LiveCaptionN

LiveCaptionN আপনার অ্যান্ড্রয়েড ফোনকে একটি রিয়েল-টাইম স্পিচ ক্যাপশনিং এবং অনুবাদ টুলে পরিণত করে, যা অন্য যেকোনো অ্যাপের উপরে ভেসে থাকে। এটি মাইক্রোফোন বা বর্তমানে প্লে হওয়া অ্যাপের অডিও শোনে, আপনি কথা বলার সাথে সাথে যা শোনে তা শব্দে শব্দে লিখে রাখে, আপনার বেছে নেওয়া ভাষায় অনুবাদ করে এবং ফলাফলটিকে আপনি যা দেখছেন, স্ক্রল করছেন বা পড়ছেন তার উপরে একটি ড্র্যাগযোগ্য ক্যাপশন উইন্ডো হিসাবে প্রদর্শন করে।

এই পাইপলাইনের উভয় অংশই ডিফল্টরূপে ডিভাইসেই সম্পূর্ণরূপে চলে:

• স্ট্রিমিং Vosk স্পিচ রিকগনিশন — একটি দীর্ঘস্থায়ী রিকগনাইজারকে ক্রমাগত প্রায় ১০০ মিলিসেকেন্ডের অডিও খণ্ড সরবরাহ করা হয়, ফলে ক্যাপশনগুলো ২-সেকেন্ডের খণ্ডে আসার পরিবর্তে তাৎক্ষণিক মনে হয়।

• Google ML Kit অন-ডিভাইস অনুবাদ — প্রায় ৫৯টি সমর্থিত ভাষা, প্রতিটি ভাষা জোড়ার জন্য এককালীন প্রায় ৩০ মেগাবাইট ডাউনলোড, যা পরে চিরকালের জন্য অফলাইনে ক্যাশ করা থাকে।

কোনো অ্যাকাউন্ট নেই। কোনো টেলিমেট্রি নেই। ডিফল্ট পাইপলাইনের জন্য কোনো সার্ভারের প্রয়োজন নেই।

বৈশিষ্ট্যসমূহ

• যেকোনো অ্যাপের উপরে থাকা ফ্লোটিং ক্যাপশন ওভারলে, যা ড্র্যাগ করে সরানো, পিঞ্চ করে আকার পরিবর্তন, পজ, মিনিমাইজ এবং বন্ধ করার সুবিধা দেয়

• মাইক্রোফোন বা সিস্টেম অডিও (মিডিয়াপ্রজেকশনের মাধ্যমে) একই লো-ল্যাটেন্সি পাইপলাইনে ফিড হয়

• ডিভাইসে স্ট্রিমিং Vosk রিকগনাইজার — যা Google Live Caption-এর মতো অনুভূতি দেয়

• ডিভাইসে থাকা অতিরিক্ত Vosk মডেলের জন্য বিল্ট-ইন ডাউনলোডার, যা দুটি কোয়ালিটি স্তরে উপলব্ধ: ছোট (~৩০ থেকে ৮০ এমবি) এবং বড় সার্ভার-গ্রেড (৮০ এমবি থেকে ২ জিবি, সর্বনিম্ন ভুলের হার) স্প্যানিশ, ফরাসি, জার্মান, ইতালীয়, পর্তুগিজ, ডাচ, রাশিয়ান, ইউক্রেনীয়, ফার্সি, হিন্দি, চীনা, জাপানি, আরবি, ভিয়েতনামী এবং আরও অনেক ভাষার জন্য

• Google ML Kit-এর মাধ্যমে ডিভাইসেই অনুবাদ, এবং আরও বিস্তৃত ভাষার জন্য LibreTranslate একটি ঐচ্ছিক সার্ভার ব্যাকএন্ড হিসেবে রয়েছে

• ট্রান্সক্রিপ্টের ইতিহাস, যা অ্যাপের ভেতর থেকে অনুসন্ধানযোগ্য

• পরিবর্তনযোগ্য ওভারলে: টেক্সটের আকার, অস্বচ্ছতা, প্রস্থ, উচ্চতা, এবং স্ক্রিনের অবস্থান মনে রাখা

• GitHub রিলিজের মাধ্যমে স্বয়ংক্রিয় আপডেট নোটিফিকেশন এপিআই

গোপনীয়তাকে অগ্রাধিকার

LiveCaptionN কোনো অ্যাকাউন্ট তৈরি করে না, আপনাকে ট্র্যাক করে না এবং এর কোনো অ্যানালিটিক্স নেই। স্পিচ রিকগনিশন এবং অনুবাদ উভয়ই আপনার ফোনে চলে। অ্যাপটি শুধুমাত্র আপনার অনুরোধে Vosk মডেল (alphacephei.com থেকে) এবং ML Kit অনুবাদ পেয়ার (গুগলের মডেল সার্ভিস থেকে) ডাউনলোড করতে এবং নতুন রিলিজ বিল্ডের জন্য GitHub চেক করতে ইন্টারনেটে অ্যাক্সেস করে। আপনি যদি সেটিংসে একটি ঐচ্ছিক Whisper বা LibreTranslate সার্ভার সক্রিয় করেন, তাহলে ট্র্যাফিক শুধুমাত্র আপনার কনফিগার করা URL-এ যাবে, অন্য কোথাও নয়।

প্রয়োজনীয়তা

• অ্যান্ড্রয়েড ১০ (এপিআই ২৯) বা নতুন সংস্করণ

• মাইক্রোফোন পারমিশন (মাইক মোডের জন্য)

• "অন্যান্য অ্যাপের উপরে প্রদর্শন" পারমিশন (ফ্লোটিং ক্যাপশন উইন্ডোর জন্য)

• নোটিফিকেশন পারমিশন (ঐচ্ছিক আপডেট অ্যালার্টের জন্য)

LiveCaptionN সম্পূর্ণ ওপেন সোর্স। প্রতিটি রিলিজ একটি পাবলিক কমিট থেকে GitHub Actions দ্বারা বিল্ড করা হয়, যা আপনি পরীক্ষা করতে পারেন। GitHub-এ ইস্যু, মতামত এবং পুল রিকোয়েস্ট সাদরে গ্রহণ করা হয়।