অফলাইন ট্রান্সক্রিপশন: আপনার ডেটা আপনারই থাকে।

ক্লাউড ট্রান্সক্রিপশন মানে আপনার অডিও ইন্টারনেটের মধ্য দিয়ে যায়, অন্যের কম্পিউটারে প্রক্রিয়া হয়, এবং তাদের নীতি অনুযায়ী সংরক্ষণ করা হয়।

অফলাইন ট্রান্সক্রিপশন সহজ। AI আপনার ডিভাইসে চলে। আপনার অডিও কখনও বাইরে যায় না। Mac-এ বিল্ট-ইন Parakeet মডেল রিয়েল-টাইমের প্রায় 74 গুণ গতিতে চলে: এক ঘণ্টার অডিও এক মিনিটেরও কম সময়ে। বিশ্বাস করার কিছু নেই কারণ ডেটা যাওয়ার কোনো জায়গা নেই।

এটি সর্বত্র কাজ করে — বিমানে, দূরবর্তী এলাকায়, সীমাবদ্ধ নেটওয়ার্ক সহ অফিসে। কোনো ইন্টারনেট নেই মানে আপলোডের জন্য কোনো অপেক্ষা নেই।

এটিকে আপনার ফোনের Photos অ্যাপের মতো ভাবুন। আপনার ছবি দেখতে সার্ভারে পাঠানোর দরকার হয় না। Whisper Notes একইভাবে কাজ করে: এটি শব্দকে টেক্সটে রূপান্তর করে ঠিক যেখানে আপনি আছেন।

Parakeet মডেলটি অ্যাপের সঙ্গেই থাকে; বাকি মডেলগুলো চাইলে অ্যাপের ভেতর থেকে ডাউনলোড করতে পারেন। Mac ও iPhone-এ যে মডেলগুলো পাবেন: বিল্ট-ইন Parakeet মডেল (ডিফল্ট — Moondream-এর Parakeet Ultra, যা NVIDIA Parakeet V3-এর ওপর বাড়তি প্রশিক্ষণ দিয়ে তৈরি, ইংরেজি ও অন্য ২৪টি ইউরোপীয় ভাষার জন্য), Whisper (বহুভাষিক বিকল্প, ১০০+ ভাষা; Mac-এ Large-V3-Turbo, iPhone-এ Small), এবং SenseVoice (চীনা, জাপানি, কোরীয় ও ক্যান্টনিজের জন্য দ্রুত বিকল্প)। Mac-এ Qwen3-ASR 1.7B (Beta)-ও ডাউনলোড করা যায়।

1. রেকর্ড ট্যাপ করুন (বা লক স্ক্রিন উইজেট ব্যবহার করুন)
2. কথা বলুন
3. থামুন
4. টেক্সট দেখা যায়

iPhone-এ বিল্ট-ইন Parakeet মডেলে ইংরেজিসহ 25টি ইউরোপীয় ভাষায় কথা বলার সময়ই লেখা দেখা যায়; বাংলা অন্য মডেলে রেকর্ডিং থামানোর পর ট্রান্সক্রাইব হয়।

আপনি বিদ্যমান অডিও ফাইলও ইম্পোর্ট করতে পারেন। মিটিং রেকর্ডিং, সাক্ষাৎকার, লেকচার — যেকোনো ফরম্যাট কাজ করে। প্রক্রিয়াকরণ স্থানীয়ভাবে হয়, কোনো আপলোড সময় নেই।

লক স্ক্রিন রেকর্ডিং। লক স্ক্রিন উইজেটে এক ট্যাপেই Whisper Notes খুলে রেকর্ডিং শুরু হয়। হাঁটার সময় চিন্তা ক্যাপচার করার জন্য ভালো।

অডিও ইম্পোর্ট। বিদ্যমান রেকর্ডিং টেনে আনুন। তিন ঘণ্টার একটি রেকর্ডিং একটিই ফাইল, 180টি হিসেব করা মিনিট নয়; Mac-এ Parakeet-এর প্রায় 74× রিয়েল-টাইম গতিতে এটি তিন মিনিটেরও কম সময়ে শেষ হয়। মিনিটপ্রতি খরচ নেই, আপলোডও নেই।

100+ ভাষা। আপনি কী বলছেন তা স্বয়ংক্রিয়ভাবে শনাক্ত করে।

কাস্টম শব্দভাণ্ডার। এমন নাম এবং প্রযুক্তিগত শব্দ যোগ করুন যা মডেল মিস করতে পারে।

টাইমস্ট্যাম্প। যেকোনো প্যারাগ্রাফে ক্লিক করুন এবং অডিওতে সেই মুহূর্তে যান।

অফলাইন ট্রান্সক্রিপশন উপযুক্ত যদি আপনি:

• রেকর্ডিং ব্যক্তিগত রাখতে চান
• নির্ভরযোগ্য ইন্টারনেট ছাড়া জায়গায় কাজ করেন
• সাবস্ক্রিপশনের বদলে একবার পেমেন্ট পছন্দ করেন
• সংবেদনশীল কথোপকথন ট্রান্সক্রাইব করেন
• অ্যাকাউন্ট সেটআপ ছাড়াই কিছু কাজ করতে চান

অফলাইন প্রসেসিং বিনামূল্যে নয়। এখানে আপনি কী ট্রেড করছেন:

স্টোরেজ। অ্যাপটি ~680MB। Mac-এ, Whisper Large V3 Turbo মডেল সর্বোচ্চ নির্ভুলতার জন্য ~2 GB যোগ করে।

প্রথম লঞ্চ। মডেল লোড হতে 3-8 সেকেন্ড লাগে। এটি শুধুমাত্র প্রতি সেশনে একবার হয় — তারপর এটি তাৎক্ষণিক।

প্ল্যাটফর্ম। শুধুমাত্র iPhone এবং Mac।

গতি। রিয়েল-টাইমের চেয়ে দ্রুত। iPhone-এর ক্ষেত্রে App Store তালিকা বলছে, iPhone 15-এ Parakeet দিয়ে 5 মিনিটের অডিও প্রায় 18 সেকেন্ডে এবং Whisper দিয়ে প্রায় 1 মিনিটে হয়। M-series চিপ সহ Mac অনেক বেশি দ্রুত—সেখানে Parakeet রিয়েল-টাইমের প্রায় 74 গুণ গতিতে চলে।

এই ট্রেড-অফগুলো কিছু মানুষের জন্য উপযুক্ত। অন্যদের জন্য, ক্লাউড ট্রান্সক্রিপশন বেশি মানানসই। দুটোরই নিজস্ব জায়গা আছে।

মূল্য: iPhone-এ $7.99। Mac-এ প্রতি সপ্তাহে 5,000 শব্দ ফ্রি, তারপর একবার $14। কোনো সাবস্ক্রিপশন নেই।

মডেল: Parakeet (ডিফল্ট), Whisper (Mac-এ Large-V3-Turbo, iPhone-এ Small), এবং SenseVoice Mac ও iPhone-এ; iOS 26 ও macOS 26-এ Apple Speech; Mac-এ আরও আছে Qwen3-ASR 1.7B (Beta)। সবই Apple Silicon-এ স্থানীয়ভাবে চলে।

গোপনীয়তা: ট্রান্সক্রিপশনের সময় কোনো নেটওয়ার্ক রিকোয়েস্ট নেই। নেটওয়ার্ক মনিটর দিয়ে যাচাই করুন।

আপডেট: বিনামূল্যে।