রিয়েল-টাইম অনূদিত সাবটাইটেল হলো লাইভ অডিও থেকে তৈরি ক্যাপশন, যা বক্তা কথা বলতেই অনুবাদ হয়ে যায়। এগুলো কয়েক সেকেন্ডের জন্য পর্দায় দেখা যায়, তারপর মিলিয়ে যায়। এটা SRT বা WebVTT ধরনের সাবটাইটেল ফাইলের ঠিক উল্টো, যা একটি সম্পূর্ণ আর্টিফ্যাক্ট: আগে থেকেই থাকা একটি রেকর্ডিংয়ের সঙ্গে মিলিয়ে সাজানো টাইমকোডেড কিউয়ের তালিকা।
এই দুই জিনিসকে সব সময় একই পণ্য ধরে নেওয়া হয়, আর সে কারণেই এই বিষয়ে এত পরামর্শ অকার্যকর। রিয়েল-টাইম অনূদিত সাবটাইটেল খুঁজলে আপনাকে বেশিরভাগ সময় সাবটাইটলিং এডিটরই দেওয়া হবে: এমন টুল, যেগুলো আপলোড করা ভিডিও ফাইল, ট্রান্সক্রিপ্ট পাস, আর আপনার বিকেলের বিশ মিনিট চায়। দারুণ সফটওয়্যার। ভুল সমস্যা। এখনই চলতে থাকা ভিডিও কলে কেউ কোনো ফাইল আপলোড করে না।
এই গাইডে লাইভ-জেনারেটেড সাবটাইটেল আসলে কী, সেগুলো কী করতে পারে না, ইন্টারনেটের বাকি অংশ যে একমাত্র পরিস্থিতিটা এড়িয়ে যায়, আর কীভাবে কয়েক মিনিটের মধ্যে একটি ব্রাউজার ট্যাবে সেগুলো চালু করবেন—এসবই আছে। তত্ত্ব বাদ দিতে চাইলে, আপনি MirrorCaption আপনার ব্রাউজারে খুলে সেটিকে একটি ট্যাবের দিকে নির্দেশ করতে পারেন।
মূল কথা
- রিয়েল-টাইম অনূদিত সাবটাইটেল কোনো ফাইল তৈরি করে না। SRT হিসেবে ডাউনলোড করার মতো কিছু নেই, কারণ কিউ মিলিয়ে দেওয়ার মতো কোনো সম্পূর্ণ রেকর্ডিংই নেই। আপনি চলমান টেক্সট পান, আর পরে ট্রান্সক্রিপ্ট এক্সপোর্ট করতে পারেন।
- ট্যাব-অডিও ক্যাপচারই আসল মেকানিজম। একটি ব্রাউজার স্ট্যান্ডার্ড getDisplayMedia API-এর মাধ্যমে একটি পেজকে অন্য ট্যাবের অডিও দিতে পারে, আর এটাই এমন একটি স্ট্রিমের সাবটাইটেল করা সম্ভব করে, যেটি আপনি নিয়ন্ত্রণ করেন না।
- অবহেলিত কেসটি হলো অংশগ্রহণকারী, হোস্ট নয়। আপনি যদি কোনো লাইভস্ট্রিম, ওয়েবিনার বা সম্প্রচার দেখেন, তাহলে প্ল্যাটফর্মের নিজস্ব প্রতিটি ক্যাপশন ফিচারই অন্য কারও সেটি চালু করার ওপর নির্ভর করে।
- বিল্ট-ইন প্ল্যাটফর্ম অনুবাদ বাস্তব, তবে শর্তসাপেক্ষ। Zoom Translated Captions, Microsoft Teams live translated captions, আর Google Meet translated captions—সবই আছে, আর সবই হোস্টের প্ল্যান টিয়ার ও অ্যাডমিন সেটিংসের ওপর নির্ভরশীল।
