মিটিং চলাকালীন অনুবাদিত ক্যাপশন, লাইভ অনুবাদ এবং AI কোপাইলট: InterMIND রুমে প্রতিটি অংশগ্রহণকারী কীভাবে এগুলো পান (২০২৬)

যে কলে দুই বা তিনটি ভাষায় কথা হয়, সেখানে একটি প্রশ্ন নোটের জন্য অপেক্ষা করতে পারে না: এই মুহূর্তে কী বলা হচ্ছে, এবং আমি কীভাবে তা সহজে পড়তে পারি? বাজারে এর দুটি উত্তর আছে। একটি হলো কলের পাশে চলা কোপাইলট। এটি শ্রোতার নিজের স্ক্রিনে চলে এবং কথোপকথন চলাকালীন AI সহায়তাসহ অনূদিত লাইভ ট্রান্সক্রিপ্ট দেখায়। অন্যটি এমন একটি রুম, যেখানে হোস্ট সবার জন্য একই সুবিধা দেন, এবং কলের পরেও তা থেকে যায়।

এই নির্দেশিকায় দ্বিতীয় উত্তরটি বিস্তারিত দেখানো হয়েছে, যেভাবে এটি আজ InterMIND-এ কাজ করে। তার আগে প্রথমটির একটি সংক্ষিপ্ত রূপরেখা দেওয়া হলো।

কলের পাশে কোপাইলট: Bearbits যা বলে

Bearbits ২০২৬ সালের ৪ অক্টোবর Hacker News-এ প্রদর্শিত হয়। এর নির্মাতা এটি "মূলত নিজের এবং স্ত্রীর জন্য" বানিয়েছেন, যাতে "কোন ভাষায় কথা হচ্ছে তা নির্বিশেষে রিয়েল-টাইমে দেখা যায় কী বলা হচ্ছে"। এতে নির্বাচিত ভাষায় রিয়েল-টাইম অনুবাদ আছে, এবং আছে "বাস্তব ওয়েব সার্চের ভিত্তিতে কী বলা উচিত তার পরামর্শ"। প্রকাশ্য পৃষ্ঠাগুলোতে যা বলা আছে (অক্টোবর ২০২৬-এ যাচাইকৃত; সূত্র শেষে):

• কোথায় চলে। "Bearbits আপনার ব্রাউজারে চলে এবং আপনি যে অডিও শেয়ার করেন তা ধারণ করে"। এটি "অংশগ্রহণকারী হিসেবে কখনো আপনার কলে যোগ দেয় না" এবং "Zoom, Google Meet, Teams, বা যেকোনো ব্রাউজার-ভিত্তিক কলে" কাজ করে। ডকুমেন্টেশন অনুযায়ী এটি "মাইক্রোফোন ও সিস্টেম অডিও" ধারণ করে। ট্যাব বা স্ক্রিন শেয়ার শুধু অডিওর জন্য ব্যবহৃত হয় এবং কোনো রেকর্ডিং রাখা হয় না।
• ভাষা। "স্পিকার লেবেলসহ লাইভ বহুভাষিক ট্রান্সক্রিপশন", "৬০+ ভাষায়", এবং "নির্বাচিত ভাষায় রিয়েল-টাইম অনুবাদ"। ভাষা পরিবর্তন প্রসঙ্গে: "ভাষার হিন্ট সেট করুন, যাতে রিকগনাইজার আপনার প্রত্যাশিত ভাষাগুলোর সঙ্গে মিলে যায়। বক্তারা ভাষা বদলালে মিটিং চলাকালীনও আপনি তা সামঞ্জস্য করতে পারেন।" ট্রান্সক্রিপশন চলে Soniox-এ, ওয়েব সার্চ Exa.ai-তে (লেখকের পোস্ট অনুযায়ী)।
• কোপাইলট। কলের মধ্যে একটি সহকারী, যাতে আছে "What do I say?, Anti-BS, Catchup, এবং Ask AI — আপনার ট্রান্সক্রিপ্ট ও ওয়ার্কস্পেস প্রসঙ্গের ভিত্তিতে", সঙ্গে "মিটিং চলাকালীন সর্বজনীন সূত্রসহ সাম্প্রতিক ওয়েব গবেষণা"।
• কে দেখতে পায়। ট্রান্সক্রিপ্ট "আপনার প্রমাণীকৃত অ্যাকাউন্টের জন্য ব্যক্তিগত"। কলের অন্য অংশগ্রহণকারীরা কিছু দেখতে পান কি না, তা প্রকাশ্য ডকুমেন্টেশনে বলা নেই।
• মূল্য। প্রিপেইড ক্রেডিট, "কোনো সাবস্ক্রিপশন নেই": ৫টির জন্য $১৫, ২০টির জন্য $৪৫, ১০০টির জন্য $১০০। "প্রতিটি ক্রেডিট সর্বোচ্চ দুই ঘণ্টা কভার করে এবং ৯০ দিন ব্যবহারযোগ্য থাকে।" লেখক "৩০ মিনিট বিনামূল্যে ব্যবহারের" সুযোগ দেন।

