প্রতিটি প্ল্যানেই সবকিছু অন্তর্ভুক্ত আছে।
সব স্থানীয়করণ একরকম নয়। প্ল্যানগুলোর মধ্যে পার্থক্য শুধু আপনি কত মিনিট পাবেন তার ওপর — নিচের প্রতিটি সুবিধাই সব প্ল্যানে পাওয়া যায়।
স্থানীয়করণ
সম্পূর্ণ এআই স্থানীয়করণ
একবার আপলোড করুন, এরপর এজেন্ট পুরো কাজটি সম্পন্ন করবে।
কণ্ঠস্বর ও পটভূমি পৃথকীকরণ
অডিওকে পরিষ্কার সংলাপ এবং একটি পৃথক সঙ্গীত/ইফেক্ট ট্র্যাকে বিভক্ত করে, ফলে ডাবিংয়ের পরেও মূল আবহ সঙ্গীতটি অক্ষুণ্ণ থাকে।
স্পিচ টু টেক্সট
বিরামচিহ্নসহ সম্পূর্ণ বাক্য, সাবটাইটেল এবং ক্লোজড ক্যাপশনের জন্য প্রস্তুত — ৮০টি উৎস ভাষায় ১৫৪টি আঞ্চলিক আঙ্গিকে।
ট্রান্সক্রিয়েশন
এটি শুধু অনুবাদ নয় — প্রতিটি লাইনকে প্রেক্ষাপট, বাচনভঙ্গি এবং মূল বক্তব্যের দৈর্ঘ্যের সাথে মিলিয়ে অভিযোজিত করা হয়, যাতে তা উৎস অডিওর প্রতিটি উক্তির সাথে হুবহু মিলে যায়।
বাক্যাংশের সময়
বিরতি এবং উপস্থাপনার গতি মূল পরিবেশনার সময়ের সাথে মেলানো হয়েছে।
ভয়েস ম্যাচিং
বক্তার নিজস্ব বাচনভঙ্গি বজায় রেখে লক্ষ্য ভাষায় তাকে মাতৃভাষীর মতো শোনায়।
আবেগপূর্ণ সুর
প্রতিটি উক্তির আবেগপূর্ণ প্রকাশকে লক্ষ্য ভাষায় পৌঁছে দেয়।
লিঙ্গ সনাক্তকরণ
আমাদের নিজস্ব মডেল প্রতিটি সেগমেন্টের জন্য প্রত্যেক বক্তার কণ্ঠস্বরের লিঙ্গ শনাক্ত করে, ফলে অনুমান করার পরিবর্তে স্বয়ংক্রিয়ভাবে একটি উপযুক্ত কণ্ঠস্বর নির্বাচন করা হয়।
একটি পারফরম্যান্সের মাধ্যমে মেলানো হয়েছে
প্রতিটি লাইন সেই মুহূর্তের কণ্ঠস্বরের সাথে মেলানো হয়েছে। কোনো বক্তা যখন ফিসফিস করে কথা বলেন বা ফ্যালসেটোতে (অসম স্বরে) গেয়ে ওঠেন, তখন তাঁর আসল কণ্ঠস্বরের সাথেই তা মেলানো হয় — পুরো ভিডিও জুড়ে তাঁর কণ্ঠকে একটিমাত্র ঢঙে মেলানো হয় না।
সাবটাইটেল
উৎস এবং লক্ষ্য উভয় ভাষাতেই স্বয়ংক্রিয়ভাবে সাবটাইটেল তৈরি।
একাধিক লক্ষ্য ভাষা
একটিমাত্র আপলোডকে আপনার প্রয়োজন অনুযায়ী যতগুলো ভাষায় সম্ভব স্থানীয়করণ করুন — ৮০টি ভাষায় ১৫৪টি নির্দিষ্ট এলাকা এবং ২,৭৮২টি কণ্ঠস্বর।
সম্পাদক
এআই আপনার জন্য কাজ করে, আপনি তার জন্য নয়।
Addavox যা কিছু তৈরি করে, তা একটি সূচনা বিন্দু যা আপনি পরিবর্তন করতে পারেন।
প্রতিটি স্তর আলাদাভাবে শুনুন
একটি থ্রি-ট্র্যাক মিক্সার ব্যাকগ্রাউন্ড, মূল ভয়েস এবং ডাবকে স্বাধীন নিয়ন্ত্রণের আওতায় রাখে। এদের যেকোনো একটিকে সোলো করুন, অথবা তিনটিকেই ব্যালেন্স করুন।
যেকোনো রেখার আকার দিন
