लाइव कैप्शन: iPhone पर आमने-सामने की बातचीत पढ़ें

स्क्रीन पर क्या दिखता है

सेशन लाइव ट्रांसक्रिप्ट लिखता है। जब भी सामने वाला अपनी बात पूरी करता है, उसकी कही बात स्क्रीन पर एक बबल में दिखती है, और बातचीत एक सूची बनती जाती है जिसमें आप पीछे स्क्रॉल कर सकते हैं। जवाब देते समय कोई लाइन छूट गई, तो वह दोबारा पढ़ने के लिए वहीं है।

असिस्टेंट हर बारी का जवाब भी अपने-आप देता है; ऐप इसी के लिए बना है। कैप्शन के लिए आप चाहेंगे कि वह बीच में न आए, इसलिए ख़ाली सेशन शुरू करें, उसमें ऐसा निर्देश लिखें: “बातचीत पर कोई टिप्पणी मत करो। जब तक मैं कोई सवाल टाइप न करूँ, हर जवाब कुछ शब्दों का ही हो।” और “विवरण स्तर” को “संक्षिप्त” पर रखें। निर्देश मॉडल को दिशा देते हैं, उसे बंद नहीं करते, इसलिए आप जो लाइनें पढ़ रहे हैं उनके बीच कभी-कभी कोई छोटा जवाब आ सकता है।

अगर सामने वाला दूसरी भाषा बोलता है, तो अनुवाद सेशन हर वाक्य और उसका अनुवाद बबल की जोड़ी में दिखाता है; बातचीत का लाइव अनुवाद करने की गाइड यह बताती है।

सेटअप

यह एक बार, बातचीत से पहले करें, तब नहीं जब कोई आपके जवाब का इंतज़ार कर रहा हो।

1. “सेटिंग्ज़” › “दिखावट” › “चैट फ़ॉन्ट आकार” खोलें और “बड़ा” या “अतिरिक्त बड़ा” चुनें। यह iPhone के अपने टेक्स्ट साइज़ के ऊपर से लागू होता है।
2. “अनुवाद करें” पर टैप करें और जाँचें कि “चैट और लाइव सत्र का अनुवाद करें” बंद है। अनुवाद पूरे ऐप की सेटिंग है और पिछली बार इस्तेमाल के बाद से चालू ही रहती है।
3. ख़ाली सेशन शुरू करें, ऊपर वाला निर्देश लिखें, और “विवरण स्तर” को “संक्षिप्त” पर रखें।
4. iPhone की सेटिंग्ज़ में “डिस्प्ले और ब्राइटनेस” के अंदर “ऑटो-लॉक” का समय बढ़ा दें, और बातचीत लंबी हो तो फ़ोन चार्जर पर लगा दें।
5. सामने वाले को बताएँ कि फ़ोन किसलिए है, उसे सही जगह रखें, और “प्रारंभ करें” पर टैप करें (iPad पर “सत्र प्रारंभ करें”)।
6. बातचीत ख़त्म होने पर “समाप्त करें” पर टैप करें। ट्रांसक्रिप्ट सेशन में, डिवाइस पर रहता है।

फ़ोन कहाँ रखें

कैप्शन उतने ही अच्छे हो सकते हैं जितनी फ़ोन तक पहुँचने वाली आवाज़। उसे उस व्यक्ति के पास रखें जिसकी बात के कैप्शन चाहिए, उसकी ओर करके, और स्क्रीन आपकी ओर झुकी हो ताकि उठाए बिना पढ़ सकें।

शोर भरे कमरे में — कैफ़े, परिवार का खाना, टीवी चलता वेटिंग रूम — दूरी सबसे ज़्यादा मायने रखती है। बोलने वाले से आधा मीटर दूर रखा फ़ोन मेज़ के उस पार रखे फ़ोन से कहीं बेहतर करता है, और थालियों और गिलासों के बीच सीधा लेटा फ़ोन हर खटपट सुनता है। एक छोटा स्टैंड मदद करता है। उसी फ़ॉन्ट साइज़ पर iPad ज़्यादा टेक्स्ट दिखाता है, जिससे लंबी बातचीत पढ़ना आसान होता है।

एक बार में एक व्यक्ति सबसे अच्छा रहता है। जब दो लोग एक-दूसरे के ऊपर बोलते हैं, तो ट्रांसक्रिप्ट उन्हें मिला देता है, क्योंकि जो माइक्रोफ़ोन तक एक ही आवाज़ बनकर पहुँचा, उसे वह अलग नहीं कर सकता। जो सामूहिक बातचीत आपके लिए ज़रूरी है, उसमें लोगों से बारी-बारी बोलने और फ़ोन की ओर मुँह करके बोलने को कहना ठीक है।

