InterMIND کو چلانے والی چار ترجمہ پائپ لائنز کے اندر کی کہانی

InterMIND میں کوئی ایک "ترجمہ" نہیں ہوتا۔ یہاں چار پائپ لائنز ہیں — آواز، چیٹ، نوٹس اور دستاویزات — جن میں سے ہر ایک کا اپنا انجن، اپنی تاخیر کی حد اور اپنا معیارِ کوالٹی ہے۔ آپ کے بولنے کے لمحے اور دوسری زبان بولنے والے شرکاء کے آپ کو سمجھنے کے لمحے کے درمیان دراصل یہی کچھ ہوتا ہے۔

The Mind.com Team

  • ایک انجن نہیں، چار پائپ لائنز۔ آواز، چیٹ، نوٹس اور دستاویزات میں سے ہر ایک اپنے انجن، اپنے لیٹنسی بجٹ اور اپنے معیاری دائرے پر چلتی ہے۔ ان میں صرف زبان منتخب کرنے کا پِکر مشترک ہے۔
  • الگ کام، الگ انجن۔ لائیو آواز Google کے Gemini Live Translate پر جاتی ہے، چیٹ اور نوٹس Azure AI Translator پر، اور دستاویزات DeepL کے Document API پر: بالترتیب 65 اور 30 زبانیں۔
  • InterMIND پوری میٹنگ کو ہر رکن کی اپنی زبان میں رکھتا ہے، یعنی آواز، چیٹ، نوٹس اور فائلیں، اور ہر جوڑی کا معیار ہر ماہ شائع ہوتا ہے۔ مہمان لنک کے ذریعے مفت شامل ہوتے ہیں، اکاؤنٹ کے بغیر؛ آپ صرف فعال اراکین کی ادائیگی کرتے ہیں۔
InterMIND کو چلانے والی چار ترجمہ پائپ لائنز کے اندر کی کہانی

InterMIND کو چلانے والی چار ترجمہ پائپ لائنز کا اندرونی جائزہ

mind.com پر پرانا /product/overview/how-it-works صفحہ کئی بڑے ریلیزز پیچھے رہ چکا ہے۔ یہ زیادہ تر وینڈر صفحات کی طرح ایک واحد "ترجمہ انجن" بیان کرتا ہے، یعنی "آپ بولیں" سے "وہ سنیں" تک ایک بڑا تیر۔ دو سال پہلے بھی یہ تصویر سادہ کاری تھی۔ آج یہ غلط ہے۔

حقیقت یہ ہے کہ InterMIND چار الگ ترجمہ پائپ لائنز چلاتا ہے۔ ہر ایک مختلف مسئلہ حل کرتی ہے، اور ہر ایک کا انجن، لیٹنسی بجٹ اور معیاری دائرہ مختلف ہے۔ ان میں زبان کا پِکر مشترک ہے۔ انجن مشترک نہیں ہے۔

"یہ سب کیسے کام کرتا ہے" کا یہ تازہ جواب ہے۔

ایک ہم راہ تحریر: "آپ کتنی زبانوں کو سپورٹ کرتے ہیں؟" بتاتی ہے کہ ہر پائپ لائن کیا کچھ کور کرتی ہے (65 / 65 / 30 / 35)۔ یہ تحریر بتاتی ہے کہ ہر پائپ لائن کرتی کیا ہے، اور وہ الگ چیز کیوں ہے۔


"سب کچھ ایک انجن" کیوں جھوٹ ہے

ایک لائیو میٹنگ پلیٹ فارم کو بیک وقت کم از کم چار کام کرنے ہوتے ہیں، اور وہ ایک دوسرے کے الٹ سمتوں میں کھینچتے ہیں:

  1. ریئل ٹائم آواز — آڈیو اندر جاتی ہے، اور مقرر کے بولتے ہی ترجمہ شدہ آڈیو باہر آتی ہے، ہر ناظر کی اپنی زبان میں۔ بنیادی رکاوٹ لیٹنسی ہے۔
  2. ریئل ٹائم چیٹ ٹیکسٹ — مختصر پیغامات، تیزی سے، ایڈٹس اور کوٹس اور HTML ساخت محفوظ رکھتے ہوئے۔
  3. ریئل ٹائم مشترکہ نوٹس — حرف بہ حرف مشترکہ ٹائپنگ، اور ساختی درجہ بندی (فہرستیں، سرخیاں، چیک باکس) جو ترجمے کے بعد بھی برقرار رہنی چاہیے۔
  4. غیر ہم وقتی دستاویزی فائلیں — چیٹ میں ڈالا گیا 40 صفحات کا PDF۔ کوئی لیٹنسی بجٹ نہیں۔ بنیادی رکاوٹ وفاداری ہے، یعنی فارمیٹنگ، جدولیں، صفحہ نمبر، فونٹ۔

