BroadRouter

API से अरबी ऑडियो का अंग्रेज़ी में अनुवाद: टेस्ट की हुई पाइपलाइन

BroadNet Inference टीम · 8 मिनट में पढ़ें · प्रकाशित · अपडेट किया गया

दो चरण चलाएँ। अरबी ऑडियो को speech-to-text API से ट्रांसक्राइब करें, language को ar रखकर, फिर ट्रांसक्रिप्ट का अनुवाद ऐसे LLM से करें जिसे नाम और संख्याएँ बनाए रखने को कहा गया हो। लंबी फ़ाइलें पहले बाँटें, संख्याएँ कोड में जाँचें, और एक छोटे सैंपल को chrF से स्कोर करें ताकि पता चले कि ट्रांसक्रिप्शन चरण गुणवत्ता में कितना घटाता है।

“अरबी ऑडियो को अंग्रेज़ी में अनुवाद” के लिए रैंक करने वाले ज़्यादातर पेज अपलोड-और-डाउनलोड वाले वेब टूल हैं। एक फ़ाइल के लिए वे ठीक हैं। अगर आपको अपने प्रोडक्ट के अंदर अनुवाद चाहिए (सपोर्ट कॉल, इंटरव्यू, वॉइस नोट, लेक्चर), तो आपको दो API कॉल और उनके आसपास कुछ जाँचें चाहिए। यह पोस्ट एक OpenAI-compatible key पर वह पाइपलाइन बनाती है, उसे टेस्ट करती है, और दिखाती है कि कैसे मापें कि वह काफ़ी अच्छी है या नहीं।

पहले से मौजूद अरबी टेक्स्ट के अनुवाद के लिए LLM से अरबी–अंग्रेज़ी अनुवाद देखें। पूरे अनुवाद के बजाय मीटिंग रिकॉर्डिंग से मिनट्स बनाने के लिए रिकॉर्डिंग से अरबी मीटिंग मिनट्स देखें।

एक कॉल या दो?

अरबी आवाज़ से अंग्रेज़ी टेक्स्ट पाने के दो तरीक़े हैं:

तरीक़ा कैसे काम करता है किसके लिए अच्छा
Speech translation (एक चरण) एक अनुरोध; सेवा अंग्रेज़ी लौटाती है live ऑडियो, कैप्शन, सबसे सरल कोड
पहले ट्रांसक्राइब, फिर अनुवाद (दो चरण) एक speech-to-text कॉल अरबी टेक्स्ट लौटाती है; एक LLM उसका अनुवाद करता है फ़ाइलें, जब आपको अरबी भी चाहिए, glossary और जाँचें

फ़ाइलों के लिए सबसे जाना-माना एक चरण वाला endpoint बदल रहा है। OpenAI की speech-to-text गाइड कहती है कि /v1/audio/translations “uses whisper-1 to translate a completed audio recording into English” (अनुवाद: पूरी हो चुकी ऑडियो रिकॉर्डिंग को अंग्रेज़ी में अनुवाद करने के लिए whisper-1 इस्तेमाल करता है)। इसका deprecations पेज, 2026-11-15 को जाँचा गया, नोटिस की तारीख़ 26 अगस्त 2026 और बंद होने की तारीख़ 26 फ़रवरी 2027 देता है। दिया गया विकल्प /v1/realtime/translations है, जो realtime API है, फ़ाइल अपलोड नहीं। अगर आपका कोड पुराना endpoint कॉल करता है, तो आपको उसे दोबारा बनाना ही होगा।

Soniox एक मौजूदा एक चरण वाला विकल्प है: इसका अरबी से अंग्रेज़ी पेज एक WebSocket अनुरोध दिखाता है जिसमें translation ब्लॉक source ar और target en पर सेट है। ऐसा streaming प्रोडक्ट live ऑडियो के लिए सबसे ज़्यादा मायने रखता है।

फ़ाइलों के लिए दो चरण वाली पाइपलाइन के तीन व्यावहारिक फ़ायदे हैं:

  1. अरबी ट्रांसक्रिप्ट आपके पास रहती है। आप उसे खोज सकते हैं, अंग्रेज़ी के साथ दिखा सकते हैं, और बाद में बेहतर मॉडल से दोबारा अनुवाद कर सकते हैं, ट्रांसक्रिप्शन का दोबारा भुगतान किए बिना।
  2. अनुवाद आपके कंट्रोल में है। आप मॉडल चुनते हैं, उसे नामों और प्रोडक्ट शब्दों की glossary देते हैं, और उसका आउटपुट कोड में जाँचते हैं।
  3. आप देख सकते हैं कि ग़लतियाँ कहाँ से आती हैं। ग़लत अंग्रेज़ी वाक्य या तो पहचान की ग़लती है या अनुवाद की। ट्रांसक्रिप्ट हाथ में हो तो आप बता सकते हैं कि कौन-सी।

