InterMIND को चलाने वाली चार अनुवाद पाइपलाइनों के अंदर की कहानी

InterMIND में "एक अनुवाद" जैसी कोई चीज़ नहीं है। यहाँ चार पाइपलाइनें हैं — वॉइस, चैट, नोट्स और दस्तावेज़ — और हर एक का अपना इंजन, लेटेंसी बजट और गुणवत्ता की सीमा है। जब आप बोलते हैं और जब दूसरी भाषा बोलने वाला प्रतिभागी आपकी बात समझता है, उन दोनों पलों के बीच वास्तव में यही सब होता है।

The Mind.com Team

  • चार पाइपलाइन, एक इंजन नहीं। आवाज़, चैट, नोट्स और दस्तावेज़ हर एक अपने इंजन, अपने लेटेंसी बजट और अपने गुणवत्ता दायरे पर चलता है। इनके बीच साझा सिर्फ़ भाषा चुनने वाला पिकर है।
  • अलग काम, अलग इंजन। आवाज़ कमरे में मौजूद हर लक्ष्य भाषा के लिए फ़्रांस में हमारे अपने इंजन पर चलती है; दस्तावेज़ DeepL के Document API पर जाते हैं: क्रमशः 23 और 30 भाषाएँ।
  • InterMIND पूरी मीटिंग को हर सदस्य की अपनी भाषा में रखता है: आवाज़, चैट, नोट्स और फ़ाइलें, और हर भाषा-जोड़ी की गुणवत्ता हर महीने प्रकाशित होती है। मेहमान लिंक से मुफ़्त जुड़ते हैं, बिना अकाउंट के; आप सिर्फ़ सक्रिय सदस्यों के लिए भुगतान करते हैं।
InterMIND को चलाने वाली चार अनुवाद पाइपलाइनों के अंदर की कहानी

InterMIND को चलाने वाली चार अनुवाद पाइपलाइनों के अंदर

mind.com पर पुराना /product/overview/how-it-works पेज कई बड़े रिलीज़ पीछे रह गया है। यह ज़्यादातर वेंडर पेजों की तरह एक ही "अनुवाद इंजन" का वर्णन करता है, यानी "आप बोलते हैं" से "वे सुनते हैं" तक एक बड़ा तीर। यह तस्वीर दो साल पहले भी सरलीकरण थी। आज यह ग़लत है।

सच यह है कि InterMIND चार अलग अनुवाद पाइपलाइन चलाता है। हर एक अलग समस्या हल करती है, अलग इंजन, अलग लेटेंसी बजट और अलग गुणवत्ता दायरे के साथ। ये भाषा पिकर साझा करती हैं। इंजन साझा नहीं करतीं।

यह "यह कैसे काम करता है" का अद्यतन उत्तर है।

एक सहायक लेख: "आप कितनी भाषाओं को सपोर्ट करते हैं?" बताता है कि हर पाइपलाइन क्या कवर करती है (23 / 23 / 30 / 17)। यह पोस्ट बताती है कि हर पाइपलाइन क्या करती है, और वह अपने आप में अलग क्यों है।


"सब कुछ के लिए एक इंजन" क्यों एक झूठ है

एक लाइव मीटिंग प्लेटफ़ॉर्म को एक साथ कम से कम चार काम करने होते हैं, और वे आपस में विपरीत दिशाओं में खींचते हैं:

  1. रीयल-टाइम आवाज़ — ऑडियो अंदर, अनुवादित ऑडियो बाहर, जबकि वक्ता अभी बोल ही रहा है, और हर दर्शक अपनी भाषा में। यहाँ कठिन बाधा लेटेंसी है।
  2. रीयल-टाइम चैट टेक्स्ट — छोटे संदेश, तेज़ी से, एडिट, कोट और HTML संरचना सुरक्षित रखते हुए।
  3. रीयल-टाइम साझा नोट्स — अक्षर-दर-अक्षर सहयोगी टाइपिंग, और संरचनात्मक पदानुक्रम (सूचियाँ, शीर्षक, चेकबॉक्स) जो अनुवाद में बचा रहना चाहिए।
  4. असिंक्रोनस दस्तावेज़ फ़ाइलें — चैट में डाली गई 40 पन्नों की PDF। कोई लेटेंसी बजट नहीं। कठिन बाधा विश्वसनीयता (fidelity) है: फ़ॉर्मैटिंग, टेबल, पेज नंबर, फ़ॉन्ट।

