Booq — फ़ारसी-केंद्रित AI वीडियो अनुवाद और डबिंग

एक नज़र में

• मीडिया के स्थानीयकरण का मतलब था अनुवादकों, वॉइस आर्टिस्टों, स्टूडियो और एडिटरों की एक शृंखला, जिनमें हर एक अलग सप्लायर था और हर एक का अलग बिल।
• अनुवाद, डबिंग, पॉडकास्ट, संगीत, इमेज और फ़िल्म के लिए एक फ़ारसी-केंद्रित वेब ऐप, जिसका भुगतान एक ही वॉलेट से होता है।
• लाइव है और सक्रिय विकास जारी है; प्रोडक्शन डिप्लॉय से ग्राहकों के लिए रिलीज़ नोट्स तैयार होते हैं।

मुख्य बातें

• एक वीडियो के स्थानीयकरण के पाँच तरीक़े

  मूल या अनूदित सबटाइटल, डब, या दोनों में से किसी भी सबटाइटल ट्रैक के साथ डब; हर भाषा के लिए एक आउटपुट, और साथ में सबका एक संयुक्त बंडल।

• हर वक्ता के लिए एक अलग आवाज़

  मल्टी-स्पीकर डबिंग पहचानती है कि कौन बोल रहा है, हर वक्ता को अलग आवाज़ देती है और टाइमिंग को मूल से मिलाती है।

• 30 आवाज़ें और एक पॉडकास्ट टाइमलाइन

  नैरेशन, मौन और म्यूज़िक क्लिप एक ही टाइमलाइन पर; संगीत केवल तभी धीमा होता है जब कोई बोल रहा हो।

• संक्षिप्त विवरण से संगीत और गीत

  मौलिक इंस्ट्रुमेंटल संगीत और पूरे गीत, एक सख़्त मोड के साथ जो उपयोगकर्ता के बोल ज्यों-के-त्यों रखता है, और वैकल्पिक बोल-अनुवाद।

• 6 समूहों में 115 विज़ुअल स्टाइल

  कैमरा, रंग, लाइटिंग, मटीरियल, आर्ट स्टाइल और तकनीक, प्रॉम्प्ट की तकनीकी शब्दावली के बिना तैयार; साथ में हर इमेज की एक वैकल्पिक, अधिक रिज़ॉल्यूशन वाली कॉपी।

• 9 मार्गदर्शित चरणों में कहानी से फ़िल्म

  हर चरण पहले अपनी योजना दिखाता है; उपयोगकर्ता उसे स्वीकार कर सकता है, दोबारा जनरेट कर सकता है, संपादित कर सकता है या अपना संस्करण अपलोड कर सकता है। कैरेक्टर शीट की मदद से पात्र अलग-अलग शॉट्स में एक जैसे बने रहते हैं।

चुनौती

किसी वीडियो के स्थानीयकरण के लिए आम तौर पर विशेषज्ञों की एक पूरी शृंखला चाहिए होती है: अनुवादक, वॉइस आर्टिस्ट, रिकॉर्डिंग स्टूडियो और एडिटर, और अक्सर एक डिज़ाइनर और एक संगीतकार भी। हर कड़ी एक अलग सप्लायर होती है, जिसका अपना फ़ाइल फ़ॉर्मैट और अपना इनवॉइस होता है, और उनके बीच काम सौंपने-लेने में समय-सीमा खिसकती जाती है।

Booq जिन फ़ारसी-भाषी कंटेंट क्रिएटरों, व्यवसायों और शिक्षकों के लिए बना है, उनके लिए परिस्थितियाँ चुनौती को और कठिन बना देती हैं। भुगतान एक स्थानीय गेटवे के ज़रिए तोमान में होता है, बड़ी वीडियो फ़ाइलें अस्थिर कनेक्शनों पर भेजी जाती हैं, और इंटरफ़ेस को दाएँ-से-बाएँ लिखी जाने वाली भाषा में मूल रूप से उसी के लिए बना हुआ लगना चाहिए, न कि बाद में उसमें अनूदित किया गया।

