तेज़, संतुलित, सर्वोत्तम: कौन-सा गुणवत्ता स्तर चुनें

तीन स्तर हैं क्या

हर अपलोड तीन में से एक स्तर से गुज़रता है, और हर स्तर एक अलग मॉडल है:

• तेज़ — Whisper large-v3-turbo। बड़े मॉडल का आसुत रूप: कम डिकोडर परतें, अधिकांश सटीकता, समय का एक अंश।
• संतुलित — Whisper large-v3। पूरा मॉडल, और यही तयशुदा भी है।
• सर्वोत्तम — GPT-4o Transcribe। नई पीढ़ी की संरचना, जो लहजों, एक-दूसरे पर चढ़ती आवाज़ों और शोर को Whisper से बेहतर संभालती है।

तीनों शब्द-स्तर का समय लौटाते हैं, इसलिए प्लेयर हर स्तर पर पाठ के साथ चलता है और उपशीर्षक निर्यात हर जगह एक जैसा काम करता है।

असल में बदलता क्या है

साफ़ ऑडियो में बहुत कम। शांत कमरे में ठीक-ठाक माइक्रोफ़ोन पर बोलता अकेला व्यक्ति तीनों स्तरों पर लगभग एक ही नतीजे पर पहुँचता है — इसीलिए ऐसी फ़ाइल पर «सर्वोत्तम» का इंतज़ार करना व्यर्थ है।

फ़ासला वहाँ खुलता है जहाँ ऑडियो कठिन होता है: चढ़ती हुई आवाज़ें, भारी लहजा, पृष्ठभूमि का शोर, तकनीकी शब्दावली, व्यक्तिवाचक नाम। वहाँ «तेज़» छोटे टोकने गिराने और नामों का अनुमान लगाने लगती है। «सर्वोत्तम» उन्हें बचा लेती है।

बहुत सोचे बिना चुनना

संतुलित पर छोड़ दीजिए। यह तयशुदा इसीलिए है कि अधिकतर बार सही होती है।

तेज़ तब लीजिए जब लंबी रिकॉर्डिंग का सार जल्दी चाहिए, या ऑडियो साफ़ है और दाँव पर कुछ ख़ास नहीं: कोई वॉइस नोट, अकेले की रिकॉर्डिंग, कुछ ऐसा जिसे आप सरसरी तौर पर देखेंगे।

सर्वोत्तम तब लीजिए जब ग़लती महँगी पड़े: जिन साक्षात्कारों से उद्धरण लेंगे, क़ानूनी या चिकित्सकीय रिकॉर्डिंग, कठिन लहजे, एक साथ बोलते कई लोग, या जो कुछ भी आप उपशीर्षक के रूप में प्रकाशित करेंगे।

किसी भी फ़ाइल को ऊँचे स्तर पर दोबारा चलाया जा सकता है। मूल ऑडियो तब तक उपलब्ध रहता है जब तक आपकी योजना उसे रखती है।