एक InterMIND मीटिंग में लाइव अनुवाद, कैप्शन और खोजने योग्य ट्रांसक्रिप्ट एक साथ कैसे काम करते हैं

चार टाइम ज़ोन में फैली किसी टीम के लिए भाषा की समस्या कैलेंडर इनवाइट पर नहीं दिखती। वह तब सामने आती है जब कोई बोलना शुरू करता है। लाइव अनुवाद, लाइव कैप्शन और ऐसा ट्रांसक्रिप्ट जिसे आप बाद में दोबारा देख सकें, यही तीन चीज़ें इस रुकावट को वास्तव में दूर करती हैं। अब ये अक्सर एक ही प्रोडक्ट पेज पर साथ दिखती हैं और तीन अलग ऐड-ऑन की जगह एक बंडल के रूप में बताई जाती हैं।

एक हालिया उदाहरण: वर्कप्लेस प्लेटफ़ॉर्म NexGen Virtual Workplace की सितंबर 2026 की एक पोस्ट इस वाक्य से शुरू होती है: "Live voice translation, meeting captions, and searchable transcripts, built into the workday rather than bolted onto the meeting"। उसमें यह भी लिखा है कि "these features are available within the NexGen Virtual Workplace platform for subscribers to use." बस इतनी ही जानकारी दी गई है। पोस्ट में समर्थित भाषाओं की संख्या नहीं बताई गई है। यह भी नहीं बताया गया कि ये तीनों सुविधाएँ किस सब्सक्रिप्शन टियर में मिलती हैं। "searchable" का मतलब भी "people can also look up past transcriptions... for a reference" से आगे नहीं समझाया गया है (सितंबर 2026 में जाँचा गया, स्रोत अंत में लिंक है)। यह विक्रेता की आलोचना नहीं है। यह केवल वह जानकारी है जो पाठक को यह तय करने से पहले कहीं और खोजनी पड़ती है या भरोसे पर माननी पड़ती है कि यह बंडल उसकी टीम के लिए ठीक है या नहीं।

अनुवाद, कैप्शन और ट्रांसक्रिप्ट, ये तीन शब्द अलग-अलग प्रोडक्ट्स में काफ़ी अलग तरीकों के लिए इस्तेमाल होते हैं। इसलिए यहाँ InterMIND में आज इनमें से हर एक का ठोस और जाँचा जा सकने वाला रूप दिया गया है।

अनुवाद: आप इसे चालू करते हैं, और आवाज़ आपकी अपनी होती है

अनुवाद अपने-आप नहीं चलता। आप इसे हर मीटिंग में जानबूझकर चालू करते हैं, कंट्रोल बार के More मेनू से (या Alt+T शॉर्टकट से)। यह तब उपलब्ध होता है जब रूम में कम से कम दो भाषाएँ हों। इसके बाद हर प्रतिभागी अपनी अनुवाद भाषा स्वतंत्र रूप से चुनता है। पाँच भाषाओं वाली पाँच लोगों की कॉल में हर व्यक्ति बाकी सभी को एक साथ अपनी भाषा में अनुवादित सुनता है।

आउटपुट किसी सामान्य नैरेटर की आवाज़ में नहीं होता। स्पीच रिकग्निशन, वाक्य विभाजन, अनुवाद और वॉइस सिंथेसिस एक पाइपलाइन के रूप में चलते हैं। आख़िरी चरण अनुवादित वाक्य को मूल वक्ता की अपनी आवाज़ के एक रूप में दोबारा बनाता है। वह आवाज़ साफ़ तौर पर उन्हीं की लगती है, किसी सपाट टेक्स्ट-टू-स्पीच रीड-आउट जैसी नहीं। इस पाइपलाइन का तकनीकी विवरण एक अलग पोस्ट में है। यहाँ सार यह है कि अनुवाद चालू होने पर "किसने कहा" भी बना रहता है, केवल "क्या कहा गया" नहीं। वॉइस, चैट और साझा नोट्स के लिए 23 भाषाएँ उपलब्ध हैं और पूरे दस्तावेज़ों के फ़ाइल अनुवाद के लिए 30। इस अंतर और इसके कारणों की जानकारी भाषाओं के विवरण में है।

