Live अनुवाद

Microphone, system audio, या दोनों से real-time captions और translations — एक optional always-on-top overlay window के साथ ताकि captions उस चीज़ पर बैठें जो भी आप देख रहे हैं।

आप इसके साथ क्या कर सकते हैं

• Live meeting captions — एक translator bot के रूप में join किए बिना दूसरी language में Zoom / Meet / Teams call को caption करें।
• Real-time language learning — अपनी native language को translation track के रूप में foreign-language content (films, podcasts, lectures) caption करें।
• System-wide subtitles — system audio capture करें ताकि आप YouTube / Netflix / आपके speakers पर play होने वाला कुछ भी subtitle कर सकें।

आपको क्या चाहिए

• PATH पर FFmpeg — देखें FFmpeg setup।

• एक STT backend, इनमें से एक:

  • faster-whisper — local, offline, free, default
  • Soniox — cloud, paid, real-time speaker diarization। देखें Soniox setup।

• System audio capture के लिए, OS के अनुसार सही backend auto-selected है: Linux parec (PulseAudio / PipeWire) उपयोग करता है, Windows native WASAPI loopback (अधिकांश मामलों में कोई extra software नहीं) उपयोग करता है, macOS एक virtual loopback device (BlackHole / Loopback / etc.) के विरुद्ध ffmpeg -f avfoundation उपयोग करता है। यदि कुछ missing है तो clickable install links के साथ एक inline warning banner दिखाई देता है। पूरी per-OS install instructions के लिए देखें Setup → System audio।

Step-by-step

1. Sidebar में Live अनुवाद क्लिक करें।

2. Settings → Live में एक बार configure करें:

   • Source language (बोली जाने वाली language)
   • Target language (या केवल transcription के लिए blank छोड़ें)
   • Audio source: Microphone / System audio / Both
   • STT method: Whisper / Soniox

3. Live पेज पर वापस, Start क्लिक करें (Ctrl+Enter)।

4. Transcript main pane को card-by-card भरता है। Floating Overlay window भी captions दिखाती है (इसे जहाँ चाहें drag करें)।
5. Session समाप्त करने के लिए Stop क्लिक करें।

Transcript view

Toolbar में एक layout चुनें:

• Both stacked — original + translation, एक के ऊपर दूसरा
• Both side-by-side — original बाईं ओर, translation दाईं ओर
• Original only / Translation only

Toolbar buttons at-a-glance state के लिए ON / OFF suffixes का उपयोग करते हैं — जैसे TTS ON, TTS OFF, Timestamps ON, Overlay OFF।

Clock icon से timestamps on/off toggle करें। Speaker icon से translated lines की TTS playback toggle करें। आपकी Settings → Voice → TTS method चुनाव का सम्मान करता है — Edge TTS (default), ElevenLabs, Google Cloud TTS, Gemini TTS, या Piper TTS (पूरी तरह से offline)। Piper selected के साथ, missing per-language voices mid-stream silently Edge TTS पर fall back करती हैं — इस पेज पर modal pre-flight नहीं है, क्योंकि download dialog के साथ live flow को block करना fallback से बदतर होगा।

Overlay window

एक draggable, resizable, always-on-top tool window। Shortcuts:

Shortcut	Action
Ctrl+[ / Ctrl+]	Opacity कम करें / बढ़ाएँ
Ctrl+Arrow	Overlay को move करें
Ctrl+0 / Ctrl+9	Grow / shrink

Position, size, opacity, और font size sessions के बीच persist रहते हैं।

सेटिंग्स के साथ लाइव-सिंक

फ़ॉन्ट आकार और अपारदर्शिता दोनों दिशाओं में काम करते हैं: सेटिंग्स → लाइव ट्रांसलेशन → ओवरले कॉन्फ़िगरेशन में फ़ॉन्ट आकार या अपारदर्शिता स्लाइडर खींचने पर खुले हुए ओवरले को रीयल टाइम में अपडेट करता है, और इसके विपरीत, ओवरले के अंदर + / - / Ctrl+[ / Ctrl+] दबाने पर सेटिंग्स के स्लाइडर अपडेट हो जाते हैं। ओवरले को पुनरारंभ करने की आवश्यकता नहीं।

खाली अवस्था का प्लेसहोल्डर

ऑडियो कैप्चर होने से पहले ओवरले एक प्लेसहोल्डर दिखाता है ("Start दबाएँ..." निष्क्रिय / "सुन रहा है..." Start क्लिक होने के बाद) जो मुख्य विंडो की खाली अवस्था को दर्शाता है — यह चालू स्टेटस पिल के साथ सिंक रहता है। प्लेसहोल्डर ओवरले की वर्तमान चौड़ाई × ऊँचाई के साथ स्केल होता है ताकि किसी भी विंडो आकार पर पठनीय बना रहे।

न्यूनतम कैप्शन मोड

सेटिंग्स → लाइव ट्रांसलेशन → ओवरले कॉन्फ़िगरेशन में न्यूनतम कैप्शन दिखाएँ चेकबॉक्स ओवरले पर टाइमस्टैम्प और वक्ता टैग छिपा देता है जबकि उन्हें मुख्य विंडो पर दिखाई देता है। ओवरले को दर्शकों के साथ साझा करते समय उपयोगी (प्रस्तुतकर्ता मोड / स्क्रीन शेयरिंग) लेकिन फिर भी आप अपने कार्य दृश्य में पूर्ण मेटाडेटा रखना चाहते हैं। यह टॉगल केवल ओवरले के लिए है — यह मुख्य विंडो की "वक्ता टैग" प्राथमिकता को नहीं बदलता।

Transcript save करें

Session को timestamps, speakers, original lines, और translated lines के साथ एक .txt file में export करने के लिए Save Transcript क्लिक करें।

STT backend चुनना

Backend	सबसे अच्छा	Cost	Latency
Whisper (local)	Offline, privacy-sensitive	Free	Medium (~1 s after end-of-sentence)
Soniox	Multi-speaker meetings	Paid (~$0.005 / min)	Low (real-time)

Caveats

Microphone selection

Mic input हमेशा OS default device का उपयोग करता है — कोई in-app picker नहीं (sounddevice उपयोगी होने के लिए बहुत सारे virtual ALSA plugins surface करता है, और OS पहले से ही default- mic UI का मालिक है)। शुरू करने से पहले अपने OS sound settings में अपना preferred mic set करें।

TTS backpressure

TTS queue सबसे recent 3 sentences तक bounded है — यदि synthesis पीछे पड़ जाता है तो older queued audio drop हो जाता है। यह spoken playback को on-screen captions के पास रखता है।

ElevenLabs बिना key के

यदि आपने TTS method को ElevenLabs पर set किया है लेकिन कोई API key configured नहीं है, Live page automatically Edge TTS पर fall back करता है और status label में fallback की घोषणा करता है।

Shortcuts

Shortcut	Action
Ctrl+Enter	Start / Stop
Ctrl+K	Log clear करें (confirmation के साथ)
Ctrl+[ / Ctrl+]	Overlay opacity adjust करें