آپ ایک بڑی LLM کال بنا سکتے ہیں جو چاروں کام کرنے کی کوشش کرے۔ ہم نے کوشش کی۔ وہ چاروں میں خراب ہے۔ آواز کے لیٹنسی بجٹ کا مطلب ہے کہ ماڈل سوچ نہیں سکتا؛ دستاویزات کے وفاداری بجٹ کا مطلب ہے کہ ماڈل کو سوچنا پڑتا ہے۔ چیٹ ایڈٹ کے لیے ناظر کی زبان میں ڈف چاہیے؛ 40 صفحات کے PDF کو فارمیٹ کا تحفظ چاہیے جو کوئی ٹوکن اسٹریمنگ ماڈل نہیں دیتا۔

اس لیے ہم چار چلاتے ہیں۔ ہر ایک یہ رہی۔


پائپ لائن 1: ریئل ٹائم آواز کا ترجمہ

مسئلہ: ایک شریک فرانسیسی بولتا ہے۔ دوسرا شریک جرمن میں شامل ہوا، تیسرا برازیلی پرتگالی میں، چوتھا جاپانی میں۔ ہر ایک کو مقرر کو اپنی زبان میں، اپنے کان میں، اتنی مختصر تاخیر کے ساتھ سننا ہے کہ آنکھیں ملا کر بات چیت ممکن رہے۔

بجٹ: سننے والے کو کبھی انتظار نہیں کرنا چاہیے۔ جب ترجمہ شدہ تقریر اتنی پیچھے رہ جائے کہ لوگ اس کے اوپر بولنے لگیں، تو میٹنگ "چلیں انگریزی پر آ جاتے ہیں" کی طرف بڑھنے لگتی ہے۔

آڈیو دراصل کیسے سفر کرتی ہے

آواز کے ترجمے کی پائپ لائن: مقرر کا براؤزر WebRTC کے ذریعے آڈیو فرانس میں OVH پر موجود Mind API میڈیا سرور کو بھیجتا ہے، جو ASR چلاتا ہے اور کمرے میں موجود ہر ہدفی زبان میں تقریر کا ترجمہ Gemini Live Translate سے کرواتا ہے؛ ہر ناظر کو اپنا ترجمہ شدہ آڈیو ٹریک ملتا ہے، اور ws-server ریکیپ کے لیے ٹرانسکرپٹ کے الفاظ وصول کرتا ہے۔

چند باتیں جنہیں صراحت سے بیان کرنا ضروری ہے:

  • ASR میڈیا سرور پر چلتا ہے۔ مقرر کی آڈیو WebRTC کے ذریعے ہمارے اپنے انجن تک پہنچتی ہے، یعنی OVH فرانس میں موجود Mind API تک، اور وہیں پہچانی جاتی ہے، اسی سرور پر جو کال چلا رہا ہوتا ہے؛ براؤزر صرف آڈیو بھیجتا ہے اور الفاظ واپس وصول کرتا ہے۔ کوئی الگ اسپیچ وینڈر نہیں اور ترجمہ شروع ہونے سے پہلے کوئی اضافی ہاپ نہیں۔ (چیٹ کے وائس نوٹس اس سے مستثنیٰ ہیں: ان کا اسپیچ ٹو ٹیکسٹ Azure AI Speech پر چلتا ہے، جو ڈیفالٹ AI گیٹ وے کی اسپیچ سروس ہے۔)
  • ترجمہ ایک ہی فین آؤٹ نہیں ہے۔ انجن کمرے میں موجود ہر ہدفی زبان کے لیے ترجمہ کرتا ہے، ہر ناظر کے لیے نہیں: کسی زبان میں ترجمہ تب شروع ہوتا ہے جب اس زبان کا پہلا سننے والا ترجمہ شدہ اسٹریم مانگتا ہے۔ جن تین شرکاء نے جرمن چنی وہ ایک ہی جرمن ترجمہ شیئر کرتے ہیں، اور اگر کوئی عربی میں نہیں سن رہا تو عربی میں کچھ ترجمہ نہیں ہوتا۔ اسی لیے چار زبانوں والی میٹنگ کی لاگت چالیس زبانوں والی میٹنگ جتنی ہی رہتی ہے، بشرطیکہ دیکھا جائے کہ حقیقت میں کون آیا؛ ہم ایسی زبانوں میں ترجمہ نہیں کرتے جنہیں کوئی شریک سن نہیں رہا۔
  • ترکیب شدہ آواز ہر ناظر کے لیے الگ ہے۔ ہر شریک کو اپنا ترجمہ شدہ آڈیو ٹریک ملتا ہے، جو اصل مقرر کی ویڈیو کے ساتھ ملایا جاتا ہے۔ وہ کوئی ایک "ترجمہ شدہ میٹنگ" نہیں دیکھ رہے ہوتے، بلکہ وہی میٹنگ دیکھ رہے ہوتے ہیں، جس کا ان کا ذاتی آڈیو چینل ان کی چنی ہوئی زبان میں ترجمہ ہوتا ہے۔ اسی لیے ایک ہی کمرے میں بیٹھے دو افراد ہیڈ فون لگا کر الگ الگ زبانیں سن سکتے ہیں۔

جب میٹنگ بگڑنے لگے تو یہ کیوں اہم ہے

آٹھ زبانوں والی 60 منٹ کی کال میں چیزیں دلچسپ طریقوں سے ٹوٹتی ہیں: WebSockets ٹوٹ جاتے ہیں، ASR عارضی طور پر کسی اسمِ خاص کو غلط ٹرانسکرائب کر دیتا ہے، کسی شریک کا نیٹ ورک لڑکھڑانے لگتا ہے۔ اوپر والا فن تعمیر ہمیں ناکامیوں کو الگ تھلگ کرنے دیتا ہے: ایک ناظر کی آڈیو میں خلل باقی سات پر اثر نہیں ڈالتا، کیونکہ ترجمے کے انجن نے کبھی "ایک ترجمہ" بنایا ہی نہیں، اس نے آٹھ بنائے، متوازی طور پر، اور صرف متاثرہ کو بحال ہونا پڑتا ہے۔

ترجمہ کرنے والا ماڈل ہمارا نہیں ہے۔ نومبر 2026 سے میڈیا سرور میٹنگ کی تقریر Google کے Gemini Live Translate کو ایک عالمی اینڈ پوائنٹ پر بھیجتا ہے، صرف یورپی یونین تک محدود نہیں، اور ترجمہ شدہ آواز واپس لیتا ہے؛ Google پروسیسر کے طور پر کام کرتا ہے اور مواد کو اپنی مصنوعات بہتر بنانے کے لیے استعمال نہیں کرتا۔ اس ہاپ کا نام رن ٹائم نقشے میں درج ہے۔

آواز کے معیار کے بارے میں ہم کیا شائع کرتے ہیں: /benchmark آواز کی پائپ لائن کو چلاتا ہے، یعنی یکم دسمبر 2026 سے Gemini Live Translate کو؛ پچھلے مہینے ہمارے سابقہ انجن پر ناپے گئے تھے اور اس کے ساتھ ملائے نہیں جاتے، اور ہر شائع شدہ زبان کی جوڑی کے لیے FLORES-200 کے جملوں پر ہر ماہ جانچتا ہے۔ جج کا نام درج ہے (بنیادی Gemini 3.7 Flash، متبادل Claude Sonnet 5)۔ مکمل تقسیم — میڈین، p10، p90، کم از کم، زیادہ سے زیادہ، نمونے کا حجم — صفحے پر موجود ہے۔ یہ اعداد کیا ناپتے ہیں اور کیا نہیں، اس کے لیے طریقۂ کار دیکھیں۔


پائپ لائن 2: ریئل ٹائم چیٹ کا ترجمہ

مسئلہ: میٹنگ کا ہر چیٹ پیغام، بھیجے جاتے ہی، ہر شریک کے لیے اس کی اپنی زبان میں ترجمہ ہو۔ اس کے ساتھ ایڈٹس بھی — اور ایڈٹس کو ایڈٹس جیسا نظر آنا چاہیے، دوبارہ ترجمے جیسا نہیں۔