প্রতিটি সেগমেন্টের নিজস্ব EQ, গেইন এবং প্যান রয়েছে। বাকি অংশ স্পর্শ না করে একটি লাইন অ্যাডজাস্ট করুন, তারপর সেই পরিবর্তনটি পুরো প্রোজেক্টে প্রয়োগ করুন।
হাতে পুনরায় সময় নির্ধারণ করুন
ওয়েভফর্মটি সরাতে ড্র্যাগ করুন। এর প্রান্তটি ট্রিম করতে টানুন। প্লেহেডে একটি লাইন ভাগ করুন। কোনো অনুচ্ছেদের উপর ড্র্যাগ করে তা পুনরায় প্রতিলিপি করুন।
শিকার করার পরিবর্তে জিজ্ঞাসা করুন।
আপনি কী চান তা অ্যাসিস্ট্যান্টকে বলুন। “এই কৌতুকটি এমনভাবে আবার বলুন যাতে এটি ফরাসি ভাষায় সাংস্কৃতিকভাবে মানানসই হয়।” “এটি খুব দীর্ঘ, এটিকে ছোট করুন।” “এই পরিভাষাটি সব জায়গায় নতুন করে নামকরণ করুন।” কোনো কিছু প্রয়োগ করার আগে, আপনার নিশ্চিতকরণের জন্য প্রকল্প-ব্যাপী পরিবর্তনগুলোর একটি প্রিভিউ দেখানো হয়।
অর্থ যাচাই করুন
যেকোনো লাইনকে তার মূল অর্থ আপনার নিজের ভাষায় অনুবাদ করে দেখুন। গোড়া থেকে পুনরায় অনুবাদ না করে, সেটিকে নিজের ভাষায় ছোট বা বড় করে লিখুন।
পারফরম্যান্স পরিচালনা করুন
ব্রাউজারে লক্ষ্য ভাষার পাঠটি নিজে রেকর্ড করুন, তারপর মূল বক্তার সাথে মিলিয়ে সেটির ভয়েস পরিবর্তন করিয়ে নিন। আরও নিখুঁত মিলের জন্য চারটি পর্যন্ত রেফারেন্স সেগমেন্ট ব্লেন্ড করুন।
যে সাবটাইটেলগুলো মেলে
উৎস বা লক্ষ্যের জন্য প্রতি লাইনে অক্ষর সংখ্যা নির্ধারণ করুন। আপনি যা প্রিভিউ করেন, এক্সপোর্ট করা SRT এবং VTT ফাইলে তাই থাকে।
আপনার পছন্দমতো কাজ করুন
এডিটরের পাশে প্রতিটি কীবোর্ড শর্টকাট এবং টাচ জেসচার নথিভুক্ত করা আছে। এটি ট্যাবলেটে সত্যিই ব্যবহারযোগ্য।
একটি সম্পূর্ণ স্থানীয়করণ সম্পাদক
- ট্রান্সক্রিপশন এবং অনুবাদ পাশাপাশি সম্পাদনা করুন
- এক ক্লিকে সেগমেন্ট একত্রিত ও বিভক্ত করুন
- সময় সমন্বয় করুন — উৎসের সাথে মানানসই করতে অডিও সরান, সংকুচিত করুন, প্রসারিত করুন এবং ছাঁটাই করুন।
- সেগমেন্টগুলির মধ্যে বিরতি যোগ করুন এবং সম্পাদনা করুন
- যেকোনো সেগমেন্টের জন্য ভয়েস-ম্যাচড অডিও পুনরায় তৈরি করুন।
- বক্তাদের মধ্যে আবেগের সুর সমান করার জন্য বাচনভঙ্গি স্বাভাবিক করুন।
- সরাসরি ভয়েস ট্যালেন্ট: এডিটরে টার্গেট-ভাষার পারফরম্যান্সটি রেকর্ড করুন, তারপর মূল বক্তার সাথে মেলানো কণ্ঠে সেটিকে পুনরায় ভয়েস দিন।
- একটি স্থির ভয়েস ম্যাচিং এর জন্য চারটি রেফারেন্স সেগমেন্ট পর্যন্ত মিশ্রিত করুন