- MirrorCaption ব্রাউজার ট্যাব থেকে 60+টি বাছাইযোগ্য ভাষা চালায়, 1টি ফ্রি ঘণ্টা চেষ্টা করার জন্য, আর Premium tier at 99 euro once—এর সঙ্গে 200 ঘণ্টার hosted transcription credit অন্তর্ভুক্ত।
রিয়েল-টাইম অনূদিত সাবটাইটেল আসলে কী
প্রচলিত অর্থে একটি সাবটাইটেল হলো একটি টাইমড আর্টিফ্যাক্ট। W3C WebVTT specification একটি cue-কে এমন টেক্সট হিসেবে সংজ্ঞায়িত করে, যা একটি শুরু সময় ও একটি শেষ সময়ের সঙ্গে বাঁধা, এবং মিডিয়া ফাইলের টাইমলাইনের বিপরীতে প্রকাশিত। এই সংজ্ঞা ধরে নেয় যে মিডিয়াটি শেষ হয়ে গেছে। যে টাইমলাইন এখনো ঘটেইনি, তার সঙ্গে আপনি কোনো cue বাঁধতে পারেন না।
তাই “রিয়েল-টাইম সাবটাইটেল” কঠোর অর্থে একটি বিরোধাভাস। মানুষ যখন এটি খোঁজে, তখন তারা আসলে বোঝায়: আমার পর্দায়, আমার ভাষায়, আমি এখন যা শুনছি তার সঙ্গে মিলিয়ে টেক্সট। এটা একটি লাইভ পাইপলাইন, কোনো ডকুমেন্ট নয়। অডিও ঢোকে, একটি ট্রান্সক্রিপশন ইঞ্জিন আংশিক শব্দ বের করে, আরও প্রসঙ্গ এলে সেগুলো নিজে থেকেই সংশোধিত হয়, একটি অনুবাদ স্তর সেগুলোকে লক্ষ্য ভাষায় পুনর্লিখন করে, আর ফলাফলটি কণ্ঠের এক বিট পেছনে পর্দায় ফুটে ওঠে।
এই পার্থক্যটা খুঁতখুঁতানি নয়। এটা ঠিক করে দেয় আপনি কী চাইতে পারেন আর কী পারেন না।
রিয়েল-টাইম সাবটাইটেল বনাম যেসব তিনটির সঙ্গে এগুলো গুলিয়ে ফেলা হয়
| রিয়েল-টাইম অনূদিত সাবটাইটেল | সাবটাইটেল ফাইল (SRT / WebVTT) | লাইভ ক্যাপশন (একই ভাষা) | ডাবিং / ভয়েস-ওভার | |
|---|---|---|---|---|
| কখন এটি থাকে | অডিও চলার সময় | রেকর্ডিং শেষ হওয়ার পরে | অডিও চলার সময় | রেকর্ডিং শেষ হওয়ার পরে |
| আপনি কী পান | দ্বিতীয় ভাষায় চলমান টেক্সট | ডাউনলোডযোগ্য টাইমকোডেড ফাইল | কথিত ভাষায় চলমান টেক্সট | একটি বিকল্প অডিও ট্র্যাক |
| ভাষা পরিবর্তন | হ্যাঁ, এটাই উদ্দেশ্য | হ্যাঁ, প্রতি ফাইলে | না | হ্যাঁ |
| বিতরণযোগ্য? | বিতরণের জন্য কোনো ফাইল নেই | হ্যাঁ, এটাই এর পুরো উদ্দেশ্য | না | হ্যাঁ |
| সেরা ব্যবহার | কিছু ঘটার সঙ্গে সঙ্গে তা বোঝা | অ্যাক্সেসযোগ্য ভিডিও প্রকাশ | লাইভ অডিও চলাকালীন অ্যাক্সেসিবিলিটি | স্থানীয়কৃত সমাপ্ত মিডিয়া |
তৃতীয় কলামটাই মানুষ সবচেয়ে বেশি গুলিয়ে ফেলে, আর আমরা এখানে সেটা আবার খুলে বসব না: লাইভ ক্যাপশন বনাম ট্রান্সক্রিপ্ট নিয়ে আমাদের গাইডে এই পরিভাষা ইতিমধ্যেই ঠিকভাবে ব্যাখ্যা করা হয়েছে।
এই তিনজন পাঠকের মধ্যে আপনি কোনজন?
