আপনার নিজের কণ্ঠে বলুন — এমন ভাষায়, যা আপনি বলতে পারেন না

বেশিরভাগ লাইভ অনুবাদ টুল আপনার জায়গায় একটি যান্ত্রিক বর্ণনাকারীর কণ্ঠ বসিয়ে দেয়। InterMIND আপনার কণ্ঠ অক্ষুণ্ণ রাখে: প্রত্যেক অংশগ্রহণকারী মূল বক্তার নিজের কণ্ঠেই অনুবাদ শোনেন। ক্যাসকেড কীভাবে এটি করে, Settings-এ ঐচ্ছিক সংরক্ষিত ভয়েস স্যাম্পল কী যোগ করে এবং কী কী সংরক্ষণ করা হয়, তা এখানে জানুন।

The Mind.com Team

  • আপনার নিজের কণ্ঠেই আপনাকে শোনা যায়। স্পিচ শনাক্তকরণ, অনুবাদ, তারপর আপনার কথার একটি নমুনা থেকে জিরো-শট সংশ্লেষণ। প্রত্যেক অংশগ্রহণকারীর জন্য, দুই দিকেই।
  • নিখুঁত প্রতিরূপ নয়, আর না চাইলে কিছুই সংরক্ষিত হয় না। লাইভ নমুনা সেশনের সঙ্গেই শেষ হয়ে যায়। Settings-এ থাকা ঐচ্ছিক সংরক্ষিত নমুনা আপনি Remove চাপা পর্যন্ত থাকে। Lip-sync রোডম্যাপে আছে, এখনো চালু হয়নি।
  • InterMIND পুরো মিটিংটি প্রত্যেক সদস্যের নিজের ভাষায় রাখে। কণ্ঠ পাওয়া যায় ২৩টি ভাষাতেই, সঙ্গে থাকে ক্যাপশন ও ট্রান্সক্রিপ্ট। অতিথিরা লিংকের মাধ্যমে বিনা খরচে, অ্যাকাউন্ট ছাড়াই যোগ দেন। আপনি মূল্য দেন শুধু সক্রিয় সদস্যদের জন্য।
আপনার নিজের কণ্ঠে বলুন — এমন ভাষায়, যা আপনি বলতে পারেন না

নিজের কণ্ঠেই কথা বলুন — এমন ভাষায়, যা আপনি বলেন না

রিয়েল-টাইম অনুবাদের এই অংশটিতে প্রায় সবাই ভুল করে, আর প্রায় কেউই এ নিয়ে কথা বলে না: আপনি যে কণ্ঠ শোনেন।

স্পিচ শনাক্তকরণ চমৎকার হতে পারে, অনুবাদও চমৎকার হতে পারে, তবু মিটিংটা শুনতে লাগে যেন একটি যন্ত্র তালিকা পড়ে যাচ্ছে। কারণ শেষ ধাপে, অর্থাৎ অনূদিত লেখাকে আবার শব্দে রূপ দেওয়ার সময়, বেশিরভাগ টুল নীরবে আপনাকে সরিয়ে একটিমাত্র সাধারণ কৃত্রিম কথকের কণ্ঠ বসিয়ে দেয়। ঘরে আটজন মানুষ, অথচ সবার জন্য একটাই রোবটের গলা। কে বলছেন, কোথায় জোর দিচ্ছেন, তাঁর ব্যক্তিত্ব কেমন, সবই হারিয়ে যায়। বোঝা যায়, কিন্তু সেটা কথোপকথন হয় না।

InterMIND শেষ ধাপটি আলাদাভাবে করে। আপনি কথা বললে অন্য অংশগ্রহণকারীরা অনুবাদটি শোনেন আপনারই চেনা কণ্ঠে। তাতে থাকে আপনার স্বরের বৈশিষ্ট্য আর কথা বলার ভঙ্গি, শুধু কথাগুলো তাঁদের ভাষায়। এটি এখনো নিখুঁত অনুকরণ নয়। মূল কথা হলো, একটি তৈরি-করা কথকের বদলে সেটি আপনি, আর তা ক্রমশ আরও ভালো হচ্ছে। এটি প্রত্যেক অংশগ্রহণকারীর জন্য, দুই দিকেই, একই সময়ে কাজ করে।

এই লেখাটি InterMIND যে চারটি অনুবাদ পাইপলাইনে চলে, তার ভেতরের কথা লেখাটির হারানো অধ্যায়। সেখানে ব্যাখ্যা ছিল অডিও কীভাবে অনূদিত অডিওতে পরিণত হয়। এখানে কথা হচ্ছে অপর প্রান্তে কার কণ্ঠ বেরিয়ে আসে।