بجٹ: آواز سے ڈھیلا۔ چیٹ پیغام کو دوسری زبان میں ظاہر ہونے میں ایک لمحہ لگ جائے تو کسی کو پروا نہیں ہوتی۔ لوگوں کو اس کی فکر ہوتی ہے کہ ترجمہ درست ہے یا نہیں اور ایڈٹس سمجھ میں آتے ہیں یا نہیں۔

چیٹ پائپ لائن دراصل کیا کرتی ہے

ہر پیغام Azure AI Translator کے یورپی اینڈ پوائنٹ پر جاتا ہے، ہمارے اپنے ٹیننٹ میں، یعنی ایک مشینی ترجمے کی سروس جو آواز کی پائپ لائن سے الگ ہے، اور اپنی پری اور پوسٹ پروسیسنگ کے ساتھ:

  • HTML ساخت محفوظ رہتی ہے۔ چیٹ رچ ٹیکسٹ کو سپورٹ کرتی ہے (پیراگراف، فہرستیں، کوٹس، بولڈ، اٹالک)۔ ہم ماڈل کے لیے اسے سادہ ٹیکسٹ میں بدلتے ہیں، ترجمہ کرتے ہیں، پھر نتیجے کو اصل ٹیگز میں دوبارہ لپیٹ دیتے ہیں۔ ماڈل HTML کبھی نہیں دیکھتا، وہ صاف نثر دیکھتا ہے۔
  • کوٹس کا ترجمہ الگ الگ ہوتا ہے۔ اگر آپ کسی پیغام کا جواب دیں اور اسے کوٹ کریں، تو [QUOTE]…[/QUOTE] بلاک اور نیا مواد الگ اکائیوں کے طور پر ترجمہ ہوتے ہیں، تاکہ ماڈل دونوں کو آپس میں خلط ملط نہ کر سکے۔
  • لمبے پیغامات ٹکڑوں میں بٹتے ہیں۔ ہم پیراگراف کی حدوں پر 1,000 حروف فی ٹکڑے کے حساب سے تقسیم کرتے ہیں۔ ہر ٹکڑا اپنی الگ ترجمہ کال ہے۔ ہم 4,000 حروف کے ناول ماڈل کو ایک ہی بار میں نہیں دیتے — ناکامی کی صورتیں (کٹاؤ، گمشدہ پیراگراف، جملے کے بیچ میں رک جانا) بہت بدصورت ہیں۔
  • ترجمہ سست رفتار (lazy) ہے۔ ہم IntersectionObserver استعمال کرتے ہیں: پیغام کا ترجمہ تب ہوتا ہے جب وہ ناظر کے ویو پورٹ میں سکرول ہو کر آئے۔ پہلے کسی لمبے چلتے چینل میں زبان بدلنے سے ہسٹری کی ہر ترجمہ API کال دوبارہ چلتی تھی۔ اب ایسا نہیں ہوتا۔

دلچسپ حصہ: ایڈٹس بطور ڈف

v1.2 میں ہم نے بدلا کہ دوسری زبان کے ناظرین کے لیے چیٹ ایڈٹس کیسے برتاؤ کرتے ہیں۔ پرانا برتاؤ یہ تھا: کوئی پیغام ایڈٹ کرتا، ہم پورا دوبارہ ترجمہ کرتے، آپ کو نیا پیراگراف نظر آتا اور خود ڈھونڈنا پڑتا کہ کیا بدلا۔

نیا برتاؤ:

  1. اصل پیغام پہلے ہی آپ کی زبان میں ترجمہ ہو چکا تھا۔
  2. جب بھیجنے والا ایڈٹ کرتا ہے، تو ہم نئے ورژن کا دوبارہ ترجمہ کرتے ہیں۔
  3. ہم آپ کے پچھلے ترجمے اور آپ کے نئے ترجمے کے درمیان ڈف نکالتے ہیں، آپ کی زبان میں۔
  4. ہم وہ ڈف ان لائن دکھاتے ہیں، بالکل اسی طرح جیسے Git دکھاتا ہے کہ کیا بدلا۔