এই বাক্যাংশটি সার্চ বক্সে তিন ধরনের মানুষ টাইপ করেন।
- অংশগ্রহণকারী। আপনি এমন অডিও দেখছেন, যা আপনি নিয়ন্ত্রণ করেন না: একটি লাইভস্ট্রিম, একটি কনফারেন্স সম্প্রচার, এমন একটি ওয়েবিনার যেখানে আপনি অতিথি। পড়তে থাকুন, এই নিবন্ধটি মূলত আপনার জন্য।
- মিটিং অংশগ্রহণকারী। আপনি এমন একটি কলে আছেন, যেখানে কেউ এমন ভাষায় কথা বলছে যা আপনি বোঝেন না। পড়তে থাকুন, তৃতীয় ও চতুর্থ অংশ আপনার জন্য।
- যার একটি ডেলিভারেবল সাবটাইটেল ফাইল দরকার। আপনি অন্যদের পরে দেখার জন্য একটি ভিডিওতে যুক্ত করার মতো একটি SRT চান। রিয়েল-টাইম টুলিং একেবারেই ভুল তাকের জিনিস, আর কোনো চাতুর্যই সেটা বদলাবে না। রেকর্ডিংয়ের জন্য একটি নিবেদিত সাবটাইটলিং এডিটর ব্যবহার করুন। আমরা বরং বারো নম্বর অনুচ্ছেদে সেটা বলব, আপনার বিকেল নষ্ট করার চেয়ে।
যে কেসটি নিয়ে কেউ লেখে না: যখন আপনি অডিও নিয়ন্ত্রণ করেন না
এখানেই ফাঁকটা। লাইভ অনুবাদ নিয়ে প্রায় প্রতিটি নিবন্ধ ধরে নেয় আপনি হোস্ট। এন্টারপ্রাইজ ক্যাপশনিং বিক্রেতারা আপনার ইভেন্ট টিমকে একটি চুক্তি বিক্রি করতে চায়। প্ল্যাটফর্ম ডকুমেন্টেশন আপনাকে মিটিং আয়োজকের কাছে যেতে বলে। সাবটাইটলিং ব্লগগুলো আপনাকে রেকর্ডিং পোস্ট হওয়া পর্যন্ত অপেক্ষা করতে বলে।
এসবের কোনোটাই শুধু শোনা মানুষের কাজে লাগে না। আর এমন মানুষ খুবই সাধারণ: শেনঝেন থেকে হার্ডওয়্যার লঞ্চ স্ট্রিম দেখছেন এমন একজন ইঞ্জিনিয়ার, সংসদীয় অধিবেশন অনুসরণ করছেন এমন একজন নীতি বিশ্লেষক, অতিথি বক্তৃতায় বসে থাকা একজন শিক্ষার্থী, আর্নিংস কলে লিসেন-অনলি মোডে থাকা একজন বিনিয়োগকারী।
এই প্রতিটি ক্ষেত্রে সম্প্রচার সম্পর্কে কিছু বদলানোর অনুমতি আপনার নেই, আর যিনি এটি চালান তার সঙ্গেও আপনার কোনো সম্পর্ক নেই। তবে আপনার কাছে এমন একটি ব্রাউজার আছে, যা ইতিমধ্যেই অডিও ডিকোড করছে। এটাই সুবিধা। getDisplayMedia API একটি পেজকে অন্য ট্যাবের অডিওতে প্রবেশাধিকার দিতে দেয়, প্রতিবার স্পষ্ট অনুমতির প্রম্পটসহ। ক্যাপচার হওয়ার পথে শব্দ আপনার মেশিনের অডিও গ্রাফ ছেড়ে কোথাও যায় না; আপনি যা ইতিমধ্যেই শুনছেন, সেটারই সাবটাইটেল করছেন।
প্রিয়া, হার্ডওয়্যার বিশ্লেষক, একটি জাপানি পণ্য উন্মোচন স্ট্রিম দেখছেন। সম্প্রচারটি পাবলিক, আনলিস্টেড ক্যাপশনগুলো শুধু জাপানি, আর ইমেল করার মতো কোনো হোস্ট নেই। প্রিয়া এক Chrome ট্যাবে স্ট্রিমটি খোলে এবং আরেকটিতে MirrorCaption, শেয়ার প্রম্পট এলে লঞ্চ ট্যাবটি বেছে নেয়, আর জাপানি থেকে ইংরেজি সেট করে।
