Translate Audio کی ترتیبات: شناخت، ترجمہ اور وائس اوور
Translate Audio کی ترتیبات میں ہر آپشن کا کیا کام ہے، اس کی لاگت کیا ہے اور یہ کب لاگو ہوتا ہے: آواز کی شناخت، ترجمے کا ماڈل، معیاری اور کلون شدہ آوازیں۔
اپ ڈیٹ کردہ 2 نومبر، 20266 منٹ کا مطالعہ
ترتیبات کھولنے کے لیے، Translate Audio کے اوپر دائیں کونے میں ترتیبات کے آئیکن (سلائیڈرز) پر ٹیپ کریں۔ اس شیٹ میں تین ٹیبز ہیں: Recognition، Translation اور Voiceover۔ ایپ اگلی ریکارڈنگز کے لیے آپ کے انتخابات کو یاد رکھتی ہے۔
تبدیلی کب لاگو ہوتی ہے
ہر ٹیب مختلف وقت پر لاگو ہوتا ہے، اس لیے تبدیلی ہمیشہ اسکرین پر پہلے سے موجود نتیجے پر اثر انداز نہیں ہوتی۔
| ٹیب | کس پر لاگو ہوتا ہے |
|---|---|
| Recognition | اگلی فائل جسے آپ منتخب کریں گے |
| Translation | صرف دوبارہ ترجمہ کرنے پر: جب آپ ہدف زبان تبدیل کرتے ہیں یا اصل متن میں ترمیم کرتے ہیں۔ نئی فائل کا پہلا ترجمہ ہمیشہ Gemini 3.8 Flash استعمال کرتا ہے |
| Voiceover | اگلی بار جب آپ پلے پر ٹیپ کریں گے |
Recognition: گفتگو کو متن میں کون تبدیل کرتا ہے
ElevenLabs Scribe ڈیفالٹ اور سب سے سستا آپشن ہے۔ ریکارڈنگ کی زبان ہمیشہ خودکار طور پر پہچان لی جاتی ہے۔
| آپشن | ایپ اس کے بارے میں کیا کہتی ہے | وقت | قیمت |
|---|---|---|---|
| ElevenLabs Scribe | لہجوں اور پس منظر کے شور کے ساتھ درست، 99 زبانیں | ≈ 3 سیکنڈ | تقریباً 0.7 ٹوکن فی منٹ |
| OpenAI Transcribe | تکنیکی اصطلاحات اور اسمِ معرفہ کے ساتھ بہتر | ≈ 5 سیکنڈ | تقریباً 1.2 ٹوکن فی منٹ |
| OpenAI Whisper | طویل ریکارڈنگز کے لیے ایک آپشن | ≈ 10 سیکنڈ | تقریباً 1.2 ٹوکن فی منٹ |
یہاں منتخب کردہ فراہم کنندہ کو Text Transcription کی جانب سے بھی استعمال کیا جاتا ہے، جس کی اپنی کوئی ترتیبات نہیں ہیں۔
Translation: کون سا ماڈل ترجمہ کرتا ہے
یہ ماڈل فی 1,000 حروف کے لیے ٹوکن کے معمولی حصے جتنا خرچ کرتا ہے، لہذا یہ انتخاب معیار اور رفتار سے متعلق ہے۔
| ماڈل | کس کے لیے موزوں ہے |
|---|---|
| Gemini 3.8 Flash (ڈیفالٹ) | بہترین معیار، عام بول چال، محاورات اور پیچیدہ متن کو سنبھالتا ہے |
| Gemini Flash Lite | سب سے تیز، لیکن عام بول چال اور جذباتی گفتگو میں کم درست ہو سکتا ہے |
| GPT 6 Luna | زیادہ تر متون کے لیے ایک سستا متبادل |
بغیر کلوننگ کے وائس اوور
معیاری آوازیں ترجمے کو تیزی سے اور سستے طریقے سے پڑھتی ہیں، لیکن وہ بولنے والے جیسی نہیں لگتیں۔ Translate Audio میں ان میں سے ہر ایک کی ایک مخصوص آواز ہے جسے آپ تبدیل نہیں کر سکتے۔
| آپشن | خصوصیت | وقت | قیمت |
|---|---|---|---|
| ElevenLabs | دستیاب آوازوں میں سب سے زیادہ قدرتی اندازِ گفتگو | ≈ 2 سیکنڈ | 10 ٹوکن فی 1,000 حروف، کم از کم 1 ٹوکن |
| OpenAI | شدید جذبات کے بغیر نیوٹرل آواز، خبروں اور اسباق کے لیے | ≈ 5 سیکنڈ | ہر شروع ہونے والے 150 الفاظ کے لیے 1.8 ٹوکن |
کلوننگ کے ساتھ وائس اوور
کلوننگ کے آپشنز آپ کی ریکارڈنگ والی آواز میں ترجمے کو وائس اوور کرتے ہیں۔ MiniMax اور Qwen 3 فائل کے پہلے 60 سیکنڈز سے آواز لیتے ہیں، اس لیے ان سیکنڈز میں ایک شخص کی واضح گفتگو ہونی چاہیے۔
| آپشن | کم از کم ریکارڈنگ | زبانیں | وقت | قیمت |
|---|---|---|---|---|
| MiniMax (تجویز کردہ کے طور پر نشان زد) | 10 سیکنڈ | 38 | ≈ 10 سیکنڈ | کلوننگ کے لیے 180 ٹوکن اور ساتھ ہی 12 ٹوکن فی 1,000 حروف |