چنانچہ جب انگریزی میں "review by Tuesday" بدل کر "review by Thursday" ہوتا ہے، تو آپ کے ہسپانوی پڑھنے والے ساتھی کو martes → jueves نمایاں نظر آتا ہے، کوئی دوبارہ ترجمہ شدہ پیراگراف نہیں جسے دوبارہ پڑھنا پڑے۔

اس کے لیے چیٹ پائپ لائن کو اسٹیٹ فل فی ناظر کیش کے طور پر برتنا پڑا، نہ کہ بغیر اسٹیٹ کے ترجمہ برائے درخواست اینڈ پوائنٹ کے طور پر۔ دستاویزات اور آواز کو اس کی ضرورت نہیں۔ چیٹ کو ہے۔


پائپ لائن 3: ریئل ٹائم مشترکہ نوٹس کا ترجمہ

مسئلہ: میزبان مشترکہ نوٹس کا پین کھولتا ہے اور ٹائپ کرنا شروع کرتا ہے۔ ہر شریک نوٹس اپنی زبان میں، حرف بہ حرف، دستاویز کی ساخت — سرخیاں، تہہ دار فہرستیں، چیک لسٹس، کوڈ بلاکس — برقرار رکھتے ہوئے دیکھتا ہے۔

بجٹ: چیٹ جیسا، مگر دو اضافی پابندیوں کے ساتھ:

  • جس چیز کا ترجمہ ہو رہا ہے وہ ترجمے کے دوران بدلتی رہتی ہے۔ میزبان ابھی ٹائپ کر رہا ہے۔ جو سادہ نظام ہر کی اسٹروک پر "پوری دستاویز" کا ترجمہ کرے، وہ جھلملاہٹ پیدا کرتا ہے اور API بجٹ جلاتا ہے۔ ہم بدلی ہوئی اکائی کی سطح پر ترجمہ کرتے ہیں، پوری دستاویز پر نہیں۔
  • ساخت کو بچنا چاہیے۔ اگر آپ ترجمہ ماڈل سے تین تہہ دار فہرستوں والا markdown بلاب ترجمہ کرنے کو کہیں، تو آپ کو ایسی چیز ملتی ہے جو اصل جیسی دکھائی دیتی ہے مگر درجہ بندی باریک طور پر چپٹی ہو چکی ہوتی ہے، آئٹمز کے نمبر بدل گئے ہوتے ہیں یا انڈینٹیشن ہل چکی ہوتی ہے۔ ہم ماڈل کو پورا بلاب دیکھنے نہیں دیتے۔

نوٹس کی پائپ لائن چیٹ سے کیسے مختلف ہے

ساخت کا تحفظ ہی اصل چیز ہے۔ ہم ہر فہرستی آئٹم کا الگ الگ ترجمہ کرتے ہیں، ایک دستاویز کے طور پر نہیں۔ ماڈل یہ دیکھتا ہے:

"Compliance review — Q2 deliverables"

— یہ نہیں:

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

اردگرد کی دستاویز — <ul>، سرخیاں، انڈینٹیشن — کلائنٹ کی طرف اسی ساخت سے دوبارہ بنائی جاتی ہے جو اصل دستاویز کی تھی، اور ہر پتے والے نوڈ کی جگہ اس کا ترجمہ رکھ دیا جاتا ہے۔ ماڈل کو درجہ بندی کو "بہتر" بنانے کا موقع کبھی نہیں ملتا۔

نوٹس بھی چیٹ ایڈٹس جیسا فی ناظر ڈف ماڈل استعمال کرتے ہیں: اگر میزبان کوئی سطر بدلے، تو دوسری زبانوں کے ناظرین کو بدلے ہوئے الفاظ نمایاں نظر آتے ہیں، نیا پیراگراف نہیں۔


پائپ لائن 4: غیر ہم وقتی دستاویز کا ترجمہ

مسئلہ: کوئی چیٹ میں 40 صفحات کا PDF، Word دستاویز، PowerPoint ڈیک یا Excel شیٹ ڈالتا ہے۔ ہر شریک اپنی زبان میں کاپی مانگ سکتا ہے۔ ترجمہ شدہ فائل اصل جیسی نظر آنی چاہیے — وہی فونٹ، وہی جدولیں، وہی صفحہ نمبر، وہی ہیڈرز، وہی چارٹ اپنی جگہ پر۔

