"আপনারা কতগুলো ভাষা সমর্থন করেন?" — এবং কেন আমাদের সৎ উত্তর একটি নয়, ছয়টি সংখ্যা

প্রতিটি প্রকিউরমেন্ট কলে এটিই প্রথম প্রশ্ন, আর প্রতিটি ডেমোতেও। সপ্তাহে তিনবার আমরা এটি শুনি:

"InterMIND কতগুলো ভাষা সমর্থন করে?"

সৎ উত্তর হলো: এটি নির্ভর করে আপনি কোন সারফেসের কথা বলছেন তার ওপর। আমাদের ছয়টি সারফেস আছে, এবং সংগত কারণেই প্রতিটির ভাষার তালিকা আলাদা। এই পৃষ্ঠাটি চূড়ান্ত উত্তর, যাতে আমরা আর অসংগত উত্তর না দিই।

সংক্ষিপ্ত সংস্করণ

প্রোডাক্ট হলো 23টি ভাষা। ফাইল: 30। সাইট: 17। স্পিচ ইঞ্জিন: 24 — আরবি ইঞ্জিনে আছে, কিন্তু মান নির্ধারিত সীমার নিচে থাকায় প্রোডাক্ট থেকে প্রত্যাহার করা হয়েছে।

ভয়েস, চ্যাট ও নোটস একই 23টি ভাষা ব্যবহার করে — অর্থাৎ ইঞ্জিনের তালিকা থেকে আরবি বাদ দিয়ে। ফাইলের তালিকা বড় কারণ ফাইল পাইপলাইনের পক্ষে তা সম্ভব। ওয়েবসাইটের তালিকা ছোট কারণ একটি মার্কেটিং সাইট অনুবাদ করার খরচ প্রোডাক্টের ভেতরের কপি অনুবাদ করার খরচ থেকে আলাদা।

নিচের পুরো আলোচনাটি হলো এই সংখ্যাগুলো কেন এক নয় তার ব্যাখ্যা।

কেন একটিমাত্র সংখ্যা নেই

একটি অনুবাদ প্ল্যাটফর্ম একটি প্রোডাক্ট নয়। এটি অন্তত তিনটি:

1. একটি রিয়েল-টাইম স্পিচ পাইপলাইন — অডিও ঢোকে, অনুবাদিত অডিও এক সেকেন্ডের কম সময়ে বেরিয়ে আসে; এমন একটি মিটিংয়ে যেখানে লেটেন্সি বাজেট অত্যন্ত কঠোর।
2. একটি রিয়েল-টাইম টেক্সট পাইপলাইন — চ্যাট বার্তা ও শেয়ার্ড নোটস, অক্ষর-by-অক্ষর, প্রতিটি দর্শকের কাছে তাঁর নিজের ভাষায় পৌঁছায়।
3. একটি অ্যাসিনক্রোনাস ডকুমেন্ট পাইপলাইন — চ্যাটে ফেলে দেওয়া 40 পৃষ্ঠার একটি PDF, ফরম্যাটিং ও কাঠামো অক্ষুণ্ণ রেখে পুরো ফাইল হিসেবে অনুবাদিত।

প্রতিটি পাইপলাইনের নিজস্ব ইঞ্জিন, নিজস্ব লেটেন্সি বাজেট এবং প্রতিটি ভাষা-জোড়ার জন্য নিজস্ব মানের পরিসর আছে। যে ভাষা ডকুমেন্টের জন্য প্রোডাকশন-গ্রেড (ধীর, যত্নশীল, একাধিক পাস), সেটি লাইভ ভয়েসের জন্য (দ্রুত, একবারে, কোনো পুনঃচেষ্টা নেই) অব্যবহারযোগ্য হতে পারে। এগুলোকে "একটিমাত্র ভাষা-সংখ্যা" হিসেবে দেখার ফলেই এমন মার্কেটিং পৃষ্ঠা তৈরি হয় যেখানে লেখা থাকে "200+ ভাষা" অথচ আপনাকে কিছুই জানানো হয় না।

তাই আমরা প্রতিটি সারফেসের জন্য আলাদাভাবে প্রকাশ করি।

1. Platform API — 24টি ভাষা

এটি সবচেয়ে বড় তালিকা, কারণ এটি ইঞ্জিন সারফেস। createParticipant এন্ডপয়েন্ট এই 24টি কোড গ্রহণ করে:

ar, cs, da, de, en, es, fi, fr, hi, hu, is, it, ja, ko, nl, no, pl, pt, ro, ru, sv, tr, uk, zh