क़ीमत है एक दूसरा अनुरोध और ज़्यादा कोड। इस पोस्ट का बाक़ी हिस्सा वही कोड है।

पाइपलाइन कैसी दिखती है?

recording (.m4a, .mp4, .ogg, .wav)
  → ffmpeg: 16 kHz mono WAV, parts of 10 minutes or less
  → transcribe each part (language=ar)        → Arabic text
  → translate each part, with glossary and the end of the previous part as context
  → check numbers and empty or cut-off replies → English text

चरण 1: ऑडियो कैसे तैयार करें और बाँटें?

BroadNet का ट्रांसक्रिप्शन endpoint प्रति फ़ाइल 26,214,400 bytes तक WAV (audio/wav) या MP3 (audio/mpeg) लेता है। फ़ोन रिकॉर्डिंग (.m4a), WhatsApp वॉइस नोट (.ogg) और वीडियो को वैसे भी बदलना पड़ता है, इसलिए उसी ffmpeg चरण में resample करें और बाँटें:

ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le \
  -f segment -segment_time 600 chunks/part_%03d.wav

16 kHz mono 16-bit ऑडियो प्रति सेकंड 32,000 bytes है, इसलिए 10 मिनट का हिस्सा लगभग 19.2 MB है, सीमा से नीचे। हमने इसे 25 मिनट की एक टेस्ट फ़ाइल पर चलाया: इसने 19,200,162 और 19,200,194 bytes के दो हिस्से और 9,599,878 bytes का 5 मिनट का एक हिस्सा बनाया।

तय लंबाई पर काटने से कोई शब्द बीच में कट सकता है। असली आवाज़ के लिए ख़ामोशी पर काटें; लंबी ऑडियो फ़ाइलें ट्रांसक्राइब करें में ख़ामोशी पर आधारित splitter है, और ऑडियो splitter टूल आपके लिए ffmpeg कमांड लिख देता है। Sample rate की पृष्ठभूमि और आवाज़ के लिए 16 kHz क्यों काफ़ी है, यह glossary में है।

चरण 2 और 3: ट्रांसक्राइब और अनुवाद कैसे करें?

नीचे की स्क्रिप्ट हर हिस्से को अरबी ट्रांसक्रिप्शन मॉडल को भेजती है, फिर अनुवाद प्रॉम्प्ट के साथ एक चैट मॉडल को। यह OpenAI Python SDK के साथ चलती है।

import os, re, glob
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

GLOSSARY = {"شركة النخيل": "Al Nakheel Company", "مازن": "Mazen"}  # your fixed terms
SYSTEM = """You translate transcripts of spoken Arabic into clear English.
The Arabic comes from speech recognition: it may be dialect, have no punctuation,
mix in English words, and contain recognition errors.
Rules:
- Translate the meaning faithfully. Do not summarise, add or drop content.
- Keep every number, date, amount and name. Write numbers as digits.
- Use the glossary spellings exactly.
- Keep English words that the speaker used as they are.
- If a phrase makes no sense, translate it literally and add [unclear] after it.
- Reply with the English translation only."""

def glossary_block(text: str) -> str:
    hits = [f"{ar} = {en}" for ar, en in GLOSSARY.items() if ar in text]
    return "Glossary:\n" + "\n".join(hits) + "\n\n" if hits else ""

def transcribe(path: str) -> str:
    with open(path, "rb") as audio:
        return client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic", file=audio, language="ar").text

def translate(arabic: str, previous: str = "") -> str:
    context = f"Previous part, for context only, do not translate:\n{previous}\n\n" if previous else ""
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b", max_tokens=4000, reasoning_effort="low",
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": glossary_block(arabic) + context + "Translate:\n" + arabic}])
    choice = r.choices[0]
    if choice.finish_reason == "length" or not choice.message.content:
        raise RuntimeError("cut off: raise max_tokens or send a shorter part")
    return choice.message.content.strip()

