्ट; अपनी फ़ाइलों से SRT और VTT |
| क़ीमत | मुफ़्त, बिना सीमा | हफ़्ते में 30 मिनट मुफ़्त, फिर $1.99 से शुरू होने वाले एकमुश्त पैक |
संदर्भ ही क्यों सबसे ज़्यादा मायने रखता है
पंक्ति-दर-पंक्ति मशीन अनुवाद हर कैप्शन को एक स्वतंत्र वाक्यांश मानता है। लिखे हुए पैराग्राफ़ के लिए यह ठीक है, जहाँ वाक्य पूरे-पूरे आते हैं। लाइव बोली पूरी नहीं आती: एक वाक्य दो कैप्शनों में बँट जाता है, दूसरे का सर्वनाम पहले की संज्ञा की ओर इशारा करता है, और जो भाषाएँ कर्ता गिरा देती हैं — जापानी और कोरियाई लगातार ऐसा करती हैं — वे निर्णायक जानकारी उस कैप्शन में छोड़ जाती हैं जो अब स्क्रीन से जा चुका है।
जो अनुवादक हर पंक्ति को पिछली पंक्तियों के साथ पढ़ता है, वह इसे सुलझा सकता है। साथ ही वह उसी नाम को पाँच मिनट में तीन अलग तरह से लिखे जाने से रोकता है, जो नामों से भरी स्ट्रीम पर पंक्ति-दर-पंक्ति अनुवाद की सबसे थकाऊ ख़ामी है।
इसमें एक नापा जा सकने वाला इनपुट भी है। ट्रांसक्रिप्ट उसके बाद की हर चीज़ की सीमा तय कर देता है: ग़लत सुने गए शब्द को कोई अनुवादक वापस नहीं ला सकता। Friskription ElevenLabs Scribe v2 से ट्रांसक्राइब करता है, जो अंग्रेज़ी बेंचमार्क पर 3.3% वर्ड एरर रेट बताता है — जबकि Deepgram Nova-3 का 5.3% और Whisper large-v3 का 7.7% है। हर इंजन शोर भरी लाइव स्ट्रीम पर बेंचमार्क क्लिप से ख़राब स्कोर करता है, पर क्रम वही बना रहता है।
Live Caption साफ़ तौर पर कहाँ जीतता है
निजता में, बिना किसी शर्त के। Live Caption आपकी मशीन पर चलता है। कोई ऑडियो बाहर नहीं जाता, कोई सर्वर बीच में नहीं आता, और यह बिना किसी नेटवर्क के भी चलता है। अगर आप कुछ गोपनीय कैप्शन कर रहे हैं, तो यह ऐसी सुविधा नहीं है जिसे हल्के में छोड़ा जाए, और वहाँ वही बेहतर विकल्प है।
दूसरी तरफ़ इसका सबसे क़रीबी विकल्प है अपनी OpenAI, Anthropic या ElevenLabs API कुंजी जोड़ना: तब ऑडियो आपके ब्राउज़र से सीधे उस प्रदाता के पास जाता है जिससे आपका पहले से क़रार है, और Friskription के सर्वरों तक कभी नहीं पहुँचता। यह डिवाइस-पर-चलने वाली गारंटी से साफ़ तौर पर अलग है, और इसे धुँधला करने के बजाय साफ़ कह देना बेहतर है।
Live Caption मुफ़्त भी है और बिना मीटर के भी। हफ़्ते के तीस मुफ़्त मिनट एक असली हिस्सा हैं, पर वे असीमित नहीं हैं। Live Caption जिस भाषा को सपोर्ट करता है, उसमें घंटों यूँ ही सुनने के लिए वही समझदारी भरा औज़ार है।
किसे चुनें
Live Caption, जब…
- ऑडियो उस भाषा में हो जिसे वह सपोर्ट करता है और आपको मुख्यतः मोटा मतलब चाहिए।
- कुछ भी मशीन से बाहर नहीं जाना चाहिए।
- आपको अनुवाद नहीं, एक्सेसिबिलिटी के लिए कैप्शन चाहिए।
- आप घंटों सुन रहे हैं और मिनटों के बारे में सोचना नहीं चाहते।
अनुवाद करने वाला ओवरले, जब…
- बोली जा रही भाषा Live Caption के दायरे से बाहर हो — जिसमें ज़्यादातर जापानी VTuber स्ट्रीम और ज़्यादातर कोरियाई स्ट्रीम आती हैं।
- नाम, किरदार और बार-बार आने वाले शब्द एक ही तरह लिखे जाने चाहिए।
- आप सबटाइटल वीडियो पर चाहते हैं, जहाँ आपकी नज़र पहले से है, कोने के डिब्बे में नहीं।
- आप नीचे मूल पंक्ति भी चाहते हैं, सीखने या जाँचने के लिए।
- कई लोग बोल रहे हैं और आपको पता होना चाहिए कौन कौन है।
- आप बाद के लिए टेक्स्ट रखना चाहते हैं।
सवाल
क्या Chrome Live Caption स्ट्रीम अनुवाद के लिए काफ़ी है?
