ফ্রি ও ওপেন সোর্স · BSD-3-Clause · v2.1.0

অডিও ইন। টেক্সট আউট। আপনার অডিও আপনার কম্পিউটারেই থাকে।

Whisper Transcriber Suite সম্পূর্ণরূপে আপনার নিজের কম্পিউটারে OpenAI-এর Whisper মডেল চালায় — faster-whisper, whisper.cpp বা NVIDIA Parakeet-এর মাধ্যমে। অডিও বা ভিডিও টেনে আনুন এবং একটি সময়যুক্ত ট্রান্সক্রিপ্ট ফিরে পান। কোনো ক্লাউড নেই, কোনো অ্যাকাউন্ট নেই, কোনো প্রতি-মিনিট খরচ নেই।

  • 14টি ট্রান্সক্রিপ্ট ফরম্যাট
  • 2,800+এ পর্যন্ত ডাউনলোড
  • 0ডিফল্টভাবে অডিও আপলোড
  • $0চিরকাল

প্রোডাক্ট ট্যুর

একটি উইন্ডো। ছয়টি টুল।

একটি ফাইল ড্রপ করুন, আপনার অপশনগুলি বেছে নিন, ট্রান্সক্রাইব করুন চাপুন। বাকি সবকিছু — সারি, ডাউনলোড, লাইভ ক্যাপচার, ভয়েস ক্লোনিং এবং LAN শেয়ারিং — একটি ট্যাব দূরে অবস্থিত। রিংটি টেনে আনুন, অথবা তীর চিহ্নগুলি ব্যবহার করুন।

অ্যানিমেশন: দুজন লেবেলযুক্ত বক্তার একটি সাক্ষাৎকার, সময়সূচিত সাবটাইটেলে পরিণত হওয়া একটি বক্তৃতা, সাবটাইটেলযুক্ত ভিডিওতে পরিণত হওয়া একটি ভিডিও লিংক, মাইক্রোফোন থেকে লাইভ ক্যাপশন এবং ফাইলের পাশে SRT, VTT, DOCX এবং PDF হিসেবে সংরক্ষিত ট্রান্সক্রিপ্ট।
ট্রান্সক্রাইব করুন
ট্রান্সক্রাইব করুন ট্যাব: ড্রপ টার্গেট, ইঞ্জিন, মডেল এবং ভাষা পিকার, বক্তা-লেবেল এবং শব্দ-টাইমস্ট্যাম্প অপশন
লাইভ
লাইভ ট্যাব: মাইক্রোফোন বা সিস্টেম-অডিও সোর্স, ভাষা এবং মডেল পিকার, ইনপুট লেভেল মিটার এবং একটি লাইভ ট্রান্সক্রিপ্ট পেইন
ভিডিও ডাউনলোড
ভিডিও ডাউনলোড ট্যাব: সাবটাইটেল উপলব্ধ লাইনসহ URL, ব্রাউজার লগ-ইন কুকিজ, ফরম্যাট, সময়সীমা, বরং ক্যাপশন ব্যবহার করুন, ডাউনলোডের পর ট্রান্সক্রাইব করুন এবং সাবটাইটেলযুক্ত ভিডিও তৈরি করুন
ট্রান্সক্রিপশন সারি
ট্রান্সক্রিপশন সারি ট্যাব: পজ, পুনরায় শুরু করুন, বাতিল করুন, পুনরায় চালান এবং সরিয়ে ফেলুন সহ ফাইল, স্ট্যাটাস, প্রগ্রেস, গতি এবং অবশিষ্ট সময়, ভাষা এবং অতিবাহিত সময় কলাম
আপনার কণ্ঠস্বর ক্লোন করুন
আপনার কণ্ঠস্বর ক্লোন করুন / টেক্সট টু ভয়েস ট্যাব: OmniVoice মডেল, ভয়েস নমুনা, পড়ার জন্য টেক্সট, ভাষা এবং গতি
ওয়েব / LAN অ্যাক্সেস
ওয়েব / LAN অ্যাক্সেস ট্যাব: ওয়েব অ্যাক্সেস শুরু করুন, পোর্ট, লোকাল নেটওয়ার্কে শেয়ার করুন, অ্যাক্সেস পাসওয়ার্ড এবং HTTPS অপশন

ট্রান্সক্রাইব করুন

একটি ড্রপ টার্গেট, ইঞ্জিন, মডেল এবং ভাষা পিকার, বক্তা-লেবেল এবং প্রতি-শব্দ টাইমস্ট্যাম্প অপশন।