DIGITS = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")
def missing_numbers(arabic: str, english: str) -> list[str]:
    nums = re.findall(r"\d+", arabic.translate(DIGITS))
    return [x for x in nums if x not in re.findall(r"\d+", english)]

previous = ""
for chunk in sorted(glob.glob("chunks/part_*.wav")):
    arabic = transcribe(chunk)
    english = translate(arabic, previous)
    print(f"--- {chunk}\nAR: {arabic}\nEN: {english}")
    if gaps := missing_numbers(arabic, english):
        print(f"CHECK: numbers {gaps} missing from the translation")
    previous = arabic[-500:]

हर हिस्सा किसलिए है:

  • language="ar"। BroadNet के docs कहते हैं कि ट्रांसक्रिप्शन अनुरोध के साथ हमेशा language भेजें। अरबी speech-to-text गाइड अनुरोध को विस्तार से कवर करती है।
  • प्रॉम्प्ट बताता है कि टेक्स्ट कहाँ से आया। ट्रांसक्रिप्ट में विराम चिह्न नहीं होते, वह बोली में हो सकती है और उसमें पहचान की ग़लतियाँ हो सकती हैं। मॉडल को यह बताने से वह अजीब वाक्यांशों को जानबूझकर लिखा नहीं मानता, और [unclear] मार्कर समीक्षकों को खोजने के लिए कुछ देता है।
  • अंग्रेज़ी शब्द बनाए रखें। अरबी बोलने वाले अक्सर वाक्य के बीच अंग्रेज़ी में चले जाते हैं (“الـ deadline”, “فريق الـ QA”)। यह code-switching है, और मॉडल को उन शब्दों को छोड़ देना चाहिए, उनका इधर-उधर अनुवाद नहीं करना चाहिए।
  • हर हिस्से की glossary। सिर्फ़ वही glossary entries भेजी जाती हैं जो उस हिस्से में आती हैं, जिससे प्रॉम्प्ट छोटे रहते हैं। मिलान सटीक है, इसलिए अगर आपकी ट्रांसक्रिप्ट में वर्तनी बदलती है (أ बनाम ا, ة बनाम ه), तो पहले दोनों तरफ़ normalise करें; अरबी टेक्स्ट normalizer आम नियम दिखाता है।
  • पिछला हिस्सा context के रूप में। पिछले अरबी हिस्से के आख़िरी 500 कैरेक्टर सर्वनामों और हिस्सों की सीमा पर कटे वाक्यों में मदद करते हैं। प्रॉम्प्ट कहता है कि इसका अनुवाद न करें, इसलिए यह दो बार नहीं आता।
  • max_tokens=4000 और reasoning_effort="low"। BroadNet के docs कहते हैं कि DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B जवाब से पहले reasoning करते हैं और वह reasoning max_tokens में गिनी जाती है। छोटी सीमा ख़ाली जवाब लौटा सकती है; देखें reasoning टोकन और ख़ाली जवाब। आधा अनुवाद सहेजने के बजाय कोड ख़ाली या कटे जवाब पर error उठाता है।
  • संख्या जाँच। ग़लत अनुवाद सबसे ज़्यादा नुक़सान संख्याओं में करता है। जाँच अरबी-भारतीय अंकों (٠-٩) और फ़ारसी अंकों (۰-۹) को 0-9 में बदलती है और पक्का करती है कि हर संख्या अंग्रेज़ी में है। शब्दों में बोली गई संख्याएँ (“خمسة عشر”) नहीं पकड़ी जाएँगी, इसलिए जो भी मायने रखता है उसे कोई समीक्षक फिर भी पढ़े।

टेस्ट ने क्या दिखाया?

हमने स्क्रिप्ट को एक लोकल mock सर्वर पर चलाया जो दोनों endpoints लागू करता है (कोई live API कॉल नहीं)। 25 मिनट की टेस्ट फ़ाइल के तीन हिस्से model=broadnet/cohere-transcribe-arabic और language=ar के साथ भेजे गए, और हर चैट अनुरोध में उस हिस्से की glossary लाइनें और context के रूप में पिछला अरबी हिस्सा था। mock के तीसरे अनुवाद ने जानबूझकर एक संख्या छोड़ी, और स्क्रिप्ट ने प्रिंट किया:

--- chunks/part_002.wav
AR: اتفقنا مع شركة النخيل على تسليم ٢٤٠ وحدة قبل نهاية الشهر
EN: We agreed with Al Nakheel to deliver the units before month end.
CHECK: numbers ['240'] missing from the translation

अरबी वाक्य और कंपनी टेस्ट के लिए गढ़े गए हैं। यह run दिखाता है कि कोड काम करता है, यह नहीं कि किसी मॉडल का अनुवाद कितना अच्छा है; उसके लिए नीचे वाला स्कोरिंग चरण इस्तेमाल करें।

पहचान की ग़लतियाँ अनुवाद पर कैसे असर डालती हैं?

