লাইভ
বহুভাষিক ট্রান্সক্রিপশন

MirrorCaption ব্রাউজার-ভিত্তিক Zoom, Google Meet, এবং Teams কলের সময় — অথবা আপনার ফোনের মাইক্রোফোনের মাধ্যমে সামনাসামনি — ৫০+ ভাষায় রিয়েল-টাইম ট্রান্সক্রিপশন ও অনুবাদ স্ট্রিম করে। ১ ঘণ্টা বিনামূল্যে চেষ্টা করুন, কোনো ক্রেডিট কার্ডের প্রয়োজন নেই।

আপনি刚刚 একজন কোরিয়ান ক্রিয়েটরের সঙ্গে একটি কোলাব পেয়েছেন, যার ফুড চ্যানেলে দুই মিলিয়ন সাবস্ক্রাইবার আছে। তিনি উদ্দীপ্ত — আপনি সেটা শুনতে পাচ্ছেন। আপনার প্রথম প্রশ্নের উত্তর তিনি বেশ দীর্ঘ করে দেন, ৩৫ সেকেন্ডের কোরিয়ান ভাষায়, যা আপনি বুঝতে পারেন প্রাণবন্ত ও বিস্তারিত। আপনি হাসেন। মাথা নাড়েন। কিন্তু তিনি কী বললেন, আপনার একেবারেই ধারণা নেই। আর ইন্টারভিউয়ের বাকি আছে আরও ৪৭ মিনিট।

কনটেন্ট ক্রিয়েটরদের জন্য তৈরি বেশিরভাগ ট্রান্সক্রিপশন ওয়ার্কফ্লো পোস্ট-প্রোডাকশন সমস্যার সমাধান করে। রেকর্ডিং আপলোড করুন, অপেক্ষা করুন, ট্রান্সক্রিপ্ট পান। এটা এডিটিংয়ে সাহায্য করে, কিন্তু তিন মিনিটে ফলো-আপ প্রশ্ন করতে সাহায্য করে না। MirrorCaption তখনই থাকে, যখন কথোপকথন চলছে।

ট্রান্সক্রিপশনের দুই ধরন — এবং কেন বেশিরভাগ ক্রিয়েটর টুল মুহূর্তটা মিস করে

ক্রিয়েটরদের জন্য বেশিরভাগ ট্রান্সক্রিপশন টুল রেকর্ডিং বুথের জন্য নয়, এডিটিং রুমের জন্য তৈরি। এখানে একটি গুরুত্বপূর্ণ পার্থক্য আছে:

পোস্ট-প্রোডাকশন ট্রান্সক্রিপশন — আপনি ভিডিও রেকর্ড করেন, ফাইল আপলোড বা প্রসেস করেন, এবং পরে ট্রান্সক্রিপ্ট পান। Descript, Sonix, Happy Scribe, এবং Rev-এর মতো টুল এখানে সবচেয়ে শক্তিশালী: টাইমস্ট্যাম্প, স্পিকার লেবেল, পরিষ্কার এক্সপোর্ট, এডিটিং ওয়ার্কফ্লো। কিন্তু সেই সাহায্য সাধারণত আসে কথোপকথন এগিয়ে যাওয়ার পর।

রিয়েল-টাইম ট্রান্সক্রিপশন — শব্দ উচ্চারিত হওয়ার সঙ্গে সঙ্গে ক্যাপশন দেখা যায়, বক্তার থেকে ৫০০ms-এরও কম পিছিয়ে। ইংরেজি-প্রধান মিটিংয়ের জন্য Otter.ai এটা করে। MirrorCaption ৫০+ ভাষায় পাশাপাশি মূল ও অনুবাদ দেখিয়ে এটা করে — তাই আপনার অতিথি যদি কোরিয়ান ভাষায় উত্তর দেন, আপনি বাম পাশে কোরিয়ান টেক্সট এবং ডান পাশে ইংরেজি অনুবাদ একসঙ্গে দেখতে পান।