بجٹ: کوئی ریئل ٹائم پابندی نہیں۔ ایک منٹ ٹھیک ہے۔ دو منٹ ٹھیک ہیں۔ پابندی وفاداری کی ہے — اگر ترجمہ شدہ PDF اصل جیسا نہ لگے تو وصول کنندہ اس پر بھروسا نہیں کرے گا۔

یہ پائپ لائن آواز کے ساتھ انجن کیوں شیئر نہیں کرتی

ایک عام LLM، چاہے بہت اچھا ہو، آپ کو دستاویز کا ترجمہ شدہ متن تھما دے گا۔ وہ آپ کو اسی لے آؤٹ والا ترجمہ شدہ PDF نہیں دے گا۔ ماڈل کے پاس "صفحے کا وقفہ جو اصل سے ہم آہنگ ہو" یا "جدول کا خانہ جسے اپنے کالم کی چوڑائی برقرار رکھنی ہے" کا کوئی تصور نہیں۔

اس سطح کے لیے ہم براہِ راست DeepL Document API استعمال کرتے ہیں۔ یہ فائلوں کو فائلوں کے طور پر ترجمہ کرنے کے لیے بنایا گیا ہے، نہ کہ فائلوں سے نکالی گئی نثر کے لیے۔ DeepL یہ سنبھالتا ہے:

  • PDF (لے آؤٹ کے تحفظ کے ساتھ)
  • DOCX، DOC
  • PPTX
  • XLSX

دستاویز DeepL کی پائپ لائن پر اپ لوڈ ہوتی ہے، سرور کی طرف فارمیٹنگ برقرار رکھتے ہوئے ترجمہ ہوتی ہے، اور اسی فارمیٹ میں واپس آتی ہے۔ پھر ہم نتیجہ اپنے آبجیکٹ اسٹوریج میں اپ لوڈ کرتے ہیں اور چیٹ میں ڈاؤن لوڈ ہونے والے اٹیچمنٹ کے طور پر واپس دکھاتے ہیں۔

اس کی لاگت کیا ہے اور ہم اسے چھپاتے کیوں نہیں

DeepL ہر دستاویز پر کم از کم 50,000 حروف بل کرتا ہے — Pro درجے پر تقریباً ایک امریکی ڈالر فی فائل، چاہے دستاویز ایک صفحے کی ہو یا تیس کی۔ ہم یہ لاگت خود برداشت کرتے ہیں، فی فائل چارج نہیں کرتے؛ یہ میٹنگ کے ترجمے کے استعمال میں بل شدہ حروف کے طور پر ظاہر ہوتی ہے، جنہیں الفاظ کی اکائیوں میں بدلا جاتا ہے تاکہ وہ اس طریقے سے ہم آہنگ ہوں جس سے باقی پروڈکٹ ترجمے کی سرگرمی رپورٹ کرتی ہے۔

ہم نے اس سطح کے لیے DeepL کو اس لیے چنا کہ فائلوں کو فائلوں کے طور پر ترجمہ کرنا بالکل وہی کام ہے جس کے لیے وہ بنایا گیا تھا — ہم نے اس سے بہتر بنانے کی کوشش نہیں کی۔ دوسری طرف یہ بات سچ نہیں — DeepL ایسی لائیو آواز کی پائپ لائن نہیں چلاتا جیسی ہم نے میٹنگز کے لیے بنائی۔ الگ مسائل؛ الگ اوزار۔ "InterMIND کے ترجمے کو کیا چلاتا ہے" کا دیانت دار جواب ہے "ہر پائپ لائن کے لیے مناسب انجن" — نہ کہ "ہمارا انجن، ہر جگہ۔"

وہ زبانیں جو یہ پائپ لائن کور کرتی ہے اور آواز نہیں

دستاویزی پائپ لائن 30 زبانوں تک پہنچتی ہے، جبکہ آواز کے لیے 65۔ ان 30 میں سے ہر ایک لائیو زبان بھی ہے؛ عدم توازن ایک ہی سمت میں ہے — 35 لائیو زبانوں کے لیے ابھی فائل ترجمہ نہیں، ان میں ہندی، آئس لینڈی، عبرانی، تھائی اور ویتنامی شامل ہیں۔ (عربی اگست 2026 میں ریئل ٹائم پِکر سے ہٹا دی گئی تھی، کیونکہ ہمارے سابقہ انجن پر اس کی آواز کا معیار ہمارے معیار سے کم تھا، اور نومبر 2026 میں Gemini Live Translate پر واپس آئی۔)