2.1-এ নতুন কী আছে

2.1-এ নতুন কী আছে। এখন আপনার ভাষায়।

৪২টি ভাষায় অ্যাপটি, দীর্ঘ রেকর্ডিংয়ের শেষ পর্যন্ত পৌঁছানো বক্তা লেবেল, পাওয়ার কাট সহ্য করতে পারে এমন ফাইল এবং প্রতিটি Mac-এ কাজ করে এমন অনলাইন ফিচার। এগুলির নিচে, 2.0 যা যুক্ত করেছিল।

2.1 · সব প্ল্যাটফর্ম

আপনার ভাষায় অ্যাপটি

মেনু, বোতাম এবং বার্তাগুলি ৪২টি ভাষায় আসে (macOS এবং Linux-এ ৩৯টি)। অ্যাপটি আপনার সিস্টেমের ভাষা অনুসরণ করে, অথবা আপনি উন্নত সেটিংস-এ একটি বেছে নিন। ইংরেজি ছাড়া প্রতিটি ভাষা একটি মেশিন ট্রান্সলেশন এবং সেভাবেই চিহ্নিত; ফারসি, আরবি এবং হিব্রু আপাতত Windows-এ দেওয়া হয়।

2.1 · সব প্ল্যাটফর্ম

বিশ্বস্ত বক্তা লেবেল

বক্তার নাম এখন দীর্ঘ রেকর্ডিংয়ের শেষ পর্যন্ত পৌঁছায়, বক্তা শনাক্তকরণ আর একটি ট্রান্সক্রিপশন ক্র্যাশ করতে পারে না, এবং বক্তা শনাক্ত করুন-এর পাশে আপনি Auto-এ ছেড়ে না দিয়ে কতজন মানুষ কথা বলে (২ থেকে ১০) তা সেট করতে পারেন।

2.1 · সব প্ল্যাটফর্ম

আপনার কাজ আরও নিরাপদ

ট্রান্সক্রিপ্টসমূহ, এক্সপোর্ট এবং সাবটাইটেলগুলি পুরোনো ফাইলটি প্রতিস্থাপন করার আগে সম্পূর্ণভাবে ডিস্কে লেখা হয়, তাই পাওয়ার কাট একটি খালি ফাইল রেখে যেতে পারে না। একটি ট্রান্সক্রিপশন যার কর্মী তার সমস্ত ফাইল লেখার পরে থেমে গেছে তা সম্পন্ন হিসাবে গণ্য হয়।

2.1 · macOS

প্রতিটি Mac-এ অনলাইন ফিচার

আপডেট চেক, সমস্যা রিপোর্ট এবং অন্যান্য ওয়েব লুকআপগুলি এখন আর certificate verify failed দিয়ে ব্যর্থ হয় না।

2.0 · সব প্ল্যাটফর্ম

গতি এবং অবশিষ্ট সময়

ট্রান্সক্রিপশন সারি ট্যাবটি দেখায় প্রতিটি ট্রান্সক্রিপশন কতটা দ্রুত চলছে এবং প্রায় কতটা সময় বাকি আছে, উদাহরণস্বরূপ প্রায় 4.8x, 6 মিনিট বাকি। কাজটি শেষ হলে ফলাফল কার্ডটি গতি, মডেল এবং ডিভাইসের কথা জানায়।

চলমান কাজের জন্য প্রায় 6.8x, 2 মিনিট বাকি দেখানো গতি এবং অবশিষ্ট সময় কলাম সহ ট্রান্সক্রিপশন সারি ট্যাব

2.0 · সব প্ল্যাটফর্ম

সাবটাইটেলযুক্ত ভিডিও তৈরি করুন

ভিডিও ডাউনলোড ট্যাবে এটি টিক করুন এবং একটি লিংক সাবটাইটেল বার্ন করা সহ <title>-subbed.mp4 হয়ে যায়: প্রগ্রেস এবং একটি কার্যকর বাতিল করুন সহ একটি সারিবদ্ধ কাজ হিসাবে ডাউনলোড, ট্রান্সক্রাইব এবং বার্ন করুন। ডাউনলোড এবং ট্রান্সক্রিপ্ট রাখা হয়।

ভিডিও ডাউনলোড ট্যাব যাতে সাবটাইটেল উপলব্ধ: ইংরেজি এবং জার্মান লাইন, বরং ক্যাপশন ব্যবহার করুন বোতাম এবং সাবটাইটেলযুক্ত ভিডিও তৈরি করুন টিক বক্স দেখানো হয়েছে

2.0 · সব প্ল্যাটফর্ম

একটি ট্রান্সক্রিপ্ট একটি ওয়েব পেজ হিসেবে শেয়ার করুন

সম্পন্ন একটি ট্রান্সক্রিপ্টকে একটি একক .html ফাইল হিসেবে সংরক্ষণ করুন যা কোনো ইনস্টল এবং ইন্টারনেট সংযোগ ছাড়াই যেকোনো ব্রাউজারে খোলে: টাইমস্ট্যাম্প, বক্তা, চ্যাপ্টার এবং একটি সার্চ বক্স। একটি শব্দে ক্লিক করুন এবং মিডিয়াটি সেখান থেকে প্লে হবে।