স্পেক নম্বরগুলো উপস্থাপকের এক বিট পেছনে ইংরেজিতে এসে পড়ে। কোনো বাক্য অদ্ভুত লাগলে, তারা অনূদিত শব্দটিতে ট্যাপ করে দেখে সেটি কোন জাপানি শব্দ থেকে এসেছে, যা গুরুত্বপূর্ণ যখন ব্যাটারি কেমিস্ট্রির মতো কোনো শব্দ অতিরিক্ত সহায়কভাবে অনুবাদ হয়ে যায়। শেষে ট্রান্সক্রিপ্ট Markdown-এ এক্সপোর্ট হয় এবং সরাসরি টিম নোটে চলে যায়।
এটি একটি উদাহরণমূলক পরিস্থিতি, কোনো গ্রাহক-প্রশংসাপত্র নয়।
দুটি সৎ সতর্কতা, কারণ এখানেই অনেক মার্কেটিং কপি চুপিচুপি মিথ্যা বলে। প্রথমত, ট্যাব-অডিও ক্যাপচার একটি ডেস্কটপ ব্রাউজার ফিচার: এটি Chrome এবং Microsoft Edge-এ কাজ করে, আর মোবাইল ব্রাউজারে উপলভ্য নয়। দ্বিতীয়ত, মিটিংয়ে কোনো বট যোগ দেওয়া একটি প্রযুক্তিগত বক্তব্য, আইনি নয়। আপনি কোনো নির্দিষ্ট কল ট্রান্সক্রাইব করতে পারবেন কি না, তা আপনার বিচারব্যবস্থা এবং আপনার নিয়োগকর্তার নীতির ওপর নির্ভর করে, আর বাইরের কিছু শুরু করার আগে এই প্রশ্নগুলোর একটি বাস্তব উত্তর প্রাপ্য।
এটা পড়ার বদলে মেকানিজমটা দেখতে চান? এক ট্যাবে একটি লাইভস্ট্রিম খুলুন, আরেকটিতে MirrorCaption শুরু করুন, আর ব্রাউজার জিজ্ঞেস করলে ট্যাবটি বেছে নিন। প্রথম ঘণ্টা ফ্রি, কোনো ক্রেডিট কার্ড লাগবে না।
একটি ব্রাউজার ট্যাবে রিয়েল-টাইম অনূদিত সাবটাইটেল কীভাবে পাবেন
সেটআপ এতটাই ছোট যে এটি বর্ণনা করতে করতেই করা হয়ে যায়।
- ডেস্কটপ Chrome বা Edge-এ অডিও উৎসটি খুলুন। ব্রাউজারে একটি Zoom বা Google Meet কল, একটি YouTube লাইভস্ট্রিম, একটি ওয়েবিনার প্লেয়ার, একটি সংবাদ সম্প্রচার—যে কিছুই ট্যাবে শব্দ চালায়।
- দ্বিতীয় ট্যাবে MirrorCaption খুলুন এবং Meet mode বেছে নিন, যা মিটিং-ট্যাব অডিও ক্যাপচার করার জন্য তৈরি মোড।
- উৎস ও লক্ষ্য ভাষা বেছে নিন। এখানে 60+টি বাছাইযোগ্য ভাষা আছে, আর জোড়াটি দ্বিমুখী, তাই Mandarin to German যেমন বৈধ, English to Spanish-ও তেমনই।
- ব্রাউজার জিজ্ঞেস করলে ট্যাব অডিও অনুমতি দিন। শেয়ার পিকার দেখা যাবে; অডিও চালানো ট্যাবটি বেছে নিন এবং নিশ্চিত করুন অডিও টগলটি চালু আছে। এই প্রম্পট ব্রাউজার-প্রয়োগিত এবং প্রতিটি সেশনে দেখা যায়।
- পড়ুন। ডেস্কটপে মূল ও অনুবাদ পাশাপাশি থাকে, মোবাইলে স্তূপাকারে, আর প্রতিটি কণ্ঠ আলাদাভাবে লেবেল করা থাকে।