আপনি যদি সরাসরি Mind-এর ওপর ইন্টিগ্রেশন তৈরি করেন, তাহলে এর যেকোনো 24টি ভাষা একজন অংশগ্রহণকারীকে দিতে পারেন। এর অর্থ এই নয় যে এই 24টির প্রতিটি আমাদের মানদণ্ডে সমান স্কোর করে। এর অর্থ শুধু এই যে আমাদের ইঞ্জিন সেই ভাষায় টেক্সট তৈরি করতে পারে। প্রোডাক্ট এর মধ্যে 23টি দেখায় — আরবি মানদণ্ডের নিচে থাকায় প্রত্যাহার করা হয়েছে — এবং প্রতিটি জোড়ার মান খোলাখুলি প্রকাশ করে (পরের অংশ দেখুন)।

2. প্রোডাক্টের ভেতরে ভয়েস, চ্যাট ও নোটস — 23টি ভাষা

কোনো ব্যবহারকারী যখন InterMIND মিটিংয়ে যোগ দেন, ল্যাঙ্গুয়েজ পিকারে ইঞ্জিনের সবগুলো 23টি ভাষা দেখায় — এর মধ্যে হিন্দি (hi) রয়েছে, যা আগে আমরা আটকে রেখেছিলাম। আরবি (ar) আগস্ট 2026 থেকে পিকার থেকে প্রত্যাহার করা হয়েছে: ইঞ্জিনটি উভয় দিকেই আমাদের মানদণ্ডের নিচে (সাপ্তাহিক বেঞ্চমার্কে আরবিতে ভয়েসের কভারেজ মাপা হয়েছে 5 %, আর আরবি থেকে স্পিচ রিকগনিশনে টোকেন লুপ করছিল), এবং লাইভ কলে ব্যর্থ হওয়া একটি ভাষা অনুপস্থিত ভাষার চেয়েও খারাপ। মাপা জোড়াগুলো মানদণ্ড পূরণ করলে এটি ফিরে আসবে।

দুর্বল-কিন্তু-কার্যকর জোড়ার ক্ষেত্রে ভারসাম্য ভিন্ন: একটি ভাষাকে পুরোপুরি লুকিয়ে ফেলার বদলে আমরা সেটি দেখাই এবং /benchmark-এ প্রকাশিত জোড়া-ভিত্তিক সংখ্যাগুলোকেই সত্য বলতে দিই। প্রতিটি জোড়া — শক্তিশালী হোক বা দুর্বল — বাস্তব ট্রাফিকে মাপা হয় এবং URL দিয়ে সরাসরি লিংক করা যায়, ফলে একজন ব্যবহারকারী (বা একজন অডিটর) ভরসা করার আগেই en→ar যাচাই করতে পারেন, মিটিংয়ের মাঝখানে এর মান আবিষ্কার করতে হয় না।

এটি এখনও সেই সৎ সংস্করণই, শুধু সুরটা বদলেছে। এই ক্যাটাগরির বেশিরভাগ ভেন্ডর মডেল যা কিছু তৈরি করতে পারে সব তালিকাভুক্ত করে এবং মান নিয়ে নীরব থাকে; উল্টো প্রান্তটি (মানদণ্ডের নিচের সবকিছু লুকিয়ে ফেলা) একটি বাস্তব, চাহিদাসম্পন্ন ভাষাকে অদৃশ্য করে দেয়। আমরা ডিফল্টভাবে কোনোটিই করি না: তালিকা দেখাই, তার পাশে সংখ্যা প্রকাশ করি, এবং কোনো ভাষা কেবল তখনই প্রত্যাহার করি যখন তা সম্পূর্ণ ব্যর্থ হয়, কম পারফর্ম করলে নয় — আজকের দিনে আরবি। কোনো জোড়া যদি আপনার ব্যবহারের জন্য যথেষ্ট ভালো না হয়, বেঞ্চমার্ক তা স্পষ্ট করেই বলে দেয়।

একই 23-ভাষার তালিকা তিনটি রিয়েল-টাইম সারফেসেই প্রযোজ্য:

• ভয়েস অনুবাদ — প্রতিটি দর্শকের জন্য আলাদা অনুবাদিত অডিও, এক সেকেন্ডের কম লেটেন্সিতে। প্রতিটি অংশগ্রহণকারী কলের শুরুতে নিজের শোনার ভাষা বেছে নেন।
• চ্যাট বার্তা — প্রতিটি বার্তা টাইপ করার সাথে সাথে অনুবাদিত হয়; এডিট প্রতিটি ভাষার জন্য আলাদা ডিফ তৈরি করে (v1.2 দেখুন)।
• শেয়ার্ড নোটস — হোস্টের নোটস প্যানের অক্ষর-by-অক্ষর লাইভ অনুবাদ, প্রতিটি দর্শকের জন্য, ডিফ ইতিহাসসহ।

একটি পিকার, 23টি ভাষার একটি সেট, তিনটি জায়গায় তার উপস্থিতি।

3. অন-ডিমান্ড ফাইল অনুবাদ — 30টি ভাষা

চ্যাটে একটি PDF, DOCX, DOC, PPTX বা XLSX ফেলে দিন। প্রতিটি অংশগ্রহণকারী নিজের ভাষায় ফাইলটি অনুরোধ করতে পারেন। অনুবাদিত কপিটি একই ফাইল ফরম্যাটে, কাঠামো (টেবিল, শিরোনাম, তালিকা) অক্ষুণ্ণ রেখে ফেরত আসে।

এই সারফেস DeepL Document API ব্যবহার করে; আমাদের ফাইল পাইপলাইন 30টি টার্গেট ভাষা ম্যাপ করে — যা আমাদের রিয়েল-টাইম ভয়েস পাইপলাইনের চেয়ে বড়। আজ যদি আপনি DeepL-এ PDF এস্তোনীয় ভাষায় অনুবাদ করতে পারেন, তাহলে আজই InterMIND চ্যাটেও তা এস্তোনীয় ভাষায় অনুবাদ করতে পারবেন।

ফাইলের তালিকায় এমন কিছু ভাষা আছে যা আমাদের রিয়েল-টাইম পাইপলাইনে নেই — যেমন বুলগেরীয়, গ্রিক, এস্তোনীয়, ইন্দোনেশীয়, লিথুয়ানীয়, লাটভীয়, স্লোভাক, স্লোভেনীয়। আরবি ফাইলের তালিকায় আছে কিন্তু বর্তমানে রিয়েল-টাইম থেকে প্রত্যাহার করা হয়েছে (উপরে দেখুন): একজন ফরাসি অংশগ্রহণকারী চুক্তির PDF আরবিতে অনুরোধ করতে পারেন, কিন্তু আজ মিটিংটি আরবিতে শুনতে পারবেন না।

ফাইলের তালিকায় নেই এমন একমাত্র রিয়েল-টাইম ভাষা: হিন্দি। আমাদের ডকুমেন্ট পাইপলাইন এখনও এটি ম্যাপ করেনি, তাই হিন্দি লাইভ ভয়েস, চ্যাট ও নোটসে পাওয়া যায় কিন্তু অন-ডিমান্ড ফাইল অনুবাদে নয় — আরবির অসামঞ্জস্যের ঠিক উল্টো। আমরা এটি লুকিয়ে না রেখে ফাইল পিকারে চিহ্নিত করে দিই।

সাধারণভাবে ফাইলের তালিকা কেন বড়:

• ডকুমেন্ট অ্যাসিনক্রোনাস। এক সেকেন্ডের কোনো বাজেট নেই, তাই পাইপলাইন একটি ধীর, আরও যত্নশীল ইঞ্জিন ব্যবহার করতে পারে, যা আরও বেশি জোড়া ভালোভাবে সামলায়।
• DeepL একটি ডেডিকেটেড ডকুমেন্ট-অনুবাদ ইঞ্জিন, এবং ফাইলের জন্য আমরা এটি সরাসরি ব্যবহার করি। যে ইঞ্জিন ভয়েস চালায়, ডকুমেন্টকে সেই একই ইঞ্জিনের মধ্য দিয়ে পাঠানোর চেষ্টা আমরা করি না। ভিন্ন সমস্যা, ভিন্ন টুল।

4. ওয়েবসাইট UI — 17টি ভাষা

intermind.com বর্তমানে 17টি লোকেলে চালু আছে: ইংরেজি, জার্মান, স্প্যানিশ (ল্যাটিন আমেরিকা), ফরাসি, ইতালীয়, পর্তুগিজ (ব্রাজিলিয়ান), ডাচ, পোলিশ, ইউক্রেনীয়, চীনা (সরলীকৃত), রুশ, জাপানি, কোরিয়ান, তুর্কি, আরবি, ইন্দোনেশীয় এবং ভিয়েতনামী।