वे सीधे आगे चली जाती हैं। अगर ट्रांसक्रिप्ट में ٢١٤ लिखा है जहाँ बोलने वाले ने ٢٤٠ कहा था, तो अनुवाद ईमानदारी से 214 कहेगा। अगर बोली का कोई शब्द मिलती-जुलती आवाज़ वाले मानक शब्द के रूप में सुना गया, तो अनुवाद धाराप्रवाह और ग़लत होगा। धाराप्रवाह अंग्रेज़ी इन ग़लतियों को पकड़ना मुश्किल बनाती है, और यही किसी भी speech translation सिस्टम का मुख्य जोखिम है।

आप माप सकते हैं कि हर चरण से कितनी ग़लती आती है। 30 या ज़्यादा clips जमा करें, और हर एक के लिए पाएँ:

  1. एक इंसानी अरबी ट्रांसक्रिप्ट,
  2. एक इंसानी अंग्रेज़ी अनुवाद (reference)।

फिर इंसानी ट्रांसक्रिप्ट और ASR ट्रांसक्रिप्ट दोनों का अपनी पाइपलाइन से अनुवाद करें, और दोनों को reference के सामने स्कोर करें। chrF, एक character n-gram स्कोर, नामों और शब्द रूपों को BLEU से बेहतर संभालता है और अरबी–अंग्रेज़ी के लिए आम डिफ़ॉल्ट है; SacreBLEU दोनों निकालता है:

from sacrebleu.metrics import BLEU, CHRF

# One English reference per clip, written by a human translator.
refs = ["We agreed with Al Nakheel Company to deliver 240 units before the end of the month.",
        "The deadline is December 15, and Mazen is following up with the QA team."]
# Your pipeline's English, from the human Arabic transcript (MT only)...
from_gold = ["We agreed with Al Nakheel Company to deliver 240 units before the end of the month.",
             "The deadline is 15 December, and Mazen is following up with the QA team."]
# ...and from the ASR transcript (the full pipeline).
from_asr = ["We agreed with Al Nakheel Company to deliver 214 units before the end of the month.",
            "The deadline is 15 December, and Mazen is following up with the key team."]

chrf, bleu = CHRF(), BLEU()
for name, hyp in [("MT on human transcript", from_gold), ("ASR + MT", from_asr)]:
    print(f"{name:24} chrF {chrf.corpus_score(hyp, [refs]).score:5.1f}   BLEU {bleu.corpus_score(hyp, [refs]).score:5.1f}")

इन दो छोटे वाक्यों पर (SacreBLEU 2.6.0), इसने इंसानी ट्रांसक्रिप्ट वाले रास्ते के लिए chrF 94.6 और BLEU 89.2, और पूरी पाइपलाइन के लिए chrF 87.1 और BLEU 71.7 प्रिंट किया। दो छोटे वाक्य किसी मॉडल के बारे में कुछ साबित नहीं करते। आपके अपने clips पर बड़ा अंतर मतलब आपको पहचान सुधारनी चाहिए: बेहतर ऑडियो, अरबी बोलियों की speech recognition जैसा बोली टेस्ट सेट, या दूसरा प्रोवाइडर। कुल मिलाकर कम स्कोर के साथ छोटा अंतर मतलब अनुवाद चरण पर काम चाहिए: बेहतर प्रॉम्प्ट, glossary या दूसरा मॉडल। ट्रांसक्रिप्शन चरण को अकेले स्कोर करने के लिए word error rate इस्तेमाल करें।

स्वचालित स्कोर सिस्टमों की रैंकिंग करते हैं; वे किसी अनुवाद को मंज़ूरी नहीं देते। किसी द्विभाषी समीक्षक से एक सैंपल पढ़वाएँ, ख़ासकर संख्याएँ, नाम और नकारात्मक वाक्य।

कौन-से मॉडल इस्तेमाल करें?