یہ عدم توازن حقیقی ہے۔ اس کا مطلب ہے کہ میٹنگ میں ایک فرانسیسی شریک معاہدے کا PDF ایستونی میں مانگ سکتا ہے، حالانکہ وہ میٹنگ ایستونی میں سن نہیں سکتا۔ ہم اسے ایک ہی عدد کے نیچے دبانے کے بجائے پِکر میں نشان زد کرتے ہیں۔ اس کی دلیل زبانوں کی تعداد والی تحریر میں ہے۔


جہاں پائپ لائنز ملتی ہیں

چاروں پائپ لائنز الگ تھلگ نہیں چلتیں۔ میٹنگ روم وہ جگہ ہے جہاں وہ ایک دوسرے سے چھوتی ہیں، اور جوڑ اہم ہیں:

  • دستاویزی اٹیچمنٹ والا چیٹ پیغام متن کے لیے چیٹ پائپ لائن اور فائل کے لیے دستاویزی پائپ لائن کو متحرک کرتا ہے۔ دوسری زبان کا شریک پیغام کا ترجمہ فوراً دیکھتا ہے اور اٹیچمنٹ کا ترجمہ غیر ہم وقتی طور پر ڈاؤن لوڈ کے قابل فائل کے طور پر پہنچتا ہے۔
  • ایسا مشترکہ نوٹ جو ٹرانسکرپٹ کی کوئی سطر کوٹ کرتا ہے نوٹس ↔ آواز کو عبور کرتا ہے۔ ٹرانسکرپٹ وہ ہے جو آواز کی پائپ لائن نے بھیجنے والے کی زبان کے لیے بنایا؛ نوٹ کا ترجمہ اس کوٹ کی ہر ناظر کے لیے الگ کاپی باقی سب کی زبان میں بناتا ہے، اور اس کا ماخذ بھی محفوظ رہتا ہے۔
  • میٹنگ کے بعد برآمد کیا گیا ٹرانسکرپٹ پوری گفتگو پر چیٹ طرز کی ٹیکسٹ پائپ لائن چلاتا ہے، اور ہر زبان کی الگ فائل بناتا ہے جسے شرکاء ڈاؤن لوڈ کر سکتے ہیں۔ یہ وہی کوڈ پاتھ ہے جو چیٹ ترجمے کا ہے، بس بیچ میں۔

زبان کا پِکر UI کا ایک ہی ٹکڑا ہے۔ اس کے نیچے انفراسٹرکچر چار پائپ لائنز ہے، جو ایک دوسرے سے بات کرتی ہیں۔


ہم جان بوجھ کر کیا نہیں آزماتے

  • کوئی "متحد ترجمہ ماڈل" نہیں۔ ہم ایسا ایک ماڈل نہیں بنا رہے جو آواز، چیٹ، نوٹس اور دستاویزات سب کرے۔ لیٹنسی بمقابلہ وفاداری کے سمجھوتے میں کوئی فاتح نہیں۔ ہم ہر سطح کے لیے مناسب انجن استعمال کرتے ہیں۔
  • کوئی خاموش ری روٹنگ نہیں۔ اگر فائل پائپ لائن آج ہندی میں ترجمہ نہیں کر سکتی، تو ہم خاموشی سے آواز کے انجن پر نہیں آتے اور یہ ظاہر نہیں کرتے کہ کام ہو گیا — فائل پِکر خلا کو چھپانے کے بجائے نشان زد کرتا ہے۔
  • کوئی "ہم 200 زبانوں میں ترجمہ کرتے ہیں" نہیں۔ لائیو سطحیں 65 دیتی ہیں، دستاویزات 30 — اور ایک مارکیٹنگ کے لیے دلکش عدد کے بجائے، ہر جوڑی کا وہ معیار جسے آڈیٹر کے سامنے کھڑا ہونا ہے، 65 میں سے 23 کے لیے /benchmark پر شائع ہے، کمزور جوڑیوں سمیت۔

