OBS Streamer-দের জন্য লাইভ ক্যাপশন —
রিয়েল-টাইম অনুবাদ

OBS-এ লাইভ ক্যাপশন যোগ করার ক্ষেত্রে তিনটি বিকল্প আছে: আপনার GPU-তে চলা একটি ফ্রি লোকাল প্লাগইন, StreamTranslate-এর মতো একটি ক্লাউড সার্ভিস, যার $14.99/month খরচ, অথবা এমন একটি ব্রাউজার ট্যাব, যেটির জন্য একেবারেই কোনো ইনস্টল দরকার নেই। MirrorCaption হলো তৃতীয় বিকল্প — একটি ব্রাউজার-ভিত্তিক রিয়েল-টাইম ট্রান্সক্রিপশন ও অনুবাদ টুল, যেখানে 60+টি নির্বাচিত ভাষা আছে, আর মূল্য নির্ধারণ শুরু হয় ফ্রি থেকে এবং Premium-এর জন্য এককালীন €99-এ গিয়ে শেষ হয়।

আপনি লাইভ Twitch সেটে 40 মিনিট পার করেছেন। আপনি আপনার নিয়মিত দর্শকদের জন্য ইংরেজি থেকে জাপানিতে স্যুইচ করেন। আপনার চ্যাটের অর্ধেক Katakana-তে। বাকি অর্ধেক টাইপ করে "what did you just say?" আপনার OBS scene-এ কোনো ক্যাপশন নেই। কোনো অনুবাদ স্তর নেই, ইংরেজিভাষী দর্শকদের অনুসরণ করারও কোনো উপায় নেই। মুহূর্তটা হারিয়ে যায়।

MirrorCaption আপনার মাইক্রোফোনকে OBS-এর পাশাপাশি চলা একটি Chrome ব্রাউজার ট্যাবে ক্যাপচার করে। আপনি কথা বলার সঙ্গে সঙ্গে — ইংরেজি, জাপানি, কোরিয়ান, বা কথোপকথন যেদিকেই যাক না কেন — ট্রান্সক্রিপ্ট এবং অনুবাদ রিয়েল টাইমে পাশাপাশি দেখা যায়। এই পৃষ্ঠায় দেখানো হয়েছে কীভাবে এটিকে আপনার স্ট্রিমিং সেটআপের সঙ্গে ইন্টিগ্রেট করবেন এবং বিকল্পগুলোর তুলনায় এটি কোথায় মানানসই।

মূল বিষয়গুলো

• OBS-এ বিল্ট-ইন কোনো ক্যাপশনিং ইঞ্জিন নেই; সব লাইভ ক্যাপশন সমাধানের জন্য বাহ্যিক টুল লাগে।
• MirrorCaption OBS-এর পাশাপাশি একটি Chrome ব্রাউজার ট্যাবে চলে — ইনস্টল করার মতো কোনো প্লাগইন নেই, আপনার স্ট্রিমিং মেশিনের GPU-ও খরচ হয় না।
• GPT-ভিত্তিক অনুবাদসহ 60+টি নির্বাচিত ভাষা, যার মধ্যে জাপানি, কোরিয়ান, আরবি, এবং হিন্দি রয়েছে — StreamTranslate-এর 28টি ভাষার অনেক বাইরে।
• তিনটি ব্যবহারিক ওয়ার্কফ্লো: দ্বিতীয় ডিসপ্লেতে ব্যক্তিগত মনিটরিং, OBS ব্রাউজার সোর্স ওভারলে, এবং Meet mode-এর মাধ্যমে সোর্স কনটেন্টের রিয়েল-টাইম অনুবাদ।
• Premium-এর মূল্য এককালীন €99, সঙ্গে 200h hosted transcription credit অন্তর্ভুক্ত; StreamTranslate-এর বর্তমান মূল্যে সমতুল্য বার্ষিক খরচ প্রায় $180।

OBS Streamer-দের জন্য লাইভ ক্যাপশন কেন গুরুত্বপূর্ণ

OBS Studio-তে কোনো ট্রান্সক্রিপশন বা ক্যাপশনিং ইঞ্জিন নেই — এটি একটি ক্যাপচার ও এনকোডিং টুল, স্পিচ রিকগনিশন প্ল্যাটফর্ম নয়। আপনি স্ট্রিমে যে ক্যাপশন স্তর দেখেন, তার সবই উপরে যোগ করা তৃতীয়-পক্ষের টুল থেকে আসে।