এর মধ্যে তিনটি — আরবি, ইন্দোনেশীয় ও ভিয়েতনামী — পাবলিক সাইটে স্থানীয়কৃত কিন্তু মিটিংয়ের ভেতরের অনুবাদের জন্য উপলব্ধ নয়: আমাদের স্পিচ ইঞ্জিন ইন্দোনেশীয় ও ভিয়েতনামী কভার করে না, আর আরবি মানদণ্ডের নিচে থাকায় প্রত্যাহার করা হয়েছে। তাই আপনি ল্যান্ডিং পেজ, ব্লগ ও ডক্স ইন্দোনেশীয় বা আরবিতে পড়তে পারেন, কিন্তু মিটিংয়ে যোগ দিলে ভয়েস ও চ্যাট অনুবাদ সেগুলোতে চলবে না। লাইভ কলে আপনাকে এটি আবিষ্কার করতে দেওয়ার বদলে আমরা ল্যাঙ্গুয়েজ সুইচারে এটি চিহ্নিত করে দিই। বাকি চৌদ্দটি লোকেল সম্পূর্ণ প্রোডাক্ট — সাইট ও মিটিংয়ের ভেতর, দুই জায়গাতেই।

ফাইলের তালিকার চেয়ে কেন ছোট:

• একটি মার্কেটিং সাইটের নিজস্ব অনুবাদ খরচ আছে — এবং নিজস্ব মানদণ্ডও। ল্যান্ডিং পেজ, FAQ, প্রাইসিং, আইনি কপি। এটি বিনামূল্যে নয়।
• যেখানে ট্রাফিক ও পাইপলাইন রক্ষণাবেক্ষণকে যুক্তিসংগত করে, সেখানেই আমরা লোকেল চালু করি; প্রোডাক্ট যত ভাষা সমর্থন করে তার প্রতিটির জন্য নয়।
• সাইটের তালিকা দুটি জায়গায় (id, vi) ইচ্ছাকৃতভাবে প্রোডাক্টের আগে আছে: স্পিচ ইঞ্জিন কোনো ভাষায় পৌঁছানোর আগেই পাবলিক সারফেস স্থানীয়করণ করা একটি স্বতন্ত্র ক্যাপচার লেয়ার।

পাইপলাইন বাড়লে এই তালিকাও বাড়বে। এটি নীতিগতভাবে সীমিত নয়। এটি খরচের কারণে সীমিত।

প্যাটার্নটি, এবং যেকোনো ভেন্ডরের পৃষ্ঠায় এটি কীভাবে পড়বেন

প্রতিটি বহুভাষিক ভেন্ডরের এই একই সারফেসগুলো আছে। বেশিরভাগই আপনাকে সবচেয়ে বড়টির সংখ্যা বলে, বাকিগুলো আপনাকে নিজে আবিষ্কার করতে ছেড়ে দেয়। সৎ সংস্করণটি হলো:

• ইঞ্জিনের তালিকা সবচেয়ে বড়, কারণ মডেল যা তৈরি করে তা-ই এতে থাকে।
• প্রোডাক্টের তালিকা ছোট, কারণ ইঞ্জিনের প্রতিটি আউটপুট প্রোডাক্টের মানদণ্ড পূরণ করে না।
• ডকুমেন্টের তালিকা প্রায়ই ভয়েসের তালিকা থেকে আলাদা, কারণ ইঞ্জিন আলাদা।
• ওয়েবসাইটের তালিকা সবচেয়ে ছোট, কারণ নিজের সাইট অনুবাদ করতে নগদ খরচ হয়।

এই ক্যাটাগরির যেকোনো প্ল্যাটফর্ম মূল্যায়নের সময় চারটি সংখ্যা আলাদাভাবে চান। কোনো ভেন্ডর যদি সেগুলো আলাদা করতে অস্বীকার করে — বা না জানে — তাহলে আপনি কোনো কাজের উত্তর পাচ্ছেন না।

