वॉइस टाइपिंग बिना संपादन के

वॉइस टाइपिंग की समस्या कभी यह नहीं रही कि कंप्यूटर आपको सुन नहीं सकते। वे आपको ठीक से सुनते हैं। समस्या यह है कि वे ठीक वही लिख देते हैं जो आपने कहा — और लोग जो कुछ ज़ोर से, वास्तविक समय में कहते हैं, वह वैसा नहीं होता जैसा लिखित रूप दिखता है।

आप एक वाक्य शुरू करते हैं, बीच में तय करते हैं कि वह गलत वाक्य था, और फिर से शुरू कर देते हैं। सोचते समय आप "um" कहते हैं। आप खुद को सुधारते हैं। शाब्दिक ट्रांसक्रिप्शन यह सब ईमानदारी से सुरक्षित रखता है, और आपको एक ऐसा पैराग्राफ दे देता है जिसे अब संपादित करना पड़ता है। बहुत-से लोगों के लिए यह संपादन उतना ही समय लेता है जितना टाइपिंग लेती।

यह गाइड इसी अंतर को कम करने के बारे में है: यह अंतर क्यों पैदा होता है, क्या इसे ठीक नहीं करता, और क्या करता है।

शाब्दिक ट्रांसक्रिप्शन काम क्यों बढ़ाता है

इसे सामान्य गति से ज़ोर से कहिए: "so I think we should — actually, can we push the roadmap review, um, to Thursday instead?"

एक शाब्दिक ट्रांसक्राइबर ठीक यही लिख देगा। आप जो चाहते थे, वह था: "Can we push the roadmap review to Thursday instead?"

हर डिक्टेट किया गया पैराग्राफ़ इस तरह का कोई न कोई रूप साथ लाता है। लोग सबसे पहले जो उपाय अपनाते हैं, वह है ज़्यादा सावधानी से बोलना — धीमे, अधिक सोच-समझकर, बिना भराव शब्दों के। यह लगभग दो मिनट तक काम करता है, यह थका देता है, और उस कारण को ही खत्म कर देता है जिसकी वजह से आपने डिक्टेशन शुरू किया था: कि बोलना टाइप करने से तेज़ है।

क्या इसे ठीक नहीं करता

बेहतर स्पीच रिकग्निशन। सटीकता में सुधार ट्रांसक्रिप्शन को आपकी बोली के प्रति अधिक वफ़ादार बनाता है, जिससे समस्या थोड़ी और बढ़ जाती है, कम नहीं। एक परफ़ेक्ट ट्रांसक्राइबर हर "um" को बिल्कुल सही सुरक्षित रखेगा।

विराम-चिह्न कमांड। ज़ोर से "comma" और "new paragraph" कहना संरचना में मदद करता है, लेकिन भराव शब्दों और झूठी शुरुआत के बारे में कुछ नहीं करता। इससे बोलना प्रोग्रामिंग जैसा भी लगने लगता है।

बाद में संपादन करना। यही मौजूदा स्थिति है, और यही वह चीज़ है जो लोगों को एक हफ़्ते बाद चुपचाप डिक्टेशन इस्तेमाल करना बंद करा देती है।

क्या करता है: एक क्लीनअप लेयर

समाधान यह है कि रिकग्निशन और आउटपुट के बीच एक चरण रखा जाए। टूल सुनता है कि आपने क्या कहा, समझता है कि आपका मतलब क्या था, और आपको लिखित संस्करण देता है।

MirrorCaption Typer यह तीन पॉलिश मोड के साथ करता है जिन्हें आप हर बार चुनते हैं, क्योंकि क्लीनअप की सही मात्रा हर बार एक जैसी नहीं होती:

• Raw speech — ठीक वही जो आपने कहा, हर भराव शब्द और हर झूठी शुरुआत सुरक्षित। तब उपयोगी जब शाब्दिक शब्द मायने रखते हों: उद्धरण, किसी ने किसी बात को कैसे कहा उसके नोट्स, भाषा अभ्यास।
• Tidy (डिफ़ॉल्ट) — "um" और "uh" जैसे भराव शब्द हटाता है, ज़बान फिसलने और झूठी शुरुआत को निकालता है, विराम-चिह्न जोड़ता है, और आपका अर्थ व लहजा बनाए रखता है। यही वह मोड है जो डिक्टेशन को वैसा महसूस कराता है जैसा उसे हमेशा महसूस होना चाहिए था।
• Formal — अंश को साफ़, पेशेवर शब्दों में फिर से लिखता है, ताकि उसे सीधे ईमेल या दस्तावेज़ में डाला जा सके। यह जानबूझकर आपकी वाक्य-रचना बदलता है, इसलिए यह opt-in है।