2.0 · সব প্ল্যাটফর্ম

অফলাইনে কাজ করুন, দৃশ্যমান করা হয়েছে

File-এর অধীনে একটি সুইচ অ্যাপটিকে নেটওয়ার্ক থেকে দূরে রাখে। উইন্ডোর নিচের একটি লাইন বলে একটি সংযোগ খোলা আছে কি না, এবং এখনই অফলাইন যাচাই করুন পরীক্ষামূলক সংযোগগুলি প্রত্যাখ্যান করা দেখায়। ব্যবহারের পরিসংখ্যান ডিফল্টভাবে চালু থাকে এবং সাহায্য-এর অধীনে বন্ধ করা যেতে পারে।

2.0 · সব প্ল্যাটফর্ম

স্পিচকে ইংরেজিতে অনুবাদ করুন

একটি আউটপুট: ইংরেজি অনুবাদ অপশন Whisper-এর নিজস্ব ট্রান্সলেট টাস্ক ব্যবহার করে নন-ইংরেজি স্পিচকে এক পাসে ইংরেজি সাবটাইটেলে পরিণত করে। এটি ডিফল্টভাবে বন্ধ থাকে এবং প্রতিটি ইঞ্জিন বা মডেলের জন্য উপলব্ধ নয়।

2.0 · macOS

এমন একটি Mac যা একটি Mac-এর মতোই অনুভূত হয়

macOS-অনুসরণ করে এমন একটি অ্যাপ মেনু যাতে সেটিংস (Command-comma), লাইট এবং ডার্ক থিম, সিস্টেম ফন্ট, Finder থেকে খোলা বা Dock আইকনে ফেলে দেওয়া ফাইল এবং অ্যাপটি ব্যাকগ্রাউন্ডে থাকা অবস্থায় কোনো কাজ শেষ হলে একটি বিজ্ঞপ্তি রয়েছে।

2.0 · Windows

টাস্কবার প্রোগ্রেস এবং ডার্ক টাইটেল বার

টাস্কবার বোতামটি অগ্রগতি, সারিবদ্ধ এবং চলমান কাজের সংখ্যা দেখায় এবং কোনো কাজ শেষ হলে এটি ঝলকায়। টাইটেল বারগুলি ডার্ক থিম অনুসরণ করে এবং 125% এবং 150% ডিসপ্লে স্কেলিংয়ে টেক্সট তীক্ষ্ণ থাকে।

2.0 · প্রথম লঞ্চ

একটি দ্রুত শুরু এবং একটি নমুনা ক্লিপ

নতুন ইনস্টলেশনে আপনার ভাষা, দ্রুত বা সেরা গুণমান এবং একটি ফোল্ডার জিজ্ঞাসা করা হয় এবং কিছু ডাউনলোড হওয়ার আগেই মডেলের সাইজ দেখায়। একটি 18-সেকেন্ডের পাবলিক-ডোমেইন ক্লিপ আপনাকে নিজের কোনো ফাইল বাছাই করার আগেই একটি আসল ট্রান্সক্রিপ্ট দেখতে দেয়।

2.0-এ আরও নতুন: Text to Voice অংশে অংশে 100,000 অক্ষর পর্যন্ত টেক্সট পড়ে, একটি এটি আপডেট করুন বোতাম অ্যাডমিনিস্ট্রেটর অধিকার ছাড়াই ভিডিও ডাউনলোডার রিফ্রেশ করে এবং একটি শান্ত আপডেট বার আপডেট ডায়ালগটি প্রতিস্থাপন করে। Video Tiling ট্যাবটি সরিয়ে দেওয়া হয়েছে। সবকিছুই চেঞ্জলগে রয়েছে।

বৈশিষ্ট্য

একটি ট্রান্সক্রিপশন টুল থেকে আপনি যা চান সবই। আপনার মেশিনে চলছে।

অ্যানিমেশন: একটি বড় W দুজন বক্তাকে আলাদা করে, লোকাল ইঞ্জিন faster-whisper, whisper.cpp এবং Parakeet অফলাইনে চলতে দেখায় এবং 14টি ট্রান্সক্রিপ্ট ফরম্যাটে ছড়িয়ে পড়ে।

faster-whisper · whisper.cpp · Parakeet

লোকাল, ব্যক্তিগত ট্রান্সক্রিপশন

ডিফল্টভাবে Whisper large-v3, এছাড়াও large-v3-turbo এবং distil-large-v3.5। আপনার হার্ডওয়্যারের উপযুক্ত ব্যাকএন্ড বেছে নিন।