এই ঘাটতি আগের চেয়ে বেশি গুরুত্বপূর্ণ। TwitchTracker-এর ভাষা বণ্টন ডেটা অনুযায়ী, যুক্তরাষ্ট্র Twitch viewership-এর প্রায় 20%। আপনার সম্ভাব্য দর্শকের বাকি 80% জার্মানি, কোরিয়া, রাশিয়া, ফ্রান্স এবং আরও বহু দেশে ছড়িয়ে আছে — যাদের অনেকেই নিজেদের ভাষায় ক্যাপশন থাকলে আপনার স্ট্রিম আরও সহজে অনুসরণ করতে পারবেন।

লাইভ ক্যাপশন একটি স্ট্রিমের জন্য তিনটি কাজ করে:

• অ্যাক্সেসিবিলিটি. বধির ও শ্রবণপ্রতিবন্ধী দর্শকেরা অনুসরণ করতে পারেন। অনেক দর্শক আবার শেয়ার্ড স্পেসে অডিও বন্ধ রেখেও দেখেন।
• আন্তর্জাতিক পৌঁছানো. অনূদিত ক্যাপশন অন্য দেশের দর্শকদের তাদের সাবলীলভাবে পড়া ভাষায় কনটেন্ট অনুসরণ করতে দেয়।
• VOD discoverability. ভিডিওতে পোড়ানো ক্যাপশন — বা সার্চযোগ্য ট্রান্সক্রিপ্ট হিসেবে যুক্ত ক্যাপশন — Twitch এবং YouTube-কে সার্চের জন্য আরও কনটেন্ট ইনডেক্স করতে দেয়।

চ্যালেঞ্জ হলো, বেশিরভাগ ক্যাপশন টুলে আপনাকে মাসিক সাবস্ক্রিপশন অথবা একই মেশিনে চলা GPU-নির্ভর লোকাল সফটওয়্যারের মধ্যে বেছে নিতে হয়, যে মেশিনটি ভিডিও এনকোডও করছে। MirrorCaption একটি ভিন্ন পথ দেয়।

OBS-এর সঙ্গে MirrorCaption কাজ করার তিনটি উপায়

MirrorCaption একটি Progressive Web App। এটি Chrome ব্রাউজার ট্যাবে চলে, আপনার ব্রাউজারের মাইক্রোফোন বা tab-capture API-এর মাধ্যমে অডিও ক্যাপচার করে, এবং ট্রান্সক্রিপশন ও অনুবাদ রিয়েল টাইমে স্ক্রিনে পাঠায়। এটি OBS-এর পাশে চলে, এর ভেতরে নয়। তিনটি ব্যবহারিক সেটআপ আছে।

পদ্ধতি 1 — দ্বিতীয় ডিসপ্লেতে ব্যক্তিগত মনিটরিং

সবচেয়ে সহজ সেটআপ, এবং দ্বিভাষিক স্ট্রিমারদের জন্য সবচেয়ে সাধারণ শুরু।

1. আপনার স্ট্রিমিং মেশিনে Chrome-এ mirrorcaption.com/app খুলুন।
2. Talk mode নির্বাচন করুন। এটি আপনার মাইক্রোফোন ইনপুট ক্যাপচার করে।
3. আপনার source language (আপনি যা বলছেন) এবং target language (যেটিতে অনুবাদ চান) বেছে নিন।
4. সেশন শুরু করুন এবং MirrorCaption ট্যাবটি দ্বিতীয় মনিটরে সরিয়ে নিন।
5. আপনি স্ট্রিম করার সময় আপনার বক্তব্য লাইভ ট্রান্সক্রিপ্ট হিসেবে এবং পাশাপাশি অনুবাদসহ দেখা যাবে।

একজন কোরিয়ান-ইংরেজি স্ট্রিমার দ্বিতীয় ডিসপ্লেতে MirrorCaption ব্যবহার করে দেখেন, উত্তেজনাপূর্ণ মুহূর্ত ক্লিপ হয়ে প্রসঙ্গছাড়া শেয়ার হওয়ার আগে কোরিয়ান honorifics কীভাবে অনুবাদ হচ্ছে। পাশাপাশি ভিউ থাকায় অনুবাদ ভুল মনে হলে তারা সঙ্গে সঙ্গে বাক্য বদলে নিতে পারেন।