ऊपर वाले उदाहरण को लें: Raw आपको पुनःआरंभ और "um" के साथ वाक्य देता है। Tidy आपको "Can we push the roadmap review to Thursday instead?" देता है। Formal आपको कुछ ऐसा देता है जो "Could we move the roadmap review to Thursday?" के ज़्यादा करीब है।

दूसरा आधा: टेक्स्ट को वहाँ पहुँचाना जहाँ आपको चाहिए

साफ़ टेक्स्ट काम का सिर्फ़ आधा हिस्सा है। अगर वह किसी ट्रांसक्रिप्शन ऐप में पहुँचता है, तो भी आपको उसे उस विंडो में कॉपी करना पड़ता है जहाँ आप उसे सच में चाहते थे।

Typer एक छोटी विंडो में चलता है जो बाकी सब चीज़ों के ऊपर तैरती रहती है — आपका मेल क्लाइंट, एक डॉक, एक चैट बॉक्स। जब आप बोलना बंद करते हैं, तो पॉलिश किया हुआ टेक्स्ट अपने-आप आपके क्लिपबोर्ड में कॉपी हो जाता है। न कोई बटन ढूँढना पड़ता है, न किसी ऐप पर स्विच करना पड़ता है। आप पेस्ट करते हैं, और काम खत्म।

क्योंकि यह ब्राउज़र में चलता है, इसलिए कुछ इंस्टॉल करने की ज़रूरत नहीं होती, और यह मैनेज्ड वर्क लैपटॉप पर मायने रखता है जहाँ सॉफ़्टवेयर इंस्टॉल करने का मतलब टिकट फ़ाइल करना होता है।

नाम, जार्गन, और वे शब्द जो सच में आपके हैं

एक अच्छी क्लीनअप लेयर के बाद जो गलतियाँ बची रहती हैं, वे आम तौर पर proper nouns होती हैं: सहकर्मियों के नाम, प्रोडक्ट नाम, आंतरिक जार्गन, तकनीकी शब्द। किसी सामान्य मॉडल ने उन्हें नहीं देखा होता।

दो चीज़ें मदद करती हैं। पहली, एक custom vocabulary — आप वे शब्द जोड़ते हैं जिनका आप उपयोग करते हैं, और उन्हें पहले पहचाना जाता है। दूसरी, आपके edits से सीखना: जब आप किसी चीज़ को सुधारते हैं, तो टूल आपकी पसंद याद रखता है, बजाय इसके कि अगले हफ़्ते आपको फिर से उसे ठीक करना पड़े।

जब आप भाषाएँ मिलाते हैं

बहुत-से लोग एक समय में एक ही भाषा नहीं बोलते। एक चीनी भाषी व्यक्ति अंग्रेज़ी प्रोडक्ट नाम जोड़ देता है। एक जर्मन इंजीनियर वाक्य के बीच में अंग्रेज़ी तकनीकी शब्द इस्तेमाल करता है। ज़्यादातर डिक्टेशन टूल आपको एक ही रिकग्निशन भाषा चुनने और मैन्युअल रूप से स्विच करने के लिए मजबूर करते हैं, जिससे प्रवाह इतना टूट जाता है कि लोग हार मान लेते हैं।

Typer आपको एक साथ कई रिकग्निशन भाषाएँ सेट करने देता है, ताकि मिश्रित वाक्य बिना मोड बदले सही निकल आए। अगर आपकी समस्या इसके बजाय यह है कि दूसरे लोग ऐसी भाषाएँ बोलते हैं जो आप नहीं बोलते, तो वह डिक्टेशन नहीं बल्कि ट्रांसक्रिप्शन और ट्रांसलेशन है — आप किस पक्ष में हैं, यह जानने के लिए dictation vs. transcription देखें।

जब शाब्दिक ही सही जवाब हो

क्लीनअप हमेशा वही नहीं होता जो आप चाहते हैं। Raw मोड का उपयोग तब करें जब आप किसी को उद्धृत कर रहे हों, जब सटीक phrasing ही मुद्दा हो, जब आप किसी भाषा का अभ्यास कर रहे हों और देखना चाहते हों कि आपने वास्तव में क्या कहा, या जब आप किसी विचार को उसी आकार में पकड़ रहे हों जिसमें वह आया था। बात यह है कि यह एक विकल्प हो, न कि एकमात्र विकल्प।

अक्सर पूछे जाने वाले प्रश्न

मैं ऐसा टेक्स्ट कैसे डिक्टेट करूँ जिसे संपादन की ज़रूरत न हो?