कैप्शन: डिफ़ॉल्ट रूप से चालू, याद रखने वाला कोई अलग टॉगल नहीं

InterMIND में लाइव कैप्शन उसी स्ट्रीम का अनुवादित टेक्स्ट होते हैं, जो मीटिंग के दौरान सबटाइटल बैनर के रूप में दिखता है। दो बातें इस सुविधा के होने से भी ज़्यादा मायने रखती हैं:

• डिफ़ॉल्ट रूप से यह चालू रहता है। जो प्रतिभागी कुछ नहीं बदलता, वह अनुवाद चालू होते ही अनुवादित बोली को स्क्रीन पर देख लेता है। मीटिंग के बीच में खोजने के लिए कोई दूसरा स्विच नहीं है।
• बैनर आपकी पिछली पसंद को हर ब्राउज़र के हिसाब से याद रखता है। इसलिए एक मीटिंग में कैप्शन बंद करने पर वे अगली मीटिंग में भी तब तक बंद रहते हैं जब तक आप उन्हें दोबारा चालू न करें। लक्ष्य भाषा की ज़रूरत हो तो बैनर अपने-आप दाएँ से बाएँ भी रेंडर होता है।

कैप्शन उसी अनुवादित ऑडियो के ऊपर एक पढ़ने का चैनल हैं। वे अपने अलग सेटिंग पेज वाला कोई स्वतंत्र प्रोडक्ट नहीं हैं जिसे पहले से कॉन्फ़िगर करना पड़े। यह उन प्लेटफ़ॉर्म्स से उलट है जहाँ "कौन-सी कैप्शन भाषा किसे दिखेगी" का सवाल हावी रहता है, क्योंकि वहाँ कैप्शन भाषाएँ आयोजक की ओर से इवेंट से पहले तय की जाती हैं। यही कैप्शन किसी एक प्रतिभागी की स्क्रीन पर कॉल के साथ चलने वाले कोपायलट से कैसे अलग हैं, यह एक अलग गाइड में है।

ट्रांसक्रिप्शन: स्वचालित, और "खोजने योग्य" का दायरा स्पष्ट

ट्रांसक्रिप्शन में कोई Start/Stop बटन नहीं है। मीटिंग लाइव होने के क्षण से हर शब्द कैप्चर होता है, बोलने वाले के नाम से जोड़ा जाता है, और उसी भाषा में सर्वर पर सहेजा जाता है जिसमें वह वास्तव में बोला गया। इसे चालू करना किसी को याद नहीं रखना पड़ता, और कोई इसे चालू करना भूल भी नहीं सकता।

मीटिंग के बाद मीटिंग चैट में एक recap संदेश दिखता है। उसे खोलकर Transcript टैब पर जाने से पूरा ट्रांसक्रिप्ट दिखता है, जिसमें हर वक्ता का नाम और टाइमस्टैम्प होता है। उसे मांग पर पाठक की अपनी भाषा में अनुवादित भी किया जा सकता है, भले ही वह वक्ताओं की मूल भाषाओं में कैप्चर हुआ हो।

"खोजने योग्य" वह शब्द है जिसे सबसे ज़्यादा सटीकता चाहिए। इसलिए यहाँ बिना बढ़ा-चढ़ाकर बताया गया है कि आज इसका ठीक-ठीक मतलब क्या है:

• मीटिंग की चैट के भीतर यह असली टेक्स्ट सर्च है। मीटिंग चलते समय बोले गए हर हिस्से का एक ट्रांसक्रिप्शन संदेश चैनल में आता है। ये संदेश उसी चैट सर्च के दायरे में आते हैं जिसमें हर दूसरा संदेश आता है। Ctrl/⌘+F से इसे खोलें, कोई कीवर्ड टाइप करें, और मेल खाते संदेश संदर्भ सहित सामने आ जाते हैं।
• ट्रांसक्रिप्ट पेज स्वयं सादा रेंडर किया हुआ टेक्स्ट है। इसलिए आपके ब्राउज़र की अपनी पेज सर्च किसी भी वेब पेज की तरह उस पर कोई शब्द या नाम खोज लेती है।
• अभी फ़ुल-टेक्स्ट सर्च में वह AI-लिखित सारांश शामिल नहीं है जो recap में ट्रांसक्रिप्ट के ऊपर रहता है। आज वह सारांश अपने शीर्षक से मिलता है, उसके मुख्य भाग में खोजने से नहीं। अगर आप किसी का कहा कोई ख़ास वाक्य ढूँढ रहे हैं, तो वह ट्रांसक्रिप्ट टैब में है और सर्च वहीं तक पहुँचती है। छोटा सारांश एक अलग ऑब्जेक्ट है जिसका सर्च दायरा संकरा है, और इस कमी को दूर करना हमारे रोडमैप में है।

यह अंतर, यानी बोले गए शब्दों का वास्तव में खोजने योग्य आर्काइव और उसके बगल में एक छोटा AI सारांश जो फ़िलहाल खोजने योग्य नहीं है, ठीक वही ठोस व्यवहार है जिसे प्रोडक्ट पेज की एक पंक्ति वाला "searchable transcripts" बुलेट अक्सर छोड़ देता है।

एक सीट, एक प्लान सीमा, तीन लाइसेंस नहीं

इन तीनों में से कोई भी अपने अलग ऐड-ऑन या अलग लाइसेंस टियर के पीछे बंद नहीं है। प्लान के साथ रूम का आकार बढ़ता है: Basic पर 50 प्रतिभागी, Pro पर 100, Business पर 300 और Enterprise पर 1500। किसी भी प्लान पर होस्ट को अनुवाद, कैप्शन और ट्रांसक्रिप्शन तीनों साथ मिलते हैं। अपग्रेड करने से यह बदलता है कि रूम में कितने लोग हो सकते हैं, यह नहीं कि इन तीनों में से कौन-सी सुविधाएँ मिलेंगी।

अतिथि को क्या मिलता है, और क्या नहीं रहता

जो प्रतिभागी बिना कभी अकाउंट बनाए मीटिंग लिंक से जुड़ता है, उसे मीटिंग के भीतर का पूरा अनुभव मिलता है। उसकी अपनी अनुवाद भाषा होती है (डिफ़ॉल्ट रूप से उसकी इंटरफ़ेस भाषा, जो खुद ब्राउज़र का अनुसरण करती है), उसी भाषा में कैप्शन मिलते हैं, और उसके शब्द भी बाकी सबकी तरह साझा ट्रांसक्रिप्ट में दर्ज होते हैं। उसे बाद में कुछ नहीं मिलता: recap पहुँचाने के लिए कोई अकाउंट नहीं है, और कॉल ख़त्म होने के बाद उसकी अनाम पहचान सहेजी नहीं जाती। अकाउंट मुफ़्त है, और कॉल के बाद वाला हिस्सा, यानी recap, खोजने योग्य ट्रांसक्रिप्ट और चैनल इतिहास, बाद में उसी की वजह से पहुँच में रहता है। यह एक वास्तविक सीमा है। इसे साफ़ बताना ही ठीक है, क्योंकि इस सुविधा-समूह के बाकी हिस्से बिना शर्त जैसे लगते हैं और यह उनके उलट है।

पढ़ने की बजाय खुद देखें

• लाइव डेमो आज़माएँ: साइनअप के बिना। बोलिए, और रूम का अनुवाद अपने लिए सुनिए।
• बेंचमार्क देखें: भाषा-जोड़ी के अनुसार अनुवाद गुणवत्ता, वास्तविक ट्रैफ़िक पर हर महीने मापी जाती है, कार्यप्रणाली सार्वजनिक है।
• ट्रांसक्रिप्शन दस्तावेज़ पढ़ें: ट्रांसक्रिप्ट कैसे कैप्चर होता है और अनुवादित रूप में कैसे दोबारा पढ़ा जाता है, इसकी पूरी कार्यप्रणाली।

