Telegram for macOS के बीटा में, डिक्टेशन (सीधे मैसेज फ़ील्ड में आवाज़ से मैसेज टाइप करना) के साथ, AI एडिटर द्वारा डिक्टेट किए गए टेक्स्ट को सुधारने की सुविधा जोड़ी गई है। 1 नवंबर की बिल्ड 13.1.0.283431 में, एक «Enhance» बटन है जिसमें «Fix Grammar», «Enhance Style» और «AI Editor…» विकल्प हैं, साथ ही ऑटोमैटिक पंक्चुएशन के लिए एक टॉगल और यह सेट करने का विकल्प भी है कि मैसेज फ़ील्ड में ⌘R क्या करता है: टेक्स्ट डिक्टेट करता है या वॉइस मैसेज रिकॉर्ड करता है। डिक्टेशन खुद क्लाइंट के ओपन-सोर्स कोड में है, लेकिन यह केवल डीबग बिल्ड में ही सक्षम है, और AI सुधार ओपन-सोर्स कोड में बिल्कुल भी नहीं हैं। यह उन लोगों के लिए है जो Mac से लिखते हैं। ओपन-सोर्स कोड में, स्पीच को Apple का बिल्ट-इन रिकॉग्नाइज़र पहचानता है, जबकि बीटा में Telegram के सर्वर के माध्यम से एक फ़ॉलबैक पाथ जोड़ा गया है — जिसमें एक मुफ़्त सीमा है, जिसके बाद Premium की आवश्यकता होगी।
बीटा में क्या नया है
macOS क्लाइंट में डिक्टेशन को वॉइस रिकॉर्डिंग के विस्तार के रूप में व्यवस्थित किया गया है: रिकॉर्ड बटन दबाकर, माउस को न छोड़ें और बाईं ओर खींचें — नीचे दिया गया संकेत कहता है, «← Swipe to dictate»। बाईं ओर का खिंचाव ऊपर की ओर से अधिक होना चाहिए, अन्यथा रिकॉर्डिंग बस लॉक हो जाएगी। वॉइस मैसेज के बजाय, स्पीच टेक्स्ट में बदल जाती है, और रिकॉर्डिंग खुद डिलीट हो जाती है। पहचान के दौरान, नीचे «Transcribing. Click anywhere to stop.» लिखा होता है; तैयार टेक्स्ट ओपन-सोर्स कोड में एक अलग पैनल के रूप में दिखाया जाता है, जहाँ से इसे तुरंत भेजा जा सकता है या इनपुट फ़ील्ड के अंत में जोड़ा और सुधारा जा सकता है। भाषा को मैन्युअल रूप से चुना जा सकता है या «Automatic» पर छोड़ा जा सकता है। बीटा 283318 में डिक्टेशन के बारे में 15 अक्टूबर को लिखा गया था; Android में भेजने से पहले ऐसी ही ट्रांसक्रिप्शन दिखाई गई थी और फिर हटा दी गई।
24 अक्टूबर से (बिल्ड 283377) बीटा में नया यह है कि डिक्टेट किए गए टेक्स्ट को सुधारा जा सकता है। 283431 की स्ट्रिंग्स:
| स्ट्रिंग | यह क्या है |
|---|---|
| «Enhance» | डिक्टेट किए गए टेक्स्ट के पास बटन; इसका संकेत — «Fix punctuation and grammar in the dictated text» |
| «Fix Grammar» | विराम चिह्न और व्याकरण को ठीक करें |
| «Enhance Style» | टेक्स्ट को किसी एक स्टाइल में फिर से लिखें |
| «AI Editor…» | पूरा AI एडिटर खोलें |
| «Enhancing…» | टेक्स्ट पर काम चल रहा है |
| «Automatic Punctuation» | ऑटोमैटिक पंक्चुएशन टॉगल |
| «What ⌘R does in the message field. Automatic dictates when the field has text and records a message when it is empty.» | ⌘R की सेटिंग: «Automatic» मोड में, यदि फ़ील्ड में पहले से टेक्स्ट है तो यह संयोजन डिक्टेट करता है, और यदि फ़ील्ड खाली है तो वॉइस मैसेज रिकॉर्ड करता है |
| «The language you speak while dictating. Automatic uses this chat's language and your system languages.» | डिक्टेशन की भाषा: «Automatic» चैट की भाषा और आपकी सिस्टम भाषाओं का उपयोग करता है |