ऐसा डिक्टेशन टूल इस्तेमाल करें जो टाइप करते समय ही क्लीनअप करे, बजाय इसके कि वह शाब्दिक ट्रांसक्रिप्शन करे। MirrorCaption Typer का Tidy मोड "um" और "uh" जैसे भराव शब्द हटाता है, झूठी शुरुआत और ज़बान फिसलने को निकालता है, और टेक्स्ट आपके क्लिपबोर्ड तक पहुँचने से पहले विराम-चिह्न जोड़ता है, इसलिए पेस्ट करना कई चरणों में पहला नहीं बल्कि आख़िरी चरण होता है।

क्या वॉइस टाइपिंग अपने-आप um और uh हटा सकती है?

Apple Dictation, Windows Voice Typing, और Google Docs Voice Typing जैसे built-in टूल शाब्दिक ट्रांसक्रिप्शन करते हैं, इसलिए भराव शब्द बने रहते हैं। क्लीनअप लेयर वाले टूल उन्हें अपने-आप हटा देते हैं। MirrorCaption Typer में यह एक मोड है जिसे आप हर बार चुनते हैं: Raw सब कुछ रखता है, Tidy भराव शब्द हटाता है और विराम-चिह्न जोड़ता है, Formal अंश को पेशेवर शब्दों में फिर से लिखता है।

क्या मेरी बोली को साफ़ करने से मेरा मतलब बदल जाएगा?

नहीं बदलना चाहिए। Tidy मोड इस तरह बनाया गया है कि वह आपका अर्थ और लहजा बनाए रखे और सिर्फ़ शोर हटाए — भराव शब्द, पुनःआरंभ, और फिसलन। Formal मोड जानबूझकर phrasing को फिर से लिखता है, इसलिए यह एक अलग मोड है जिसे आप चुनते हैं, डिफ़ॉल्ट नहीं।

क्या मैं एक से अधिक भाषा में एक साथ डिक्टेट कर सकता हूँ?

ज़्यादातर टूल्स के साथ, नहीं — आप एक रिकग्निशन भाषा चुनते हैं और भाषा बदलने पर स्विच करते हैं। MirrorCaption Typer आपको एक साथ कई रिकग्निशन भाषाएँ सेट करने देता है, इसलिए चीनी को अंग्रेज़ी के साथ, या जर्मन को अंग्रेज़ी के साथ, एक ही वाक्य में मिलाने पर भी आउटपुट सही आता है।

मैं वॉइस टाइपिंग से नाम और जार्गन कैसे पहचानवाऊँ?

उन्हें custom vocabulary में जोड़ें। Typer आपको वे नाम, प्रोडक्ट शब्द, और जार्गन जोड़ने देता है जिनका आप अक्सर उपयोग करते हैं, ताकि उन्हें पहले पहचाना जाए, और यह आपके द्वारा किए गए सुधारों से सीखता है, ताकि वही गलती दोबारा न हो।

क्या वॉइस टाइपिंग ब्राउज़र के अलावा ऐप्स में काम करती है?

Typer एक छोटी ब्राउज़र विंडो में चलता है जो आपके दूसरे ऐप्स के ऊपर तैरती रहती है और तैयार टेक्स्ट को अपने-आप आपके क्लिपबोर्ड में कॉपी कर देती है, इसलिए आप ईमेल, डॉक, चैट, या किसी भी अन्य एप्लिकेशन में पेस्ट कर सकते हैं। कुछ इंस्टॉल करने की ज़रूरत नहीं होती, जिसका मतलब यह भी है कि IT की मंज़ूरी के लिए कुछ नहीं होता।

निचोड़

वॉइस टाइपिंग कुछ समय पहले ही सटीकता की समस्या होना बंद कर चुकी है। यह एक अनुवाद समस्या है — लोगों के बोलने के तरीके और टेक्स्ट के पढ़े जाने के तरीके के बीच — और शाब्दिक ट्रांसक्रिप्शन वह अनुवाद आपके ऊपर छोड़ देता है।

जो टूल यह काम आपके लिए करते हैं, वे डिक्टेशन को एक बार आज़माई गई चीज़ से बदलकर ऐसी चीज़ बना देते हैं जिसका आप हर दिन उपयोग करते हैं। हमारे best dictation software guide में विकल्पों की तुलना करें।