परदे के पीछे, हर क्षमता बाहरी AI प्रदाताओं पर निर्भर है, और उनमें से कोई भी दूसरों से स्वतंत्र रूप से विफल हो सकता है या बदल सकता है। ऐसा होने पर भी प्लेटफ़ॉर्म को चलते रहना था, और जिसके पास कहने को कुछ है, उसे अपनी बात कहने के लिए कभी वीडियो एडिटर बनने की ज़रूरत नहीं पड़नी चाहिए।

आर्किटेक्चर

Booq एक ही वेब ऐप के पीछे चलने वाली स्वतंत्र सेवाओं का समूह है, जिसमें हर AI प्रदाता के लिए एक अलग गेटवे है। यही एक निर्णय है जिसकी वजह से किसी मॉडल को बदला जा सकता है, किसी कुंजी को रोटेट किया जा सकता है या विफल हो रहे प्रदाता को अपने-आप दरकिनार किया जा सकता है, वह भी बाक़ी प्रोडक्ट को छुए बिना।

• हर कार्य कतार में लगता है। भारी प्रोसेसिंग किसी वेब रिक्वेस्ट के भीतर चलने के बजाय, हर सेवा की अपनी सीमाओं वाली टिकाऊ प्राथमिकता-कतारों में प्रतीक्षा करती है।

• काम दोबारा शुरू नहीं होता, वहीं से आगे बढ़ता है। अनुवाद चेकपॉइंट सहेजते हैं और क्रैश के बाद वहीं से आगे बढ़ते हैं जहाँ रुके थे, और कमज़ोर कनेक्शन पर बड़े अपलोड नए सिरे से शुरू होने के बजाय वहीं से जारी रहते हैं।

• पैसा काम के साथ चलता है। तोमान में एक प्रीपेड वॉलेट, पहले से दिखाया गया VAT, एक स्थायी लेजर, ठीक उसी तरह लागू होने वाली छूट जैसी बताई गई थी, और कार्य विफल होने पर अपने-आप रिफ़ंड।

• एक नहीं, तीन ऐप। ग्राहक, प्रशासक और सपोर्ट स्टाफ़, हर कोई अलग से डिप्लॉय किया गया अपना ऐप इस्तेमाल करता है, और एक ऐप का साइन-इन दूसरे में काम नहीं करता।

• रिलीज़ नहीं, स्विच। प्रोडक्ट के हिस्से बिना किसी रिलीज़ के चालू या बंद किए जाते हैं, और मॉडल व प्रदाताओं की कुंजियाँ एडमिन पैनल से बदली जाती हैं।

प्लेटफ़ॉर्म कोड के रूप में परिभाषित एक कंटेनर क्लस्टर पर चलता है, जिसमें भारी वर्कलोड अपने डेटा के पास रखे जाते हैं। कोई व्यक्ति प्रोडक्शन के लिए मंज़ूरी दे, उससे पहले हर रिलीज़ बिल्ड, टेस्ट, स्टेजिंग डिप्लॉयमेंट और स्मोक टेस्ट से गुज़रती है, और पिछले वर्ज़न पर आपातकालीन रोलबैक मैन्युअल रूप से शुरू किया जा सकता है।

मैंने क्या बनाया

एक ही वर्कस्पेस स्रोत सामग्री से लेकर तैयार फ़ाइल तक का पूरा रास्ता कवर करता है।

वीडियो अनुवाद और डबिंग

• पाँच आउटपुट मोड: मूल भाषा में सबटाइटल, अनूदित सबटाइटल, केवल डब, मूल सबटाइटल के साथ डब, या अनूदित सबटाइटल के साथ डब।

• मल्टी-स्पीकर डबिंग: वक्ताओं की पहचान होती है, हर एक को अलग आवाज़ मिलती है, और टाइमिंग मूल से मिलाई जाती है।

• स्वचालित या इंटरैक्टिव: पूरी तरह अपने-आप चलाएँ, या कुछ भी रेंडर होने से पहले रुककर सबटाइटल की समीक्षा और संपादन करें।