ফারাকটা নির্দিষ্ট: যখন ইংরেজি-নয় এমন কোনো অতিথি আপনার প্রশ্নের উত্তর আট মিনিটে দেন, তখন কোনো পোস্ট-প্রোডাকশন টুল আপনাকে নয় মিনিটে স্পষ্ট ফলো-আপ প্রশ্ন করতে সাহায্য করে না। এই মুহূর্তটার জন্যই MirrorCaption তৈরি। আরও দেখুন: লাইভ ক্যাপশন বনাম ট্রান্সক্রিপ্ট — আসল পার্থক্য কী।

কনটেন্ট ক্রিয়েটরদের জন্য MirrorCaption কীভাবে কাজ করে

MirrorCaption পুরোপুরি আপনার ব্রাউজারেই চলে — কোনো ডাউনলোড নেই, কোনো এক্সটেনশন নেই, কোনো বট নেই যা কল-এ যোগ দিয়ে সবার অংশগ্রহণকারীর তালিকায় দেখা যায়।

Meet mode — ব্রাউজার-ভিত্তিক ভিডিও কলের জন্য

ডেস্কটপ Chrome বা Microsoft Edge-এ দ্বিতীয় একটি ট্যাবে MirrorCaption খুলুন। Meet mode নির্বাচন করুন, তারপর আপনার Zoom, Google Meet, বা Teams ব্রাউজার ট্যাব শেয়ার করুন। MirrorCaption সেই ট্যাবের অডিও আপনার মাইক্রোফোনের সঙ্গে একসাথে ক্যাপচার করে এবং সঙ্গে সঙ্গেই ট্রান্সক্রিপশন স্ট্রিম করা শুরু করে। বক্তার ভাষা এবং আপনার পছন্দের অনুবাদ ভাষা বেছে নিন — অতিথি কথা বলার সঙ্গে সঙ্গে পাশাপাশি ভিউ শব্দে-শব্দে আপডেট হয়।

Talk mode — সামনাসামনি ক্রিয়েটর মিটআপের জন্য

সামনাসামনি কোলাব শুট করছেন? আপনার ফোনে Chrome-এ MirrorCaption খুলুন, Talk mode-এ যান, এবং টেবিলে আপনাদের মাঝখানে রাখুন। দুই বক্তাই একে অপরের কথা লাইভ পড়তে পারেন। ইনস্টল করার মতো কোনো অ্যাপ নেই। সাধারণ ব্রাউজার ব্যবহারের বাইরে ডেটা প্ল্যান নিয়ে কোনো উদ্বেগ নেই।

সেশনের পরে

আপনি যখন সেশন বন্ধ করবেন, পুরো ট্রান্সক্রিপ্ট আপনার — ক্লিপবোর্ডে কপি করুন, প্লেইন টেক্সট হিসেবে এক্সপোর্ট করুন, বা Markdown হিসেবে ডাউনলোড করুন। স্পিকার লেবেল দেখায় কে কী বলেছে। টাইমস্ট্যাম্প প্রতিটি অংশ চিহ্নিত করে। আপনি ট্রান্সক্রিপ্টের মধ্যে সার্চ করতে পারেন এবং যেকোনো মুহূর্তে চলে যেতে পারেন।

এটাই সেই একই ওয়ার্কফ্লো যা বহুভাষিক রিমোট টিম-এর জন্য কাজ করে — শুধু আপনার ক্রিয়েটর ইন্টারভিউ সেটআপে প্রয়োগ করা হয়েছে।

বিশ্বব্যাপী দর্শক থাকা প্রতিটি ক্রিয়েটর যে ইন্টারভিউ পরিস্থিতি চেনে

একই ইন্টারভিউয়ের দুটি সংস্করণ ভাবুন।

MirrorCaption ছাড়া: Ji-ho, একজন কোরিয়ান গেমিং ক্রিয়েটর, বার্নআউট নিয়ে আপনার প্রশ্নের উত্তর এমনভাবে দেন — তাঁর কণ্ঠস্বর, তাঁর অঙ্গভঙ্গি থেকে আপনি বুঝতে পারেন — যে এটি একটি চিন্তাশীল, ব্যক্তিগত উত্তর। আপনি কোরিয়ান বলতে পারেন না। আপনি পরের স্ক্রিপ্টেড প্রশ্নটি করেন এবং এগিয়ে যান। পরে, যখন ট্রান্সক্রিপ্ট আসে, আপনি জানতে পারেন তিনি স্ট্রিমিং থেকে নেওয়া ৯০ দিনের একটি নির্দিষ্ট বিরতির কথা বলেছিলেন এবং ঠিক কোন মুহূর্তে তিনি ফিরে আসার সিদ্ধান্ত নেন। আপনার ফলো-আপ প্রশ্নটি ভিডিওর সবচেয়ে আকর্ষণীয় অংশ হতে পারত। আপনি কখনোই জানতে পারবেন না, কারণ কথোপকথন এগিয়ে গেছে।