आप एक विशाल LLM कॉल बना सकते हैं जो चारों करने की कोशिश करे। हमने कोशिश की। वह चारों में ख़राब है। आवाज़ का लेटेंसी बजट मतलब मॉडल सोच नहीं सकता; दस्तावेज़ का fidelity बजट मतलब मॉडल को सोचना ही पड़ेगा। चैट एडिट को दर्शक की भाषा में diff चाहिए; 40 पन्नों की PDF को ऐसा फ़ॉर्मैट संरक्षण चाहिए जो कोई टोकन-स्ट्रीमिंग मॉडल नहीं देता।

इसलिए हम चार चलाते हैं। ये रहीं एक-एक करके।


पाइपलाइन 1: रीयल-टाइम आवाज़ अनुवाद

समस्या: एक प्रतिभागी फ़्रेंच बोलता है। दूसरा जर्मन में जुड़ा है, तीसरा ब्राज़ीलियन पुर्तगाली में, चौथा जापानी में। हर किसी को वक्ता को अपनी भाषा में, अपने कान में सुनना है, इतनी कम देरी के साथ कि आँखों का संपर्क बना रह सके।

बजट: सुनने वाले को कभी इंतज़ार नहीं करना चाहिए। जब अनुवादित आवाज़ इतनी पिछड़ जाती है कि लोग उसके ऊपर बोलने लगते हैं, तो मीटिंग "चलो अंग्रेज़ी पर ही आ जाते हैं" की ओर बहने लगती है।

ऑडियो असल में कैसे चलता है

आवाज़ अनुवाद पाइपलाइन: वक्ता का ब्राउज़र WebRTC के ज़रिए ऑडियो हमारे अपने इंजन तक भेजता है — OVH, फ़्रांस में स्थित Mind API मीडिया सर्वर — जो ASR चलाता है और कमरे में मौजूद हर लक्ष्य भाषा में अनुवाद करता है; हर दर्शक को अपना अनुवादित ऑडियो ट्रैक मिलता है, और ws-server रीकैप के लिए ट्रांसक्रिप्ट के शब्द प्राप्त करता है।

कुछ बातें जिन्हें साफ़ नाम देना ज़रूरी है:

  • ASR मीडिया सर्वर पर चलता है। वक्ता का ऑडियो WebRTC पर हमारे अपने इंजन, यानी OVH, फ़्रांस में स्थित Mind API तक जाता है और वहीं, उसी सर्वर पर पहचाना जाता है जो कॉल को ढोता है; ब्राउज़र सिर्फ़ ऑडियो भेजता है और शब्द वापस पाता है। कोई अलग स्पीच वेंडर नहीं और अनुवाद शुरू होने से पहले कोई अतिरिक्त हॉप नहीं। (चैट वॉइस नोट्स अपवाद हैं: उनका speech-to-text Azure AI Speech पर चलता है, जो डिफ़ॉल्ट AI गेटवे की स्पीच सेवा है।)
  • अनुवाद एक ही फ़ैन-आउट नहीं है। इंजन कमरे में मौजूद हर लक्ष्य भाषा के लिए अनुवाद करता है, हर दर्शक के लिए नहीं: किसी भाषा में अनुवाद तब शुरू होता है जब उसमें पहला श्रोता अनुवादित स्ट्रीम माँगता है; जिन तीन प्रतिभागियों ने जर्मन चुनी है वे एक ही जर्मन अनुवाद साझा करते हैं, और अगर कोई अरबी में नहीं सुन रहा तो अरबी में कुछ अनुवादित नहीं होता। इसीलिए चार भाषाओं वाली मीटिंग की लागत चालीस भाषाओं वाली मीटिंग जितनी ही रहती है, इस हद तक कि असल में कौन आया। हम उन भाषाओं में कभी अनुवाद नहीं करते जिन्हें कोई प्रतिभागी नहीं सुन रहा।
  • सिंथेसाइज़ की गई आवाज़ हर दर्शक के लिए अलग होती है। हर प्रतिभागी को अपना अनुवादित ऑडियो ट्रैक मिलता है, जो मूल वक्ता के वीडियो के साथ मिलाया जाता है। वे किसी एक "अनुवादित मीटिंग" को नहीं देख रहे; वे वही मीटिंग देख रहे हैं, बस उनका निजी ऑडियो चैनल उनकी चुनी भाषा में अनुवादित है। इसीलिए एक ही कमरे में बैठे दो लोग हेडफ़ोन लगाकर अलग-अलग भाषाएँ सुन सकते हैं।