কোনো ইনস্টল নেই, কোনো ব্রাউজার এক্সটেনশন নেই, আর মিটিংয়ে অংশগ্রহণকারী হিসেবে কিছুই যোগ দেয় না। এই শেষ অংশটাই এটিকে মিটিং-বট শ্রেণি থেকে আলাদা করে: Fireflies-এর মতো টুল মিটিংয়ে আমন্ত্রিত একটি সহকারী চায়, আর সেটাই এমন কিছু যা একজন অংশগ্রহণকারী ব্যবস্থা করতে পারেন না।
যখন অন্যজনকে এটা শুনতে হবে, পড়তে নয়
সাবটাইটেল হলো একটি পড়ার ইন্টারফেস, যা ঠিক আছে যখন অনুবাদটি শুধু আপনারই দরকার। কথোপকথন দুইমুখী হলেই এটা আর যথেষ্ট থাকে না।
Speak Translations সেটাই সামলায়। এটি আপনার নিজের অনূদিত কথাকে লক্ষ্য ভাষায় জোরে পড়ে শোনায়, প্রায় রিয়েল-টাইমের কাছাকাছি, যাতে কথোপকথন এগিয়ে চলে। প্লেব্যাক যেতে পারে আপনার ল্যাপটপ স্পিকারের মাধ্যমে, QR কোডে জোড়া লাগানো ফোনের মাধ্যমে যাতে শব্দ ফোন থেকেই আসে, অথবা Mac ক্লায়েন্টে একটি ভার্চুয়াল মাইক্রোফোনের মাধ্যমে, যেটিকে Zoom, Meet, আর Teams সাধারণ ইনপুট ডিভাইস হিসেবে দেখে।
মার্কো, প্রোকিউরমেন্ট, শেনঝেনের এক সরবরাহকারীর সঙ্গে কলে। মার্কো ইতালিয়ান বলেন; সরবরাহকারী Mandarin বলেন এবং সীমিত ইংরেজি পড়েন। মার্কো অনূদিত বক্তৃতা ভার্চুয়াল মাইক্রোফোন দিয়ে পাঠান, তাই Zoom-এর মাধ্যমে সরবরাহকারী যা শোনেন তা Mandarin, আর মার্কো পাশে Mandarin-to-Italian সাবটাইটেল পড়েন।
উপকারী অংশটা গতি নয়, সময়নির্ধারণ। নবম মিনিটে একটি মূল্যসংক্রান্ত আপত্তি ওঠে, আর মার্কো দশম মিনিটেই, একই কলে, পাল্টা জবাব দিতে পারেন। পরে দেওয়া একটি ট্রান্সক্রিপ্ট আপত্তিটিকে নিখুঁতভাবে নথিবদ্ধ করত, কিন্তু কিছুই বদলাত না।
এটি একটি উদাহরণমূলক পরিস্থিতি, কোনো গ্রাহক-প্রশংসাপত্র নয়।
ফোনে Talk mode মুখোমুখি সংস্করণটি সামলায়। এটি push-to-talk বোতাম নয়, বরং একটি ধারাবাহিক সেশন: আপনি একবার শুরু করেন, দুজন পালা করে কথা বলেন, আর ট্রান্সক্রিপ্ট ও অনুবাদের প্রসঙ্গ পুরো আলাপজুড়ে বহমান থাকে, প্রতিটি বাক্যের পরে রিসেট হয় না।
লাইভ অনুবাদের মান থেকে কী আশা করবেন
লাইভ অনুবাদ এখন সত্যিই ভালো, আর এটি নিখুঁত নয়—এ কথা উল্টো বললে যে কোনো পৃষ্ঠা কিছু বিক্রি করছে। এখানে এর সৎ রূপটা আছে।
আংশিক ফলাফল নিজে থেকেই সংশোধিত হয়। স্ট্রিমিং ট্রান্সক্রিপশন বাক্য শেষ হওয়ার আগেই শব্দ বের করে, তারপর ব্যাকরণ পরিষ্কার হলে তা সংশোধন করে। মাঝবাক্যে টেক্সটের দৃশ্যমানভাবে নিজেকে পুনর্লিখন করা সিস্টেমের কাজ, গ্লিচ নয়। এ কারণেই ভুল মুহূর্তে তোলা লাইভ সাবটাইটেলের স্ক্রিনশট সব সময় অভিজ্ঞতার চেয়ে খারাপ দেখায়।