MirrorCaption-এর সঙ্গে: Ji-ho কথা বলার সময়, আপনি দেখেন তাঁর শব্দগুলো বাম কলামে কোরিয়ান ভাষায় দেখা যাচ্ছে — আর ডান পাশে ইংরেজি অনুবাদ, অর্ধ সেকেন্ডের মধ্যে। আপনি পড়েন: "আমি স্ট্রিমিং থেকে ৯০ দিন দূরে ছিলাম… আমি যখন ফিরে এলাম, তখন বুঝলাম আমি এটা ভিউয়ের জন্য করছিলাম, আনন্দের জন্য নয়।" আপনি মাঝপথে থামান। "এক মিনিট — ওই মুহূর্তটা নিয়ে আর একটু বলবেন?" ইন্টারভিউয়ের মোড় ঘুরে যায়।

যখন কোনো জাপানি অতিথি বলেন「ちょっと難しいです」এবং আপনি মূল লেখার পাশে "A little difficult" দেখতে পান, তখন আপনি জানেন — যদি আপনি জাপানে সময় কাটিয়ে থাকেন — এটি আসলে আরও শক্তিশালী মতের একটি ভদ্র নরমকরণ। মূল টেক্সট স্ক্রিনে থাকে। আপনি আরও খোঁজ নিতে পারেন। শুধু অনুবাদ যথেষ্ট নয়; পাশাপাশি ভিউ-ই আপনাকে পূর্ণ প্রেক্ষাপট দেয়।

এটাই রিয়েল-টাইম অনুবাদকে পোস্ট-প্রোডাকশন ট্রান্সক্রিপশন থেকে আলাদা করে। আপনি যা বলা হয়েছে তা পড়ছেন না। আপনি যা বলা হচ্ছে তা পড়ছেন — আর কথোপকথন চালানোর জন্য এখনও ৪৫ মিনিট বাকি।

পরে ট্রান্সক্রিপ্ট দিয়ে আপনি কী করতে পারেন

সেশন ট্রান্সক্রিপ্ট শুধু সেফটি নেট নয় — এটা একটি কনটেন্ট ক্যালেন্ডার। একটি ৬০ মিনিটের ক্রিয়েটর ইন্টারভিউ থেকে পাওয়া যায়:

• ৫ মিনিটেরও কম সময়ে শো নোট। ট্রান্সক্রিপ্ট কপি করুন, ফিলার শব্দ সরান, প্যারাগ্রাফে সাজান। আপনার অতিথির সঠিক উদ্ধৃতিগুলো আগেই সেখানে আছে — প্যারাফ্রেজের দরকার নেই।
• YouTube বর্ণনার কপি। আপনার অতিথি স্বাভাবিকভাবে যে কীওয়ার্ডগুলো ব্যবহার করেছেন — তাঁদের নিস টার্ম, প্রোডাক্টের নাম, নির্দিষ্ট বাক্যাংশ — সেগুলো ট্রান্সক্রিপ্টে হুবহু আছে। সেগুলো আপনার বর্ণনায় পেস্ট করুন, সঠিকভাবে ইনডেক্স হবে।
• ব্লগ পোস্টের খসড়া। ট্রান্সক্রিপ্ট থেকে নেওয়া পুল কোটগুলো সেকশনের অ্যাঙ্কর হিসেবে ব্যবহার করুন। "আমি বুঝতে পারলাম আমি এটা ভিউয়ের জন্য করছিলাম, আনন্দের জন্য নয়" — এমন একটি উদ্ধৃতি স্মৃতি থেকে পুনর্গঠন না করেই পুরো একটি সেকশন সাজিয়ে দেয়।
• সোশ্যাল ক্লিপস। ট্রান্সক্রিপ্টে খুঁজে বের করুন ২০ সেকেন্ডের ঝাঁঝালো মুহূর্তগুলো। টাইমস্ট্যাম্প আপনাকে ঠিক কোথায় কাটতে হবে তা বলে দেয়।
• শব্দভান্ডার নির্মাতা। আপনি যদি ভাষা শেখার ক্রিয়েটর হন, তাহলে যেকোনো অনূদিত শব্দে ট্যাপ করে মূল শব্দটি দেখতে পারেন — এবং সেটি আপনার ব্যক্তিগত স্টাডি ডেকে সেভ করতে পারেন। আপনার ইন্টারভিউ একই সঙ্গে একটি পাঠও।

