जहाँ टाइप करना धीमा पड़ता है, वहाँ वॉइस काम आती है: नोट्स बोलकर लिखवाना, बोलकर बुकिंग करना, लेख सुनना, या उन लोगों की मदद करना जिन्हें पढ़ने में मुश्किल होती है। खाड़ी देशों के बिज़नेस अरबी वॉइस भी माँगते हैं, जहाँ बोली (डायलेक्ट) का असर लोगों की सोच से कहीं ज़्यादा होता है।
यह गाइड बताती है कि इसके बुनियादी हिस्से क्या हैं, लॉन्च से पहले क्या टेस्ट करें, और Uttra से पहला चलता-फिरता वर्ज़न कैसे माँगें।
वॉइस ऐप तीन में से एक काम करता है: बोली हुई बात को टेक्स्ट में बदलता है, टेक्स्ट को आवाज़ में सुनाता है, या दोनों जोड़कर बातचीत करता है। आप Uttra को यह काम सादी भाषा में बता सकते हैं, लेकिन उच्चारण की सटीकता, माइक्रोफ़ोन की अनुमति और रिकॉर्डिंग की प्राइवेसी पर सोच-समझकर फ़ैसला लेना पड़ता है।
तीन बुनियादी हिस्से
स्पीच टू टेक्स्ट माइक्रोफ़ोन से सुनकर लिखे हुए शब्द देता है। टेक्स्ट टू स्पीच लिखे हुए शब्दों को चुनी हुई आवाज़ में पढ़कर सुनाता है। वॉइस असिस्टेंट इन दोनों को जोड़ता है: सुनो, टेक्स्ट को AI मॉडल तक भेजो, फिर जवाब बोलकर सुनाओ।
- डिक्टेशन: यूज़र बोलता है और टेक्स्ट फ़ॉर्म या नोट में दिख जाता है।
- पढ़कर सुनाना: किसी लेख या पाठ पर एक बटन टेक्स्ट को ऑडियो में चला देता है।
- वॉइस असिस्टेंट: सवाल बोलकर पूछें और जवाब सुनें।
- वॉइस कमांड: छोटे वाक्य, जैसे “मेरे ऑर्डर खोलो”।
उच्चारण और बोलियाँ: असली आवाज़ों से टेस्ट करें
पहचान की गुणवत्ता भाषा, बोली, पीछे के शोर और माइक्रोफ़ोन के हिसाब से बदलती है। जो मॉडल मानक अरबी अच्छी समझता है, वह नजदी या हिजाज़ी बोली, नामों और अरबी-अंग्रेज़ी मिले वाक्यों में अटक सकता है। डेमो पर भरोसा न करें; अपने असली यूज़र्स के दस वाक्य रिकॉर्ड करें और देखें कि नतीजा क्या आता है।
पहचाना गया टेक्स्ट हमेशा दिखाएँ, ताकि ऑर्डर या अपॉइंटमेंट जैसी ज़रूरी चीज़ पक्की होने से पहले यूज़र उसे सुधार सके।
अनुमति, HTTPS और प्राइवेसी
ब्राउज़र माइक्रोफ़ोन तक पहुँच सिर्फ़ सुरक्षित पेजों पर और यूज़र की सहमति के बाद ही देते हैं, इसलिए अनुमति माँगने वाला पॉप-अप आने से पहले बता दें कि आपको माइक्रोफ़ोन क्यों चाहिए। आवाज़ निजी डेटा है। साफ़ बताएँ कि ऑडियो सेव होता है या नहीं, कितने समय तक, और उसे कौन सुन सकता है; जो रिकॉर्डिंग ज़रूरी नहीं, उसे न रखें।
बाहरी प्रोवाइडर की वॉइस और टेक्स्ट सेवाओं के लिए API की (key) चाहिए, जो आप प्रोजेक्ट सीक्रेट के रूप में देते हैं। ऑडियो कैसे संभाला जाता है, इस पर प्रोवाइडर की शर्तें पढ़ें, ख़ासकर बच्चों या सेहत से जुड़ी सामग्री के लिए।
- साफ़ माइक्रोफ़ोन बटन, जिसमें सुनने की स्थिति दिखे।
- शोर वाली जगहों और अनुमति न देने वाले यूज़र्स के लिए टाइप करने का विकल्प।
- बटन के पास प्राइवेसी का एक छोटा नोट।
एक प्रॉम्प्ट जो आप कॉपी कर सकते हैं
छोटे से शुरू करें और यूज़र की ज़रूरत का पल बताएँ। उदाहरण:
“मेरे क्लिनिक ऐप के नोट्स पेज पर एक डिक्टेशन बटन जोड़ो। यूज़र अरबी में बोले, टेक्स्ट नोट फ़ील्ड में आ जाए और सेव करने से पहले वह उसे एडिट कर सके। हर नोट के लिए पढ़कर सुनाने वाला बटन जोड़ो, माइक्रोफ़ोन ब्लॉक हो तो टाइप करने का विकल्प दो, और एक छोटी लाइन लिखो कि ऑडियो सेव नहीं किया जाता।”