जब मीटिंग बिगड़ने लगे तब यह क्यों मायने रखता है

आठ भाषाओं वाली 60 मिनट की कॉल में चीज़ें दिलचस्प तरीकों से टूटती हैं: WebSocket गिर जाते हैं, ASR कभी किसी संज्ञा को ग़लत लिख देता है, किसी एक प्रतिभागी का नेटवर्क अस्थिर हो जाता है। ऊपर की आर्किटेक्चर ही हमें विफलताओं को अलग रखने देती है: एक दर्शक का ऑडियो गड़बड़ाए तो बाकी सात पर असर नहीं पड़ता, क्योंकि अनुवाद इंजन ने कभी "वह अनुवाद" बनाया ही नहीं; उसने आठ बनाए, समानांतर में, और सिर्फ़ प्रभावित वाले को ठीक होना पड़ता है।

इंजन हमारा अपना है, हमारे अपने इंफ्रास्ट्रक्चर पर होस्ट किया गया। हम रीयल-टाइम आवाज़ को तीसरे पक्ष के सामान्य-उद्देश्य LLM से नहीं गुज़ारते। लेटेंसी बजट उन्हें बाहर कर देता है; और डेटा रेजिडेंसी की ज़रूरत उन विनियमित ग्राहकों के लिए उन्हें बाहर कर देती है जिन्हें इसकी सचमुच परवाह है।

आवाज़ की गुणवत्ता के बारे में हम क्या प्रकाशित करते हैं: /benchmark हर प्रकाशित भाषा-जोड़ी के लिए, हर महीने, प्रोडक्शन आवाज़ पाइपलाइन को FLORES-200 वाक्यों पर चलाता है। जज का नाम सार्वजनिक है (प्राथमिक Gemini 3.7 Flash, फ़ॉलबैक Claude Sonnet 5)। पूरा वितरण — माध्यिका, p10, p90, न्यूनतम, अधिकतम, नमूना आकार — पेज पर है। इन आँकड़ों का क्या मतलब है और क्या नहीं, इसके लिए कार्यप्रणाली देखें।


पाइपलाइन 2: रीयल-टाइम चैट अनुवाद

समस्या: मीटिंग में हर चैट संदेश, भेजे जाते ही, हर प्रतिभागी के लिए उसकी अपनी भाषा में अनुवादित। साथ में एडिट भी, और एडिट एडिट जैसे दिखने चाहिए, दोबारा किए गए अनुवाद जैसे नहीं।

बजट: आवाज़ से ढीला। चैट संदेश को दूसरी भाषा में दिखने में एक पल लग जाए तो किसी को फ़र्क़ नहीं पड़ता। लोगों को फ़र्क़ इससे पड़ता है कि अनुवाद सही है या नहीं और एडिट समझ में आते हैं या नहीं।

चैट पाइपलाइन असल में क्या करती है

हर संदेश उसी अनुवाद इंजन से गुज़रता है जिसे आवाज़ पाइपलाइन इस्तेमाल करती है, लेकिन अलग प्री- और पोस्ट-प्रोसेसिंग के साथ:

  • HTML संरचना सुरक्षित रहती है। चैट रिच टेक्स्ट (पैराग्राफ़, सूचियाँ, कोट, बोल्ड, इटैलिक) सपोर्ट करती है। हम मॉडल के लिए उसे सादे टेक्स्ट में बदलते हैं, अनुवाद करते हैं, फिर नतीजे को मूल टैगों में वापस लपेट देते हैं। मॉडल HTML कभी नहीं देखता; वह साफ़ गद्य देखता है।
  • कोट का अनुवाद अलग से होता है। अगर आप किसी संदेश का जवाब देकर उसे कोट करते हैं, तो [QUOTE]…[/QUOTE] ब्लॉक और नई सामग्री का अनुवाद अलग-अलग इकाइयों के रूप में होता है, ताकि मॉडल दोनों को गड्डमड्ड न कर सके।
  • लंबे संदेश टुकड़ों में बँटते हैं। हम पैराग्राफ़ की सीमाओं पर, प्रति टुकड़ा 1,000 अक्षरों पर बाँटते हैं। हर टुकड़ा अपनी अलग अनुवाद कॉल है। हम मॉडल को 4,000 अक्षरों के "उपन्यास" एक बार में नहीं देते; विफलता के रूप (कटाव, छूटे पैराग्राफ़, वाक्य के बीच में कट जाना) बहुत बदसूरत होते हैं।
  • अनुवाद आलसी (lazy) है। हम IntersectionObserver इस्तेमाल करते हैं: संदेश तभी अनुवादित होता है जब वह दर्शक के व्यूपोर्ट में स्क्रॉल होकर आता है। पहले, लंबे चलते चैनल में भाषा बदलने पर इतिहास की हर अनुवाद API कॉल दोबारा चलती थी। अब नहीं चलती।

दिलचस्प हिस्सा: diff के रूप में एडिट

v1.2 में हमने बदला कि दूसरी भाषा के दर्शकों के लिए चैट एडिट कैसे व्यवहार करते हैं। पुराना व्यवहार यह था: कोई संदेश एडिट करता है, हम पूरा दोबारा अनुवाद करते हैं, आपको एक नया पैराग्राफ़ दिखता है और आपको ढूँढना पड़ता है कि क्या बदला।

नया व्यवहार:

  1. मूल संदेश पहले ही आपकी भाषा में अनुवादित था।
  2. जब भेजने वाला एडिट करता है, हम नए संस्करण का दोबारा अनुवाद करते हैं।
  3. हम आपके पिछले अनुवाद और आपके नए अनुवाद के बीच का diff निकालते हैं, आपकी भाषा में।
  4. हम वह diff इनलाइन दिखाते हैं, ठीक वैसे जैसे Git दिखाता है कि क्या बदला।

इसलिए जब अंग्रेज़ी में "review by Tuesday" बदलकर "review by Thursday" हो जाता है, तो आपका स्पैनिश पढ़ने वाला सहकर्मी martes → jueves हाइलाइट हुआ देखता है, न कि दोबारा अनुवादित पैराग्राफ़ जिसे उसे फिर से पढ़ना पड़े।

इसके लिए चैट पाइपलाइन को हर दर्शक के लिए स्टेटफ़ुल कैश मानना पड़ा, न कि स्टेटलेस translate-on-request एंडपॉइंट। दस्तावेज़ों और आवाज़ को इसकी ज़रूरत नहीं। चैट को है।


पाइपलाइन 3: रीयल-टाइम साझा-नोट्स अनुवाद

समस्या: होस्ट साझा-नोट्स पेन खोलता है और टाइप करना शुरू करता है। हर प्रतिभागी नोट्स को अपनी भाषा में देखता है, अक्षर-दर-अक्षर, दस्तावेज़ की संरचना के साथ: शीर्षक, नेस्टेड सूचियाँ, चेकलिस्ट, कोड ब्लॉक अक्षुण्ण।

बजट: चैट जैसा, लेकिन दो अतिरिक्त बाधाओं के साथ:

  • जिसका अनुवाद हो रहा है, वह अनुवाद के बीच बदलता रहता है। होस्ट अभी टाइप कर रहा है। जो भोला (naive) सिस्टम हर कीस्ट्रोक पर "पूरे दस्तावेज़" का अनुवाद करता है, वह झिलमिलाहट पैदा करता है और API बजट जला देता है। हम पूरे दस्तावेज़ के बजाय बदली हुई इकाई की granularity पर अनुवाद करते हैं।
  • संरचना बची रहनी चाहिए। अगर आप किसी अनुवाद मॉडल से तीन नेस्टेड सूचियों वाला markdown ब्लॉब अनुवादित करने को कहें, तो जो लौटता है वह मूल जैसा दिखता है, लेकिन पदानुक्रम चुपचाप सपाट हो चुका होता है, आइटमों की संख्या बदल जाती है, या इंडेंटेशन खिसक जाता है। हम मॉडल को पूरा ब्लॉब देखने ही नहीं देते।

नोट्स पाइपलाइन चैट से कैसे अलग है

संरचना का संरक्षण मुख्य बात है। हम हर सूची आइटम का अलग-अलग अनुवाद करते हैं, एक दस्तावेज़ के रूप में नहीं। मॉडल यह देखता है:

"अनुपालन समीक्षा — Q2 डिलिवरेबल"

— यह नहीं:

"# Project plan\n## Quarter\n- Compliance review — Q2 deliverables\n- Vendor scoring\n - Tier 1 vendors..."

आसपास का दस्तावेज़ — <ul>, शीर्षक, इंडेंटेशन — क्लाइंट साइड पर उसी संरचना से दोबारा बनाया जाता है जो मूल दस्तावेज़ में थी, और हर पत्ता-नोड (leaf node) उसके अनुवाद से बदल दिया जाता है। मॉडल को पदानुक्रम "सुधारने" का मौका कभी नहीं मिलता।

नोट्स में भी चैट एडिट जैसा ही हर-दर्शक diff मॉडल इस्तेमाल होता है: अगर होस्ट कोई पंक्ति बदलता है, तो दूसरी भाषाओं के दर्शक नया पैराग्राफ़ नहीं, बल्कि बदले हुए शब्द हाइलाइट देखते हैं।


पाइपलाइन 4: असिंक्रोनस दस्तावेज़ अनुवाद

समस्या: कोई चैट में 40 पन्नों की PDF, Word दस्तावेज़, PowerPoint डेक या Excel शीट डालता है। हर प्रतिभागी अपनी भाषा में उसकी कॉपी माँग सकता है। अनुवादित फ़ाइल मूल जैसी दिखनी चाहिए: वही फ़ॉन्ट, वही टेबल, वही पेज नंबर, वही हेडर, वही चार्ट अपनी जगह पर।

बजट: कोई रीयल-टाइम बाधा नहीं। एक मिनट ठीक है। दो मिनट ठीक हैं। बाधा fidelity है: अगर अनुवादित PDF मूल जैसी नहीं दिखती, तो पाने वाला उस पर भरोसा नहीं करेगा।

यह पाइपलाइन आवाज़ के साथ इंजन साझा क्यों नहीं करती

एक सामान्य LLM, चाहे बहुत अच्छा हो, आपको दस्तावेज़ का अनुवादित टेक्स्ट लौटा देगा। वह वही लेआउट वाली अनुवादित PDF नहीं लौटाएगा। मॉडल को "ऐसा पेज ब्रेक जो स्रोत से मेल खाना चाहिए" या "ऐसा टेबल सेल जिसे अपनी कॉलम चौड़ाई रखनी है" की कोई अवधारणा नहीं है।

इस सतह के लिए हम सीधे DeepL Document API इस्तेमाल करते हैं। यह फ़ाइलों से निकाले गए गद्य के बजाय फ़ाइलों को फ़ाइल के रूप में अनुवादित करने के लिए बना है। DeepL ये संभालता है:

  • PDF (लेआउट संरक्षण के साथ)
  • DOCX, DOC
  • PPTX
  • XLSX

दस्तावेज़ DeepL की पाइपलाइन में अपलोड होता है, सर्वर-साइड पर फ़ॉर्मैटिंग अक्षुण्ण रखकर अनुवादित होता है, और उसी फ़ॉर्मैट में लौटता है। फिर हम नतीजे को अपने ऑब्जेक्ट स्टोरेज में अपलोड करते हैं और चैट में डाउनलोड योग्य अटैचमेंट के रूप में वापस दिखाते हैं।

इसकी लागत क्या है और हम इसे छिपाते क्यों नहीं

DeepL प्रति दस्तावेज़ कम से कम 50,000 अक्षरों का बिल बनाता है, यानी Pro टियर पर लगभग एक अमेरिकी डॉलर प्रति फ़ाइल, चाहे दस्तावेज़ एक पन्ने का हो या तीस का। हम यह लागत ख़ुद वहन करते हैं, प्रति फ़ाइल शुल्क नहीं लेते; यह मीटिंग के अनुवाद उपयोग में billed characters के रूप में दिखता है, जिन्हें शब्द-इकाइयों में बदला जाता है ताकि वे उसी तरह मेल खाएँ जैसे बाकी उत्पाद अनुवाद गतिविधि रिपोर्ट करता है।

हमने इस सतह के लिए DeepL इसलिए चुना क्योंकि फ़ाइलों को फ़ाइल के रूप में अनुवादित करना ठीक वही काम है जिसके लिए वह बना है; हमने उससे बेहतर बनाने की कोशिश नहीं की। उल्टी दिशा में यह बात सच नहीं है: DeepL ऐसी लाइव-आवाज़ पाइपलाइन नहीं चलाता जैसी हमने मीटिंगों के लिए बनाई। अलग समस्याएँ, अलग औज़ार। "InterMIND का अनुवाद किससे चलता है" का ईमानदार उत्तर है "हर पाइपलाइन के लिए सही इंजन", न कि "हमारा इंजन, हर जगह"।

वे भाषाएँ जो यह पाइपलाइन कवर करती है और आवाज़ नहीं

दस्तावेज़ पाइपलाइन 30 भाषाओं तक पहुँचती है, जबकि आवाज़ 23 तक। अतिरिक्त भाषाओं में ये शामिल हैं: बुल्गारियाई, यूनानी, एस्टोनियाई, इंडोनेशियाई, लिथुआनियाई, लातवियाई, स्लोवाक, स्लोवेनियाई। (अरबी भी इसी सूची में है और अतिरिक्त भाषाओं में से एक है: इसकी आवाज़ गुणवत्ता हमारे मानक से नीचे होने के कारण इसे रीयल-टाइम पिकर से हटाया गया है, और इसके हर-जोड़ी स्कोर /benchmark पर सार्वजनिक रहते हैं; वही संख्या इसे वापस लाएगी। हिंदी के लिए असमानता उलटी दिशा में है: आवाज़ पर लाइव, फ़ाइलों पर अभी नहीं।)

यह असमानता वास्तविक है। इसका मतलब है कि मीटिंग में एक फ़्रेंच प्रतिभागी अनुबंध की PDF एस्टोनियाई में माँग सकता है, भले ही वह मीटिंग को एस्टोनियाई में सुन नहीं सकता। हम इसे पिकर में चिह्नित करते हैं, एक अकेली संख्या से इसे चिकना नहीं करते। इसका तर्क भाषा-संख्या वाली पोस्ट में है।


जहाँ पाइपलाइनें मिलती हैं

चारों पाइपलाइन अलग-थलग नहीं चलतीं। मीटिंग रूम वह जगह है जहाँ वे एक-दूसरे को छूती हैं, और जोड़ मायने रखते हैं:

  • दस्तावेज़ अटैचमेंट वाला चैट संदेश टेक्स्ट के लिए चैट पाइपलाइन और फ़ाइल के लिए दस्तावेज़ पाइपलाइन चलाता है। दूसरी भाषा का प्रतिभागी संदेश को तुरंत अनुवादित देखता है, और अटैचमेंट का अनुवाद डाउनलोड योग्य फ़ाइल के रूप में असिंक्रोनस तरीके से पहुँचता है।
  • ट्रांसक्रिप्ट की किसी पंक्ति को कोट करने वाला साझा नोट नोट्स ↔ आवाज़ को पार करता है। ट्रांसक्रिप्ट वही है जो आवाज़ पाइपलाइन ने भेजने वाले की भाषा के लिए बनाया; नोट का अनुवाद उस कोट की हर दर्शक के लिए अलग कॉपी बाकी सबकी भाषाओं में बनाता है, उसके स्रोत-श्रेय के साथ।
  • मीटिंग के बाद एक्सपोर्ट किया गया ट्रांसक्रिप्ट पूरी बातचीत पर चैट-शैली की टेक्स्ट पाइपलाइन चलाता है, और हर भाषा के लिए एक फ़ाइल बनाता है जिसे प्रतिभागी डाउनलोड कर सकते हैं। यह चैट अनुवाद वाला ही कोड पाथ है, बस बैच में।

भाषा पिकर UI का एक हिस्सा है। उसके नीचे का इंफ्रास्ट्रक्चर चार पाइपलाइन हैं, जो आपस में बात करती हैं।


जो हम जानबूझकर नहीं आज़माते

  • कोई "एकीकृत अनुवाद मॉडल" नहीं। हम ऐसा एक मॉडल नहीं बना रहे जो आवाज़, चैट, नोट्स और दस्तावेज़ सब करे। लेटेंसी बनाम fidelity के समझौते में कोई विजेता नहीं है। हम हर सतह के लिए सही इंजन इस्तेमाल करते हैं।
  • कोई चुपचाप री-रूटिंग नहीं। अगर फ़ाइल पाइपलाइन आज हिंदी में अनुवाद नहीं कर सकती, तो हम चुपके से आवाज़ इंजन पर नहीं लौट जाते और दिखावा नहीं करते कि काम हो गया; फ़ाइल पिकर इस कमी को छिपाने के बजाय चिह्नित करता है।
  • कोई "हम 200 भाषाओं में अनुवाद करते हैं" नहीं। हमारा इंजन 24 उत्सर्जित करता है। लाइव सतहें 23 देती हैं, दस्तावेज़ 30 — और एक मार्केटिंग-अनुकूल संख्या के बजाय, हर भाषा-जोड़ी की वह गुणवत्ता जिसे ऑडिटर के सामने टिकना है, /benchmark पर प्रकाशित है, कमज़ोर जोड़ियों समेत।

ख़ुद आज़माएँ

  • लाइव डेमो आज़माएँ — लाइव आवाज़ पाइपलाइन को आपके ऑडियो पर चलाता है, 23 उत्पाद भाषाओं में से किसी में भी। यह वही पाइपलाइन है जो /benchmark को स्कोर करती है।
  • बेंचमार्क देखें — हर जोड़ी, हर महीने की गुणवत्ता, असली ट्रैफ़िक पर। पिकर की हर जोड़ी, मज़बूत या कमज़ोर, सीधे लिंक की जा सकती है।
  • कार्यप्रणाली पढ़ें — आँकड़े क्या हैं, क्या नहीं हैं, और जज कौन है।

चार पाइपलाइन, चार इंजन, एक मीटिंग रूम। पुराने how-it-works पेज का यही ईमानदार विकल्प है।

— Mind.com टीम


स्रोत: DeepL — समर्थित भाषाएँ, DeepL — उपयोग गणना और बिलिंग (प्रति फ़ाइल 50,000 अक्षरों का न्यूनतम), FLORES-200; आंतरिक पाइपलाइन तथ्य शिप किए गए कोड के विरुद्ध सत्यापित, अगस्त 2026 में जाँचे गए।

लाइव अनुवाद में और पढ़ें

लाइव अनुवाद की सभी पोस्ट
पहला संपर्क अंग्रेज़ी में होता है। सौदा पार्टनर की भाषा में चलता है
लाइव अनुवाद