ऐप खुला और स्क्रीन चालू रखें

यही नियम लोगों को चकमा देता है। ऐप बैकग्राउंड में जाने या स्क्रीन लॉक होने पर लाइव सेशन ख़त्म हो जाता है, इस संदेश के साथ: “ऐप निष्क्रिय. रीयलटाइम सत्र बंद हो गया.” बातचीत के बीच लॉक हो गई स्क्रीन का मतलब है कि नया सेशन शुरू करने तक कैप्शन रुक जाते हैं।

• शुरू करने से पहले “ऑटो-लॉक” का समय बढ़ा दें, और चाहें तो बाद में वापस कर दें।
• छोटी-सी बातचीत से लंबी किसी भी चीज़ के लिए फ़ोन चार्जिंग पर रखें; चालू रहने वाली स्क्रीन बैटरी खाती है।
• कोई मैसेज देखने के लिए दूसरे ऐप पर न जाएँ। जो पहले ट्रांसक्राइब हो चुका वह सेशन में रहता है, पर सेशन बंद होने के बाद कुछ नया कैप्शन नहीं होता।
• अगर सेशन बंद हो जाए, तो तुरंत नया शुरू करें; बातचीत का पहले का हिस्सा पहले वाले सेशन में सेव रहता है।

Apple Speech या OpenAI से सुनना

ऐप दो तरीक़ों से सुन सकता है। डिफ़ॉल्ट रूप से OpenAI का मॉडल आवाज़ सुनता है और ट्रांसक्रिप्ट लिखता है। “सुनना” में आप इसके बजाय Apple Speech चुन सकते हैं, जो डिवाइस पर ट्रांसक्राइब करता है और जवाब के लिए टेक्स्ट GPT को भेजता है। इसे “प्रारंभ करें” पर टैप करने से पहले चुनें।

आपके लिए कौन-सा बेहतर है, यह आवाज़, भाषा और कमरे पर निर्भर है, इसलिए किसी आम नियम पर भरोसा करने के बजाय दोनों को उन्हीं हालात में आज़माएँ जिनमें आप इस्तेमाल करेंगे। Apple Speech के साथ आवाज़ ख़ुद फ़ोन पर रहती है, पर जो कहा गया उसका टेक्स्ट फिर भी GPT को जाता है। iPhone और iPad पर दोनों के लिए इंटरनेट चाहिए।

यह क्या नहीं है

यह प्रमाणित कैप्शनिंग सेवा नहीं है, और सटीकता की कोई गारंटी नहीं। यह नाम, संख्याएँ और धीमे बोले गए शब्द ग़लत सुन सकता है, दो बोलने वालों को मिला सकता है, और तेज़ बोलने वाले से पीछे रह सकता है। खाने की मेज़ पर बातचीत के लिए यह ठीक सौदा है; जहाँ एक छूटे शब्द के नतीजे हों, वहाँ यह अकेले काफ़ी नहीं।

मेडिकल अपॉइंटमेंट, क़ानूनी मीटिंग, या ऐसी कक्षा के लिए जहाँ आपको औपचारिक सुविधा का हक़ है, संस्था से CART (Communication Access Realtime Translation) या दूसरी प्रोफ़ेशनल कैप्शनिंग के बारे में पूछिए, या सांकेतिक भाषा के दुभाषिए के बारे में, अगर आप वही इस्तेमाल करते हैं। कई अस्पताल, अदालतें, विश्वविद्यालय और कंपनियाँ इनका इंतज़ाम करती हैं, और मेज़ पर रखा फ़ोन इनकी जगह नहीं ले सकता।

सामने वाले को बताइए

कैप्शन एक ट्रांसक्रिप्ट हैं, और ट्रांसक्रिप्ट इस बात का रिकॉर्ड है कि किसी और ने क्या कहा। पहले उस व्यक्ति को बताइए, और स्क्रीन दिखाइए; वह किसी भी ब्योरे से बेहतर ख़ुद को समझा देती है।

क्लाउड सेशन के दौरान आवाज़ डिवाइस से सीधे OpenAI की Realtime API तक जाती है। सेशन डिवाइस पर सेव होता है, बिना क्लाउड सिंक के, और Arte Soft के सर्वर तक न आवाज़ पहुँचती है, न ट्रांसक्रिप्ट, न जवाब। दूसरों को रिकॉर्ड और ट्रांसक्राइब करने की गाइड बताती है कि क्या कहना है, और क़ानून कब इससे ज़्यादा माँगता है।