আমরা যা ভান করব না

• কিছু জোড়া অন্যগুলোর চেয়ে দুর্বল, এবং আমরা তা বলি। হিন্দি ভয়েস/চ্যাট/নোটস পিকারে আছে, কিন্তু প্রতিটি জোড়া সমান স্কোর করে না। একটি কার্যকর ভাষা লুকিয়ে ফেলার বদলে আমরা /benchmark-এ প্রতিটি জোড়ার মান প্রকাশ করি — দুর্বল জোড়া চুপচাপ বাদ পড়ার বদলে নিজের আসল সংখ্যা দেখায়। ভরসা করার আগে আপনার প্রয়োজনীয় জোড়াটি যাচাই করুন। আরবি একমাত্র ভাষা যা আমরা সম্পূর্ণভাবে প্রত্যাহার করি, কারণ এর জোড়াগুলো বর্তমানে কম পারফর্ম করছে না, ব্যর্থ হচ্ছে।
• ফাইলের তালিকা (30) ভয়েসের তালিকার (23) চেয়ে বড় হওয়া একটি বাস্তব ফাঁক, ফিচার নয়। একজন ফরাসি ব্যবহারকারী PDF-এর এস্তোনীয় অনুবাদ অনুরোধ করতে পারেন, কিন্তু মিটিংটি এস্তোনীয় ভাষায় শুনতে পারেন না। বড় সংখ্যাটি উদ্ধৃত করে আর আশা করে যে আপনি খেয়াল করবেন না — এভাবে আমরা এই ফাঁক ঢাকব না।
• ইন্দোনেশীয় ও ভিয়েতনামীতে সাইট প্রোডাক্টের আগে থাকা একটি ফাঁক, ফিচার নয়। আপনি সাইটটি ওই দুই ভাষায় পড়তে পারেন, কিন্তু এখনও সেগুলোতে মিটিং চালাতে পারেন না। কলের মাঝখানে আপনাকে জানতে দেওয়ার বদলে আমরা সুইচারে এটি চিহ্নিত করি। স্পিচ ইঞ্জিন এগুলো যোগ করলে আমরা এই ফাঁক বন্ধ করব।

নিজে চেষ্টা করুন

• লাইভ ডেমো চেষ্টা করুন — আপনার অডিওর বিরুদ্ধে প্রোডাকশন ভয়েস + চ্যাট পাইপলাইন চালায়, 23টি প্রোডাক্ট ভাষার যেকোনোটিতে। এটি সেই একই পাইপলাইন যা /benchmark-এ স্কোর করে।
• বেঞ্চমার্ক দেখুন — বাস্তব ট্রাফিকে প্রতিটি জোড়ার, প্রতি মাসের মান। পিকারের প্রতিটি জোড়া, শক্তিশালী বা দুর্বল, URL দিয়ে সরাসরি লিংকযোগ্য।
• মেথডোলজি পড়ুন — সংখ্যাগুলো কী, কী নয়, এবং বিচারক কে।

ছয়টি সংখ্যা, ছয়টি সারফেস, একটি ইঞ্জিন। "আপনারা কতগুলো ভাষা সমর্থন করেন" প্রশ্নের এটাই সৎ উত্তর।

FAQ

InterMIND কতগুলো ভাষা লাইভ অনুবাদ করে?

23 — ভয়েস, চ্যাট ও শেয়ার্ড নোটস জুড়ে একই তালিকা: cs, da, de, en, es, fi, fr, hi, hu, is, it, ja, ko, nl, no, pl, pt, ro, ru, sv, tr, uk, zh। প্রতিটি জোড়ার মান প্রতি মাসে /benchmark-এ প্রকাশিত হয়।

ডকুমেন্ট অনুবাদ কতগুলো ভাষা সমর্থন করে?

30, DeepL Document API-এর মাধ্যমে — চ্যাটে একটি PDF, DOCX, DOC, PPTX বা XLSX ফেলে দিন এবং ফরম্যাটিং অক্ষুণ্ণ রেখে নিজের ভাষায় অনুরোধ করুন। ফাইলের তালিকা লাইভ তালিকার চেয়ে বড় (এতে যোগ হয়েছে যেমন বুলগেরীয়, গ্রিক, এস্তোনীয়) কিন্তু হিন্দি নেই।

প্রোডাক্টের চেয়ে ওয়েবসাইট কম ভাষায় কেন?

সাইটটি 17টি লোকেলে চালু আছে, কারণ একটি মার্কেটিং সাইট স্থানীয়করণ করা প্রোডাক্টের ভেতরের অনুবাদ থেকে আলাদা খরচ। দুটি সাইট লোকেল (ইন্দোনেশীয়, ভিয়েতনামী) ইচ্ছাকৃতভাবে প্রোডাক্টের আগে আছে — ল্যাঙ্গুয়েজ সুইচারে চিহ্নিত করা।

— Mind.com টিম

সূত্র: DeepL — supported languages, Mind API — createParticipant; প্রোডাক্ট সারফেসের তালিকাগুলো শিপ করা কোডের সাথে যাচাই করা হয়েছে, আগস্ট 2026-এ পরীক্ষিত।