14টি ফরম্যাট

আপনার প্রয়োজনীয় প্রতিটি ট্রান্সক্রিপ্ট ফরম্যাট

আপনার ইনপুট ফাইলের ঠিক পাশেই লেখা হয় — এছাড়াও পেশাদার ট্রান্সক্রিপ্ট ওয়ার্কফ্লোর জন্য oTranscribe, ELAN, InqScribe এবং Express Scribe।

মাইক · সিস্টেম অডিও

লাইভ ট্রান্সক্রিপশন

একটি মাইক্রোফোন — বা এই মেশিনটি যা প্লে করছে — তা ঘটার সাথে সাথেই ট্রান্সক্রাইব করে। প্রাকৃতিক বিরতিতে কাট করা হয় যাতে শব্দগুলি কখনও বিভক্ত না হয়।

প্রতি শব্দের টাইমস্ট্যাম্প

বক্তা ডায়ারাইজেশন

ঐচ্ছিক "বক্তা শনাক্ত করুন" পাস, এছাড়াও সুনির্দিষ্ট সেগমেন্ট সম্পাদনার জন্য প্রতি শব্দের টাইমস্ট্যাম্প এবং টাইম-রেঞ্জ ক্লিপিং।

বিরতি দিন · পুনরায় শুরু · পুনরায় চালান

ব্যাচ সারি

প্রতিটি অপেক্ষমান এবং চলমান কাজের জন্য লাইভ স্ট্যাটাস, যেখানে প্রতিটি সারির উপর সম্পূর্ণ নিয়ন্ত্রণ সবসময় এক ক্লিক দূরে থাকে।

yt-dlp দ্বারা চালিত

ভিডিও ও অডিও ডাউনলোড

yt-dlp যা যা হ্যান্ডেল করে, ঐচ্ছিক সমাপ্তিতে-ট্রান্সক্রাইব সহ। ডাউনলোডগুলি পুনরায় শুরু না হয়ে আগের অবস্থান থেকেই চলতে থাকে।

ফিল্টার করার আগে পরিমাপ করে

অ্যাডাপটিভ ডিনয়েজ

প্রতিটি রেকর্ডিং প্রথমে পরিমাপ করে এবং তা সাহায্য করলেই কেবল পরিষ্কার করে — নিজের আউটপুট যাচাই করে এবং এটি কথা মুছে ফেললে পূর্বাবস্থায় ফিরে যায়।

এছাড়াও AI টুল (সারাংশ, অ্যাকশন আইটেম, একটি দ্বিভাষিক SRT পাস), একটি ঐচ্ছিক অফলাইন ভয়েস-ক্লোনিং ট্যাব এবং একটি লোকাল-নেটওয়ার্ক মোড — README-এ আরও রয়েছে।

এটি কীভাবে কাজ করে

আপনার কম্পিউটারে চলে। আপনার অডিও সেখানেই থাকে।

আপনার নিজের কম্পিউটারে ট্রান্সক্রিপশন চলে। আপনি দুটি ঐচ্ছিক ক্লাউড ইঞ্জিনের একটি চালু করলে কেবল তখনই আপনার অডিও আপলোড করা হয় এবং আপনি নিজে একটি রিমোট AI মডেল সংযুক্ত করলে কেবল তখনই ট্রান্সক্রিপ্ট টেক্সট বের হয়।

অ্যানিমেশন: একটি টাইমলাইন প্রতি শব্দের সময়যুক্ত সাবটাইটেলে পরিণত হয়, faster-whisper, whisper.cpp বা Parakeet দিয়ে অফলাইনে তৈরি করা ইংরেজি সাবটাইটেল এবং কোনো অ্যাকাউন্ট ছাড়াই 14টি ট্রান্সক্রিপ্ট ফরম্যাট।
  1. 01

    একটি ফাইল ফেলে দিন, বা একটি লিঙ্ক পেস্ট করুন

    ডিস্ক থেকে অডিও বা ভিডিও, বা yt-dlp যা কিছু আনতে পারে। Tk ইন্টারফেসটি মূল প্রসেসে চলে এবং কাজটি সাথে সাথেই সারিবদ্ধ করে।

  2. 02

    একটি ওয়ার্কার মডেলটি ধরে রাখে

    প্রতিটি কাজ তার নিজস্ব দীর্ঘস্থায়ী ওয়ার্কার সাবপ্রসেসে চলে যা Whisper-কে মেমরিতে রাখে এবং নিউলাইন-ডিলিমিটেড JSON-এর মাধ্যমে অগ্রগতি ফিরিয়ে দেয় — তাই উইন্ডোটি কখনও হিমশীতল হয় প্রস্রাব করে না।