- পুনরায় অনুবাদ না করে, সময়ের সাথে মেলানোর জন্য একটি লাইন সংক্ষিপ্ত বা বিশদ করুন।
- আপনার নিজের ভাষায় অর্থ যাচাই করতে যেকোনো লাইন পুনরায় অনুবাদ করুন।
- সম্পূর্ণ অডিও মিক্সার — প্রতিটি উচ্চারণের জন্য ৩-ব্যান্ড ইকিউ, হাই-পাস ফিল্টার, গেইন, প্যান এবং বাইপাস
- এডিটরের পাশাপাশি প্রতিটি কীবোর্ড শর্টকাট এবং টাচ জেসচারের জন্য অন্তর্নির্মিত রেফারেন্স।
এআই এজেন্ট
একটি এআই অবস্থান নির্ণয়কারী এজেন্ট
মেনু ঘেঁটে না দেখে, সহজ ভাষায় পরিবর্তনের জন্য বলুন।
- সমস্যাটি বর্ণনা করে প্রতিলিপি বা অনুবাদ সংশোধন করুন।
- আরও আনুষ্ঠানিক বা আরও অনানুষ্ঠানিক রীতিতে পুনরায় অনুবাদ করুন
- কোনো কৌতুক বা বাগধারাকে এমনভাবে পরিবর্তন করুন যাতে তা সাংস্কৃতিকভাবে গ্রহণযোগ্য হয়।
- উৎস টাইমিং অতিক্রম করে যাওয়া একটি লাইন ছোট করুন।
- সঠিক লিঙ্গ এবং সর্বনাম নির্বাচন
- যা বলা আছে তা অনুসরণ করে যেকোনো বিভাগে যান।
- পুরো প্রোজেক্ট জুড়ে পরিবর্তন আনুন — যেমন সব জায়গায় একটি টার্মের নাম পরিবর্তন করুন, বা একগুচ্ছ সেগমেন্টের স্টাইল বদলে দিন — কোনো কিছু প্রয়োগ করার আগে আপনার নিশ্চিতকরণের জন্য তার প্রিভিউ দেখানো হবে।
সহযোগিতা
সেটআপ খরচ ছাড়াই একজন স্থানীয় ভাষাভাষীকে নিয়ে আসুন
কোনো অ্যাকাউন্ট নেই। কোনো লাইসেন্স নেই। অনবোর্ডিং কলও করা হয় না।
ইমেইলের মাধ্যমে আমন্ত্রণ জানান
একজন পর্যালোচক একটি লিঙ্ক পান, কোনো অ্যাকাউন্ট নয়। তিনি সেটি খোলেন এবং কাজ শুরু করেন।
একটি ভাষার মধ্যে সীমাবদ্ধ
ফরাসি ভাষার জন্য আমন্ত্রিত একজন পর্যালোচক ফরাসি ভাষাই দেখতে পান। এই সীমাটি আমাদের সার্ভারে বলবৎ করা হয়, ইন্টারফেসে লুকানো থাকে না — ফলে কোনো পর্যালোচক এমন কোনো ভাষায় পৌঁছাতে পারেন না, যার জন্য তাঁকে আমন্ত্রণ জানানো হয়নি।
একই সময়ে কাজ করুন
একাধিক পর্যালোচক একই সাথে একটি প্রকল্পে কাজ করতে পারেন। কে অনলাইনে আছেন এবং কাজ করার সময় তারা কী নিয়ে কাজ করছেন, তা আপনি দেখতে পারেন।
পরিবর্তনগুলো অবিলম্বে কার্যকর হবে।
যখন কোনো পর্যালোচক একটি লাইন সম্পাদনা করেন, তখন সেই লাইনের অডিও স্বয়ংক্রিয়ভাবে পুনরায় তৈরি হয়। পুনরায় চালানো বা পুনরায় এক্সপোর্ট করার প্রয়োজন নেই।
আপনি নিয়ন্ত্রণে থাকেন
লিঙ্কগুলো সাত দিনে মেয়াদোত্তীর্ণ হয়ে যায় এবং তাৎক্ষণিকভাবে বাতিল করা যেতে পারে। প্রতিটি পরিবর্তনে রেকর্ড করা থাকে কে এটি করেছে, সেটি কী ছিল এবং পরে কী হয়েছে।
কণ্ঠস্বর