সবাই যে ডিফল্ট দেয়, আর কেন তা নিরস

বড় মিটিং প্ল্যাটফর্মগুলোর কোনোটিতে লাইভ অনুবাদ ব্যবহার করলে আপনি এই শব্দটা চেনেন। একটি নিরপেক্ষ, সমগতির কণ্ঠ অনুবাদ পড়ে শোনায়। টাউন হল শুরু করছেন আপনার সিইও, কিংবা কোনো সহকর্মী রসিকতা করছেন, কণ্ঠ একই থাকে। এর নিচের প্রযুক্তি হলো একটিমাত্র নির্দিষ্ট ভয়েস মডেলসহ টেক্সট-টু-স্পিচ, আর নকশার ধারণা হলো বোধগম্যতাই যথেষ্ট।

বাস্তব মিটিংয়ে তা যথেষ্ট নয়। মিটিংয়ে যা কিছু বলা হয়, তার অর্ধেকই হলো কে বলছেন এবং কীভাবে। কণ্ঠ সরিয়ে নিলে আলোচনা হয়ে যায় এমন এক ট্রান্সক্রিপ্ট, যা কেবল জোরে পড়া হচ্ছে। মানুষ একে অপরের কথায় সাড়া দেওয়া বন্ধ করে নিজের পালার অপেক্ষা করতে থাকে।

তার বদলে InterMIND যা করে

অনুবাদ চলে একটি ক্যাসকেডেড পাইপলাইনে। একটি মডেল সবকিছু করার চেষ্টা না করে পরপর তিনটি বিশেষায়িত ধাপ কাজ করে। প্রথম দুই ধাপের বিবরণ পাইপলাইন-বিষয়ক লেখায় আছে। এই লেখার বিষয় কণ্ঠের ধাপটি:

  1. ASR — স্পিচ শনাক্তকরণ। আপনি যখন কথা বলছেন, আপনার কথা তখনই আপনার নিজের ভাষায় লিখিত রূপ পায়। এটি আমাদের নিজস্ব ইঞ্জিনে হয়, অর্থাৎ যে মিডিয়া সার্ভার কলটি বহন করে (Mind API, OVH France)। ফলে বাক্য শেষ হওয়ার আগেই অনুবাদ শুরু হতে পারে।
  2. MT — অনুবাদ। ট্রান্সক্রিপ্টকে স্থিতিশীল বাক্যাংশে, অর্থাৎ ক্লজে ভাগ করা হয়। তাই আপনার বাক্য শেষ হওয়ার আগেই অনুবাদ শুরু হতে পারে, এবং প্রতিটি অংশ ধাপে ধাপে শ্রোতার ভাষায় অনূদিত হয়।
  3. জিরো-শট TTS — কণ্ঠ সংশ্লেষণ। অনূদিত প্রতিটি অংশ আপনার নিজের কণ্ঠের একটি নমুনা ব্যবহার করে আবার বলা হয় এবং শ্রোতার কাছে স্ট্রিম করা হয়।

ASR → MT → জিরো-শট TTS, এই তৃতীয় ধাপটিই এই প্রভাব তৈরি করে। "জিরো-শট" মানে আপনার কণ্ঠের জন্য আগে থেকে রেকর্ড করা এনরোলমেন্ট বা কোনো প্রশিক্ষণ সেশন সিস্টেমের লাগে না। আপনি যে মিটিংয়ে আছেন, তার অডিও থেকেই সে আপনার কণ্ঠের মডেল তৈরি করে।

ওয়ার্ম-আপ: কীভাবে এত দ্রুত আপনার মতো শোনাতে শুরু করে

"নিজের কণ্ঠের নমুনা ব্যবহার করা" কথাটির ভেতরে একটি মুরগি-আর-ডিমের সমস্যা লুকিয়ে আছে। কলের একেবারে শুরুতে সিস্টেম আপনার কণ্ঠ ভালোভাবে মডেল করার মতো যথেষ্ট শোনেনি।

InterMIND এটি সামলায় ধাপে ধাপে ওয়ার্ম-আপের মাধ্যমে:

  • প্রথম মোটামুটি ৫–১০ সেকেন্ড সিস্টেম যখন আপনার কথা যথেষ্ট জোগাড় করছে, তখন অনূদিত প্রতিটি অংশ সংশ্লেষিত হয় সেই অডিও অংশ দিয়ে, যা আপনার মূল ভাষায় আপনি এইমাত্র যা বলেছেন তার সঙ্গে মেলে। কণ্ঠায়ন তখন আপনার বাস্তব, তাৎক্ষণিক কথার সঙ্গে বাঁধা থাকে।
  • যথেষ্ট দীর্ঘ নমুনা পাওয়া গেলে, অর্থাৎ ওই ৫–১০ সেকেন্ডের পর, সিস্টেম সেটিকে ধরে নেয় এবং পরের সবকিছুতে কণ্ঠ দিতে সেটিই ব্যবহার করে।

বাস্তবে আপনি কোনো সুইচ বদলানো টের পান না। কথোপকথন জমে ওঠার সঙ্গে সঙ্গে অনুবাদ ক্রমশ আপনার মতো শোনাতে থাকে। এটি আপনার কণ্ঠের নিখুঁত প্রতিরূপ নয়, কিন্তু স্পষ্টতই যন্ত্রের নয়, আপনার, আর মডেল যত বেশি শোনে ততই উন্নত হয়। ধাপে ধাপে অনুবাদ (বাক্য ধরে নয়, ক্লজ ধরে) এবং ধাপে ধাপে কণ্ঠায়ন একসঙ্গে পুরো ব্যাপারটিকে বিলম্বের সীমার মধ্যে রাখে, অথচ শুনতে মানবিকই থাকে।

একবার কণ্ঠ রেকর্ড করুন, ওয়ার্ম-আপ এড়িয়ে যান

ওপরের ওয়ার্ম-আপ হলো ডিফল্ট, কিছু সেট আপ না করলে যা ঘটে। ২০২৬ সালের সেপ্টেম্বর থেকে সাইন-ইন করা ব্যবহারকারীদের জন্য একটি ঐচ্ছিক দ্বিতীয় পথ আছে: Settings → Your voice in translation-এ একটি সংরক্ষিত কণ্ঠের নমুনা।

রেকর্ড করা একটিমাত্র ধাপের কাজ। Record my voice চাপুন, Speak now দেখা পর্যন্ত অপেক্ষা করুন, তারপর এক থেকে দশ পর্যন্ত সংখ্যাগুলো যেকোনো ক্রমে বলুন। স্পিচ ইঞ্জিন একেকটি সংখ্যা শুনতে পেলে কার্ডে সেটি জ্বলে ওঠে। দশটিই জ্বলে উঠলে নমুনাটি যাচাই হয়ে নিজে থেকেই সংরক্ষিত হয়। আবার শুনে দেখার বা নিশ্চিত করার কিছু নেই, কোনো কাউন্টডাউনও নেই। কার্ড আপনার রেকর্ডিংয়ের সেই অংশটুকু রেখে দেয়, যেখানে সংখ্যাগুলো আছে। শান্ত ঘর আর হেডসেট সবচেয়ে ভালো ফল দেয়।

সংরক্ষিত নমুনা যা বদলায়: আপনার পরের মিটিং থেকে সিন্থেসাইজার আপনার অনুবাদে এটি দিয়ে কণ্ঠ দেয় প্রথম অংশ থেকেই। ফলে ওয়ার্ম-আপের পরে নয়, প্রথম বাক্য থেকেই অপর পক্ষ আপনাকে আপনার কণ্ঠে শোনে। ভেতরে ভেতরে এটি একই জিরো-শট সংশ্লেষণ, শুধু শুরুর বিন্দুটি ভালো। কল চলতে থাকলে লাইভ ওয়ার্ম-আপ তখনও কণ্ঠটিকে আরও পরিমার্জিত করে।

রেকর্ডিং সংরক্ষণের আগে যাচাই করা হয়। এটি স্পষ্ট কথার ৩ থেকে ১০ সেকেন্ড হতে হবে (সিন্থেসাইজারের ইনপুট উইন্ডো)। খুব নিচু স্বর, ক্লিপ হয়ে যাওয়া, বেশিরভাগই নীরবতা, বা পটভূমির শব্দে ডুবে যাওয়া হলে কার্ড জানায় কী ঠিক করতে হবে এবং আরেকটি রেকর্ডিং চায়। বাক্য হিসেবে সংখ্যা বেছে নেওয়ার একটি বাস্তব কারণ আছে: সেগুলো ছোট, ২৩টি ভাষার প্রতিটিতেই চেনা যায়, আর ইঞ্জিন নিশ্চিত করতে পারে যে সে দশটিই শুনেছে। এতে "রেকর্ডিংটা কাজ করল কি?" প্রশ্নটি একটি দৃশ্যমান হ্যাঁ-তে পরিণত হয়।