  3. 03

    ট্রান্সক্রিপ্টটি আপনার ফাইলের পাশে এসে যুক্ত হয়

    প্রতি-ওয়ার্কার টোকেন এবং একটি হার্টবিট রাউটিংটিকে শক্তিশালী রাখে এবং অ্যাপটিকে আটকে থাকা ওয়ার্কার সনাক্ত করতে দেয়, যাতে অ্যাপটি নিজে আটকে না যায়।

OpenAI-এর Whisper স্পিচ-রিকগনিশন মডেল-এর উপর ভিত্তি করে তৈরি, স্থানীয়ভাবে faster-whisper, whisper.cpp বা NVIDIA Parakeet-এর মাধ্যমে চালানো হয়, মিডিয়া হ্যান্ডলিংয়ের জন্য yt-dlp এবং FFmpeg সহ।

সম্পূর্ণ আর্কিটেকচার পড়ুন

ডাউনলোড · v2.1.0 · প্রকাশিত 2026-10-12

ডাউনলোড করুন। আজ রাতেই ট্রান্সক্রাইব করুন।

প্রয়োজনীয় সবকিছুই বান্ডল করা আছে — একটি ব্যক্তিগত Python রানটাইম, ffmpeg, ffprobe এবং yt-dlp। কেবল স্পিচ মডেলটি পরে ডাউনলোড হয় (প্রায় ১–৩ জিবি, একবার); এর পরে, ট্রান্সক্রিপশন ইন্টারনেট সংযোগ ছাড়াই কাজ করে।

Windows

ইনস্টলার .exe

~238 MB

বেশিরভাগ মানুষের জন্য — সাধারণ ইনস্টলার, Start-menu শর্টকাট, আপগ্রেড ইন-প্লেস। অ্যাপটি কোড-সাইনড নয়, তাই Windows SmartScreen একবার সতর্ক করতে পারে: আরও তথ্য → তবুও চালান।

ইনস্টলার পান

Windows পোর্টেবল

পোর্টেবল .zip

~360 MB

আনজিপ করে চালান। কোনো ইনস্টল নেই, কোনো অ্যাডমিন অধিকার নেই, USB স্টিকে চমৎকার চলে।

ZIP পান

macOS

ডিস্ক ইমেজ .dmg

~275 MB · ~333 MB

সবচেয়ে সহজ: টার্মিনালে একটি লাইন — এটি সঠিক বিল্ড বেছে নেয় এবং নিরাপত্তা সতর্কতা এড়িয়ে যায়। অথবা Apple Silicon বা Intel-এর জন্য ডিস্ক ইমেজটি নিন।

এক লাইনে ইনস্টল

Linux ও সোর্স

সোর্স থেকে বিল্ড করুন

Python 3.11+

git clone https://github.com/Milomilo777/whisper-transcriber-suite.git
cd whisper-transcriber-suite
pip install -r requirements.txt
python gui.py
সোর্স গাইড
অ্যানিমেশন: Sound in শব্দগুলো দুজন বক্তার সময়-নির্দিষ্ট ট্রান্সক্রিপ্ট হয়ে SRT, DOCX এবং PDF-এ সেভ হয়, কোনো অ্যাকাউন্ট বা আপলোড ছাড়াই।

macOS — এক লাইনে ইনস্টল

টার্মিনালে পেস্ট করুন। ব্যস, কাজ শেষ।

আপনার Mac-এর জন্য সঠিক বিল্ড ডাউনলোড করে (macOS 14+ এ Apple Silicon, অন্যথায় Rosetta-এর মাধ্যমে Intel), অ্যাপটি Applications-এ কপি করে এবং খুলে দেয়। curl দ্বারা আনা ফাইলগুলো কোয়ারেন্টাইন করা হয় না, তাই "অজ্ঞাত পরিচয়ধারী ডেভেলপার" সতর্কতা বার্তাটি ক্লিক করে পার হওয়ার প্রয়োজন নেই।

A=x64; [ "$(uname -m)" = arm64 ] && [ "$(sw_vers -productVersion | cut -d. -f1)" -ge 14 ] && A=arm64; curl -fL -o /tmp/wts.dmg "https://github.com/Milomilo777/whisper-transcriber-suite/releases/download/v2.1.0/WhisperTranscriberSuite-v2.1.0-macOS-$A.dmg" && hdiutil attach -nobrowse -quiet -mountpoint /tmp/wts-dmg /tmp/wts.dmg && cp -R "/tmp/wts-dmg/Whisper Transcriber Suite.app" /Applications/ && hdiutil detach -quiet /tmp/wts-dmg && rm /tmp/wts.dmg && open "/Applications/Whisper Transcriber Suite.app"

প্রচলিত পদ্ধতিই বেছে নিতে চান? .dmg খুলুন এবং অ্যাপটি Applications-এ টেনে নিন; এরপর প্রথমবার চালু করার সময় ডান-ক্লিক করে Open (macOS 14 এবং তার আগের ভার্সন) অথবা System Settings → গোপনীয়তা & Security → Open Anyway (macOS 15+) নির্বাচন করতে হবে।

নোট সহ প্রতিটি রিলিজ GitHub Releases-এ রয়েছে। ইনস্টল গাইড।

তুলনা

অন্যান্য Whisper অ্যাপগুলোর সাথে এর তুলনা কেমন?