चरण BroadNet मॉडल कीमत टिप्पणी
ट्रांसक्राइब BroadNet Transcribe Arabic प्रति मिनट $0.0042 (प्रति घंटा $0.25) सिर्फ़ अरबी; $5 के शुरुआती क्रेडिट पर
अनुवाद Qwen3.8 27B प्रति 1M टोकन $0.175 इनपुट, $2.17 आउटपुट reasoning मॉडल; 262,144-टोकन कॉन्टेक्स्ट; टॉप-अप ज़रूरी
अनुवाद Gemma 4 VL 26B प्रति 1M टोकन $0.10 इनपुट, $0.22 आउटपुट शुरुआती क्रेडिट पर; 32,768-टोकन कॉन्टेक्स्ट, आमतौर पर 10 मिनट के हिस्से के लिए काफ़ी; टोकन काउंटर में एक सैंपल जाँचें। reasoning_effort हटाएँ, जिसे BroadNet सिर्फ़ अपने reasoning मॉडल के लिए डॉक्यूमेंट करता है
अनुवाद DeepSeek V4.1 Flash प्रति 1M टोकन $0.175 इनपुट, $0.52 आउटपुट, या फ़्लैट सेशन reasoning मॉडल; पार्टनर-होस्टेड; टॉप-अप या प्लान ज़रूरी

हर अनुवाद मॉडल के साथ उन्हीं clips पर स्कोरिंग स्क्रिप्ट चलाएँ और स्कोर और समीक्षक की टिप्पणियों के आधार पर चुनें, हमारी तालिका के आधार पर नहीं। अरबी के लिए LLM चुनना बड़े फ़ायदे-नुक़सान कवर करता है।

एक घंटे के ऑडियो की लागत कितनी है?

दो हिस्से हैं:

  • ट्रांसक्रिप्शन प्रति ऑडियो मिनट है: BroadNet Transcribe Arabic पर प्रति घंटा $0.25।
  • अनुवाद प्रति टोकन है: prompt_tokens × input price + completion_tokens × output price, 1,000,000 से भाग। प्रॉम्प्ट में system प्रॉम्प्ट, glossary लाइनें, पिछले हिस्से का context और ट्रांसक्रिप्ट शामिल हैं। completion में अंग्रेज़ी और, reasoning मॉडल पर, reasoning टोकन शामिल हैं।

हम प्रति घंटे अनुवाद का एक आँकड़ा प्रकाशित नहीं करते, क्योंकि यह इस पर निर्भर है कि लोग कितना तेज़ बोलते हैं, बोली क्या है और मॉडल कितनी reasoning करता है। इसे मापें: एक आम घंटा चलाएँ, जवाबों से usage.prompt_tokens और usage.completion_tokens जोड़ें, और उन्हें LLM API लागत कैलकुलेटर में डालें। ऑडियो मिलने से पहले आप एक सैंपल ट्रांसक्रिप्ट अरबी टोकन काउंटर में पेस्ट कर सकते हैं; अरबी आमतौर पर अंग्रेज़ी से प्रति शब्द ज़्यादा टोकन लेती है, जैसा अरबी और अंग्रेज़ी में प्रति शब्द टोकन दिखाता है। speech-to-text लागत कैलकुलेटर ऑडियो वाले हिस्से की कीमत निकालता है।

बड़े बैकलॉग के लिए फ़्लैट DeepSeek V4.1 Flash सेशन अनुवाद चरण से टोकन मीटर हटा देता है: प्रति सेशन $1 प्रति घंटा, $15 प्रति हफ़्ता या $60 प्रति महीना। एक सेशन एक बार में एक अनुरोध चलाता है, इसलिए समानांतर workers को ज़्यादा सेशन चाहिए। ट्रांसक्रिप्शन का बिल फिर भी प्रति मिनट बनता है।

यह पाइपलाइन कब ग़लत चुनाव है?

  • Live ऑडियो। कॉल, live कैप्शन और वॉइस एजेंट को सेकंडों में streaming नतीजे चाहिए। फ़ाइल अपलोड से बेहतर streaming speech-translation API या realtime endpoint बैठता है।
  • सबटाइटल। BroadNet का ट्रांसक्रिप्शन जवाब सिर्फ़ टेक्स्ट है, बिना timestamps के। सिर्फ़ टेक्स्ट वाले API से अरबी सबटाइटल दिखाता है कि chunk offsets से आप कहाँ तक पहुँचते हैं; शब्द-स्तर की टाइमिंग के लिए timestamps लौटाने वाला प्रोवाइडर इस्तेमाल करें।
  • वे भाषाएँ जिन्हें BroadNet ट्रांसक्राइब नहीं करता। अरबी मॉडल अरबी संभालता है। दूसरी स्रोत भाषाओं के लिए पहले बहुभाषी मॉडल की 14 भाषाओं की सूची देखें।
  • क़ानूनी या मेडिकल रिकॉर्ड। ड्राफ़्ट के लिए पाइपलाइन और रिकॉर्ड के लिए इंसानी अनुवादक इस्तेमाल करें।