দুটি কণ্ঠের নমুনা, দুটি আয়ুষ্কাল

এ নিয়ে নিরাপত্তা বা আইন বিভাগ সঙ্গে সঙ্গেই প্রশ্ন করে, তাই এখানে স্পষ্ট করে বলা হলো। নমুনা দুটি আলাদা, আর তাদের জীবনও আলাদা।

মিটিংয়ের ভেতরের ওয়ার্ম-আপে ব্যবহৃত লাইভ নমুনা ক্ষণস্থায়ী। এটি থাকে শুধু লাইভ কনফারেন্স সেশনের জন্য, অনুবাদে কণ্ঠ দেওয়ার কাজে, এবং কোথাও সংরক্ষিত হয় না। রিয়েল-টাইম সেশন চালানো Mind API ও SDK কোনো ডেটা ধরে রাখে না। সাময়িক সবকিছু কনফারেন্স সেশন শেষ হলেই মুছে যায়।

Settings থেকে নেওয়া সংরক্ষিত নমুনা আপনার অ্যাকাউন্টের সঙ্গে একটিমাত্র উদ্দেশ্যে সংরক্ষিত থাকে। প্রতিবার আপনি মিটিংয়ে যোগ দিলে এটি অনুবাদ ইঞ্জিনে পাঠানো হয়, যাতে আপনার অনূদিত কথা এটি দিয়ে কণ্ঠ পায়, আর অন্য কোনো কাজে নয়। কার্ডে Remove চাপা পর্যন্ত এটি থাকে, চাপলে আপনি সঙ্গে সঙ্গে স্ট্যান্ডার্ড ওয়ার্ম-আপে ফিরে যান। আপনার অ্যাকাউন্ট মুছে ফেললে এটিও মুছে যায়। অতিথিরা এটি রেকর্ড করতে পারেন না। নকশাগতভাবেই এটি সাইন-ইন করা ব্যবহারকারীদের সুবিধা।

কোনো নমুনাই যা নয়, সে বিষয়ে স্পষ্ট থাকা দরকার: এগুলো InterMIND-এর রেকর্ডিং সুবিধার কোনোটি নয়। মিটিংয়ের ভিডিও ও অডিও রেকর্ড করা একটি আলাদা, ইচ্ছাকৃত পদক্ষেপ, যা আপনি সজ্ঞানে নেন এবং যার নিজস্ব নিয়ন্ত্রণ আছে। কণ্ঠের নমুনা হলো স্পিচ সিন্থেসাইজারের একটি ইনপুট। লাইভ ক্ষেত্রে সেটি ক্ষণস্থায়ী, আর সংরক্ষিত ক্ষেত্রে সেটি আপনার, রাখবেন না মুছবেন তা আপনার সিদ্ধান্ত।

কেন অন্য কেউ এটি দেয় না

ভয়েস ক্লোনিং কোনো গোপন বিষয় নয়। কঠিন হলো এটি করা লাইভ, প্রত্যেক অংশগ্রহণকারীর জন্য আলাদাভাবে, দুই দিকেই, কথোপকথনের গতিতে, ২৩টি ভাষায়, এবং আপনি যা চাননি তা সংরক্ষণ না করে। এটি পডকাস্টের জন্য অফলাইনে একটি কণ্ঠ ক্লোন করার চেয়ে ভিন্ন সমস্যা।

বড় প্ল্যাটফর্মগুলো তাদের অনুবাদকে সাজায় ক্যাপশনের ব্যাপ্তি আর একটিমাত্র নিরাপদ কথকের কণ্ঠের দিকে তাকিয়ে। বড় পরিসরে সেটাই সস্তা ও মজবুত ডিফল্ট। প্রত্যেক বক্তার নিজের কণ্ঠ রাখতে হলে সংশ্লেষণ ধাপকে প্রতিটি অংশগ্রহণকারীকে আলাদাভাবে অনুসরণ করতে হয়, এবং পাইপলাইনের বাকি অংশ যে বিলম্ব-সীমায় চলে, তার মধ্যেই থাকতে হয়। কণ্ঠ ইঞ্জিনটি আমরা নিজেরাই তৈরি করেছি, নিজস্ব অবকাঠামোতে, আর সেজন্যই এই আপস-সিদ্ধান্তটি নেওয়ার অধিকার আমাদের। (ইঞ্জিনটি কেন আমাদের নিজের কোড, সে সম্পর্কে আরও: একটি InterMIND মিটিং কী দিয়ে তৈরি।)

