প্রায়শই জিজ্ঞাসিত প্রশ্ন ও উত্তর

হ্যাঁ, Addavox আপনার নিরাপত্তাকে অগ্রাধিকার দেয়। সমস্ত ভিডিও এবং মুভি স্থানান্তরকালে ও সংরক্ষিত অবস্থায় উভয় ক্ষেত্রেই এনক্রিপ্ট করা থাকে।

না। আমরা আপনার কন্টেন্ট কখনো বিক্রি করি না, এবং আপনার ভিডিও বা আপনার তৈরি করা স্থানীয়করণ করা কাজ কোনো তৃতীয় পক্ষের সাথে শেয়ার করি না। আপনার ফাইলগুলো আমাদের নিজস্ব এনক্রিপ্টেড স্টোরেজে রাখা হয়, যা AWS -এ হোস্ট করা থাকে। কাজের প্রতিটি ধাপ চালানোর জন্য, আমরা শুধুমাত্র সেই ধাপের প্রয়োজনীয় অডিও বা টেক্সট পাঠাই, যেমন ট্রান্সক্রিপশনের জন্য স্পিচ অডিও বা অনুবাদের জন্য স্ক্রিপ্ট, আমাদের ব্যবহৃত এআই প্রোভাইডারদের কাছে: AWS, Google, Microsoft Azure, Deepgram এবং Anthropic । তারা আমাদের পক্ষ থেকে এটি প্রসেস করে এবং আপনার সম্পূর্ণ ভিডিও বা আপনার চূড়ান্ত কাজ কখনো পায় না। আমরা শুধুমাত্র পরিষেবা প্রদানের জন্য প্রয়োজনীয় ব্যক্তিগত তথ্য সংগ্রহ করি, যেমন আপনার নাম এবং ইমেল ঠিকানা, এবং কার্ড পেমেন্টের বিষয়টি Stripe দ্বারা পরিচালিত হয়, তাই আমরা আপনার কার্ডের বিবরণ কখনো সংরক্ষণ করি না।

হ্যাঁ — প্রতি ফাইলে সর্বোচ্চ ৩ ঘণ্টা এবং ১২ জিবি পর্যন্ত। পেশাদাররা এর মধ্যেই পূর্ণদৈর্ঘ্য চলচ্চিত্র স্থানীয়করণ করেন, এবং এর চেয়ে বড় যেকোনো ফাইলকে রিসাইজ বা একাধিক ফাইলে ভাগ করা যায়। যদি কোনো ফাইল এই সীমা অতিক্রম করে, তবে প্রসেসিংয়ের আগেই তা বাতিল করে দেওয়া হয় এবং আপনাকে স্বয়ংক্রিয়ভাবে টাকা ফেরত দেওয়া হয়, ফলে যে কাজ চালানো সম্ভব হয়নি তার জন্য আপনাকে কখনো চার্জ করা হয় না। দীর্ঘ ভিডিওগুলো এআই-এর মাধ্যমে বেশি সময় নেয়, কিন্তু ম্যানুয়াল স্থানীয়করণের তুলনায় এতে যে সময় সাশ্রয় হয় তা উল্লেখযোগ্য।

আমরা ১৫৪টি আঞ্চলিক রূপসহ ৮০টি উৎস ভাষায় প্রতিলিপি করি এবং ১৫৪টি আঞ্চলিক রূপসহ ৮০টি লক্ষ্য ভাষায় ভয়েস তৈরি করি, যেখানে ২,৭৮২টি কণ্ঠস্বর উপলব্ধ রয়েছে। নিয়মিতভাবে নতুন ভাষা যুক্ত করা হয়।

হ্যাঁ, ভিডিও আপলোড করা হলে Addavox স্বয়ংক্রিয়ভাবে একটি প্রজেক্ট তৈরি করে। আপনি এর অগ্রগতি ট্র্যাক করতে পারেন এবং পর্যালোচকদের জন্য অ্যাক্সেস যোগ ও প্রত্যাহার করতে পারেন।

হ্যাঁ! আপনি অ্যাপের মধ্যেই নির্দিষ্ট প্রজেক্ট ও ভাষার জন্য পেশাদার পর্যালোচকদের নিযুক্ত করতে পারেন এবং সরাসরি তাদের অগ্রগতি পর্যবেক্ষণ করতে পারেন।