অডিওর মানই বাকি সবকিছুকে ছাপিয়ে যায়। শান্ত ঘরে একটি পরিষ্কার হেডসেট মাইক আর প্রতিধ্বনিময় মিটিং রুমে তিনজনের একে অপরের ওপর কথা বলার মধ্যে সমস্যা একেবারেই আলাদা। পরিষ্কার অডিওই আপনার নিয়ন্ত্রণে থাকা সবচেয়ে বড় সুবিধা।
ইডিয়মই হলো যেখানে মেশিন এখনো হারে। যখন একজন জাপানি ক্লায়েন্ট ちょっと難しいです বলেন, একটি অনুবাদক সেটিকে “it's a little difficult” হিসেবে রূপান্তর করবে, যা ভাষাগতভাবে সঠিক এবং বাণিজ্যিকভাবে ভদ্র প্রত্যাখ্যান। অনুবাদটি ভুল নয়; পাঠটাই ভুল। এ কারণেই MirrorCaption মূল পাঠের পাশে অনুবাদ দেখায় এবং অনূদিত যেকোনো শব্দে ট্যাপ করলে উৎসটি প্রকাশ করে। আপনি যদি ভাষা পেরিয়ে আলোচনা করেন, বাম কলামের দিকে এক চোখ রাখুন।
পরিষ্কার বক্তৃতা ও ভালোভাবে সমর্থিত ভাষায় শক্তিশালী ফলাফল আশা করুন, আর অর্থ বা আইনি গুরুত্ব বহন করে এমন যেকোনো কিছু যাচাই করার প্রত্যাশা রাখুন। আমরা real-time translation accuracy নিয়ে আমাদের লেখায় এটি আরও গভীরে আলোচনা করেছি।
বিল্ট-ইন প্ল্যাটফর্ম অপশনগুলো কী কভার করে
প্রতিটি বড় কনফারেন্সিং প্ল্যাটফর্ম এখন কোনো না কোনো লাইভ অনুবাদ নিয়ে আসে, আর অনেক টিমের জন্য সেটাই সঠিক উত্তর। আপনার প্রতিষ্ঠান যদি একটি প্ল্যাটফর্মের ভেতরেই থাকে এবং হোস্টের সঠিক লাইসেন্স থাকে, তাহলে আগে থেকেই যা আছে সেটাই ব্যবহার করা টুল যোগ করার চেয়ে ভালো।
- Zoom Translated Captions Zoom মিটিংয়ের সময় বক্তৃতাকে অন্য ভাষায় অনুবাদ করে। প্রাপ্যতা অ্যাকাউন্টের প্ল্যান টিয়ার এবং হোস্ট ফিচারটি চালু করেছেন কি না, তার ওপর নির্ভর করে।
- Microsoft Teams live translated captions Teams-এর ভেতরে একই কাজ করে, আবারও লাইসেন্সিং ও টেন্যান্ট-স্তরের অ্যাডমিন সেটিংসের দ্বারা সীমাবদ্ধ।
- Google Meet translated captions Meet-এর মধ্যে নির্দিষ্ট কিছু ভাষা-জোড়া কভার করে, ব্যবহৃত Workspace edition-এর শর্তসাপেক্ষে।
সঠিক ভাষার তালিকার জন্য প্রতিটি বিক্রেতার বর্তমান নিজস্ব ডকুমেন্টেশন দেখুন, কারণ সেগুলো বদলায় এবং ব্লগ পোস্টে ছাপা যেকোনো সংখ্যা দ্রুত পুরোনো হয়ে যায়। তবে কাঠামোগত সীমাবদ্ধতাগুলো বদলায় না:
- এগুলো শুধু নিজেদের প্ল্যাটফর্মের ভেতরেই কাজ করে। একটি লাইভস্ট্রিম, একটি ওয়েবিনার প্লেয়ার, একটি ব্রাউজার-ভিত্তিক রেডিও সম্প্রচার, বা সামনাসামনি আলাপ—সংজ্ঞাগতভাবেই এগুলো এর আওতার বাইরে।
- এগুলো অন্য কারও প্ল্যানের ওপর নির্ভরশীল। একজন অংশগ্রহণকারী হিসেবে আপনি এমন কোনো ফিচার চালু করতে পারবেন না, যা হোস্টের লাইসেন্সে নেই।