এই ওয়ার্কফ্লোতে দর্শকেরা MirrorCaption দেখেন না। এটি একটি ব্যক্তিগত মনিটরিং স্তর — রিয়েল-টাইম confidence monitor-এর মতো, যা আপনাকে দেখায় আপনার দ্বিভাষিক দর্শকেরা ঠিক কী পড়ছেন।

পদ্ধতি 2 — OBS Browser Source Overlay

স্ট্রিমে লাইভ ক্যাপশন দৃশ্যমানভাবে দেখাতে MirrorCaption-কে OBS browser source হিসেবে যোগ করুন।

1. Chrome-এ MirrorCaption খুলুন এবং Talk mode সেশন শুরু করুন।
2. OBS-এ একটি নতুন Source যোগ করুন → Browser Source।
3. URL হিসেবে https://www.mirrorcaption.com/app লিখুন।
4. width এবং height সেট করুন। পুরো app UI একটি layer হিসেবে রেন্ডার হবে।
5. লাইভ ট্রান্সক্রিপ্ট অংশটি আলাদা করতে OBS Crop/Pad filter বা Transform settings ব্যবহার করুন, তারপর সেটিকে আপনার scene-এর নিচের দিকে স্থাপন করুন।

একজন জাপানি স্ট্রিমার MirrorCaption-কে browser source হিসেবে যোগ করেন, কেটে শুধু অনূদিত ইংরেজি ক্যাপশন লাইন দেখান, এবং সেটিকে তাদের gameplay scene-এর নিচের তৃতীয়াংশে পিন করেন। আন্তর্জাতিক দর্শকেরা ইংরেজি অনুবাদ অনুসরণ করতে পারেন, আর জাপানিভাষী দর্শকেরা চ্যাটে মূল লেখা পড়েন।

একটি ব্যবহারিক কথা: MirrorCaption-এর browser source পুরো app view দেখায়, তাই ক্যাপশন এলাকা আলাদা করতে একবার crop করতে হয়। OBS সেই crop আপনার scene collection-এ সেভ করে, ফলে প্রথম সেটআপের পর ওভারলে পরিষ্কার থাকে এবং প্রতিটি স্ট্রিমের রাতে প্রস্তুত থাকে।

পদ্ধতি 3 — সোর্স কনটেন্টের রিয়েল-টাইম অনুবাদ (Meet Mode)

এই ওয়ার্কফ্লো বিদেশি ভাষার ভিডিও দেখা রিঅ্যাকশন স্ট্রিমারদের জন্য বিশেষভাবে তৈরি।

1. যে কনটেন্টে আপনি রিঅ্যাক্ট করছেন সেটি (একটি YouTube ভিডিও, বিদেশি স্ট্রিম, ভিডিও কল) Chrome ব্রাউজার ট্যাবে খুলুন।
2. দ্বিতীয় Chrome ট্যাবে MirrorCaption খুলুন এবং Meet mode নির্বাচন করুন। এটি মাইক্রোফোনের বদলে কনটেন্ট ট্যাবের অডিও ক্যাপচার করে।
3. source language (কনটেন্টের ভাষা) এবং আপনার অনুবাদ লক্ষ্য সেট করুন।
4. সেশন শুরু করুন। MirrorCaption আপনার ডিসপ্লেতে কনটেন্টের অডিও রিয়েল টাইমে অনুবাদ করে।

একজন ইংরেজিভাষী স্ট্রিমার একটি জাপানি variety show-তে রিঅ্যাক্ট করেন। দ্বিতীয় ডিসপ্লেতে Meet mode-এ MirrorCaption চালিয়ে তারা শো চলার সঙ্গে সঙ্গে অনূদিত ক্যাপশন দেখেন, ফলে মুখভঙ্গি আর সাউন্ড ইফেক্ট থেকে আন্দাজ না করে আসলে কী বলা হচ্ছে তার জবাব দিতে পারেন।

OBS ক্যাপশন টুলগুলোর তুলনা

OBS streaming community-তে বর্তমানে সবচেয়ে বেশি সুপারিশ করা চারটি টুল:

আপনার যদি পুরোপুরি offline processing-এর দরকার না হয়, তাহলে MirrorCaption-ই স্পষ্ট পছন্দ এবং কম ঝামেলার পথ: এটি Chrome ট্যাবে চলে, ইনস্টল করার কিছু নেই (এছাড়াও Mac, Windows, iPhone and Android-এর জন্য native apps আছে), কোনো plugin লাগে না, জাপানি, কোরিয়ান, আরবি, এবং হিন্দিসহ 60+টি নির্বাচিত ভাষা কভার করে, এবং মাসিক ফি-এর বদলে একবারে €99 খরচ হয়। StreamTranslate-এর মতো dedicated caption-strip service 28+টি ভাষা কভার করে এবং মাসিক বিল করে।

LocalVocal-এর মতো local GPU plugin কেবল তখনই অর্থবহ, যখন আপনার পুরোপুরি offline processing দরকার এবং GPU-তে বাড়তি জায়গা আছে। ম্যানুয়াল ইনস্টলেশন, OBS major version update-এ ভেঙে যাওয়া, এবং ইতিমধ্যে ভিডিও এনকোড করা মেশিনে অতিরিক্ত GPU লোড আশা করুন। বাকিদের জন্য, MirrorCaption-এর browser tab, যা speech processing cloud-এ offload করে, সেটাই সহজ এবং স্পষ্টভাবে বেশি উপযোগী পছন্দ।

MirrorCaption ভাষার গভীরতা, জাপানি, কোরিয়ান, এবং আরবির জন্য অনুবাদের গুণমান, দীর্ঘমেয়াদি মোট খরচ, এবং reaction-stream translation use case-এ জেতে — যদিও StreamTranslate-এর dedicated strip URL-এর তুলনায় প্রাথমিক browser source setup কিছুটা বেশি জড়িত।

60+ ভাষা — আপনার দর্শকেরা আসলে যে ভাষাগুলো বলে সেগুলোসহ

StreamTranslate 28+টি ভাষা কভার করে। LocalVocal Whisper-কে লোকালি চালায় এবং কাঁচা সংখ্যায় আরও বেশি ভাষা কভার করে, কিন্তু অনুবাদের গুণমান অনেকটাই ভিন্ন হতে পারে। জাপানি, কোরিয়ান, আরবি, এবং হিন্দির ক্ষেত্রে, একটি local neural machine translation model প্রসঙ্গ-সচেতন GPT-based translation-এর তুলনায় স্পষ্টতই ভিন্ন আউটপুট দেয়।

এই ফারাক লাইভ স্ট্রিমিংয়ের সময় সবচেয়ে স্পষ্ট। জাপানি ও ইংরেজির মধ্যে code-switch করা দ্বিভাষিক স্ট্রিমাররা — যা জাপানি গেমিং স্ট্রিমে সাধারণ একটি প্যাটার্ন — এমন একটি translation engine চান যা বাক্যের মাঝখানে ভাষা বদল, অনানুষ্ঠানিক register shift, এবং gaming slang একসঙ্গে সামলাতে পারে। শব্দকে আলাদাভাবে অনুমান করা পদ্ধতি এতে হোঁচট খায়। আগের কয়েকটি কথোপকথনের লাইনকে context হিসেবে পেয়ে GPT-based translation অনেক ভালোভাবে এটি সামলায়।

MirrorCaption একই সঙ্গে মূল ট্রান্সক্রিপ্ট এবং অনুবাদ দেখায়, word-level linking সহ: অনূদিত যেকোনো শব্দে ট্যাপ করলে দেখা যায় সেটি কোন source word-এর সঙ্গে মেলে। লাইভ সম্প্রচারের সময় অনুবাদের সঠিকতা spot-check করতে চান এমন দ্বিভাষিক স্ট্রিমারদের জন্য এটি একটি real-time audit tool।

ইউরোপীয় ভাষার বাইরে আন্তর্জাতিক দর্শক গড়ে তুলছেন এমন স্ট্রিমারদের জন্য, 60+ ভাষার সেটে Mandarin, Japanese, Korean, Arabic, Hebrew, Hindi, Russian, Vietnamese, Indonesian, Thai, এবং আরও অনেক কিছু রয়েছে — একই interface এবং একই এককালীন মূল্যে।