এর পরের গন্তব্য: lip-sync

নিজের কণ্ঠ ধরে রাখা একটি বড় লক্ষ্যের অর্ধেক। বাকি অর্ধেক আপনার মুখ।

এখন আপনি অন্যজনকে তাঁর নিজের কণ্ঠে শোনেন, কিন্তু ক্যামেরা চালু থাকলে তাঁর ঠোঁট এখনো নড়ে সেই কথাগুলোর সঙ্গে, যা তিনি আসলে বলেছেন, এমন এক ভাষায় যা আপনি পড়তে পারেন না। পরের ধাপ lip-sync: বক্তার মুখের নড়াচড়াকে অনূদিত অডিওর সঙ্গে মিলিয়ে নতুন করে সময়-নির্ধারণ করা, যাতে আপনার স্ক্রিনে মনে হয় তিনি আপনার ভাষাতেই কথা বলছেন।

দুটিকে একসঙ্গে ধরলে এই কাজের পুরো উদ্দেশ্য স্পষ্ট হয়ে ওঠে। যাঁদের কোনো সাধারণ ভাষা নেই, এমন দুজন মানুষ ভিডিও কলে মুখোমুখি বসেন, আর একে অপরকে দেখেন ও শোনেন যেন প্রত্যেকে অপরজনের ভাষার মাতৃভাষী। একই কণ্ঠ, একই মুখ, মাঝখানে কোনো দোভাষী নেই, স্ক্রিপ্ট পড়া কোনো রোবটও নেই।

অবস্থা নিয়ে স্পষ্ট থাকি: কণ্ঠ আজই চালু আছে; lip-sync রোডম্যাপে আছে, এখনো চালু হয়নি। গন্তব্যটির কথা আমরা বলছি, কারণ কণ্ঠের কাজটি কেন গুরুত্বপূর্ণ তা এতেই বোঝা যায়। নিজের কণ্ঠে অনুবাদ নিজেই মূল সুবিধা নয়, এটি "যে কারও সঙ্গে, যেকোনো ভাষায়, নিজের মতো করে কথা বলা"-র প্রথম অর্ধেক।

কোথায় শুনবেন

নিজের কণ্ঠে অনুবাদ আজই চালু আছে, কণ্ঠ-সমর্থিত সবকটি ২৩টি ভাষায়। এই ভাষাগুলোই ডক্সে তালিকাভুক্ত। আলাদা করে কিছু চালু করতে হয় না: মিটিংয়ে অনুবাদ সক্রিয় থাকলে অংশগ্রহণকারীরা স্বয়ংক্রিয়ভাবে একে অপরকে নিজেদের কণ্ঠে শোনেন। অবস্থাটা সততার সঙ্গে বলি: আজ কণ্ঠটি ইতিমধ্যেই স্পষ্টতই আপনার মতো শোনায়, আর সাদৃশ্যটিকে আরও কাছে আনার কাজ আমরা সক্রিয়ভাবে চালিয়ে যাচ্ছি। নিজে শুনে বিচার করুন।

অনূদিত মিটিংয়ে মনে হওয়া উচিত, যাঁরা সত্যিই সেখানে আছেন, তাঁরাই একে অপরের সঙ্গে কথা বলছেন। নিজের কণ্ঠ ধরে রাখাই সেখানে পৌঁছানোর পথ।

লাইভ অনুবাদ-এ আরও

লাইভ অনুবাদ-এর সব পোস্ট
প্রথম যোগাযোগ হয় ইংরেজিতে। কিন্তু চুক্তির কাজ চলে অংশীদারের ভাষায়
লাইভ অনুবাদ

প্রথম যোগাযোগ হয় ইংরেজিতে। কিন্তু চুক্তির কাজ চলে অংশীদারের ভাষায়

রপ্তানি চুক্তিতে ইংরেজি ঠিক কোথায় থেমে যায়, ধাপে ধাপে: অনুসন্ধান, কোটেশন, দর-কষাকষি, অভিযোগ, পরবর্তী অর্ডার। অংশীদারের ভাষার জন্য এক্সপোর্ট ডেস্ক আজ কত খরচ করছে, দাম ও সূত্রসহ, এবং চুক্তির পরেও কী থেকে যায়।