Whisper Transcriber Suite হলো বেশ কয়েকটি ফ্রি, ওপেন-সোর্স ডেস্কটপ অ্যাপের মধ্যে একটি, যা আপনার নিজের কম্পিউটারেই ট্রান্সক্রিপশন করে। এখানে Subtitle Edit, Vibe এবং Buzz-এর সাথে এর তুলনা দেওয়া হলো, যার মধ্যে কখন অন্য কোনো অ্যাপ বেশি মানানসই তা-ও বলা হয়েছে। সম্পূর্ণ তুলনাটি পড়ুন, যেখানে প্রতিটি তথ্যের উৎস এবং আরও দুটি অ্যাপ, noScribe এবং aTrain সম্পর্কে জানতে পারবেন।

2026-10-05 তারিখে প্রতিটি প্রোজেক্টের নিজস্ব README, ডকস এবং রিলিজের সাথে মিলিয়ে যাচাই করা হয়েছে। অ্যাপগুলো দ্রুত পরিবর্তিত হয়: উৎসের জন্য সম্পূর্ণ তুলনা দেখুন।
ফিচারWhisper Transcriber SuiteSubtitle EditVibeBuzz
মূল্য, লাইসেন্সফ্রি, BSD-3-Clauseফ্রি, MITফ্রি, MITফ্রি, MIT
ডাউনলোডWindows ইনস্টলার এবং পোর্টেবল ZIP, macOS (Apple silicon, Intel); Linux-এ সোর্স থেকেWindows (x64, ARM64), macOS, Linux (Flatpak, tar.gz)Windows, macOS, Linux (.deb, .rpm)Windows, macOS (1.4.5 হলো Intel Macs-এর জন্য শেষ ভার্সন), Linux (Flatpak, Snap, AppImage), PyPI
GPU অ্যাক্সিলারেশনNVIDIA (CUDA)NVIDIA (CUDA), VulkanNVIDIA, AMD, Intel (Vulkan / CoreML)NVIDIA (CUDA), Apple silicon, Vulkan
সাইনড Windows ইনস্টলারনাউল্লেখ নেইহ্যাঁ, এর ডকস অনুযায়ীনা
ইন্টারফেস ভাষা42 (মেশিন-অনুবাদিত)352216
এটি বেছে নিন যদিআপনি যদি একটি লাইভ মাইক্রোফোন, ভিডিও ডাউনলোড, ১৪টি আউটপুট ফরম্যাট এবং OpenAI-সামঞ্জস্যপূর্ণ রুট সহ একটি লোকাল-নেটওয়ার্ক মোডও চানআপনি যদি একাধিক স্পিচ ইঞ্জিন (Parakeet, Canary, Qwen3-ASR এবং আরও) বা একটি নোটারাইজড Mac অ্যাপ চানআপনি যদি এমন একটি Windows ইনস্টলার চান যার ডকসে সাইনড বলা আছে, অথবা AMD এবং Intel-এর নাম উল্লেখ করে এমন GPU সাপোর্ট চানআপনি যদি Linux প্যাকেজ (Flatpak, Snap, AppImage) বা একটি PyPI ইনস্টল চান

FAQ

সাধারণ জিজ্ঞাসা

আরও কিছু জানার আছে? GitHub Discussions-এ জিজ্ঞাসা করুন।

Whisper Transcriber Suite কি ফ্রি?

হ্যাঁ। এটি BSD-3-Clause লাইসেন্সযুক্ত, কোনো সাবস্ক্রিপশন এবং প্রতি-মিনিট খরচ নেই। Whisper মডেলটি প্রথম চালু হওয়ার সময় একবার (প্রায় ১-৩ জিবি) ডাউনলোড হয়; এর পরে, ইন্টারনেট সংযোগ ছাড়াই ট্রান্সক্রিপশন কাজ করে।

এটি কি আমার অডিও বা ভিডিও কোথাও আপলোড করে?