Addavox ভয়েস ম্যাচিং লোকালইজেশনের জন্য তৈরি করা হয়েছে, যা এটিকে স্বভাবতই ডিপফেকসের জন্য একটি দুর্বল টুল করে তোলে। এটি শুধুমাত্র বক্তার বলা ভাষা থেকে ভিন্ন একটি ভাষায় কণ্ঠস্বর তৈরি করে, তাই এটি কারও নিজের ভাষায় তার কণ্ঠস্বর পুনরুৎপাদন করতে পারে না। ভয়েস-ম্যাচড লোকালইজেশন প্রক্রিয়া শুরু হওয়ার আগে একটি রেকর্ড করা সম্মতি প্রত্যয়নপত্রের প্রয়োজন হয়। কণ্ঠস্বরগুলো মেমরিতে একবারে একটি বাক্য করে মেলানো হয় এবং পুনরায় ব্যবহারের জন্য কোনো ভয়েসপ্রিন্ট, ভয়েস মডেল বা ক্লোন করা কণ্ঠস্বর সংরক্ষণ করা হয় না। আমাদের EULA ডিপফেকস এবং ছদ্মবেশ ধারণ নিষিদ্ধ করে।

ট্রান্সক্রিপ্ট, স্থানীয় সাবটাইটেল, প্রতিটি ভাষার জন্য ভয়েসওভার ট্র্যাক এবং সেইসাথে একটি মিক্সড ট্র্যাক, যেখানে ব্যাকগ্রাউন্ড মিউজিক, ইফেক্ট ও টার্গেট ভাষার ভয়েসওভার একত্রিত করা হয়েছে।

বর্তমানে, Addavox ১০টি এআই মডেল ব্যবহার করে এবং আরও মডেল তৈরির কাজ চলছে। আমাদের লক্ষ্য হলো অডিও এবং ভিডিও লোক্যালাইজেশনকে যথাসম্ভব কার্যকর করে তোলা। আমরা কেবল এমন এআই টুলই তৈরি করি যা দ্রুততর ও উচ্চ-মানের ফলাফল দিতে পারে অথবা হাতে করা কাজের চেয়েও উন্নত ফলাফল প্রদান করতে পারে।

হ্যাঁ, তবে আমরা এর বিরুদ্ধে পরামর্শ দিই। আমাদের নিজস্ব পরীক্ষায়, ট্রান্সক্রিপশন এবং মেশিন ট্রান্সলেশন ৯৫% থেকে ৯৮% পর্যন্ত নির্ভুল হয়, কিন্তু ভুলগুলো বাড়তে পারে: ট্রান্সক্রিপশনের একটি ভুলের কারণে অনুবাদটি ভুল হতে পারে। সর্বোত্তম ফলাফলের জন্য, একজন পেশাদারকে দিয়ে এআই-এর তৈরি আউটপুটটি পর্যালোচনা ও পরিমার্জন করিয়ে নিন।

প্রতিটি বক্তার সুর, বাচনভঙ্গি এবং আবেগ বাক্য ধরে ধরে ধারণ করে, তাই ফিসফিসকে ফিসফিস হিসেবেই এবং চিৎকারকে চিৎকার হিসেবেই মেলানো হয়। এরপর এটি লক্ষ্য ভাষায় একটি নতুন কণ্ঠস্বর তৈরি করে যা সেই ভাষার বক্তাদের কাছে স্বাভাবিক শোনায়। আপনি ভয়েস ম্যাচিং সুরের কিছু দিক সামঞ্জস্য করতে পারেন এবং যে কোনো লাইনের জন্য যেখানে মানুষের কণ্ঠের প্রয়োজন, সেখানে আপনার নিজের ভয়েস আর্টিস্টদের নিয়ে আসতে পারেন।

ভয়েস ম্যাচিং প্রতিটি বক্তাকে তাদের স্বর, বাচনভঙ্গি এবং আবেগ সহ চেনা যায় এমন রাখে, একই সাথে তাদেরকে লক্ষ্য ভাষায় স্থানীয় বক্তার মতো শোনায়। এটি ইচ্ছাকৃতভাবে মূল কণ্ঠস্বরের হুবহু অনুলিপি নয়: ভয়েস ক্লোনিং ঠিক এই কাজটিই করে, এবং এই কারণেই ক্লোনিং ডিপফেকের জন্য উপযোগী। এর কোনো ন্যূনতম দৈর্ঘ্য নেই: Addavox একটিমাত্র উচ্চারিত শব্দের সাথে কণ্ঠস্বর মেলাতে পারে, এবং প্রায় ৩-৫ সেকেন্ড বা তার বেশি সময়ের উচ্চারণের ক্ষেত্রে এর মান উন্নত হয়।