- ক্যাপশন সাধারণত ক্ষণস্থায়ী। এক্সপোর্ট প্ল্যানভেদে ভিন্ন; চলমান টেক্সট প্রায়ই আপনার রেখে দেওয়ার মতো নয়।
MirrorCaption এই তিনটি সীমাবদ্ধতার বাইরেই থাকে, কারণ এটি প্ল্যাটফর্মের সঙ্গে একীভূত না হয়ে ট্যাব ক্যাপচার করে। টুল-অ্যাগনস্টিক হওয়াই নকশার লক্ষ্য: আপনার হোস্ট যে কনফারেন্সিং টুল বেছে নিয়েছেন, সেটাই ব্যবহার করুন। আপনি যদি বিকল্পগুলো ঠিকভাবে তুলনা করতে চান, তাহলে আমাদের 2026 সালের সেরা মিটিং অনুবাদক সংকলনটি বিভাগভিত্তিক তুলনা করে, যেখানে প্রতিদ্বন্দ্বীরা কোথায় সত্যিই শক্তিশালী তাও আছে।
আপনার ভাষায় যেকোনো ট্যাবের সাবটাইটেল করুন
চেষ্টা করার জন্য 1টি ফ্রি ঘণ্টা। কোনো ক্রেডিট কার্ড নয়, কোনো মাসিক রিসেট নয়, কোনো ইনস্টল নয়, আর মিটিংয়ে কোনো বটও নয়।
ফ্রি শুরু করুনপ্রায়শই জিজ্ঞাসিত প্রশ্ন
আমি শুধু দেখছি এমন একটি লাইভস্ট্রিমে কি রিয়েল-টাইম অনূদিত সাবটাইটেল পেতে পারি?
হ্যাঁ, যদি স্ট্রিমটি আপনার নিজের মেশিনের একটি ব্রাউজার ট্যাবে চলে। ট্যাব-অডিও ক্যাপচার ব্রাউজার ইতিমধ্যেই যে শব্দ চালাচ্ছে তা পড়ে এবং স্থানীয়ভাবে সেটির সাবটাইটেল করে, তাই সম্প্রচারকারীকে কিছু চালু করতে হয় না। আপনি যখন হোস্ট নন, তখন এটাই মানক পথ।
আমি কি রিয়েল-টাইম অনূদিত সাবটাইটেল SRT ফাইল হিসেবে ডাউনলোড করতে পারি?
টাইমকোডেড SRT হিসেবে নয়। রিয়েল-টাইম সাবটাইটেল অডিও চলার সময় তৈরি হয়, তাই কোনো কিছুই একটি সম্পূর্ণ মিডিয়া ফাইলের সঙ্গে মিলিয়ে দেওয়া থাকে না। MirrorCaption চলমান ট্রান্সক্রিপ্ট ও তার অনুবাদ Markdown বা plain text হিসেবে এক্সপোর্ট করে। বিতরণযোগ্য SRT-এর জন্য, রেকর্ডিংয়ের ওপর একটি সাবটাইটলিং টুল ব্যবহার করুন।
আমি যে মিটিংয়ে আছি, সেটি ক্যাপশন করতে কি হোস্টের অনুমতি লাগবে?
কিছুই মিটিংয়ে যোগ দেয় না, তাই অনুমোদনের মতো কোনো বট নেই, কিন্তু সেটাই আইনি সবুজ সংকেতের সমান নয়। রেকর্ডিং ও ট্রান্সক্রিপশন সংক্রান্ত নিয়ম দেশভেদে এবং নিয়োগকর্তাভেদে ভিন্ন। বিশেষ করে বাইরের কোনো কল ক্যাপশন করার আগে আপনার স্থানীয় আইন ও কোম্পানির নীতি দেখে নিন।
কথোপকথনের সময় কি রিয়েল-টাইম অনুবাদ দুই দিকেই কাজ করে?
হ্যাঁ। Talk mode একটি ধারাবাহিক সেশন হিসেবে চলে, তাই দুজন একই কথোপকথনের ভেতরে পালা করে কথা বলেন, বাক্যভেদে পুনরায় শুরু করতে হয় না। Speak Translations চাইলে আপনার অনূদিত কথাও জোরে পড়ে শোনাতে পারে, যাতে অন্য পক্ষ শুধু পড়ে না, লক্ষ্য ভাষাটিও শোনে।
রিয়েল-টাইম অনূদিত সাবটাইটেলের খরচ কত?