क्लाइंट चुनी हुई स्टाइल को याद रखता है (kChatDictationEnhanceStyle)। «AI Editor…» विकल्प से पता चलता है कि ये वही स्टाइल हैं जो इनपुट फ़ील्ड में AI एडिटर के लिए हैं, जिसे Telegram ने अप्रैल में जारी किया था: व्याकरण ठीक करें, अनुवाद करें, «Formal», «Short», «Zen», «Corp» और अन्य स्टाइल में फिर से लिखें। आधिकारिक पोस्ट में इसका कैप्शन — AI फ़ंक्शन Cocoon नेटवर्क पर काम करते हैं।
यह बटन अभी दिख रहा है या नहीं, यह बिल्ड से स्पष्ट नहीं है। ओपन-सोर्स कोड में डिक्टेशन बीटा और रिलीज़ बिल्ड में कंपाइलेशन कंडीशन द्वारा अक्षम है और केवल डीबग बिल्ड में काम करता है; क्या यह 283431 में सक्षम है, यह बाइनरी से स्पष्ट नहीं है, हालांकि स्ट्रिंग्स और क्लास मौजूद हैं।
क्या करें
- कहाँ देखें। बीटा Telegram for macOS के बीटा संस्करण के ऑटो-अपडेट के रूप में आता है; बिल्ड की सूची अपडेट फ़ीड में है। 20 अक्टूबर के स्थिर 13.1.0 (283357) में डिक्टेशन इंजन पहले से मौजूद है, लेकिन «Enhance», «Automatic Punctuation» और ⌘R की सेटिंग नहीं है, और रिकॉर्डिंग के दौरान संकेत «← Swipe to transcribe» है।
- एक्सेस दें। डिक्टेशन को macOS की दो अनुमतियों की आवश्यकता होती है: System Settings → Privacy & Security → Microphone और वहीं Speech Recognition। दूसरे के बिना क्लाइंट «Telegram needs Speech Recognition access to turn your voice into text» दिखाता है।
- भाषा जांचें। यदि Apple के रिकॉग्नाइज़र द्वारा सिस्टम की कोई भी भाषा समर्थित नहीं है, तो डिक्टेशन «Dictation is not available for your current input language.» का जवाब देता है। «Automatic» के बजाय भाषा को मैन्युअल रूप से चुना जा सकता है।
- ⌘R याद रखें। अभी Telegram for macOS में ⌘R वॉइस या वीडियो मैसेज रिकॉर्ड करना शुरू करता है; बीटा में इस संयोजन के लिए एक विकल्प होगा, और «Automatic» मोड में, यदि फ़ील्ड खाली नहीं है तो यह रिकॉर्डिंग के बजाय डिक्टेशन शुरू करेगा।
स्पीच कैसे पहचानी जाती है
ओपन-सोर्स कोड में पहचान पूरी तरह से Apple की ओर से होती है। macOS 26 पर क्लाइंट नया SpeechAnalyzer इंजन लेता है, यदि भाषा मॉडल पहले से स्थापित है; यदि नहीं — तो यह पृष्ठभूमि में उसकी डाउनलोडिंग शुरू करता है, और इस डिक्टेशन को पिछले SFSpeechRecognizer को देता है। पुराने सिस्टम पर केवल SFSpeechRecognizer काम करता है। अनुरोध को डिक्टेशन के रूप में चिह्नित किया जाता है, और यदि भाषा के लिए डिवाइस पर मॉडल है, तो क्लाइंट केवल Mac पर पहचान की मांग करता है; macOS 13 और नए पर विराम चिह्न रिकॉग्नाइज़र खुद लगाता है।
«Automatic» मोड में भाषा का अनुमान पहले से नहीं लगाया जाता है: क्लाइंट सिस्टम की भाषाओं में से दो तक का चयन करता है, जिन्हें Apple का रिकॉग्नाइज़र जानता है, और दोनों को एक ही ध्वनि पर एक साथ चलाता है; दूसरा केवल तभी जब उसका मॉडल बिना नेटवर्क के काम करता है। प्रत्येक उम्मीदवार के लिए एक स्कोर की गणना की जाती है — अपडेट के बीच टेक्स्ट की स्थिरता का आधा, रिकॉग्नाइज़र के आत्मविश्वास का आधा, साथ ही पहली भाषा के लिए एक छोटा सा फ़ायदा। पहले पहचाने गए शब्दों के 1.5 सेकंड बाद, वह उम्मीदवार जीतता है जिसने दूसरे को 0.12 से पीछे छोड़ दिया, और 3 सेकंड बाद — नेता किसी भी मामले में जीतता है; हारने वाला रुक जाता है, आगे ध्वनि एक को जाती है। बीटा में इस सूची में चैट की भाषा भी जोड़ी गई है।
