होम › कौन बोल रहा है

वक्ताओं को अलग करना

रिकॉर्डिंग में कौन बोल रहा है — वक्ताओं को अलग कीजिए

कई लोगों की रिकॉर्डिंग का ट्रांसक्रिप्ट तभी काम का है जब यह दिखे कि किसने क्या कहा। ऐप रिकॉर्डिंग को आवाज़ के आधार पर बाँटता है, आप हर वक्ता को नाम देते हैं, और चूँकि एक वॉइस-प्रोफाइल आपके अपने Mac पर सहेजी जाती है, अगली रिकॉर्डिंग में वही व्यक्ति पहचान लिया जाता है। पूरा काम आपके Mac पर होता है — ऑडियो कहीं अपलोड नहीं होता।

होता क्या है

दो या ज़्यादा लोगों की रिकॉर्डिंग का ट्रांसक्रिप्ट अगर एक लंबे पैराग्राफ़ की तरह आए, तो वह पढ़ने लायक ही नहीं रहता — किसने क्या कहा, यह पता किए बिना न इंटरव्यू का कोई मतलब है, न मीटिंग के नोट्स का। इसलिए ऐप एक कदम और करता है: रिकॉर्डिंग को आवाज़ के आधार पर बाँटता है, यानी यह तय करता है कि कौन-सा हिस्सा एक ही व्यक्ति की आवाज़ में है और कहाँ बोलने वाला बदला।

अंग्रेज़ी में इस काम को speaker diarization कहते हैं। यहाँ यह ध्यान रखना ज़रूरी है कि ऐप पहचानता नहीं कि यह फ़लाँ व्यक्ति है — वह सिर्फ़ यह देखता है कि आवाज़ें अलग-अलग हैं, और उन्हें 'वक्ता 1', 'वक्ता 2' जैसे लेबल देता है। नाम आप डालते हैं। यह भेद बुनियादी है और इसे शुरू में ही समझ लेना नतीजे की सही अपेक्षा बनाता है।

नाम दीजिए, और अगली बार भी पहचान होगी

ट्रांसक्रिप्ट खुलने पर आप हर लेबल को असली नाम से बदल देते हैं। इसके बाद एक और सुविधा काम करती है: ऐप उस आवाज़ की एक वॉइस-प्रोफाइल आपके Mac पर सहेज लेता है, ताकि अगली रिकॉर्डिंग में वही व्यक्ति बोले तो उसे पहचानकर वही नाम लगा दिया जाए। जिन लोगों के साथ हर हफ़्ते मीटिंग होती है, उनके लिए यह हर बार नाम डालने का काम बचा देता है।

बँटवारे में जहाँ गलती हो, वहाँ आप उसे सुधार सकते हैं — किसी हिस्से को दूसरे वक्ता को सौंपना, दो लेबल जिन्हें ऐप ने अलग समझा उन्हें मिला देना, या किसी सहेजी हुई प्रोफाइल से नाता तोड़ देना। यह मान कर चलिए कि थोड़ा सुधार करना ही पड़ेगा; कोई भी सिस्टम इसे पूरी तरह अपने-आप ठीक नहीं करता।

कहाँ यह गलत होता है — पूरी ईमानदारी से

वक्ता-अलगाव उन कामों में है जो अच्छी रिकॉर्डिंग पर बहुत साफ़ चलते हैं और खराब रिकॉर्डिंग पर तेज़ी से बिगड़ते हैं। जिन स्थितियों में गड़बड़ी सबसे ज़्यादा होती है:

• एक-दूसरे के ऊपर बोलना — जब दो लोग साथ बोलें, तो उस टुकड़े में आवाज़ें मिली हुई हैं और बँटवारा वहीं सबसे ज़्यादा उलझता है। भारतीय मीटिंगों में यह आम है।
• बहुत छोटे टुकड़े — 'हाँ', 'ठीक है', 'जी' जैसे एक-शब्द वाले उत्तरों में इतनी सामग्री नहीं होती कि आवाज़ का चरित्र भरोसे से पहचाना जा सके।
• दूर या कमज़ोर माइक — मेज़ के बीच रखा अकेला फोन सबसे खराब स्थिति है, क्योंकि दूर बैठे लोगों की आवाज़ का चरित्र वहाँ तक पहुँचते-पहुँचते धुल जाता है।
• स्पीकरफोन पर रखा फोन-कॉल — कॉल का ऑडियो पहले ही दबा हुआ होता है; उसे कमरे की हवा से दोबारा रिकॉर्ड करने पर वक्ता-अलगाव के लिए बहुत कम बचता है।
• बहुत मिलती-जुलती आवाज़ें — एक ही उम्र और एक जैसे बोलने के ढंग वाले दो लोग कभी-कभी एक ही वक्ता मान लिए जाते हैं।

इनमें से ज़्यादातर का इलाज सॉफ्टवेयर नहीं, रिकॉर्डिंग का तरीका है: माइक बोलने वालों के पास रखिए, ऑनलाइन मीटिंग हो तो उसे Mac से ही रिकॉर्ड कीजिए ताकि सिस्टम-ऑडियो सीधे मिले, और पंखे या एयर-कंडीशनर का शोर जितना घटा सकें घटाइए।