خود آزمائیں

  • لائیو ڈیمو آزمائیں — لائیو آواز کی پائپ لائن کو آپ کی آڈیو پر چلاتا ہے، ان 23 زبانوں میں سے کسی میں بھی جنہیں بینچ مارک ناپتا ہے۔
  • بینچ مارک دیکھیں — حقیقی ٹریفک پر ہر جوڑی اور ہر ماہ کا معیار۔ پِکر کی ہر جوڑی، مضبوط ہو یا کمزور، ڈیپ لنک کے قابل۔
  • طریقۂ کار پڑھیں — اعداد کیا ہیں، کیا نہیں ہیں، جج کون ہے۔

چار پائپ لائنز، چار انجن، ایک میٹنگ روم۔ پرانے how-it-works صفحے کا یہی دیانت دار متبادل ہے۔

— Mind.com ٹیم


ماخذ: DeepL — supported languages، DeepL — usage count and billing (فی فائل 50,000 حروف کی کم از کم حد)، FLORES-200؛ پائپ لائن کے اندرونی حقائق کی توثیق جاری کردہ کوڈ سے کی گئی، اگست 2026 میں جانچے گئے۔

لائیو ترجمہ میں مزید

لائیو ترجمہ کی تمام پوسٹس
پہلا رابطہ انگریزی میں ہوتا ہے۔ سودا شراکت دار کی زبان میں چلتا ہے
لائیو ترجمہ

پہلا رابطہ انگریزی میں ہوتا ہے۔ سودا شراکت دار کی زبان میں چلتا ہے

برآمدی سودے میں انگریزی کہاں ختم ہو جاتی ہے، مرحلہ وار: ابتدائی استفسار، کوٹیشن، مذاکرات، شکایتی دعویٰ اور اگلا آرڈر۔ ایکسپورٹ ڈیسک آج شراکت دار کی زبان کے لیے کیا ادا کرتا ہے، قیمتوں اور ذرائع کے ساتھ، اور بعد میں سودے کے ساتھ کیا باقی رہتا ہے۔

The Mind.com Team

ترکی وائس ٹرانسلیٹر: ایک مفت ایپ جو دونوں طرف سے بولتی ہے
لائیو ترجمہ

ترکی وائس ٹرانسلیٹر: ایک مفت ایپ جو دونوں طرف سے بولتی ہے

حقیقی گفتگو میں ترکی زبان کا آواز کے ذریعے ترجمہ کریں: دو افراد کے درمیان ایک فون، ٹیپ کریں، بولیں، اور ہر ایک دوسرے کی بات اپنی زبان میں سنتا ہے۔ InterMIND Translator آئی فون اور اینڈرائیڈ پر مفت ہے، ہفتے میں 40 منٹ، بغیر اکاؤنٹ کے۔ ترکی فعل کسی بھی مترجم کے ساتھ کیا کرتا ہے، ایپ کیا برقرار رکھتی ہے، اور اس کی حد کہاں ختم ہوتی ہے۔

The Mind.com Team

بیک وقت ترجمان: انسانی، RSI پلیٹ فارم یا AI — آپ کی کثیر لسانی میٹنگ کو کیا چاہیے (2026)
لائیو ترجمہ

بیک وقت ترجمان: انسانی، RSI پلیٹ فارم یا AI — آپ کی کثیر لسانی میٹنگ کو کیا چاہیے (2026)

"بیک وقت ترجمان" ایک پیشہ ہے؛ زیادہ تر تلاشوں میں دراصل یہ مطلوب ہوتا ہے کہ تقریر بولے جانے کے دوران ہی دوسری زبان میں سنائی دے۔ یہ گائیڈ بوتھ، RSI پلیٹ فارم اور AI بیک وقت ترجمے کو الگ کرتی ہے، ٹولز کا موازنہ ان کی دستاویزات کی بنیاد پر کرتی ہے — Interprefy، KUDO، Wordly، DeepL Voice، Zoom، Teams، Google Meet، InterMIND — اور وہ سوال اٹھاتی ہے جو موازنے چھوڑ دیتے ہیں: میٹنگ کا کتنا حصہ واقعی آپ کی زبان میں واپس آتا ہے، اور ڈیٹا کہاں چلتا ہے۔

The Mind.com Team

نئی پوسٹس اور پروڈکٹ اپ ڈیٹس ای میل پر حاصل کریں

مہینے میں ایک ای میل جس میں نئی پوسٹس اور پروڈکٹ اپ ڈیٹس ہوں گی۔ جب چاہیں سبسکرپشن ختم کر سکتے ہیں۔