पहला संपर्क अंग्रेज़ी में होता है। सौदा पार्टनर की भाषा में चलता है

एक्सपोर्ट डील में अंग्रेज़ी कहाँ तक साथ देती है, चरण दर चरण: पूछताछ, कोटेशन, बातचीत, दावा और अगला ऑर्डर। पार्टनर की भाषा के लिए एक्सपोर्ट डेस्क आज कितना खर्च करता है, कीमतों और स्रोतों के साथ, और सौदे के बाद क्या बचा रहता है।

The Mind.com Team

तुर्की वॉइस ट्रांसलेटर: एक मुफ़्त ऐप जो दोनों तरफ़ बोलता है
लाइव अनुवाद

तुर्की वॉइस ट्रांसलेटर: एक मुफ़्त ऐप जो दोनों तरफ़ बोलता है

असली बातचीत में तुर्की भाषा का वॉइस से अनुवाद करें: दो लोगों के बीच एक फ़ोन, टैप करें, बोलें, और हर कोई दूसरे की बात अपनी भाषा में सुनता है। InterMIND Translator iPhone और Android पर मुफ़्त है, रोज़ 40 मिनट, बिना अकाउंट के। तुर्की क्रिया किसी भी ट्रांसलेटर के साथ क्या करती है, ऐप क्या बनाए रखता है, और वह कहाँ रुक जाता है।

The Mind.com Team

साथ-साथ दुभाषिया: मानव, RSI प्लेटफ़ॉर्म या AI — आपकी बहुभाषी मीटिंग को क्या चाहिए (2026)
लाइव अनुवाद

साथ-साथ दुभाषिया: मानव, RSI प्लेटफ़ॉर्म या AI — आपकी बहुभाषी मीटिंग को क्या चाहिए (2026)

"साथ-साथ दुभाषिया" एक पेशा है; ज़्यादातर सर्च असल में यह चाहते हैं कि बोले जाने के साथ-साथ बात दूसरी भाषा में सुनाई दे। यह गाइड बूथ, RSI प्लेटफ़ॉर्म और AI द्वारा सिमुल्टेनियस ट्रांसलेशन के बीच अंतर समझाती है, और इनके टूल्स की उनके दस्तावेज़ों के आधार पर तुलना करती है — Interprefy, KUDO, Wordly, DeepL Voice, Zoom, Teams, Google Meet, InterMIND — और वह सवाल उठाती है जो तुलनाएँ छोड़ देती हैं: मीटिंग का कितना हिस्सा वास्तव में आपकी भाषा में वापस आता है, और डेटा कहाँ चलता है।

The Mind.com Team

नई पोस्ट और प्रोडक्ट अपडेट ईमेल से पाएँ

महीने में एक ईमेल, जिसमें नई पोस्ट और प्रोडक्ट अपडेट होंगे। कभी भी अनसब्सक्राइब करें।


"आप कितनी भाषाओं को सपोर्ट करते हैं?" — और हमारा ईमानदार जवाब एक नहीं, छह संख्याएँ क्यों हैं

हर वेंडर भाषाओं की एक ही संख्या बताता है। हम ऐसा नहीं कर सकते, क्योंकि अनुवाद कोई एक प्रोडक्ट नहीं है। यहाँ InterMIND के लिए प्रत्येक सतह के हिसाब से ब्रेकडाउन है — क्या फ़िल्टर किया जाता है, क्यों, और हम वेबसाइट पर क्या प्रकाशित करते हैं।

अनुवाद-गुणवत्ता की मार्केटिंग क्यों खोखली है — और हम इसके बजाय क्या प्रकाशित करते हैं

हर अनुवाद विक्रेता भाषाओं की संख्या बताता है, लेकिन कोई भी वास्तविक ट्रैफ़िक पर प्रत्येक भाषा-जोड़ी की verifiable (सत्यापन-योग्य) गुणवत्ता प्रकाशित नहीं करता। आपके अगले विक्रेता मूल्यांकन में यह अंतर क्यों मायने रखता है — और हम इसके बजाय क्या प्रकाशित करते हैं।