वॉइस-प्रोफाइल निजी डेटा है — इसे हल्के में मत लीजिए

किसी व्यक्ति को अगली बार पहचानने के लिए जो प्रोफाइल सहेजी जाती है, वह उस व्यक्ति की आवाज़ से बनी होती है, यानी वह उसका निजी डेटा है — आपका नहीं। इसलिए तीन बातें साफ़ रखनी चाहिए:

• यह प्रोफाइल केवल आपके Mac पर रहती है। यह कहीं अपलोड नहीं होती, किसी अकाउंट से जुड़ी नहीं होती, और किसी सर्वर पर उसकी प्रति नहीं बनती।
• आप इसे कभी भी हटा सकते हैं। किसी सहेजे हुए वक्ता को मिटाना ऐप के भीतर से किया जा सकता है।
• जिन लोगों की प्रोफाइल आप रख रहे हैं, उन्हें यह बात बताई जानी चाहिए। रिकॉर्डिंग की सूचना देना एक बात है; यह बताना कि उनकी आवाज़ की पहचान आगे के लिए सहेजी जा रही है, उससे अलग और ज़्यादा बड़ी बात है।

यह सब सॉफ्टवेयर की बनावट का विवरण है, किसी कानून के पालन का दावा नहीं। आपके अपने मामले में ऐसी प्रोफाइल रखना उचित है या नहीं, यह आपकी लीगल या कम्प्लायंस टीम तय करेगी।

रिकॉर्डिंग और सहमति

जिस बातचीत में आप खुद शामिल हैं, उसे रिकॉर्ड करना भारत में आम व्यवहार है — पर इससे वह अपने-आप उचित या शिष्ट नहीं हो जाता। व्यावहारिक सलाह यही है कि रिकॉर्डिंग शुरू करने से पहले एक वाक्य में सबको बता दीजिए और मीटिंग के नोट्स में भी लिख दीजिए; कोई मना करे तो रोक दीजिए। भारत के दफ़्तरों में छिपाकर रिकॉर्ड करना कानून से बहुत पहले भरोसे का मामला बन जाता है और HR स्तर पर भारी पड़ता है।

किसी और की रिकॉर्डिंग को आगे भेजना या सार्वजनिक करना, रिकॉर्ड करने से अलग और ज़्यादा संवेदनशील बात है — उसे उसी तरह मत लीजिए। और आपके दफ़्तर की अपनी IT तथा कम्प्लायंस नीति सबसे ऊपर है: बैंक, NBFC, बीमा, अस्पताल, लॉ फर्म और सरकारी दफ़्तरों में रिकॉर्डिंग तथा डेटा रखने के अपने नियम होते हैं और वे हमारी किसी भी सलाह से भारी हैं। यह जानकारी है, कानूनी सलाह नहीं — अपने मामले के लिए अपनी लीगल या कम्प्लायंस टीम से पुष्टि कीजिए।

एक बात और, जिसे साफ़ लिखा जाना चाहिए: यह ट्रांसक्रिप्ट एक स्वचालित प्रक्रिया का नतीजा है और इसके कानूनी रिकॉर्ड होने की कोई गारंटी नहीं है। जो बात अहम हो, उसे मूल ऑडियो से मिलाकर देखिए।

किन कामों में यह सबसे ज़्यादा काम आता है

• शोध और पत्रकारिता के इंटरव्यू — जहाँ यह जानना ज़रूरी है कि कौन-सा उद्धरण किसका है, और जहाँ रिकॉर्डिंग बाहर भेजना अक्सर सवाल खड़े करता है।
• यूज़र-रिसर्च और फोकस ग्रुप — कई प्रतिभागी, एक ही रिकॉर्डिंग, और हर टिप्पणी को सही व्यक्ति से जोड़ने की ज़रूरत।
• बोर्ड और क्लाइंट मीटिंग — जहाँ MoM में यह लिखना पड़ता है कि किस पक्ष ने क्या कहा और क्या तय हुआ।
• पॉडकास्ट, जिनमें कई मेहमान हों — सबटाइटल और शो-नोट्स दोनों के लिए वक्ता का अलग होना ज़रूरी है।
• वकीलों की क्लाइंट मीटिंग — जहाँ चर्चा का लिखित रूप चाहिए और फाइल दफ़्तर से बाहर नहीं जानी चाहिए।

ज़रूरतें और कीमत

वक्ता-अलगाव का पूरा काम भी आपके Mac पर ही होता है — रिकॉर्डिंग कहीं अपलोड नहीं होती। ज़रूरतें: macOS 13 (Ventura) या नया और Apple Silicon (M1 या नया) Mac; यह अनिवार्य शर्त है, Intel वाले Mac पर ऐप नहीं चलता।

Mac App Store से डाउनलोड मुफ़्त है। मुफ़्त वर्ज़न में कुल 5 ऑडियो और 5 वीडियो ट्रांसक्रिप्शन (जीवनभर में, रोज़ नहीं) और बोलकर लिखना रोज़ 5 मिनट मिलते हैं; रिकॉर्डिंग असीमित है और जो एक बार ट्रांसक्राइब हो चुका उसे दोबारा चलाना मुफ़्त है। इससे आगे Pro एक बार के $49.99 इन-ऐप परचेज़ से खुलता है — कोई सब्सक्रिप्शन नहीं। भारत में App Store यह कीमत ₹ में दिखाएगा।

अक्सर पूछे जाने वाले सवाल

संबंधित पेज