না, ডিফল্টভাবে নয়। প্রতিটি ডিফল্ট ব্যাকএন্ড — faster-whisper, whisper.cpp, NVIDIA Parakeet — আপনার মেশিনেই লোকালি চলে। দুটি ব্যাকএন্ড কেবল অপ্ট-ইন (একটি ক্লাউড Gemini-API ব্যাকএন্ড এবং Google Cloud Speech-to-Text), এবং আপনি নিজে Advanced → Backend-এ সেগুলো চালু না করা পর্যন্ত বন্ধই থাকে। ব্যবহারের পরিসংখ্যান (কোনো অডিও বা ফাইলের নাম নয়) ডিফল্টভাবে চালু থাকে এবং Help → ব্যবহারের পরিসংখ্যান থেকে বন্ধ করা যায়, অ্যাপটি নতুন ভার্সনের জন্য দিনে একবার GitHub চেক করে, এবং File → অফলাইনে কাজ করুন সমস্ত নেটওয়ার্ক ব্যবহার বন্ধ করে দেয়।

এটি কোন প্ল্যাটফর্মে চলে?

Windows, macOS এবং Linux। প্রকাশিত ডাউনলোডগুলি হল একটি Windows ইনস্টলার, একটি Windows পোর্টেবল ZIP, এবং একটি macOS DMG; Linux সোর্স থেকে চলে।

এটি কী কী ট্রান্সক্রিপ্ট ফরম্যাট তৈরি করতে পারে?

srt vtt ass tsv txt json lrc md docx pdf, এছাড়াও oTranscribe, ELAN, InqScribe এবং Express Scribe।

এটি কি চিহ্নিত করতে পারে যে কে কথা বলছে?

হ্যাঁ — ঐচ্ছিক স্পিকার ডায়ারাইজেশন ("বক্তা শনাক্ত করুন"), যাতে প্রতিটি শব্দের টাইমস্ট্যাম্প এবং সময়-ব্যাপ্তি ক্লিপিং রয়েছে।

এটি কি লাইভ মাইক্রোফোন বা সিস্টেম অডিও ট্রান্সক্রাইব করতে পারে?

হ্যাঁ, Live ট্যাব থেকে — একটি মাইক্রোফোন বা সিস্টেম অডিও, ঘটার সাথে সাথেই ট্রান্সক্রাইব হয়।

এটি কি অনলাইন ভিডিও, যেমন YouTube থেকে ডাউনলোড এবং ট্রান্সক্রাইব করতে পারে?

হ্যাঁ, yt-dlp দ্বারা সমর্থিত যেকোনো সাইট, সমাপ্তি-তে-ট্রান্সক্রাইব করার একটি ঐচ্ছিক ধাপ সহ।

এটি কি একটি ট্রান্সক্রিপ্ট সারাংশ তৈরি করতে, অ্যাকশন আইটেম বের করতে বা এর সম্পর্কে প্রশ্নের উত্তর দিতে পারে?

হ্যাঁ, ট্রান্সক্রিপ্ট ভিউয়ারের ঐচ্ছিক AI টুল ট্যাবের মাধ্যমে — সারাংশ তৈরি, করণীয় তালিকা, জিজ্ঞাসা করুন এবং প্রতিটি সেগমেন্টের জন্য অনুবাদ পাস যা একটি দ্বিভাষিক .srt লিখে। এটি ডিফল্টভাবে বন্ধ থাকে।

এটি কি একটি কণ্ঠস্বর ক্লোন করতে এবং এটিকে নতুন টেক্সট বলতে পারে?

হ্যাঁ, ঐচ্ছিক আপনার কণ্ঠস্বর ক্লোন করুন ট্যাবের মাধ্যমে, সম্পূর্ণভাবে আপনার মেশিনে OmniVoice (Apache-2.0) ব্যবহার করে। ডিফল্টভাবে বন্ধ; ইনস্টলের সময় এটি চালু করতে পারেন, এবং রেফারেন্স কণ্ঠস্বর ক্লোন করার অনুমতি আপনার আছে কিনা তা নিশ্চিত করতে হবে।

এটি সরাসরি Whisper API কল করার থেকে কীভাবে আলাদা?

এটি ডিফল্টভাবে faster-whisper-এর মাধ্যমে মডেলটি লোকালি চালায়, তাই প্রতি মিনিটে কোনো API খরচ নেই এবং কোনো অডিও আপনার মেশিন ছেড়ে যায় না — যদি না আপনি স্পষ্টভাবে দুটি ক্লাউড ব্যাকএন্ডের একটিতে অপ্ট-ইন করেন।

একই নেটওয়ার্কের কয়েকজন লোক কি প্রতিটি মেশিনে ইনস্টল না করেই এটি ব্যবহার করতে পারে?

হ্যাঁ — Web/LAN অ্যাক্সেস মোড এই মেশিনটিকে একটি ট্রান্সক্রিপশন পেজে পরিণত করে যা নেটওয়ার্কের অন্যান্য ডিভাইসগুলো ব্যবহার করতে পারে।

সংস্করণ ২.১-এ নতুন কী আছে?