প্ল্যাটফর্ম জুড়ে ক্রিয়েটর ট্রান্সক্রিপ্ট দিয়ে কী করা যায়, তা আরও গভীরভাবে জানতে আমাদের বহুভাষিক ট্রান্সক্রিপশন গাইড দেখুন।

লাইভ স্ট্রিমের জন্য MirrorCaption কী করে না (আগে এটা পড়ুন)

চূড়ান্ত ভিডিওতে দর্শক-উন্মুখ ক্যাপশনের জন্য, YouTube-এর স্বয়ংক্রিয় ক্যাপশন আপলোডের পর ইংরেজি কভার করে। বহুভাষিক সাবটাইটেলের জন্য, MirrorCaption ট্রান্সক্রিপ্ট এক্সপোর্ট করুন এবং আপনার এডিটরে সেটি SRT ট্র্যাক হিসেবে যোগ করুন। আমাদের যেকোনো ভিডিও কলে লাইভ ক্যাপশন কীভাবে পাবেন গাইডে উভয় পদ্ধতি বিস্তারিতভাবে আছে।

মূল্য — একজন ক্রিয়েটরের জন্য আসলে কত খরচ

ক্রিয়েটরদের জন্য তৈরি বেশিরভাগ ট্রান্সক্রিপশন টুল মাসিক ফি নেয়। MirrorCaption নেয় না।

গণনাটা সরল: €49 এককালীন দামে MirrorCaption, দুই মাসে Descript-এর সঙ্গে এবং তিন মাসে Otter-এর সঙ্গে খরচের সমতা পায়। এরপর, প্রতি মাসে কোনো খরচ নেই — যদি Lifetime প্ল্যানে অন্তর্ভুক্ত ২০০ ঘণ্টার বেশি দরকার হয়, তাহলে Voice Pack টপ-আপ €2.99-এ ৫ ঘণ্টার জন্য পাওয়া যায়।

ভিডিওকে ট্রান্সক্রিপ্ট কেটে এডিট করতে হলে Descript-ই ভালো টুল — এটা সত্যিই আলাদা একটি ওয়ার্কফ্লো। কিন্তু কল চলাকালীন বহুভাষিক অতিথিকে বোঝার ক্ষেত্রে Descript একেবারেই সাহায্য করে না।

ক্যাপশন শেষ হওয়া ভিডিওকে সার্চ, উদ্ধৃতি, এবং পুনঃব্যবহারের জন্যও সহজ করে। একটি সার্চযোগ্য ট্রান্সক্রিপ্ট — যা MirrorCaption থেকে আপনার আগেই আছে — সাবটাইটেল, বর্ণনা, শো নোট, এবং ক্লিপের জন্য কাঁচা টেক্সট দেয়।

প্রায়শই জিজ্ঞাসিত প্রশ্ন

YouTube কি স্বয়ংক্রিয়ভাবে ক্যাপশন যোগ করে?

হ্যাঁ, তবে সীমাবদ্ধতা আছে। YouTube আপলোড করা লং-ফর্ম ভিডিও এবং Shorts-এর জন্য স্বয়ংক্রিয়ভাবে ক্যাপশন তৈরি করে অনেক সমর্থিত ভাষায়, কিন্তু মান ভিন্ন হতে পারে এবং মিশ্র-ভাষার অডিওতে সমস্যা হতে পারে। লাইভ স্ট্রিমের ক্ষেত্রে, স্বয়ংক্রিয় ক্যাপশন শুধু ইংরেজিতে কাজ করে এবং সম্প্রচার শেষ হওয়ার পরে তা স্থায়ী থাকে না — VOD থেকে নতুন একটি ক্যাপশন ট্র্যাক পুনরায় তৈরি হয় এবং লাইভে যা দেখা গিয়েছিল তার থেকে আলাদা হতে পারে। বহুভাষিক কনটেন্ট বা ইংরেজি-নয় এমন অতিথির জন্য, রেকর্ডিং চলাকালীন আলাদা রিয়েল-টাইম ট্রান্সক্রিপশন টুল ব্যবহার করুন।

বিদেশি ভাষাভাষী অতিথির সঙ্গে Zoom ইন্টারভিউ রিয়েল টাইমে কীভাবে ট্রান্সক্রাইব করব?