এটাই কোপাইলট: একজন অংশগ্রহণকারীর নিজস্ব উইন্ডো, অন্য কারো মিটিংয়ের পাশে, এবং প্রতি মিটিংয়ের জন্য সেই অংশগ্রহণকারীই মূল্য দেন।

রুম: হোস্ট সবার জন্য এটি দেন

InterMIND-এ মিটিংটিই সেই জায়গা যেখানে প্রতিটি অংশগ্রহণকারী নিজের ভাষায় কথা বলেন, শোনেন এবং পড়েন। কেউ কলে কোনো টুল নিয়ে আসেন না। হোস্ট রুম খোলেন, আর লিংক দিয়ে যে-ই যোগ দেন, অ্যাকাউন্ট থাকুক বা না থাকুক, তিনি সবকিছু পান।

ক্যাপশন ও ভয়েস, প্রত্যেকটি শ্রোতার নিজের ভাষায়

রুমে অন্তত দুটি ভাষা থাকলেই অনুবাদ চালু করা যায়: More → Enable translation, অথবা Alt+T। এরপর প্রতিটি অংশগ্রহণকারী অন্যদের কথা নিজের ভাষায় অনূদিত অবস্থায় শোনেন। ভয়েসটি একটি সাধারণ বর্ণনাকারীর নয়, মূল বক্তার কণ্ঠের আদলে তৈরি (এই পাইপলাইন কীভাবে কাজ করে)। পাঁচ ভাষার পাঁচজনের কল মানে পাঁচটি সমান্তরাল অনুবাদ, প্রতিটি বেছে নেন তার শ্রোতা।

ক্যাপশন সেই একই অনূদিত স্ট্রিমের লেখা রূপ। More → Show subtitles স্ক্রিনের নিচে একটি ব্যানার দেখায়, যাতে বর্তমান বক্তা যা বলছেন তা আপনার বেছে নেওয়া ভাষায় থাকে। কেউ না বললে ব্যানার মিলিয়ে যায়, লক্ষ্য ভাষার প্রয়োজনে ডান-থেকে-বামে ঘুরে যায়, এবং প্রতিটি ব্রাউজারে চালু/বন্ধ অবস্থা মনে রাখে। ফলে এক মিটিংয়ে করা পছন্দ পরের মিটিংয়েও বহাল থাকে। দুটি সীমাবদ্ধতা স্পষ্ট করে বলা হলো:

• সাবটাইটেল ব্যানার বর্তমান বক্তার অনূদিত লেখা দেখায়। প্রতিটি লাইনের পাশে বক্তার লেবেল ছাপে না। বক্তার পরিচয় যুক্ত হয় কলের পরের ট্রান্সক্রিপ্টে (নিচে দেখুন)।
• ব্যানার অনূদিত অডিওর ওপরে থাকা লেখা, আলাদা কোনো ট্রান্সক্রিপ্ট উইন্ডো নয়। পুরো মিটিংয়ের লাইভ লিখিত রেকর্ড তৈরি হয় মিটিং শেষ হলে।

ভাষা, এবং কেউ ভাষা বদলালে কী হয়

ভয়েস, চ্যাট ও শেয়ার্ড নোট একই ২৩টি ভাষার তালিকা ব্যবহার করে। চ্যাটে শেয়ার করা ফাইলের জন্য ৩০টি ভাষার বড় একটি তালিকা আছে (সংখ্যাগুলো কেন আলাদা)। প্রতিটি ভাষা প্রতিটি প্ল্যানে পাওয়া যায়।

