অফলাইন স্পিচ টু টেক্সট

Whisper Notes হলো iPhone ও Mac-এর জন্য একটি অফলাইন স্পিচ টু টেক্সট অ্যাপ। স্পিচ মডেল আপনার ডিভাইসেই চলে, তাই ইন্টারনেট সংযোগ লাগে না এবং আপনার অডিও কখনো আপলোড হয় না। লক স্ক্রিন থেকে রেকর্ড করুন, অডিও ফাইল ইম্পোর্ট করুন বা কোনো মিটিং ট্রান্সক্রাইব করুন; লেখা তৈরি হয় সেই ডিভাইসেই।

অফলাইনে কী কী চলে?

সবকিছু। ডিফল্ট Parakeet মডেলটি অ্যাপের সঙ্গেই থাকে, তাই প্রথমবার খোলার পর থেকেই অফলাইনে চলে। রেকর্ডিং, ট্রান্সক্রিপশন, বক্তা চিহ্নিত করা, সার্চ আর এক্সপোর্ট সবই ডিভাইসে হয়, তাই এয়ারপ্লেন মোডেও কাজ করে। আমরা আপনার রেকর্ডিং বা ট্রান্সক্রিপ্ট কখনো দেখি না, আর AI প্রশিক্ষণে সেগুলো কখনো ব্যবহার করা হয় না।

iPhone-এ লক স্ক্রিন উইজেটে একবার ট্যাপ করলে অ্যাপ খোলে আর রেকর্ডিং শুরু হয়, এবং লাইভ অ্যাক্টিভিটি লক স্ক্রিন ও Dynamic Island-এ রেকর্ডিং দেখায়। আপনি অডিও ফাইল ইম্পোর্টও করতে পারেন, অথবা ভয়েস মেমো থেকে কোনো রেকর্ডিং Whisper Notes-এ শেয়ার করতে পারেন।

Mac-এ আপনি রেকর্ড করতে পারেন, অডিও ও ভিডিও ফাইল ইম্পোর্ট করতে পারেন, আর সিস্টেম অডিও থেকে Zoom, Teams বা Google Meet কল রেকর্ড করতে পারেন। আমাদের ওয়েবসাইট থেকে ডাউনলোড করা Mac অ্যাপে Fn চেপে ধরে যেকোনো অ্যাপে কণ্ঠ দিয়ে টাইপও করতে পারেন।

নাম, প্রোডাক্টের নাম আর বিশেষ পরিভাষা Settings (সেটিংস)-এ Custom Vocabulary (কাস্টম শব্দভান্ডার)-তে যোগ করুন, তাহলে মডেল সেগুলো আপনার মতো করেই লিখবে। লেখা বাইরে নিতে কপি বা শেয়ার করুন, অথবা কয়েকটি ট্রান্সক্রিপ্ট বেছে একসাথে এক্সপোর্ট করুন।

কোন মডেল কোথায় চলে?

iPhone ও Mac-এ Whisper Notes-এ কণ্ঠ শনাক্ত করার তিনটি ইঞ্জিন আছে, সঙ্গে iOS 26 ও macOS 26-এ Apple Speech; Mac-এ আরও আছে Qwen3-ASR 1.7B (Beta)। Settings-এ একটি বেছে নেন; যে ইঞ্জিন যোগ করবেন সেটি একবারই ডাউনলোড হয়।

