Textnizer - गाइड

भाषण, स्क्रीनशॉट और फ़ाइलों से टेक्स्ट निकालें। रीयल-टाइम वॉइस पहचान, स्क्रीन कैप्चर OCR, और ऑडियो, वीडियो, छवियों तथा PDF के बैच प्रसंस्करण का समर्थन करता है।

शुरुआत करना

मुख्य स्क्रीन से तीन मोड्स में से एक चुनें:

Live Transcription — आपके माइक्रोफ़ोन से रीयल-टाइम स्पीच-टू-टेक्स्ट
Capture Transcription — स्क्रीनशॉट या कैमरे से OCR
File Transcription — ऑडियो, वीडियो, छवि या PDF फ़ाइलों का बैच प्रसंस्करण

Live Transcription

आपके माइक्रोफ़ोन या ऑडियो इनपुट डिवाइस से रीयल-टाइम स्पीच पहचान।

स्पीच इंजन

इंजन	प्रकार	सर्वोत्तम उपयोग
Google Speech	ऑनलाइन API	उच्च सटीकता, कई भाषाएँ (डिफ़ॉल्ट)
Whisper	स्थानीय मॉडल	ऑफ़लाइन उपयोग, गोपनीयता (tiny से large मॉडल)
Vosk	ऑफ़लाइन	हल्का, तेज़, कई भाषाओं का समर्थन

रिकॉर्डिंग विकल्प

ऑडियो इनपुट डिवाइस का चयन
Audio Format: MP3 या WAV
Audio Quality: low / medium / high
कैमरा प्रीव्यू के साथ वैकल्पिक Video Capture
वैकल्पिक Speaker Classification (विभिन्न वक्ताओं की पहचान करता है)

Capture Transcription

OCR का उपयोग करके स्क्रीनशॉट या कैमरा कैप्चर से टेक्स्ट निकालें।

Camera capture — एक कैमरा डिवाइस चुनें, एक तस्वीर लें
Full screen capture — पूरी स्क्रीन कैप्चर करें
Region selection — किसी विशिष्ट क्षेत्र को कैप्चर करने के लिए एक आयत बनाएँ
Window capture — किसी विशिष्ट विंडो को कैप्चर करें

OCR इंजन: Tesseract (डिफ़ॉल्ट रूप से जापानी)। परिणाम कैप्चर की गई छवि के साथ दिखाई देते हैं।

File Transcription

खींचने और छोड़ने या फ़ाइल ब्राउज़र का उपयोग करके फ़ाइलों का बैच प्रसंस्करण करें।

समर्थित प्रारूप

प्रकार	प्रारूप	विधि
ऑडियो	MP3, WAV, M4A, FLAC, AAC, OGG, WMA	स्पीच इंजन
वीडियो	MP4, AVI, MOV, MKV, WMV, FLV	ऑडियो निष्कर्षण → स्पीच इंजन
छवि	JPG, PNG, BMP, TIFF, GIF	Tesseract OCR
दस्तावेज़	PDF	पृष्ठ → छवि → OCR

वर्कसेट इतिहास

प्रत्येक ट्रांसक्रिप्शन सत्र को वर्कसेट के रूप में सहेजा जाता है
कीवर्ड, प्रकार (Live/Capture/File) और स्थिति के आधार पर फ़िल्टर करें
पिछले सत्र को फिर से खोलने के लिए डबल-क्लिक करें
क्रमबद्ध स्तंभ: नाम, प्रकार, विधि, दिनांक, स्थिति

सेटिंग्स

सेटिंग	विवरण	डिफ़ॉल्ट
Recognition Model	डिफ़ॉल्ट स्पीच इंजन	Google
Audio Format	रिकॉर्डिंग प्रारूप	WAV
Audio Quality	संपीड़न स्तर	Medium
Video Capture	कैमरा रिकॉर्डिंग सक्षम करें	Off
Speaker Classification	विभिन्न वक्ताओं की पहचान करें	Off

सुझाव

ऑफ़लाइन ट्रांसक्रिप्शन — पूरी तरह से ऑफ़लाइन स्पीच पहचान के लिए Whisper या Vosk का उपयोग करें
मीटिंग नोट्स — यह पहचानने के लिए Speaker Classification सक्षम करें कि किसने क्या कहा
बैच OCR — बैच प्रसंस्करण के लिए स्कैन किए गए दस्तावेज़ों का पूरा फ़ोल्डर ड्रॉप करें
PDF निष्कर्षण — प्रत्येक PDF पृष्ठ को एक छवि में परिवर्तित किया जाता है और अलग-अलग OCR किया जाता है

गोपनीयता

Whisper और Vosk इंजन पूरी तरह से आपके डिवाइस पर चलते हैं
Google Speech पहचान के लिए ऑडियो को Google सर्वर पर भेजता है
सभी ट्रांसक्रिप्शन परिणाम और रिकॉर्डिंग केवल आपकी स्थानीय डिस्क पर संग्रहीत होते हैं
कोई एनालिटिक्स या ट्रैकिंग नहीं