প্রতিটি অংশগ্রহণকারীর একটি নিজস্ব ভাষা থাকে। ডিফল্টভাবে এটি ইন্টারফেসের ভাষা অনুসরণ করে, আর More মেনুর Translation language সাবমেনু দিয়ে মিটিং চলাকালীন যেকোনো সময় তা বদলানো যায়। পরিবর্তন সঙ্গে সঙ্গে কার্যকর হয়। মিটিংয়ের মাঝখানে ভাষা বদলের প্রশ্নেও এটাই সৎ উত্তর: কোনো বক্তা কলের মাঝখানে স্প্যানিশ থেকে ইংরেজিতে গেলে InterMIND নিজে থেকে তা শনাক্ত করে না। বক্তার ভাষা হলো তিনি যেটি ঘোষণা করেছেন সেটি, এবং তা বদলানো একই মেনুতে একটি ক্লিকের ব্যাপার। স্পিচ রিকগনিশনকে সেই ঘোষিত ভাষাই দেওয়া হয়, অনুমান করে কোনো ভাষা বেছে নেওয়া হয় না।

অতিথিকে কী ইনস্টল করতে হবে: কিছুই না

অংশগ্রহণকারী ব্রাউজারে লিংক খোলেন, জয়েন পেজে নিজের ভাষা বেছে নেন, এবং অনুবাদ, ক্যাপশন ও শেয়ার্ড ট্রান্সক্রিপ্টে নিজের কথাসহ রুমে ঢুকে পড়েন। কোনো অ্যাকাউন্ট নেই, পেমেন্টের কোনো ধাপ নেই। ডেস্কটপ, iOS ও Android-এর অ্যাপ আছে তাদের জন্য যারা প্রতিদিন InterMIND ব্যবহার করেন। একটি মিটিংয়ের অতিথির এগুলোর কোনোটিই লাগে না। রুমের খরচ হোস্টের প্ল্যান বহন করে, অংশগ্রহণকারীরা কিছুই দেন না, হোস্ট যে-ই হোন।

ট্রান্সক্রিপ্ট ও রিক্যাপ: যে অংশটি থেকে যায়

ট্রান্সক্রিপশনে কোনো Start বোতাম নেই। লাইভ মিটিংয়ের প্রথম শব্দ থেকেই সার্ভারে স্পিচ ধারণ করা হয়, যিনি বলেছেন তার নামে, যে ভাষায় বলা হয়েছে সেই ভাষায়। মিটিং শেষ হলে মিটিং চ্যাটে একটি রিক্যাপ আসে, যার সারসংক্ষেপ প্রত্যেক সদস্যের নিজের ভাষায়। এর Transcript ট্যাবে থাকে বক্তা-চিহ্নিত, টাইমস্ট্যাম্পসহ পূর্ণ ট্রান্সক্রিপ্ট, যে খোলে তার ভাষায় চাহিদা অনুযায়ী অনূদিত। সাইন-ইন করা প্রতিটি সদস্য এটি পান, এবং একটি চ্যানেল প্রতিটি সেশনের রিক্যাপ তার চ্যাটের পাশে রেখে দেয়।

এখানে সীমাবদ্ধতাটি হলো, যে অতিথি অ্যাকাউন্ট ছাড়া যোগ দিয়েছেন তিনি কলের সময় পূর্ণ রুম পান, কিন্তু পরে কিছুই পান না। রিক্যাপ পাঠানোর মতো কোনো অ্যাকাউন্ট নেই, আর কল শেষ হলে বেনামী পরিচয় রাখা হয় না। অ্যাকাউন্ট বিনামূল্যে, এবং এটিই কলের পরের অংশটিকে নাগালের মধ্যে আনে।

