ट्रांसक्रिप्शन और AI

autorec whisper.cpp का उपयोग करके रिकॉर्डिंग को स्थानीय रूप से ट्रांसक्राइब करता है और वैकल्पिक रूप से किसी भी OpenAI-संगत API के माध्यम से AI सारांश उत्पन्न करता है।

ट्रांसक्रिप्शन कैसे काम करता है

1. रिकॉर्डिंग समाप्त होने के बाद, autorec ऑडियो ट्रैक निकालता है। रिकॉर्डिंग को ऑटो-ट्रांसक्राइब करें चालू होने पर यह अपने आप होता है (यह डिफ़ॉल्ट रूप से बंद रहता है); वरना इसे रिकॉर्डिंग के बाद आने वाले प्रॉम्प्ट से या लाइब्रेरी से शुरू करें।
2. ऑडियो को चुनिंदा Whisper मॉडल द्वारा पूरी तरह से आपकी मशीन पर प्रोसेस किया जाता है
3. वीडियो के साथ दो आउटपुट फाइलें बनाई जाती हैं:
   • .txt — सादा पाठ ट्रांसक्रिप्ट
   • .srt — टाइमस्टैम्प के साथ सबटाइटल फाइल (सेटिंग्स में बंद की जा सकती है)

ट्रांसक्रिप्शन के दौरान कोई भी ऑडियो या वीडियो डेटा आपके कंप्यूटर से बाहर नहीं जाता। GPU उपलब्ध होने पर यह GPU पर चलता है (Linux और Windows पर Vulkan, macOS पर Metal), वरना CPU पर; सेटिंग्स में CPU का ही उपयोग करें GPU को छोड़ देता है।

भाषाएँ

Autorec 17 भाषाओं में ट्रांसक्राइब करता है, हिंदी में हुई मीटिंग्स भी सीधे: हिंदी, अंग्रेज़ी, जर्मन, स्पेनिश, फ़्रेंच, इतालवी, पुर्तगाली, डच, पोलिश, स्वीडिश, तुर्की, रूसी, यूक्रेनी, अरबी, चीनी, जापानी और कोरियाई। Autorec ऑडियो के शुरुआती कुछ सेकंड से ही बोली जा रही भाषा पहचान लेता है, इसलिए ज़्यादातर कॉल के लिए कुछ सेट करने की ज़रूरत नहीं पड़ती। अगर आपकी कॉल हमेशा एक ही भाषा में होती हैं, तो सेटिंग्स > ट्रांसक्रिप्शन में बोली जाने वाली भाषा को उस पर सेट कर दें। फ़िक्स की गई भाषा छोटे या शोर वाले ऑडियो पर, या ऐसी कॉल पर जो किसी दूसरी भाषा के कुछ शब्दों से शुरू होती है, गलत अनुमान से बचाती है।

सभी पाँच मॉडल इन सभी भाषाओं को समझते हैं। अंग्रेज़ी के अलावा किसी भी भाषा के लिए medium या large छोटे साइज़ की तुलना में काफ़ी ज़्यादा सटीक है।

Whisper मॉडल

मॉडल अपने आप डाउनलोड नहीं होते; आप सेटिंग्स में एक चुनकर उसे डाउनलोड करते हैं। वे ~/.local/share/autorec/models/ (Linux और macOS) या %LOCALAPPDATA%\autorec\models\ (Windows) में संग्रहीत होते हैं।

मॉडल	आकार	गति	सटीकता	सबसे उपयुक्त
tiny	~75 MB	सबसे तेज	बुनियादी	त्वरित नोट्स, कम शक्ति वाली मशीनें
base	~142 MB	तेज	अच्छी	डिफ़ॉल्ट — अधिकांश उपयोगकर्ताओं के लिए अनुशंसित
small	~466 MB	मध्यम	बेहतर	जब गति से अधिक सटीकता मायने रखती हो
medium	~1.5 GB	धीमा	उच्च	गैर-अंग्रेज़ी भाषाएँ, कठिन ऑडियो
large	~3 GB	सबसे धीमा	सर्वोत्तम	अधिकतम सटीकता, शक्तिशाली हार्डवेयर

मॉडल डाउनलोड करना

1. सेटिंग्स खोलें, यानी autorec विंडो में गियर आइकन
2. ट्रांसक्रिप्शन अनुभाग पर जाएँ
3. मॉडल आकार चुनें
4. डाउनलोड पर क्लिक करें — मॉडल एक बार डाउनलोड होता है और सभी भावी ट्रांसक्रिप्शन के लिए पुनः उपयोग किया जाता है

AI सारांश

AI सारांश ट्रांसक्रिप्ट पाठ से शीर्षक और सारांश उत्पन्न करने के लिए क्लाउड API का उपयोग करते हैं। केवल पाठ भेजा जाता है — कोई ऑडियो या वीडियो नहीं।

सेटअप

1. सेटिंग्स > AI सारांश खोलें
2. एक प्रदाता चुनें, जो बेस URL भर देता है और मॉडल सुझाता है, या कस्टम चुनकर API बेस URL दर्ज करें (उदा., https://api.openai.com/v1)
3. अपनी API कुंजी दर्ज करें
4. एक मॉडल चुनें (डिफ़ॉल्ट gpt-4o-mini है)
5. ट्रांसक्रिप्शन के बाद ऑटो-सारांश बनाएं चालू करें

सारांश प्रॉम्प्ट एडिट किया जा सकता है, इसलिए आप सामान्य सारांश की जगह निर्णय, एक्शन आइटम या डेडलाइन माँग सकते हैं।

संगत सेवाएँ

OpenAI-संगत चैट पूर्णता एंडपॉइंट वाली कोई भी सेवा काम करती है:

• OpenAI — https://api.openai.com/v1
• OpenRouter — https://openrouter.ai/api/v1
• स्थानीय मॉडल (Ollama, LM Studio, आदि) — अपना स्थानीय एंडपॉइंट उपयोग करें

क्या उत्पन्न होता है

प्रत्येक ट्रांसक्राइब की गई रिकॉर्डिंग के लिए, autorec उत्पन्न करता है:

• शीर्षक — बैठक के लिए एक छोटा, वर्णनात्मक शीर्षक
• सारांश — चर्चा किए गए प्रमुख बिंदुओं का संक्षिप्त सारांश

दोनों वीडियो लाइब्रेरी और वीडियो विवरण दृश्य में दिखाई देते हैं, जिससे बिना दोबारा देखे आपको आवश्यक बैठक ढूँढना आसान हो जाता है।