• ब्रॉडकास्ट के लिए तैयार फ़िनिश: वर्टिकल और वाइडस्क्रीन वीडियो के लिए स्टाइल किए गए बर्न-इन सबटाइटल, और डब के नीचे धीमी आवाज़ में बना रहने वाला मूल ऑडियो या बैकग्राउंड संगीत।

• बैच और लिंक से इनपुट: वीडियो का आर्काइव अपलोड करें या सोशल मीडिया लिंक पेस्ट करें; स्रोत भाषा अपने-आप पहचानी जाती है और कोई भी शुल्क कटने से पहले क़ीमत दिखाई जाती है।

आवाज़, पॉडकास्ट और संगीत

• 30 AI आवाज़ें, टोन के निर्देश के साथ, जो बोलकर पढ़ा नहीं जाता बल्कि निर्देश के रूप में लागू होता है।

• पॉडकास्ट स्टूडियो: नैरेशन, मौन और ऑडियो क्लिप एक ही टाइमलाइन पर; आवाज़ किसी म्यूज़िक क्लिप के आख़िरी हिस्से के ऊपर शुरू हो सकती है, और संगीत केवल तभी धीमा होता है जब कोई बोल रहा हो।

• संगीत और गीत: एक संक्षिप्त विवरण से मौलिक इंस्ट्रुमेंटल संगीत, और AI या उपयोगकर्ता के लिखे बोलों वाले पूरे गीत, जिनमें शब्दों को ज्यों-के-त्यों रखने वाला एक सख़्त मोड और वैकल्पिक बोल-अनुवाद भी शामिल है।

• ट्रांसक्रिप्शन, सबटाइटल या सादे टेक्स्ट के रूप में, AI द्वारा लगाए गए विराम-चिह्नों और वैकल्पिक मानवीय समीक्षा के साथ।

इमेज और फ़िल्म

• विज़ुअल स्टाइल स्टूडियो: 6 समूहों में 115 स्टाइल, ताकि प्रॉम्प्ट की तकनीकी शब्दावली के बिना मनचाहा लुक तैयार हो सके, साथ ही हर इमेज की एक वैकल्पिक, अधिक रिज़ॉल्यूशन वाली कॉपी।

• AI वीडियो स्टूडियो: कोई विषय या कहानी 9 मार्गदर्शित चरणों से होकर रेंडर की गई फ़िल्म बन जाती है: कहानी, ब्रेकडाउन, विज़ुअल स्टाइल, पात्र, कैरेक्टर शीट, साउंडट्रैक, शॉट, एडिट और रेंडर।

• साउंड डिज़ाइन: स्टूडियो के भीतर 744 मुफ़्त, पब्लिक-डोमेन साउंड इफ़ेक्ट, एक मल्टी-ट्रैक ऑडियो टाइमलाइन पर।

काम के इर्द-गिर्द

• मेरी लाइब्रेरी हर अपलोड और हर आउटपुट को एक जगह रखती है, और जहाँ भी किसी फ़ाइल की ज़रूरत हो, वहाँ उपलब्ध रहती है।

• डिफ़ॉल्ट रूप से निजी: जब तक मालिक कोई शेयर लिंक न बनाए, आउटपुट केवल वही डाउनलोड कर सकता है।

• तीन इंटरफ़ेस भाषाएँ: डिफ़ॉल्ट रूप से फ़ारसी, साथ में अंग्रेज़ी और अरबी, दाएँ-से-बाएँ लेखन के पूरे समर्थन के साथ, और इसे वेब ऐप के रूप में इंस्टॉल किया जा सकता है।

• द्विभाषी पेज बिल्डर और ब्लॉग, ताकि मार्केटिंग पेज डेवलपरों के बिना प्रकाशित हो सकें।

परिणाम

Booq लाइव है और इसका सक्रिय विकास जारी है। प्रोडक्शन डिप्लॉय ग्राहकों के लिए रिलीज़ नोट्स तैयार करते हैं, जिनमें से आंतरिक नाम हटा दिए जाते हैं; ये फ़ारसी और अरबी में अनूदित होते हैं और एडमिन इन्हें संपादित कर सकते हैं।