রুমের ভেতরের AI

Mia হলো প্রতিষ্ঠানের AI, এবং সে মিটিংয়ের একই উইন্ডোতে থাকে। পেইড প্ল্যানে সাইন-ইন করা অবস্থায় Cmd/Ctrl + / (অথবা সাইডবারের Mia) যেকোনো পেজে এবং মিটিং রুমের ভেতরে তার প্যানেল খোলে। আপনি কোন স্ক্রিনে আছেন তা সে জানে, আপনার প্রতিষ্ঠানের মিটিং, চ্যাট ও ফাইল থেকে উত্তর দেয়, এবং আপনার নিশ্চিত করার জন্য একটি মিটিং লিংক বা বার্তা তৈরি করে দিতে পারে। কোনো প্রশ্নে প্রতিষ্ঠানের বাইরের তথ্য লাগলে, যেমন কোনো কোম্পানি, দাম, আইন বা অন্য কোনো পণ্যের ডকুমেন্টেশন, সে ওয়েবে অনুসন্ধান করে এবং যে তথ্য নেয় তার প্রতিটির ঠিকানা জানায়। সেই অনুসন্ধানের জন্য InterMIND থেকে যা বাইরে যায় তা হলো Mia-র নিজের বানানো বাক্যাংশ, কখনো কোনো ডকুমেন্ট, রিক্যাপ বা চ্যাট নয়। একজন owner বা admin Settings → AI features-এর অধীনে পুরো প্রতিষ্ঠানের জন্য অনুসন্ধান বন্ধ করতে পারেন। মিটিংয়ে মুখে বললে সে অনুসন্ধান করে না।

প্রতিষ্ঠানের প্রতিটি AI ফিচার, অর্থাৎ রিক্যাপ, ডকুমেন্ট সারসংক্ষেপ, লেখার সহকারী ও Mia, চলে প্রতিষ্ঠানের বেছে নেওয়া একটি ল্যাঙ্গুয়েজ-মডেল গেটওয়েতে: ডিফল্টভাবে EU Data Zone-এ Azure OpenAI, অথবা EU-তে Google Vertex AI, প্রতিষ্ঠানের নিজস্ব AWS অ্যাকাউন্টে Amazon Bedrock, বা প্রতিষ্ঠানের নিজস্ব OpenAI-সামঞ্জস্যপূর্ণ এন্ডপয়েন্ট। প্রতিষ্ঠানভেদে AI বন্ধ করা যায়, এবং বন্ধ থাকলেও মিটিং ট্রান্সক্রাইব ও অনুবাদ হয় (গেটওয়ের বিস্তারিত)।

পড়ার বদলে নিজে দেখুন

• লাইভ ডেমো চালিয়ে দেখুন — সাইনআপ ছাড়াই: কথা বলুন, আর ক্যাপশন চালু রেখে রুমটি আপনার ভাষায় অনূদিত হয়ে ফিরে আসতে শুনুন।
• বেঞ্চমার্ক দেখুন — ভাষা-জোড়া অনুযায়ী অনুবাদের মান, বাস্তব ট্রাফিকে প্রতি মাসে পরিমাপ করা, পদ্ধতি প্রকাশ্য।
• সাবটাইটেল ডকস পড়ুন এবং ট্রান্সক্রিপশন ডকস — সম্পূর্ণ কার্যপদ্ধতি।

FAQ

মিটিংয়ে অনূদিত ক্যাপশন কীভাবে চালু করব? InterMIND রুমে কন্ট্রোল বারে More খুলুন। রুমে অন্তত দুটি ভাষা থাকলে Enable translation (বা Alt+T) চাপুন, তারপর Show subtitles। ব্যানারে বর্তমান বক্তা যা বলছেন তা আপনার বেছে নেওয়া ভাষায় অনূদিত হয়ে দেখা যায়। একই আইটেম তখন Hide subtitles হয়ে যায়। চালু/বন্ধ অবস্থা পরের মিটিংয়ের জন্য প্রতিটি ব্রাউজারে মনে রাখা হয়।

প্রতিটি অংশগ্রহণকারীর জন্য ক্যাপশন কি আলাদা ভাষায় অনুবাদ করা যায়? হ্যাঁ। প্রতিটি অংশগ্রহণকারী নিজের অনুবাদ ভাষা বেছে নেন। এই একটি সেটিং অনূদিত ভয়েস, ক্যাপশন ও চ্যাট বার্তা, সবকিছু কভার করে। তাই একই রুমে একই বাক্য একজনের স্ক্রিনে স্প্যানিশে এবং আরেকজনের স্ক্রিনে জার্মানে দেখা যায়। পছন্দটি ব্যক্তিভিত্তিক, মিটিংভিত্তিক নয়, এবং Translation language সাবমেনু থেকে যেকোনো সময় বদলানো যায়।