| Qwen 3 | 3 سیکنڈ | 10: انگریزی، روسی، چینی، جرمن، فرانسیسی، ہسپانوی، اطالوی، جاپانی، کورین، پرتگالی | ≈ 20 سیکنڈ | تقریباً 20 ٹوکن فی 1,000 حروف، کم از کم 5؛ محفوظ شدہ آواز کے ساتھ تقریباً 11 |
| ElevenLabs Dubbing v2 | کوئی حد نہیں، 2.5 گھنٹے تک | 94 | ≈ آڈیو کا دورانیہ | ریکارڈنگ کے فی سیکنڈ 4.4 ٹوکن |
MiniMax کے آپشنز
Clone from file: اس ترجمے کے لیے ایک بار کلوننگ۔ My MiniMax voice: آپ کی محفوظ کردہ آوازوں میں سے ایک، 180 ٹوکن کی کلوننگ فیس کے بغیر۔
Speed: 0.5x سے 2.0x تک۔ زیادہ قدر کا مطلب تیز تر گفتگو ہے۔
Emotion: Auto (recommended)، Happy، Sad، Angry، Fearful، Surprised، Calm یا Disgusted۔
ترجمہ 10,000 حروف تک ہونا چاہیے۔
اگر آپ رفتار یا جذبات کو تبدیل کرتے ہیں اور اسی نتیجے کو دوبارہ وائس اوور کرتے ہیں، تو 180 ٹوکن دوسری بار چارج نہیں کیے جاتے ہیں۔
Qwen 3 کے آپشنز
Clone from file یا My Qwen voice۔
Speech style: Auto، Slow، Fast، Calm، Energetic، Professional، Friendly یا Soft۔ یہ صرف Clone from file کے ساتھ کام کرتا ہے۔
اگر Qwen کی کلوننگ ناکام ہو جاتی ہے، تو ایپ معیاری آواز میں ترجمے کو وائس اوور کرتی ہے اور دکھاتی ہے: «Voice cloning is unavailable right now. A standard voice was used.»
ElevenLabs Dubbing v2
Dubbing v2 اصل ریکارڈنگ کو ہی ڈب کرتا ہے اور Translation ٹیب کا متن نہیں پڑھتا ہے۔ یہ آواز کی رفتار اور لہجے کو برقرار رکھتا ہے اور ہر بولنے والے کو الگ الگ آواز دیتا ہے۔ اس وجہ سے، ترجمے میں آپ کی کی گئی ترامیم استعمال نہیں ہوتیں: «Dubbing uses the original recording, so edited text is not applied.» محفوظ شدہ آوازیں Dubbing v2 کے ساتھ کام نہیں کرتیں۔
اگر آپ آواز کا انتخاب نہ کریں تو کیا ہوتا ہے
جب تک آپ اس شیٹ میں وائس اوور کا کوئی آپشن منتخب نہیں کرتے، ایپ آپ کے پلے ٹیپ کرنے پر ایک آپشن خود منتخب کر لیتی ہے۔
Qwen 3 کی 10 زبانوں اور 3 سیکنڈ سے زائد کی ریکارڈنگز کے لیے، بغیر پوچھے Qwen 3 کے ساتھ آواز کلون ہو جاتی ہے۔
دیگر زبانوں کے لیے، ایپ سستے آپشن یعنی MiniMax یا Dubbing v2 کی قیمت کے ساتھ Clone voice? پوچھتی ہے۔ Use AI voice کا مطلب معیاری آواز ہے۔ Don't ask again کے ذریعے جواب یاد رکھا جاتا ہے۔
شیٹ میں آپ جس بھی آپشن پر ٹیپ کرتے ہیں، وہ اگلی فائلوں کے لیے برقرار رہتا ہے، بشرطیکہ وہ ان کی زبان اور طوالت کے مطابق ہو۔
موجودہ ریکارڈنگ کے لیے غیر موزوں آپشن مدہم (greyed out) ہو جاتا ہے جس کے ساتھ اشارہ لکھا ہوتا ہے جیسے کہ «language not supported» یا «needs ≥ 10 sec of audio»۔ اگر آپ کسی ایسی زبان پر منتقل ہوتے ہیں جسے آپ کا منتخب کردہ آپشن سپورٹ نہیں کرتا، تو ایپ وائس اوور کو ElevenLabs پر تبدیل کر دیتی ہے۔
محفوظ شدہ آوازیں
محفوظ شدہ آواز آپ کو اپنی آواز میں ترجمے کو وائس اوور کرنے دیتی ہے، چاہے ریکارڈنگ میں کوئی دوسرا شخص بول رہا ہو۔ اسے حاصل کرنے کے دو طریقے ہیں۔
Clone from file کے ساتھ وائس اوور کے بعد، What next? بلاک میں Save voice پر ٹیپ کریں۔ اس طرح محفوظ کی گئی MiniMax کی آواز اگلی بار 180 ٹوکن چارج نہیں کرے گی۔
Settings ← My Voices میں آواز شامل کریں۔ دیکھیے How to record or upload a voice sample۔
اگر وائس اوور غلط سنائی دے، تو اس کی علامات اور حل Why the translated voice sounds robotic میں موجود ہیں۔ خرابیوں کے بارے میں Translate Audio voiceover failed or is stuck میں بتایا گیا ہے۔
سپورٹ سے رابطہ کریں
مسئلے کی وضاحت کریں اور ہم ای میل کے ذریعے جواب دیں گے۔ اگر آپ کے پاس فائل کا نام یا جاب ID ہے تو شامل کریں۔