अब एक क्रिएटर एक ही प्रोजेक्ट में किसी वीडियो को कई भाषाओं में ले जा सकता है, सबटाइटल, डब या दोनों के रूप में, और उसी वर्कस्पेस में पॉडकास्ट, संगीत, इमेज और फ़िल्में बना सकता है, जहाँ हर परिणाम एक ही लाइब्रेरी में पहुँचता है। हर कार्य चलने से पहले अपनी क़ीमत, या अपना शुरुआती अनुमान, दिखाता है, और विफल कार्य का शुल्क अपने-आप वापस हो जाता है।

प्लेटफ़ॉर्म संचालक बिना किसी रिलीज़ के मॉडल बदल सकते हैं, प्रदाताओं की कुंजियाँ रोटेट कर सकते हैं और प्रोडक्ट के हिस्सों को चालू या बंद कर सकते हैं, और किसी डेवलपर के बिना मार्केटिंग पेज प्रकाशित कर सकते हैं। बैकअप हर घंटे चलते हैं, और प्रोडक्शन के एक बैकअप को शुरू से अंत तक पढ़कर सत्यापित किया गया।

पोस्ट-मॉर्टम

प्रोडक्शन में प्लेटफ़ॉर्म चलाने के अनुभव से कई बार दिशा बदली गई। हर बार एक सुविधाजनक धारणा की जगह एक ज़्यादा सुरक्षित डिफ़ॉल्ट अपनाया गया।

स्पीच। शुरुआत में स्पीच को जान-बूझकर एक ही प्रदाता से बाँधा गया था, क्योंकि अलग प्रदाता का मतलब है अलग आवाज़। जब उस प्रदाता की सेवा ठप हुई, तो डब इस तरह तैयार हुए कि जहाँ पंक्तियाँ ग़ायब थीं, वहाँ मौन रह गया। अब स्पीच प्रदाताओं की एक शृंखला में एक से दूसरे पर फ़ॉलबैक करती है, इस सिद्धांत पर कि थोड़ी अलग आवाज़ मौन से बेहतर है।

मॉडरेशन। पहले कंटेंट की जाँच प्रोजेक्ट बनाने की प्रक्रिया के भीतर चलती थी, इसलिए अपलोड पूरा होने और प्रोजेक्ट पेज खुलने के बीच उपयोगकर्ताओं को इंतज़ार करना पड़ता था। अब यह बैकग्राउंड में चलती है, और तैयार परिणाम को समीक्षा पूरी होने तक “कंटेंट समीक्षा जारी है” की स्थिति में रोककर रखा जाता है, ताकि समीक्षा चलते रहने के दौरान आउटपुट को तैयार के रूप में न दिखाया जाए।

रिलीज़ और बैकअप। प्रोडक्शन डिप्लॉय को स्वचालित से बदलकर मैन्युअल मंज़ूरी पर लाया गया, जो स्टेजिंग की जाँचें पास होने के बाद ही खुलती है। बैकअप अब हर घंटे होते हैं, और सबसे नया बैकअप शुरू से अंत तक पढ़ा गया, क्योंकि जिस बैकअप को कभी किसी ने पढ़ा ही नहीं, वह बैकअप नहीं है।