MirrorCaption প্রতিটি অ্যাকাউন্টকে 1টি ফ্রি ঘণ্টা দেয়, একবারের জন্য, কোনো ক্রেডিট কার্ড ছাড়াই এবং কোনো মাসিক রিসেট ছাড়াই। Annual is 54.99 euro per year—এর সঙ্গে 100 ঘণ্টার hosted transcription credit; Premium হলো 99 euro once, 200 ঘণ্টা অন্তর্ভুক্ত। অতিরিক্ত ঘণ্টা Voice Packs থেকে আসে, যা আলাদাভাবে বিক্রি হয়।
সারকথা
রিয়েল-টাইম অনূদিত সাবটাইটেল একটি লাইভ পাইপলাইন, কোনো ডকুমেন্ট নয়, আর এটা মেনে নিলেই পুরো বিভাগটি অর্থবহ হয়ে ওঠে। কোনো ফাইল নেই, তাই সেটি খোঁজা বন্ধ করুন। তার বদলে যা আছে, তা হলো এখনই আপনি যে অডিও শুনছেন, সেটিকে এমন একটি ভাষায় পড়ার উপায়, যা আপনি সত্যিই বলেন, রেকর্ডিংয়ের জন্য অপেক্ষা না করে এবং কোনো সুইচ উল্টাতে কারও অনুমতির দরকার না পড়ে।
মনে রাখার মতো চারটি বিষয়। রিয়েল-টাইম ও সাবটাইটেল-ফাইল টুলিং ভিন্ন সমস্যা সমাধান করে, আর সেগুলো গুলিয়ে ফেললে সময় নষ্ট হয়। ট্যাব-অডিও ক্যাপচারই সেই অংশগ্রহণকারী কেসটি খুলে দেয়, যেখানে প্ল্যাটফর্ম ফিচারগুলো কাঠামোগতভাবে পৌঁছাতে পারে না। Zoom, Teams, আর Meet-এর বিল্ট-ইন অনুবাদ কেবল তখনই সাহায্য করে, যখন আপনার হোস্টের লাইসেন্স থাকে; আর MirrorCaption আরও শক্তিশালী মানানসই, কারণ এটি 60+ ভাষায় সেগুলোর সবকটির সঙ্গেই আপনার সঙ্গে থাকে। আর লাইভ অনুবাদ পরিষ্কার অডিওতে শক্তিশালী হলেও ইডিয়মে এখনো ভুল করে, তাই ঝুঁকি বাস্তব হলে অনুবাদের পাশে মূলটি পড়া গুরুত্বপূর্ণ।
লেনা, লিসবনের একটি ভাড়ার সংস্থায়, এজেন্টের সঙ্গে কোনো সাধারণ ভাষা নেই। লেনা তাদের ফোনে Talk mode খোলে, Portuguese to German সেট করে, আর ফোনটি দুজনের মাঝখানে ডেস্কে রাখে। এক সেশন, ধরে রাখার কোনো বোতাম নেই, দুজন পালা করে কথা বলেন আর অনুবাদ তাল মেলায়।
লাইভস্ট্রিম আর সরবরাহকারীর কলের মতোই একই পাইপলাইন। শুধু মাইক্রোফোন আলাদা।
এটি একটি উদাহরণমূলক পরিস্থিতি, কোনো গ্রাহক-প্রশংসাপত্র নয়।
আপনি যদি অংশগ্রহণকারী হন, মিটিং অংশগ্রহণকারী হন, বা এমন কারও ডেস্কের ওপারে বসে থাকেন যাকে এখনো বুঝতে পারছেন না: পরের ঘণ্টাটি ফ্রি, আর এটি আপনার সমস্যা সমাধান করে কি না তা জানতে প্রায় নব্বই সেকেন্ডই লাগে।
রিয়েল-টাইম অনূদিত সাবটাইটেল ফ্রি চেষ্টা করুন
60+টি বাছাইযোগ্য ভাষা, পাশাপাশি মূল ও অনুবাদ, শুরু করতে কিছু ইনস্টল করতে হবে না।
ফ্রি শুরু করুন