BroadNet Inference कहाँ फ़िट होता है

BroadRouter, BroadNet की अपनी साइट है। BroadNet Inference इस पाइपलाइन के दोनों चरण एक OpenAI-compatible key पर देता है: /v1/audio/transcriptions पर अरबी ट्रांसक्रिप्शन और /v1/chat/completions पर अनुवाद। इसमें एक चरण वाला speech-translation endpoint नहीं है और streaming ट्रांसक्रिप्शन भी नहीं, इसलिए live ऑडियो के लिए दूसरा प्रोवाइडर इस्तेमाल करें। इसकी प्राइवेसी पॉलिसी कहती है कि inference की सामग्री, जिसमें ऑडियो, ट्रांसक्रिप्ट और जवाब शामिल हैं, नहीं रखी जाती; ज़रूरी अकाउंट, बिलिंग और सुरक्षा metadata रखा जाता है। अरबी ट्रांसक्रिप्शन पेज या API रेफ़रंस से शुरू करें, और आउटपुट पर भरोसा करने से पहले अपनी रिकॉर्डिंग पर टेस्ट करें।

अक्सर पूछे जाने वाले सवाल

क्या एक ही API कॉल से अरबी ऑडियो का अंग्रेज़ी अनुवाद हो सकता है?

हाँ, Soniox जैसे speech-translation API से, जो अपने speech-to-text अनुरोध में अनुवाद की सेटिंग जोड़ता है। OpenAI का /v1/audio/translations endpoint फ़ाइलों के लिए यही करता है, लेकिन deprecated है, और बंद होने की तारीख़ 26 फ़रवरी 2027 दी गई है। दो चरण वाली पाइपलाइन दो कॉल लेती है और आपको अरबी ट्रांसक्रिप्ट भी देती है।

कौन बेहतर है, सीधा speech translation या पहले ट्रांसक्राइब फिर अनुवाद?

दोनों को अपने ऑडियो पर टेस्ट करें। ट्रांसक्राइब-फिर-अनुवाद से आप अनुवाद मॉडल चुन सकते हैं, glossary जोड़ सकते हैं, संख्याएँ जाँच सकते हैं और अरबी टेक्स्ट रख सकते हैं। एक चरण वाला API सरल है और live ऑडियो के लिए आमतौर पर बेहतर। चुनने से पहले 30 या ज़्यादा clips को इंसानी अनुवादों के सामने chrF से स्कोर करें।

क्या पाइपलाइन मिस्री, खाड़ी या लेवेंटाइन अरबी संभालती है?

ज़्यादातर फ़ैसला ट्रांसक्रिप्शन चरण करता है, इसलिए जिन बोलियों को आप सर्व करते हैं उनकी रिकॉर्डिंग टेस्ट करें। फिर अनुवाद मॉडल को बताएँ कि ट्रांसक्रिप्ट बोली में हो सकती है और उसमें अंग्रेज़ी शब्द मिले हो सकते हैं। speech मॉडल ने जो बोली के शब्द कम देखे हैं, वही ग़लतियों का मुख्य स्रोत हैं।

25 MB से बड़ी अरबी ऑडियो फ़ाइल का अनुवाद कैसे करें?

उसे 16 kHz mono WAV में बदलें और ffmpeg से 10 मिनट या उससे कम के हिस्सों में बाँटें; हर हिस्सा लगभग 19.2 MB का होता है। हर हिस्से को ट्रांसक्राइब करें, फिर हिस्सों का क्रम से अनुवाद करें, पिछले हिस्से का आख़िरी भाग context के रूप में देते हुए।

क्या इस तरीक़े से timestamps वाले अंग्रेज़ी सबटाइटल मिल सकते हैं?

BroadNet से सीधे नहीं: इसका ट्रांसक्रिप्शन जवाब सिर्फ़ टेक्स्ट है, timestamps के बिना। आप chunk offsets से कैप्शन का समय तय कर सकते हैं, जैसा अरबी सबटाइटल वाली हमारी पोस्ट में है, या ऐसा प्रोवाइडर इस्तेमाल करें जो शब्द या segment timestamps लौटाता हो।

Markdown में पढ़ेंChatGPT से पूछेंClaude से पूछेंPerplexity से पूछें

स्रोत