जिस भाषा को वह सपोर्ट करता है, उसमें स्ट्रीम का मोटा मतलब लेने के लिए अक्सर हाँ। वह वहीं अटकता है जहाँ लाइव अनुवाद सबसे कठिन है: उसके सेट से बाहर की स्रोत भाषाएँ, दो कैप्शनों में बँटे वाक्य, गिराए गए कर्ता, और वे नाम जिन्हें एक जैसा रहना है। यह अनुवाद का औज़ार नहीं, अनुवाद जुड़ा हुआ एक एक्सेसिबिलिटी फ़ीचर है।
क्या Live Caption जापानी या कोरियाई स्ट्रीम पर काम करता है?
सिर्फ़ तब, जब बोली जा रही भाषा कैप्शन के लिए Chrome द्वारा सपोर्ट किए सेट में हो, जो ज़्यादातर लोगों की उम्मीद से सीमित है और यही आम वजह है कि लोग VTuber और कोरियाई स्ट्रीम के लिए कुछ और ढूँढ़ते हैं। यह मुफ़्त है, तो जिस स्ट्रीम की आपको परवाह है उस पर जाँच लेने में कुछ नहीं लगता।
क्या Live Caption मुफ़्त है?
हाँ, पूरी तरह, बिना किसी सीमा और बिना खाते के। यह Chrome का हिस्सा है और आपकी मशीन पर चलता है।
इनमें ज़्यादा निजी कौन है?
साफ़ तौर पर Live Caption — यह सब कुछ डिवाइस पर ही प्रोसेस करता है और कहीं कुछ नहीं भेजता। इसके सबसे क़रीब है अपनी API कुंजियाँ जोड़ना, जो ऑडियो को आपके ब्राउज़र और उस प्रदाता के बीच रखता है जिससे आपका पहले से क़रार है, पर यह मशीन से कभी बाहर न जाने जैसा नहीं है।
क्या मैं दोनों इस्तेमाल कर सकता हूँ?
हाँ। पहले Live Caption आज़माएँ, क्योंकि वह मुफ़्त और तुरंत है; अनुवाद करने वाले ओवरले की ओर तब जाएँ जब भाषा उसके दायरे में न हो, जब नाम बदलते रहें, या जब आप सबटाइटल कोने के डिब्बे के बजाय वीडियो पर चाहें।
Live Caption टेक्स्ट को अलग डिब्बे में क्यों रखता है?
क्योंकि वह पूरे सिस्टम के लिए बना एक एक्सेसिबिलिटी फ़ीचर है जो ब्राउज़र का सारा ऑडियो कैप्शन करता है, उस ऑडियो समेत जिसके साथ कोई वीडियो ही नहीं है। वीडियो पर खींचा गया ओवरले सिर्फ़ उसी औज़ार के लिए संभव है जो जानता है कि वह एक वीडियो प्लेयर देख रहा है।
क्या इनमें से किसी को स्ट्रीम में कैप्शन होने की ज़रूरत है?
नहीं — यही दोनों में समान है, और इसीलिए दोनों Twitch पर चलते हैं। हर एक कैप्शन ट्रैक पढ़ने के बजाय ऑडियो को ख़ुद ट्रांसक्राइब करता है, इसलिए किसी को भी प्लेटफ़ॉर्म या स्ट्रीमर से कुछ नहीं चाहिए।
तुलना का दूसरा आधा हिस्सा आज़माएँ
हर हफ़्ते तीस मुफ़्त मिनट। न कार्ड, न AI खाते।
इसे Chrome में जोड़ें