The Mind.com Team

তুর্কি ভয়েস অনুবাদক: ক্রিয়া আসে সবার শেষে, আর সেটাই ঠিক করে দেয় আপনার কোনটি দরকার
লাইভ অনুবাদ

তুর্কি ভয়েস অনুবাদক: ক্রিয়া আসে সবার শেষে, আর সেটাই ঠিক করে দেয় আপনার কোনটি দরকার

তুর্কি ভাষায় ক্রিয়া, নেতিবাচক রূপ এবং কাল — সবই বাক্যের শেষে বসে। এই একটি তথ্যই 'ভয়েস অনুবাদক' নামে বিক্রি হওয়া তিনটি পণ্যকে আলাদা করে: ফোন অ্যাপ, অনুবাদক ইয়ারবাড এবং রিয়েল-টাইম মিটিং অনুবাদ। একটি তুর্কি বাক্য নিয়ে এগুলোর প্রতিটি কী পারে আর কী পারে না, এবং কেন কোনো ভেন্ডরের ভাষার সংখ্যা এই ভাষাজোড়া সম্পর্কে আপনাকে কিছুই বলে না।

The Mind.com Team

সমকালীন দোভাষী: মানব দোভাষী, RSI প্ল্যাটফর্ম, নাকি AI — আপনার বহুভাষিক মিটিংয়ের জন্য কী দরকার (২০২৬)
লাইভ অনুবাদ

সমকালীন দোভাষী: মানব দোভাষী, RSI প্ল্যাটফর্ম, নাকি AI — আপনার বহুভাষিক মিটিংয়ের জন্য কী দরকার (২০২৬)

"সমকালীন দোভাষী" একটি পেশা; কিন্তু বেশিরভাগ মানুষ আসলে যা খোঁজেন তা হলো বক্তব্য বলার সঙ্গে সঙ্গেই অন্য ভাষায় শোনা। এই গাইডে বুথ, RSI প্ল্যাটফর্ম এবং AI সমকালীন অনুবাদকে আলাদা করা হয়েছে, ডকুমেন্টেশনের ভিত্তিতে টুলগুলোর তুলনা করা হয়েছে — Interprefy, KUDO, Wordly, DeepL Voice, Zoom, Teams, Google Meet, InterMIND — এবং সেই প্রশ্নগুলো তোলা হয়েছে যা তুলনাগুলো এড়িয়ে যায়: মিটিংয়ের কতটুকু আসলে আপনার ভাষায় ফিরে আসে, এবং ডেটা কোথায় প্রক্রিয়া হয়।

The Mind.com Team

ইমেইলে নতুন পোস্ট ও প্রোডাক্ট আপডেট পান

মাসে একটি ইমেইল, যাতে থাকবে নতুন পোস্ট ও প্রোডাক্ট আপডেট। যেকোনো সময় আনসাবস্ক্রাইব করতে পারবেন।


আমরা আমাদের GDPR অডিট শেষ করেছি। বাস্তবে আমরা যা যা বন্ধ করেছি, তা এখানে।

কাজের ভিত্তি ছাড়া কোনো ভেন্ডরের 'GDPR-compliant' ব্যাজের কোনো মানে নেই। ডেটা প্রসেসরের ওপর বর্তায় এমন GDPR বাধ্যবাধকতাগুলোর বিপরীতে আমরা নিজেদের কোডবেসের একটি সম্পূর্ণ অডিট চালিয়েছি — ডেটা মুছে ফেলা, ধারণকাল, সাব-প্রসেসর, EU রানটাইম — এবং কোডের সঙ্গে যাচাই করে আমরা যে আইটেমগুলো বন্ধ করেছি, সেগুলো এখানে দেওয়া হলো।

Microsoft Teams লাইভ অনুবাদ (২০২৬): এটি কীভাবে কাজ করে, খরচ কত, এবং এর সীমাবদ্ধতা কোথায়

Teams কি রিয়েল-টাইমে অনুবাদ করতে পারে? হ্যাঁ, তিনভাবে — অনূদিত লাইভ ক্যাপশন, AI Interpreter এজেন্ট এবং মানব দোভাষী চ্যানেল। প্রতিটির জন্য কোন লাইসেন্স দরকার (Teams Premium, Microsoft 365 Copilot), প্রতি ব্যবহারকারীর খরচ কত, কতটি ভাষা সমর্থিত, কীভাবে চালু করবেন, এবং কোন সীমাবদ্ধতাগুলো ঠিক করে দেয় এটি আপনার মিটিংয়ের জন্য উপযুক্ত কি না।