•Parakeet ডিফল্ট ইঞ্জিন: ইংরেজি ও আরও ২৪টি ইউরোপীয় ভাষার জন্য সবচেয়ে দ্রুত। এটি বিল্ট-ইন Parakeet মডেল (Moondream-এর Parakeet Ultra, যা NVIDIA Parakeet V3-এর ওপর বাড়তি প্রশিক্ষণ দিয়ে তৈরি), যা iPhone অ্যাপে আগে থেকেই আছে। ইংরেজিতে Open ASR Leaderboard-এ Parakeet V3 (প্রায় 465 MB)-এর WER 6.32%, আর Mac-এ এটি রিয়েলটাইমের প্রায় 74 গুণ গতিতে চলে।
•Whisper ১০০টির বেশি ভাষা সমর্থন করে। Mac-এ চলে Whisper Large V3 Turbo (প্রায় 2 GB); iPhone-এ চলে Whisper Small, যার ভাষার তালিকা একই।
•SenseVoice চীনা, জাপানি, কোরীয় ও ক্যান্টোনিজের জন্য দ্রুত বিকল্প। M4 Pro চিপের Mac-এ এটি 27 মিনিটের একটি চীনা পডকাস্ট 13.83 সেকেন্ডে ট্রান্সক্রাইব করেছে (রিয়েলটাইমের 118 গুণ)। ওই পরীক্ষাটি অ্যাপের একটি পুরোনো সংস্করণে চালানো হয়েছিল; এখন অ্যাপের মডেল কার্ডে গতি দেখায় রিয়েলটাইমের 115–131 গুণ, প্রায় একই। এই ভাষাগুলোয় Mac-এ সবচেয়ে কম ভুল করে Qwen3-ASR 1.7B (Beta)।

Mac-এ Parakeet রিয়েলটাইমের প্রায় 74 গুণ গতিতে চলে, অর্থাৎ এক ঘণ্টার অডিও এক মিনিটেরও কম সময়ে। iPhone-এর ক্ষেত্রে App Store পেজে বলা আছে, iPhone 15-এ Parakeet দিয়ে পাঁচ মিনিটের অডিওতে প্রায় ১৮ সেকেন্ড লাগে। প্রতিটি ইঞ্জিনের ভাষার পুরো তালিকা একটি পেজেই আছে।

দাম কত?

iPhone-এ Whisper Notes একবারের জন্য $7.99। Mac-এ প্রতি সপ্তাহে প্রথম ৫,০০০ শব্দ বিনামূল্যে, তারপর একবারের জন্য $14। কোনোটিতেই সাবস্ক্রিপশন বা অ্যাকাউন্ট নেই, আর সব ইঞ্জিন অন্তর্ভুক্ত।

সীমাবদ্ধতা কী কী?

•শুধু Apple ডিভাইস। iOS 18 চলা iPhone 12 বা নতুন, অথবা Apple silicon-এর জন্য তৈরি, macOS 14 চলা Mac (Mac App Store সংস্করণ Intel Mac-এও ইনস্টল করা যায়)। Android বা Windows-এর কোনো সংস্করণ নেই।
•গতি ডিভাইসের ওপর নির্ভর করে। এক ঘণ্টার রেকর্ডিং iPhone-এ সেকেন্ডে নয়, কয়েক মিনিটে হয়, আর পুরোনো iPhone আরও ধীর। দীর্ঘ ফাইল সঙ্গে সঙ্গে দরকার হলে ক্লাউড সেবা এখনও দ্রুততর।
•iPhone অ্যাপ খোলা রাখুন। Whisper বা SenseVoice দিয়ে ট্রান্সক্রাইব করলে অন্য অ্যাপে গেলেই ট্রান্সক্রিপশন থেমে যায়; iOS অনুমতি দিলে Parakeet ও Apple Speech সাধারণত ছোট একটি কাজ ব্যাকগ্রাউন্ডে প্রায় 30 সেকেন্ডের মধ্যে শেষ করতে পারে। শেষ না হলে Whisper Notes-এ ফিরে এসে নোটের রিট্রাই আইকনে ট্যাপ করুন। লক স্ক্রিন, Apple Watch বা Shortcuts থেকে থামানো রেকর্ডিং পরের বার Whisper Notes খুললে ট্রান্সক্রাইব হয়।
•সিঙ্ক নেই। রেকর্ডিং যে ডিভাইসে করেছেন সেখানেই থাকে। সরাতে এক্সপোর্ট বা AirDrop ব্যবহার করুন।