सीक्रेट चैट में ओपन-सोर्स कोड केवल उन रिकॉग्नाइज़र को चलाता है जो डिवाइस पर काम करते हैं। यदि भाषा के लिए ऐसा कोई मॉडल नहीं है, तो सीक्रेट चैट में डिक्टेशन शुरू नहीं होगा। सामान्य चैट में पहली भाषा स्थानीय मॉडल के बिना भी पहचानी जा सकती है — तब रिकॉर्डिंग Apple के सर्वर पर जाती है, जैसे macOS की सिस्टम डिक्टेशन में होता है।
Telegram के सर्वर के माध्यम से फ़ॉलबैक पाथ
बीटा में इसमें Telegram की अपनी सर्वर-साइड ट्रांसक्रिप्शन जोड़ी गई है। क्लाइंट के लॉग में «server fallback selected» और «nativeAvailable» स्ट्रिंग्स हैं, और बाइनरी में messages.transcribeAudioFile मेथड है: यह अपलोड की गई ऑडियो फ़ाइल को स्वीकार करता है, मैसेज को नहीं, और सामान्य ट्रांसक्रिप्शन प्रतिक्रिया के रूप में या बाद में, updateTranscribedAudioFile अपडेट के माध्यम से टेक्स्ट लौटाता है। पिछला messages.transcribeAudio मेथड केवल उस वॉइस को ट्रांसक्राइब करता है जो पहले से चैट में है — अनसेंट रिकॉर्डिंग का कोई मैसेज नंबर नहीं होता है। नया मेथड और अपडेट macOS बीटा से अपलोड की गई API स्कीम में हैं, लेकिन प्रकाशित डॉक्यूमेंटेशन में नहीं।
बीटा की त्रुटि टेक्स्ट से सीमाएँ दिखाई देती हैं: 30 मिनट से लंबी या 1 MB से बड़ी रिकॉर्डिंग ट्रांसक्राइब नहीं होती है, और मुफ़्त ट्रांसक्रिप्शन के बाद «Your free transcriptions have been used. Telegram Premium is required to transcribe more audio.» दिखाई देता है। स्थिर 13.1.0 में न तो मेथड है और न ही ये स्ट्रिंग्स। बीटा Apple और Telegram सर्वर के बीच कैसे चुनता है और सीक्रेट चैट में क्या करता है, यह बिल्ड से स्पष्ट नहीं है।
कैसे जांचा गया
- क्लाइंट का ओपन-सोर्स कोड: डिक्टेशन इंजन (भाषाओं का चयन, मूल्यांकन, 1.5 और 3 सेकंड की सीमाएँ,
requiresOnDeviceRecognition) और कंट्रोलर, जहाँisSupportedकी जांच केवल डीबग बिल्ड में "हाँ" लौटाती है और सीक्रेट चैट में डिवाइस पर पहचान की आवश्यकता होती है। ये दोनों फ़ाइलें 23 अक्टूबर को रिलीज़ शाखा 13.1 के विलय के साथ ओपन-सोर्स कोड में आईं। - अपडेट फ़ीड से बाइनरी: बीटा 283431 और स्थिर 283357।
ChatDictationEnhancer,ChatDictationEnhanceViewक्लास,kChatDictationAutomaticPunctuationऔरkChatDictationShortcutकीज़ और तालिका की स्ट्रिंग्स केवल बीटा में हैं; स्थिर में इंजन (ChatDictationSession,ChatDictationAnalyzerRecognizer) और डिक्टेशन की आठ स्ट्रिंग्स हैं, लेकिन सुधार नहीं है। ओपन-सोर्स कोड की स्ट्रिंग फ़ाइल में «Enhance» विकल्प भी नहीं हैं। - सर्वर-साइड — बाइनरी 283431 की स्ट्रिंग्स:
AudioFileTranscription, «upload complete, calling transcribeAudioFile»,updateTranscribedAudioFileऔर त्रुटि टेक्स्ट; 283357 में वे नहीं हैं। ChatDictationEnhancerका पहला प्रदर्शन — बीटा 283377, 24 अक्टूबर के बाइनरी का डिफ़।