FAQ

क्या मुझे अनुवाद, कैप्शन और ट्रांसक्रिप्शन अलग-अलग चालू करने होंगे? ट्रांसक्रिप्शन हमेशा चालू रहता है, मीटिंग शुरू होते ही अपने-आप। अनुवाद एक सोचा-समझा चुनाव है। इसे More मेनू या Alt+T से चालू किया जाता है, जब रूम में कम से कम दो प्रतिभागी भाषाएँ हों। कैप्शन उसी स्ट्रीम का अनुवादित टेक्स्ट हैं और अनुवाद चालू होते ही डिफ़ॉल्ट रूप से चालू हो जाते हैं। इसलिए व्यवहार में सोचने के लिए एक ही स्विच है, तीन नहीं।

क्या मैं वास्तव में मीटिंग ट्रांसक्रिप्ट में खोज सकता हूँ, या सिर्फ़ स्क्रॉल कर सकता हूँ? दोनों। मीटिंग के दौरान ट्रांसक्रिप्ट हर बारी के हिसाब से चैट संदेशों के रूप में कैप्चर होता है, और वे उसी चैट सर्च (Ctrl/⌘+F) के दायरे में आते हैं जिसमें हर दूसरा संदेश आता है। कीवर्ड टाइप करें और मेल खाती बारियाँ सामने आ जाती हैं। पूरा ट्रांसक्रिप्ट पेज भी सादा टेक्स्ट है, इसलिए ब्राउज़र की अपनी पेज सर्च उस पर सीधे काम करती है। अभी फ़ुल-टेक्स्ट सर्च में केवल छोटे AI-लिखित मीटिंग सारांश का मुख्य भाग शामिल नहीं है, जो आज अपने शीर्षक से मिलता है।

क्या सभी को एक ही अनुवादित आवाज़ सुनाई देती है, या वक्ता की अपनी आवाज़ बनी रहती है? हर प्रतिभागी की अनुवादित बोली उसी की आवाज़ पर आधारित आवाज़ में दोबारा बनाई जाती है, किसी साझा सामान्य नैरेटर में नहीं। नतीजा ऐसी अनुवादित बातचीत है जो अब भी उन्हीं लोगों जैसी सुनाई देती है जो उसे कर रहे हैं, दोनों दिशाओं में और हर प्रतिभागी के लिए स्वतंत्र रूप से।

अगर कोई अतिथि के रूप में, बिना अकाउंट के जुड़े, तो ट्रांसक्रिप्ट और recap का क्या होता है? अतिथि को किसी भी अन्य प्रतिभागी की तरह मीटिंग के भीतर पूरा अनुवाद, कैप्शन और ट्रांसक्रिप्शन मिलता है। बाद में कुछ भी साथ नहीं जाता: recap या ट्रांसक्रिप्ट पहुँचाने के लिए कोई अकाउंट नहीं है, और मीटिंग ख़त्म होने के बाद अतिथि की अनाम पहचान सहेजी नहीं जाती। (मुफ़्त) साइन अप करने से कॉल के बाद का रिकॉर्ड पहुँच में आ जाता है।

क्या अनुवाद, कैप्शन या ट्रांसक्रिप्शन के लिए कोई अलग प्लान या ऐड-ऑन है? नहीं, तीनों हर प्लान पर साथ मिलते हैं। प्लान बदलने पर जो बदलता है वह यह है कि होस्ट एक साथ कितने प्रतिभागी रख सकता है: Basic पर 50, Pro पर 100, Business पर 300, Enterprise पर 1500।

स्रोत: NexGen Virtual Workplace — Speaking the Same Language: How Translation and Transcription Work Inside NexGen Virtual Workplace, सितंबर 2026 में जाँचा गया। InterMIND के तथ्य: रीयल-टाइम अनुवाद दस्तावेज़, ट्रांसक्रिप्शन दस्तावेज़, भाषाओं का विवरण, अपनी आवाज़ में अनुवाद, लाइव बेंचमार्क।