काठमाडौं ।
सामान्य हिसाबले हेर्दा २०२५ वर्षभरी नै एआई डिक्टेसन एपहरू साँच्चिकै लोकप्रिय भएको समय रह्यो। डिक्टेसन एपहरू वर्षौंदेखि भए पनि अघिल्ला वर्षहरुमा ती सुस्त र धेरै गल्ती गर्ने खालका थिए। विशेष गरी उच्चारणमा स्पष्ट रूपमा नबोल्दा यिनिहरुलेराम्रो काम गर्दैनथे।
तर ठूलो भाषा मोडल (एलएलएम) र स्पिच–टु–टेक्स्ट मोडलमा भएको प्रगतिले बोलाइलाई राम्रोसँग बुझ्ने र सन्दर्भ कायम राख्दै टेक्स्ट बनाउने प्रणाली सुधार गरेको छ। विकासकर्ताहरूले पाठलाई स्वचालित रूपमा मिलाउने, अनावश्यक शब्द हटाउने र अड्किएका बोलाइ बेवास्ता गर्ने सुविधा पनि थपेका छन्, जसले गर्दा अन्तिम पाठमा कम सम्पादन गर्नुपर्ने टेकक्रञ्चले उल्लेख गरेको छ।
तर एआईसँग सम्बन्धित सबै कुरा अत्यधिक लोकप्रिय हुँदै जाँदा, यस्ता एपहरू अहिले बजारमा दर्जनौं छन्। यस वर्षका सबैभन्दा राम्रो र उपयोगी डिक्टेसन एपहरूको सूची र तिनीहरुका विशेषता यस्ता छन्:
विस्पर फ्लो
विस्पर फ्लो एउटा राम्रो लगानी पाएको एआई डिक्टेसन एप हो जसमा प्रयोगकर्ताले आफूले चाहेका शब्द र निर्देशन थप्न सक्छन्। यसमा म्याकओएस, विण्डोज र आईओएसका लागि नेटिभ एप छन् भने एन्ड्रोइड संस्करण पनि बनाइँदै छ।
यो एपले व्यक्तिगत सन्देश, कामकाजी लेखन र इमेलजस्ता फरक प्रयोजनका लागि “फर्मल”, “क्याजुअल” र “भेरी क्याजुअल” शैली छान्न दिने गरी ट्रान्सक्रिप्सनलाई आफूअनुसार मिलाउन दिन्छ। कर्सरजस्ता भाइब-कोडिङ टुलसँग प्रयोग गर्दा भेरिएबल चिन्ने वा फाइल ट्याग गर्ने सुविधा पनि सक्रिय गर्न सकिन्छ।
डेस्कटप संस्करणमा महिनामा २ हजार शब्दसम्म निःशुल्क प्रयोग गर्न पाइन्छ भने आईओएसमा १ हजार शब्द निःशुल्क छन्। सब्सक्रिप्सन योजना महिनाको १५ डलरबाट सुरु हुन्छ, जसमा असीमित ट्रान्सक्रिप्सन सुविधा पाइन्छ।
विलो
विलोले आफूलाई टाइप गर्न मन नपराउनेहरूका लागि ठूलो समय बचत गर्ने एपका रूपमा प्रचार गर्छ। स्वचालित सम्पादन र फर्म्याटिङजस्ता सामान्य सुविधासँगै, यसले केही बोलेका शब्दकै आधारमा पूरा पाठ तयार गर्ने सुविधा पनि दिन्छ।
विलोले गोपनीयतामा ध्यान दिँदै सबै ट्रान्सक्रिप्ट प्रयोगकर्ताकै डिभाइसमा राख्छ र मोडल प्रशिक्षणबाट बाहिर रहने विकल्प पनि दिन्छ। उद्योगअनुसारका शब्द वा स्थानीय बोलीअनुसार मिलाउन आफूले चाहेको शब्दावली थप्न पनि सकिन्छ। डेस्कटप एपमा महिनामा २ हजार शब्द निःशुल्क छन्। व्यक्तिगत सब्सक्रिप्सन योजना महिनाको १५ डलरबाट सुरु हुन्छ, जसमा असीमित डिक्टेसन र लेखन शैली सम्झिने सुविधा मिल्छ।
मोनोलग
गोपनीयतामा ध्यान दिनेहरूका लागि मोनोलगले आफ्नो मोडल डाउनलोड गरेर डिभाइसमै चलाउन दिने सुविधा दिन्छ, जसले डाटा क्लाउडमा पठाउनुपर्दैन। साथै, कुन एपसँग प्रयोग भइरहेको छ भन्ने आधारमा यसको लेखन शैली पनि मिलाउन सकिन्छ।
मोनोलगमा महिनामा १ हजार शब्द निःशुल्क छन्। यसको सब्सक्रिप्सन महिनाको १० डलर वा वर्षको १०० डलर पर्छ। एपका सक्रिय प्रयोगकर्ता बनेमा कम्पनीले प्रयोग गर्नका लागि ‘मोनोकी’ पनि पठाउने गर्छ।