২,৭৮২টি কণ্ঠস্বর। অথবা আপনার কাছে আগে থেকেই থাকা কণ্ঠস্বরটি।
আপনার শ্রোতারা যে বক্তাকে আগে থেকেই চেনে, তাকেই এমন একটি ভাষায় রাখুন যা তাদের কাছে অপরিচিত।
তাদের কণ্ঠস্বর, ১৫৪টি স্থানে
একজন বক্তার কণ্ঠস্বরের বৈশিষ্ট্যকে 80 ভাষা জুড়ে 154 টি নির্দিষ্ট টার্গেট লোকালে পৌঁছে দিন। এর কোনো ন্যূনতম দৈর্ঘ্য নেই: Addavox একটিমাত্র উচ্চারিত শব্দের সাথে কণ্ঠস্বর মেলাতে পারে, এবং প্রায় ৩-৫ সেকেন্ড বা তার বেশি সময়ের উচ্চারণের ক্ষেত্রে গুণমান উন্নত হয়।
মুহূর্তের সাথে মিলে গেল
মানুষ একই স্বরগ্রামে কথা বলে না। তারা কখনো ফিসফিস করে কথা বলে, কখনো তীক্ষ্ণ স্বরে, কখনো বা কথার লাইনকে আরও জোরালো করে তোলে। Addavox পুরো ভিডিওর জন্য সমস্ত অংশকে গড় করে একটি একক কণ্ঠস্বরে পরিণত করার পরিবর্তে, প্রতিটি অংশকে সেই মুহূর্তে বক্তার প্রকৃত কণ্ঠস্বরের সাথে মিলিয়ে দেখে।
আবেগ বহন করে
শুধু শব্দগুলোই নয়, প্রতিটি লাইনের আবেগঘন উপস্থাপনা লক্ষ্য ভাষাতেও সঞ্চারিত হয়।
অথবা ক্যাটালগ থেকে বেছে নিন
যখন মূল বক্তার কণ্ঠস্বরের প্রয়োজন হয় না — অথবা তার জন্য সম্মতি থাকে না — তখন ব্যবহারের জন্য ২,৭৮২টি পূর্বনির্ধারিত কণ্ঠস্বর রয়েছে।
যখন আপনি চান তখন আরও স্থির
কোনো কঠিন লাইনের জন্য আরও সামঞ্জস্যপূর্ণ মিল তৈরি করতে সর্বোচ্চ চারটি অতিরিক্ত রেফারেন্স সেগমেন্ট মিশ্রিত করুন।
নিজেই পরিচালনা করুন
এডিটরে লক্ষ্য ভাষার পারফরম্যান্সটি রেকর্ড করুন, তারপর সেটিকে মূল বক্তার সাথে মিলিয়ে পুনরায় ভয়েস করিয়ে নিন।
ভয়েস ম্যাচিং, ভয়েস ক্লোনিং নয়
বেশিরভাগ এআই ভয়েস প্রযুক্তি কণ্ঠস্বর নকল করে। Addavox সেগুলোকে হুবহু মেলায়। এই পার্থক্যটি ভিডিওতে থাকা প্রত্যেকের জন্যই গুরুত্বপূর্ণ।
ভয়েস ক্লোনিং
ভয়েসের একটি সংরক্ষিত অনুলিপি
বেশিরভাগ ভয়েস-ক্লোনিং প্রযুক্তি ব্যক্তির কণ্ঠস্বর সংরক্ষণ করে এবং তা থেকে একটি ক্লোন তৈরি করে। এরপর সেই ক্লোনটি রেকর্ডিং সেশনের অনেক পরেও, যেকোনো সময়, যেকোনো বার্তা বলতে পারে।
Addavox ভয়েস ম্যাচিং
একটি সহজাত পরিবেশনা, বাক্য অনুসারে বাক্য
Addavox বক্তার সুর, বাচনভঙ্গি এবং আবেগ একবারে একটি বাক্য করে স্মৃতিতে ধারণ করে এবং লক্ষ্য ভাষায় একটি নতুন কণ্ঠস্বর তৈরি করে, যা সেই ভাষার স্বাভাবিক কণ্ঠস্বরের মতো শোনানোর জন্য ডিজাইন করা হয়েছে। এতে কোনো ভয়েসপ্রিন্ট, ভয়েস মডেল বা ক্লোন করা কণ্ঠস্বর সংরক্ষণ করা হয় না।