मेरी भूमिका

• CTO के रूप में Booq का आर्किटेक्चर तय किया: स्वतंत्र सेवाएँ, हर AI प्रदाता के लिए अलग गेटवे, और ग्राहकों, एडमिन और स्टाफ़ के लिए अलग-अलग डिप्लॉय किए गए तीन ऐप।
• प्लेटफ़ॉर्म को पहले कमिट से कोड के रूप में परिभाषित प्रोडक्शन कंटेनर क्लस्टर तक पहुँचाया, ऐसे रिलीज़ गेट्स के साथ जिनका अंतिम चरण मैन्युअल मंज़ूरी है।
• लॉन्च कार्यक्रम में प्रोडक्ट और प्राइसिंग से जुड़े निर्णयों (प्राइसिंग अभियान, लाइसेंसिंग और स्टोरेज नीति) की ज़िम्मेदारी संभाली, और इसे सत्यापन व रोलबैक चरणों वाले एक संरचित कार्यक्रम के रूप में चलाया।
• प्रोडक्ट ओनर के रूप में AI वीडियो स्टूडियो की आवश्यकताएँ तय कीं, और विज़ुअल स्टाइल स्टूडियो की शुरुआती सामग्री अपने ख़ुद के चुनिंदा स्टाइल संग्रह से तैयार की।
• AI-संवर्धित इंजीनियरिंग वर्कफ़्लो चलाया, जिसमें कोडिंग एजेंटों को सर्वोत्तम प्रथाओं पर शोध करने, चरणों में योजना बनाने और स्टेजिंग से होते हुए प्रोडक्शन तक डिलीवर करने के निर्देश दिए।

इंजीनियरिंग

• प्रदाता विफल होते हैं; प्रोडक्ट चलता रहता है

  हर AI प्रदाता स्वचालित फ़ॉलबैक के साथ अपने अलग गेटवे के पीछे है, और मॉडल व कुंजियाँ बिना दोबारा डिप्लॉय किए एडमिन पैनल से बदली जाती हैं।

• क्रैश और कमज़ोर कनेक्शन को ध्यान में रखकर बनाया गया

  क्रैश के बाद अनुवाद चेकपॉइंट से आगे जारी रहते हैं, और कई गीगाबाइट के अपलोड ख़राब नेटवर्क पर नए सिरे से शुरू होने के बजाय वहीं से जारी रहते हैं।

• पैसे के मामले में पूरी एहतियात

  विफल कार्यों का रिफ़ंड अपने-आप होता है, रिफ़ंड को दोहरे भुगतान से सुरक्षित रखा गया है, और हर लेन-देन एक स्थायी लेजर में दर्ज होता है।

• तैयार दिखाए जाने से पहले जाँच

  इमेज, वीडियो, ऑडियो और टेक्स्ट की जाँच बैकग्राउंड में होती है, और अपील का रास्ता भी है; तैयार परिणाम उसकी समीक्षा पूरी होने तक रोककर रखा जाता है।

• परत-दर-परत एक्सेस कंट्रोल

  ग्राहकों, एडमिन और स्टाफ़ के लिए अलग-अलग ऐप; कंसोल के लिए दूसरा ऑथेंटिकेशन फ़ैक्टर ज़रूरी है और वे भूमिका-आधारित अनुमतियों का उपयोग करते हैं।

• मॉनिटरिंग, लोड टेस्टिंग और बैकअप

  गंभीरता के आधार पर रूट होने वाले अलर्ट के साथ डैशबोर्ड, पास/फ़ेल सीमाओं के आधार पर लॉन्च-पूर्व लोड टेस्ट, और हर घंटे के बैकअप, जिनमें से एक को शुरू से अंत तक पढ़कर सत्यापित किया गया।

परिणाम

• लाइव है और सक्रिय विकास जारी है, फ़ारसी, अंग्रेज़ी और अरबी में उपलब्ध फ़ारसी-केंद्रित इंटरफ़ेस के साथ।
• एक क्रिएटर एक ही प्रोजेक्ट में किसी वीडियो को कई भाषाओं में ले जा सकता है: सबटाइटल, डब या दोनों के रूप में।
• पॉडकास्ट, संगीत, इमेज और फ़िल्में एक ही वर्कस्पेस में बनती हैं और एक ही लाइब्रेरी में पहुँचती हैं।
• संचालक कोई रिलीज़ जारी किए बिना मॉडल बदलते हैं, कुंजियाँ रोटेट करते हैं और प्रोडक्ट के हिस्सों को चालू या बंद करते हैं।
• प्रोडक्शन डिप्लॉय ग्राहकों के लिए रिलीज़ नोट्स तैयार करते हैं, जो फ़ारसी और अरबी में अनूदित होते हैं और एडमिन उन्हें संपादित कर सकते हैं।