सुपरव्हिस्पर
सुपरव्हिस्पर मुख्य रूपमा डिक्टेसन एप हो तर यसले अडियो वा भिडियो फाइलबाट पनि ट्रान्सक्राइब गर्न सक्छ। प्रयोगकर्ताले आफ्नै एआई मोडल छान्न र डाउनलोड गर्न सक्छन् जसमा फरक गति र शुद्धता भएका मोडल तथा एनभिडियाको पाराकीट स्पिच–रिकग्निसन मोडल पनि पर्छन्।
यसमा आफूले चाहेको नतिजा पाउन कस्टम प्रम्प्ट लेख्न सकिन्छ। प्रशोधन गरिएको र नगरिएको दुवै प्रकारको ट्रान्सक्रिप्ट हेर्न सकिने र सिस्टम किबोर्डसँगै काम गर्ने सुविधा पनि छ।
साधारण भ्वाइस–टु–टेक्स्ट निःशुल्क छ र अनुवाद तथा ट्रान्सक्रिप्सनजस्ता प्रो सुविधाहरू १५ मिनेट परीक्षण गर्न पाइन्छ। सशुल्क योजनामा आफ्नै एआई एपीआई की प्रयोग गर्न र कुनै सीमा बिना क्लाउड वा लोकल मोडल जोड्न सकिन्छ। यसको मासिक योजना ८.४९ डलर, वार्षिक योजना ८४.९९ डलर छ, वा २४९.९९ डलर तिरेर आजीवन लाइसेन्स किन्न सकिन्छ।
भ्वाइसटाइपर
भ्वाइसटाइपरले अफलाइनमै काम गर्ने र कुनै सब्सक्रिप्सन नचाहिने मोडेल अपनाएको छ। यसले ट्रान्सक्रिप्सनका लागि लोकल मोडल प्रयोग गर्छ। आफैं होस्ट गरेर चलाउन चाहनेका लागि गिटहबमा ओपन सोर्स संस्करण पनि उपलब्ध छ। भ्वाइसटाइपरले ९९ भन्दा बढी भाषा समर्थन गर्छ र म्याक तथा विण्डोज दुवैमा चल्छ। तीन दिन निःशुल्क प्रयोग गर्न पाइन्छ, त्यसपछि आजीवन लाइसेन्स किन्न सकिन्छ। एक डिभाइसका लागि ३५ डलर, दुईका लागि ५६ डलर र चार डिभाइसका लागि ९८ डलर पर्छ।
आक्वा
यो आक्वा विण्डोज र म्याकओएसका लागि वाई कम्बिनेटर समर्थित अर्को भ्वाइस–टाइपिङ क्लाइन्ट हो, जसले कम ढिलाइमा छिटो काम गर्ने दावी गर्छ। व्याकरण र विरामचिन्ह मिलाउनुका साथै, बोलेरै तयार वाक्यांश प्रयोग गरी पाठ भर्ने सुविधा पनि दिन्छ — जस्तै “माइ एड्रेस” भनेपछि ठेगाना आफैं टाइप हुन्छ।
यसले अन्य एपका लागि आफ्नै स्पिच–टु–टेक्स्ट एपीआई पनि उपलब्ध गराउँछ। निःशुल्क योजनामा महिनामा १ हजार शब्द पाइन्छ। सशुल्क योजना वार्षिक बिलिङमा महिनाको ८ डलरबाट सुरु हुन्छ, जसमा असीमित शब्द र ८०० कस्टम शब्दावली मूल्यहरू खुल्छन्।
ह्याण्डी
ह्याण्डी एक ओपन सोर्स र निःशुल्क ट्रान्सक्रिप्सन टुल हो जुन म्याक, विण्डोज र लिनक्समा चल्छ। एप धेरै साधारण छ र धेरै कस्टमाइजेसन छैन, तर पैसा नतिरी भ्वाइस प्रयोग सुरु गर्न चाहनेहरूका लागि उपयुक्त विकल्प हो। यसमा पुश-टू-टक अन–अफ गर्ने र ट्रान्सक्रिप्सन सुरु गर्ने हटकिज परिवर्तन गर्ने आधारभूत सेटिङ मेनु छ।
टाइपलेस
टाइपलेस यो श्रेणीको अर्को एप हो जसमा निःशुल्क शब्द सीमा उच्च छ। कम्पनीका अनुसार यसले कुनै पनि डाटा राख्दैन वा मोडल प्रशिक्षणका लागि प्रयोग गर्दैन। बोलेर अलमलिएको वाक्य भएमा यसले अझ राम्रो संस्करण पनि सुझाउँछ।
निःशुल्क योजनामा हप्तामा ४ हजार शब्द (करिब महिनामा १६ हजार शब्द) डिक्टेसन गर्न सकिन्छ। वार्षिक बिलिङमा महिनाको १२ डलर तिरेर असीमित शब्द र नयाँ सुविधाहरू खोल्न सकिन्छ। यो विण्डोज र म्याकओएसमा मात्र उपलब्ध छ।
प्रकाशित: २० पुष २०८२, आईतवार