এই কারণে, Addavox ইচ্ছাকৃতভাবেই ডিপফেকের জন্য একটি দুর্বল টুল। আমাদের লক্ষ্য হলো টার্গেট অডিয়েন্সের জন্য একটি নেটিভ অভিজ্ঞতা নিশ্চিত করা।
বিশ্বাস
স্থানীয়করণের জন্য নির্মিত। অনুকরণের জন্য নয়।
ভয়েস এআই যা করতে অস্বীকার করে, তার মাধ্যমেই বিশ্বাস অর্জন করে।
একটি কণ্ঠস্বর তার নিজের ভাষায় পুনরুজ্জীবিত হতে পারে না।
Addavox বক্তার কণ্ঠস্বরকে এমন একটি ভাষায় রূপান্তর করে, যে ভাষায় বক্তা কথা বলেন না। এটি সেই কণ্ঠস্বরকে তার মাতৃভাষায় পুনরায় তৈরি করতে পারে না। এই একটিমাত্র সীমাবদ্ধতার কারণেই প্রযুক্তিটি ডাবিংয়ের জন্য উপযোগী এবং অনুকরণের জন্য অব্যবহারযোগ্য।
সম্মতি একটি প্রবেশদ্বার, কোনো চেকবক্স নয়।
যতক্ষণ না কেউ নাম উল্লেখ করে এই মর্মে প্রত্যয়ন করেন যে, বক্তার সম্মতি এবং বিষয়বস্তুর অধিকার তার কাছে রয়েছে, ততক্ষণ পর্যন্ত কণ্ঠস্বর-সদৃশ স্থানীয়করণ শুরু করা যাবে না। সেই প্রত্যয়নে সময় উল্লেখ করা থাকে, তা অবশ্যই সাম্প্রতিক হতে হবে এবং প্রকল্পের সাথে নথিভুক্ত করা হয়। সাধারণ কৃত্রিম-কণ্ঠস্বর স্থানীয়করণে বক্তার কোনো কণ্ঠস্বরই প্রক্রিয়াজাত করা হয় না এবং এর জন্য কোনো সম্মতির প্রয়োজন হয় না।
ভয়েস ডেটা কখনও সংরক্ষণ করা হয় না
ভয়েস ম্যাচিং কাজটি চলার সময় মেমোরিতে একবারে একটি বাক্য করে সম্পন্ন হয়। পরবর্তীতে কোনো ভয়েসপ্রিন্ট, ভয়েস মডেল বা ক্লোন করা ভয়েস রাখা হয় না, তাই আপনার প্রোজেক্টের পেছনে কোনো ভয়েস লাইব্রেরি তৈরি হয় না। আপনার প্রোজেক্টের নিজস্ব মিডিয়া, অর্থাৎ আপনার আপলোড করা ভিডিও এবং Addavox দ্বারা তৈরি স্থানীয় অডিও, আপনি প্রোজেক্টটি ডিলিট না করা পর্যন্ত সেখানেই থেকে যায়।
কাজটি ডেলিভারি করা না গেলে স্বয়ংক্রিয়ভাবে টাকা ফেরত দেওয়া হবে।
একটি ব্যর্থ কাজ, নির্ধারিত আকারের চেয়ে বড় ফাইল, বা কোনো বাতিলকরণ: প্রতিটির ক্ষেত্রেই টাকা স্বয়ংক্রিয়ভাবে ফেরত দেওয়া হয়। যে কাজ আপনি পাননি, তার জন্য আপনার থেকে কখনো কোনো অর্থ নেওয়া হয় না, এবং এর জন্য আপনাকে অনুরোধও করতে হয় না।
প্রতিটি পরিবর্তনই দায়ী।
আপনার বা কোনো পর্যালোচকের করা প্রতিটি সম্পাদনা লিপিবদ্ধ করে রাখে যে, কে এটি তৈরি করেছে, আগে এটি কী ছিল এবং এখন এটি কী রূপ নিয়েছে।
পর্যালোচকরা কেবল তাদের ভাষাই দেখতে পান।
আমাদের সার্ভারে এটি কার্যকর করা হয়েছে। লিঙ্কগুলির মেয়াদ সাত দিনে শেষ হয়ে যাবে এবং তাৎক্ষণিকভাবে বাতিল করা যেতে পারে।