एआई कैप्शन

Beam एक सक्षम ऑडियो क्लिप से स्थानीय रूप से भाषण कैप्शन उत्पन्न करता है। यह चयनित व्हिस्पर मॉडल को डाउनलोड करता है, डिवाइस पर ट्रांसक्राइब करता है, और टाइमलाइन पर संपादन योग्य कैप्शन क्लिप बनाता है।

कैप्शन पैनल

Screenshot pendingAdd the image at:website/docs/public/screenshots/editor/captions-panel.webp

कैप्शन बनाने से पहले एक सक्षम ऑडियो स्रोत और एक स्थानीय व्हिस्पर मॉडल का चयन करें।

ऑडियो स्रोत

स्रोत	जब यह प्रकट होता है	चयन नियम
सिस्टम ऑडियो	सिस्टम भूमिका के साथ एक सक्षम क्लिप मौजूद है।	सिस्टम ऑडियो के रूप में पहचाना गया।
माइक्रोफ़ोन	माइक्रोफ़ोन भूमिका के साथ एक सक्षम क्लिप मौजूद है।	माइक्रोफ़ोन के रूप में पहचान की गई.
आयातित ऑडियो	एक सक्षम आयातित ऑडियो क्लिप मौजूद है।	क्लिप नाम का उपयोग करता है.
डुप्लिकेट मीडिया यूआरएल	दो सक्षम क्लिप एक ही ऑडियो यूआरएल का संदर्भ देते हैं।	केवल प्रथम स्रोत प्रस्तुत किया गया है।
कोई उपयोगी स्रोत नहीं	किसी भी सक्षम ऑडियो क्लिप में पढ़ने योग्य एसेट यूआरएल नहीं है।	जनरेट अनुपलब्ध रहता है.

कानाफूसी मॉडल

मॉडल	भाषाएँ	प्रदर्शन मार्गदर्शन
Tiny	बहुभाषी	डिफ़ॉल्ट मॉडल.
Tiny.en	अंग्रेज़ी	केवल अंग्रेजी मॉडल.
Base	बहुभाषी	कोई अतिरिक्त चेतावनी नहीं.
Base.en	अंग्रेज़ी	केवल अंग्रेजी मॉडल.
Small	बहुभाषी	WebGPU के बिना धीमा हो सकता है।
Small.en	अंग्रेज़ी	WebGPU के बिना धीमा हो सकता है।
Medium	बहुभाषी	बड़ा डाउनलोड; वेबजीपीयू अनुशंसित.
Medium.en	अंग्रेज़ी	बड़ा डाउनलोड; वेबजीपीयू अनुशंसित.
Large v3	बहुभाषी	WebGPU के बिना बहुत बड़ा और धीमा।

मॉडल डाउनलोड और विलोपन

अवस्था या क्रिया	व्यवहार
लापता	चयनित मॉडल के लिए डाउनलोड मॉडल उपलब्ध है।
डाउनलोड हो रहा है	Beam रिपोर्ट डाउनलोड की गई और प्रगति पट्टी के साथ कुल बाइट्स।
तैयार	एक चेक मार्क स्थापित मॉडल की पहचान करता है और डिलीट मॉडल उपलब्ध हो जाता है।
मॉडल हटाएँ	डाउनलोड, डिलीट या ट्रांसक्रिप्शन के दौरान अनुपलब्ध।
डाउनलोड त्रुटि	त्रुटि प्रदर्शित होती है और निदान के लिए इसे कॉपी किया जा सकता है।

उत्पन्न करें और पुनर्जीवित करें

1. सक्षम ऑडियो स्रोतों में से एक चुनें।
2. यदि व्हिस्पर मॉडल तैयार नहीं है तो उसे चुनें और डाउनलोड करें।
3. कैप्शन जनरेट करें का चयन करें. Beam स्रोत को डीकोड करता है, इसे मोनो 16 kHz ऑडियो में परिवर्तित करता है, और इसे टाइमलाइन अवधि तक सीमित करता है।
4. आंशिक प्रतिलेखन परिणाम संरचना को अद्यतन करते हैं जबकि प्रसंस्करण जारी रहता है।
5. पूरा किया गया रन संपादन के लिए पहले जेनरेट किए गए कैप्शन का चयन करता है।

व्यवहार	नियम
वाक्य समूहन	किसी कैप्शन वाक्यांश को विराम चिह्न पर या 12 शब्दों के बाद समाप्त करता है।
न्यूनतम उत्पन्न क्लिप अवधि	40 एमएस
पुनर्जीवित करें	मौजूदा AI-जनरेटेड कैप्शन को प्रतिस्थापित करता है और मैन्युअल कैप्शन को संरक्षित करता है।
रद्द करें	मॉडल लोडिंग या ट्रांसक्रिप्शन रोक देता है।
पैनल बंद करें	सक्रिय ट्रांसक्रिप्शन रन रद्द करता है।
निदान	बीता हुआ समय रिपोर्ट करता है और प्रसंस्करण के बाद एक प्रतिलिपि योग्य प्रतिलेखन रिपोर्ट को उजागर करता है।

लोकल ट्रांसक्रिप्शन

व्हिस्पर डिवाइस पर चलता है। कैप्शन जेनरेशन के लिए क्लाउड अपलोड या एपीआई कुंजी की आवश्यकता नहीं होती है।

उत्पन्न कैप्शन संपादित करें

जेनरेट किए गए कैप्शन नियमित संपादन योग्य कैप्शन क्लिप हैं जिन्हें एआई-जनरेटेड के रूप में चिह्नित किया गया है। उनके पाठ, समय और दृश्य शैली को पीढ़ी दर पीढ़ी क्लिप पैनल और टाइमलाइन के माध्यम से समायोजित किया जा सकता है।