ডেস্কটপ Chrome বা Edge-এ দ্বিতীয় একটি ট্যাবে MirrorCaption খুলুন। Meet mode নির্বাচন করুন এবং আপনার Zoom ব্রাউজার ট্যাবকে অডিও সোর্স হিসেবে শেয়ার করুন। অতিথির ভাষাকে সোর্স ভাষা এবং আপনার ভাষাকে অনুবাদের লক্ষ্য হিসেবে বেছে নিন। অতিথি কথা বলার সঙ্গে সঙ্গে MirrorCaption বাম পাশে শব্দে-শব্দে ট্রান্সক্রিপশন এবং ডান পাশে অনুবাদ স্ট্রিম করে — কোনো রেকর্ডিং আপলোডের দরকার নেই, সেশন শেষে অপেক্ষাও নেই।

আমি কি OBS-এর সঙ্গে MirrorCaption ব্যবহার করতে পারি?

MirrorCaption কোনো OBS প্লাগইন নয় এবং এটি আপনার স্ট্রিমে দর্শকদের দেখার জন্য অনূদিত সাবটাইটেল ওভারলে করে না। এটি আপনার নিজের স্ক্রিনে ব্রাউজার ট্যাবে রিয়েল-টাইম ক্যাপশন দেখায়। যদি আপনার OBS-এর মধ্যে সরাসরি সংযুক্ত দর্শক-উন্মুখ ক্যাপশন দরকার হয়, তাহলে StreamTranslate (ক্লাউড-ভিত্তিক, ৩০+ ভাষা) বা LocalVocal (ফ্রি, লোকালি-রান, ১০০+ ভাষা) সেই কাজের জন্যই তৈরি। MirrorCaption সেই টুলগুলোর পরিপূরক — সম্প্রচারের সময় বহুভাষিক অতিথিকে বোঝার জন্য আপনি এটি ব্যবহার করেন, আর স্ট্রিম-ক্যাপশনিং টুল আপনার দর্শক কী দেখবে তা সামলায়।

MirrorCaption কি আমার রেকর্ডিং বা অডিও সংরক্ষণ করে?

না। MirrorCaption রিয়েল-টাইম স্পিচ-টু-টেক্সটের জন্য আপনার ব্রাউজার থেকে অডিও স্ট্রিম করে এবং MirrorCaption সার্ভারে অডিও রেকর্ডিং সংরক্ষণ করে না। ট্রান্সক্রিপ্ট আপনার ব্রাউজারে স্থানীয়ভাবে (IndexedDB) সেভ হয়। আপনি সেশন বন্ধ করলে লাইভ অডিও স্ট্রিম শেষ হয়ে যায়। বিলিংয়ের জন্য শুধু ব্যবহারের মিনিট রেকর্ড করা হয়, কথোপকথনের বিষয়বস্তু নয়।

কনটেন্ট ক্রিয়েটরদের জন্য কি কোনো ফ্রি সংস্করণ আছে?

হ্যাঁ। প্রতিটি অ্যাকাউন্ট ১ ফ্রি ঘণ্টা দিয়ে শুরু হয় — এককালীন, কোনো মাসিক রিসেট নেই, কোনো ক্রেডিট কার্ডের প্রয়োজন নেই। যেকোনো ভাষায় একটি সম্পূর্ণ ক্রিয়েটর ইন্টারভিউ চালানোর জন্য এটা যথেষ্ট। আরও দরকার হলে, Lifetime প্ল্যান €49 এককালীন ২০০ ঘণ্টার জন্য, এবং সীমা ছাড়িয়ে গেলে Voice Pack টপ-আপও পাওয়া যায়।