মেনু, বোতাম এবং বার্তাগুলো ৪২টি ভাষায় আসে (মেশিন-অনুবাদিত এবং এভাবেই চিহ্নিত); স্পিকার লেবেলগুলো দীর্ঘ রেকর্ডিংয়ের শেষ পর্যন্ত পৌঁছায় এবং আপনি কতজন মানুষ কথা বলছে তা সেট করতে পারেন; ট্রান্সক্রিপ্ট, এক্সপোর্ট এবং সাবটাইটেলগুলো পুরোনো ফাইলটি প্রতিস্থাপন করার আগে সম্পূর্ণভাবে ডিস্কে লেখা হয়; অনলাইন ফিচারগুলো প্রতিটি Mac-এ কাজ করে। ভার্সন 2.0 কিউ-এর গতি এবং অবশিষ্ট সময়, লিংক থেকে সাবটাইটেলযুক্ত ভিডিও, একটি অফলাইন ওয়েব পেজ হিসেবে ট্রান্সক্রিপ্ট, একটি যাচাইযোগ্য অফলাইনে কাজ করুন মোড এবং ইংরেজিতে অনুবাদ যোগ করেছে। 2.1-এ নতুন কী আছে এবং চেঞ্জলগ দেখুন।

এটি কি একটি ভিডিও লিঙ্ককে সাবটাইটেলযুক্ত ভিডিওতে পরিণত করতে পারে?

হ্যাঁ। ভিডিও ডাউনলোড ট্যাবে, সাবটাইটেলযুক্ত ভিডিও তৈরি করুন টিক দিন: অ্যাপটি ভিডিওটি ডাউনলোড করে, Whisper দিয়ে ট্রান্সক্রাইব করে এবং ffmpeg দিয়ে সাবটাইটেলগুলো বার্ন করে, যার ফলে ভিডিওটির নামের সাথে মিলিয়ে -subbed.mp4 সহ একটি ফাইল তৈরি হয়। ডাউনলোড এবং ট্রান্সক্রিপ্টটি রাখা হয়, এবং একটি বিদ্যমান -subbed.mp4 কখনোই প্রতিস্থাপিত হয় না।

আমি কি অ্যাপটিকে সম্পূর্ণরূপে নেটওয়ার্ক থেকে দূরে রাখতে পারি?

হ্যাঁ। File → অফলাইনে কাজ করুন আপডেট চেক, ব্যবহারের পরিসংখ্যান, মডেল ডাউনলোড এবং রিমোট AI প্রোভাইডারগুলো বন্ধ করে দেয়। এটি চালু থাকাকালীন, উইন্ডোর নিচের দিকের একটি লাইনে বলা থাকে যে কোনো সংযোগ খোলা আছে কিনা, এবং এখনই অফলাইন যাচাই করুন টেস্ট সংযোগগুলো প্রত্যাখ্যাত হতে দেখায়। এটি বন্ধ থাকলে, অ্যাপটি কেবল স্টার্টআপে এর অনলাইন সেটিংস, দৈনিক আপডেট চেক, ব্যবহারের পরিসংখ্যান (যা Help → ব্যবহারের পরিসংখ্যান থেকে বন্ধ করা যায়) এবং আপনার শুরু করা ডাউনলোডগুলোর জন্য নেটওয়ার্কে যোগাযোগ করে।

আমি কীভাবে প্রকল্পের সাথে যোগাযোগ করতে পারি?

বাগ এবং ফিচারের অনুরোধগুলো GitHub Issues-এ করুন, প্রশ্নগুলো Discussions-এ, এবং অন্য যেকোনো কিছু ইমেলের মাধ্যমে (ঠিকানাটি অনুরোধের পর যোগাযোগ বিভাগে দেখানো হয়)। নিরাপত্তা রিপোর্টগুলো GitHub-এর প্রাইভেট ভালনারেবিলিটি রিপোর্টিংয়ের মাধ্যমে যায়।

যোগাযোগ ও সাপোর্ট

আমাদের সাথে কথা বলুন। এটিকে বড় করতে সাহায্য করুন।

প্রকল্পটিকে সমর্থন করুন

Whisper Transcriber Suite ফ্রি এবং BSD-3-Clause লাইসেন্সের অধীনে ওপেন-সোর্স হিসেবে রক্ষণাবেক্ষণ করা হয়। এটি যদি আপনার সময় বাঁচায়, তবে GitHub-এ একটি স্টার দেওয়া অন্যদের এটি খুঁজে পেতে সাহায্য করবে — এবং এক কাপ কফি সবসময়ই সাদর গৃহীত হবে।