কোনো Plugin নয়, কোনো GPU Drain নয়, OBS Update নিয়ে কোনো দুশ্চিন্তা নয়

LocalVocal নিয়ে OBS forum thread-এ সবচেয়ে ধারাবাহিক অভিযোগগুলোর একটি হলো version compatibility — OBS major release-এ plugin-এর audio filter chain ভেঙে গেছে, ফলে ম্যানুয়াল reinstallation বা plugin update-এর জন্য অপেক্ষা করতে হয়েছে। যেসব স্ট্রিমার অ্যাক্সেসিবিলিটি সেটআপের অংশ হিসেবে ক্যাপশনের ওপর নির্ভর করেন, তাদের জন্য স্ট্রিমের রাতে ভাঙা plugin সত্যিকারের সমস্যা।

MirrorCaption পুরোপুরি OBS-এর বাইরে চলে। এটি Chrome ব্রাউজার ট্যাবে থাকে। OBS update এটিকে ভাঙতে পারে না। GPU driver update-ও এটিকে প্রভাবিত করে না। OBS-এর audio filter chain, plugin registry, বা encoder settings-এর সঙ্গে এর কোনো সম্পর্ক নেই। আজ যে configuration কাজ করছে, পরের তিনটি OBS release-এর পরেও সেটি কাজ করবে।

পারফরম্যান্সের দিকও আছে। Local AI transcription 1080p60 বা তার বেশি রেজোলিউশনে ইতিমধ্যে ভিডিও এনকোড করা মেশিনে উল্লেখযোগ্য GPU লোড যোগ করে। মাঝারি মানের হার্ডওয়্যারে থাকা স্ট্রিমাররা কখনও কখনও dropped frames-এর কথা জানান, যখন local transcription model OBS-এর সঙ্গে GPU memory-এর জন্য প্রতিযোগিতা করে। MirrorCaption সব speech processing cloud-এ offload করে, ফলে GPU encoding-এর জন্য মুক্ত থাকে।

সাবস্ক্রিপশনের হিসাব

StreamTranslate-এর বর্তমান মূল্য $14.99/month হলে, ক্যাপশনসহ এক বছর স্ট্রিমিং করতে প্রায় $180 খরচ হয়। দুই বছরে খরচ $360। আপনি যত মাস স্ট্রিম করবেন, খরচ তত বাড়তে থাকে।

MirrorCaption Premium-এর মূল্য এককালীন €99। এতে শুরুতেই 200 hours of hosted transcription credit, স্থায়ী প্রোডাক্ট অ্যাক্সেস, এবং ভবিষ্যতের সব আপডেট অন্তর্ভুক্ত। Voice Packs (আলাদাভাবে বিক্রি হয়) অন্তর্ভুক্ত credit শেষ হলে ঘণ্টা যোগ করে; Premium গ্রাহকেরা প্রতি ঘণ্টায় সবচেয়ে কম Voice Pack rate পান। সমতুল্য হিসেবে $14.99/month ধরলে, প্রায় সাত মাস স্ট্রিমিংয়ের পর MirrorCaption-এর খরচ উঠে যায় — এরপর প্রতিটি পরবর্তী স্ট্রিমে অতিরিক্ত কোনো খরচ নেই।

যেসব স্ট্রিমার প্রতিদিন সম্প্রচার করেন না — বা প্রতিটি স্ট্রিমের বদলে নির্দিষ্ট ইভেন্টের জন্য ক্যাপশন সাপোর্ট চান — তাদের জন্য এককালীন মডেল "এই মাসে কি আমি যথেষ্ট মূল্য পাচ্ছি?" এই হিসাবটাই বাদ দেয়। প্রতিশ্রুতি দেওয়ার আগে আপনার কনটেন্টে অনুবাদের গুণমান যাচাই করতে ফ্রি 1-hour trial দিয়ে শুরু করুন, কোনো ক্রেডিট কার্ড ছাড়াই।

প্রায়শই জিজ্ঞাসিত প্রশ্ন

OBS-এ কি বিল্ট-ইন লাইভ ক্যাপশন আছে?