লাইভ অনুবাদ বা ক্যাপশনিং কি আলাদা কিনতে হয় এমন অ্যাড-অন? না। অনুবাদ, সাবটাইটেল ও স্বয়ংক্রিয় ট্রান্সক্রিপশন InterMIND-এর প্রতিটি প্ল্যানের অংশ, বিনামূল্যের প্ল্যানসহ। প্ল্যান যা নির্ধারণ করে তা হলো রুমের আকার ও মাসিক অনুবাদ সময়, যা Usage & Limits পৃষ্ঠায় এবং Pricing-এ তালিকাভুক্ত। অংশগ্রহণকারীরা কখনো মূল্য দেন না, শুধু হোস্টের প্ল্যানই গণ্য হয়।

লাইভ ক্যাপশন ও ট্রান্সক্রিপ্টের মধ্যে পার্থক্য কী? ক্যাপশন হলো বর্তমান বক্তার অনূদিত লেখা, মিটিং চলাকালীন স্ক্রিনে দেখানো হয়, বক্তার লেবেল ছাড়া। ট্রান্সক্রিপ্ট হলো মিটিং শেষে তৈরি হওয়া লিখিত রেকর্ড: প্রতিটি বক্তব্য তার বক্তার নামে চিহ্নিত, টাইমস্ট্যাম্পসহ, যে ভাষায় বলা হয়েছিল সেই ভাষায় রাখা, এবং কোনো সদস্য নিজের ভাষায় খুললে চাহিদা অনুযায়ী অনূদিত। এটি মিটিং চ্যাটের রিক্যাপ থেকে পাওয়া যায়।

AI কি কল চলাকালীন সাহায্য করে, নাকি শুধু পরে? দুটোই, ভিন্ন রূপে। মিটিং চলাকালীন পেইড প্ল্যানে সাইন-ইন করা সদস্য একই উইন্ডোতে Cmd/Ctrl + / দিয়ে Mia খোলেন। সে প্রতিষ্ঠানের মিটিং, চ্যাট ও ফাইল থেকে উত্তর দেয় এবং প্রশ্নে প্রয়োজন হলে ওয়েবে অনুসন্ধান করে, প্রতিটি তথ্যের সূত্রসহ। মিটিংয়ের পরে রিক্যাপ ও ট্রান্সক্রিপ্ট প্রত্যেক সদস্যের ভাষায় আসে। রুমে শুনে নাম ধরে ডাকলে উত্তর দেয় এমন একটি কথ্য Mia প্রিভিউ পর্যায়ে আছে। এটি InterMIND-এর ভেতরেই পরীক্ষা করা হচ্ছে এবং গ্রাহক প্রতিষ্ঠানের জন্য এখনো চালু করা হয়নি।

ক্যাপশন পেতে অতিথিকে কি কিছু ইনস্টল করতে হয়? না। অতিথি ব্রাউজারে মিটিং লিংক খোলেন, জয়েন পেজে ভাষা বেছে নেন, এবং অনূদিত ভয়েস, ক্যাপশন ও শেয়ার্ড ট্রান্সক্রিপ্টে নিজের কথা পেয়ে যান। ডেস্কটপ ও ফোনের জন্য অ্যাপ আছে, কিন্তু একটি মিটিংয়ের অতিথির সেগুলো লাগে না, এবং তিনি কিছুই দেন না।

মিটিংয়ের মাঝখানে বক্তা ভাষা বদলালে কী হয়? বক্তা More → Translation language-এ নিজের ঘোষিত ভাষা বদলান, এবং পরিবর্তন সঙ্গে সঙ্গে কার্যকর হয়। InterMIND নিজে থেকে ভাষা বদলের অনুমান করে না: স্পিচ সেই ভাষাতেই শনাক্ত হয় যা বক্তা ঘোষণা করেছেন।

সূত্র: Bearbits — হোম পেজ, Bearbits — ডকুমেন্টেশন, Bearbits — Live meetings, Bearbits — মূল্য, Show HN: Bearbits – AI copilot that helps during meetings instead of only after, সবকিছু অক্টোবর ২০২৬-এ যাচাইকৃত। InterMIND-এর তথ্য: রিয়েল-টাইম অনুবাদ ডকস, লাইভ সাবটাইটেল ডকস, ভাষা নির্বাচন, ট্রান্সক্রিপশন ডকস, মিটিং রিক্যাপ, AI ফিচার ও Mia, ব্যবহার ও সীমা, ভাষার বিভাজন, নিজের কণ্ঠে অনুবাদ, লাইভ বেঞ্চমার্ক।