না। OBS Studio-তে বিল্ট-ইন কোনো captioning বা transcription engine নেই। স্ট্রিমাররা বাহ্যিক টুলের মাধ্যমে লাইভ ক্যাপশন যোগ করেন — ব্রাউজার-ভিত্তিক সার্ভিস, OBS plugin, বা dedicated overlay generator-এর মাধ্যমে। MirrorCaption একটি browser-based বিকল্প, যার জন্য কোনো OBS plugin লাগে না।

আমি কি MirrorCaption-কে OBS browser source হিসেবে যোগ করতে পারি?

হ্যাঁ, এবং MirrorCaption স্ট্রিমিংয়ের জন্য স্বাভাবিকভাবে মানানসই: Chrome-এ app খুলুন, Talk mode সেশন শুরু করুন, তারপর tab URL-টি OBS-এ Browser Source হিসেবে যোগ করুন। লাইভ caption area আলাদা করতে Crop/Pad filter বা Transform settings ব্যবহার করুন এবং সেটিকে আপনার scene-এর ওপর স্থাপন করুন। OBS এই configuration scene অনুযায়ী সেভ করে, তাই সেটআপ একবারই করতে হয় এবং আপনি যখনই live যান, ক্যাপশন প্রস্তুত থাকে।

Twitch VOD-এ কি লাইভ ক্যাপশন দেখা যায়?

Browser source overlay-গুলো stream video-তে পোড়ানো visual element হিসেবে রেন্ডার হয় — VOD এবং clip-এ এগুলো ভিডিও ফ্রেমের অংশ হিসেবে দেখা যায়। এটি CEA-608 embedded captions থেকে আলাদা, যেগুলো Twitch player-এর CC button দিয়ে টগল হয় এবং OBS Closed Captioning plugin-এর মতো আলাদা encoder plugin প্রয়োজন। MirrorCaption-এর overlay পদ্ধতির মানে হলো viewer-side কোনো সেটিংস ছাড়াই রেকর্ড করা ভিডিওতে ক্যাপশন স্থায়ীভাবে দৃশ্যমান থাকে।

স্ট্রিমিংয়ের জন্য MirrorCaption কোন কোন ভাষা সমর্থন করে?

MirrorCaption 60+টি নির্বাচিত ভাষা সমর্থন করে, যার মধ্যে জাপানি, কোরিয়ান, Mandarin, আরবি, হিন্দি, জার্মান, স্প্যানিশ, ফরাসি, পর্তুগিজ, রুশ, হিব্রু, ভিয়েতনামি, ইন্দোনেশীয়, থাই, এবং আরও অনেক কিছু রয়েছে। অনুবাদে GPT-based refinement ব্যবহার করা হয়, যা dictionary-based বা isolated-word পদ্ধতির তুলনায় code-switching এবং কথোপকথনধর্মী বক্তৃতা ভালোভাবে সামলায়। ভাষাভিত্তিক বিশ্লেষণের জন্য multilingual transcription guide দেখুন।

MirrorCaption এবং LocalVocal-এর মধ্যে পার্থক্য কী?

লাইভ স্ট্রিমের জন্য MirrorCaption বেশি উপযোগী, কারণ এটি browser-based: কোনো OBS plugin নেই, কোনো GPU ব্যবহার নেই, version compatibility risk নেই, এবং এর GPT-based translation 60+টি ভাষাজুড়ে জাপানি, কোরিয়ান, এবং আরবি সামলায়। LocalVocal হলো একটি ফ্রি OBS plugin, যা আপনার GPU-তে লোকালি transcription চালায়, ফলে ম্যানুয়াল ইনস্টলেশন লাগে, আপনার encoding machine-এ লোড বাড়ায়, এবং OBS update-এ ভেঙে যেতে পারে।

MirrorCaption-এর কি ফ্রি ট্রায়াল আছে?

হ্যাঁ। প্রতিটি অ্যাকাউন্ট 1 free hour live transcription and translation দিয়ে শুরু হয় — একবারের জন্য, মাসিক রিসেট নেই, ক্রেডিট কার্ডও লাগে না। আরও ঘণ্টা দরকার হলে Annual (€54.99/year, 100 hours of hosted transcription credit included) বা Premium (€99 one-time, 200 hours included, all future updates and new features with priority access) এ আপগ্রেড করুন। Voice Packs (আলাদাভাবে বিক্রি হয়) যেকোনো প্ল্যানে যেকোনো সময় credit যোগ করে; Premium গ্রাহকেরা প্রতি ঘণ্টায় সবচেয়ে কম rate পান।