वॉइस टाइपिंग और स्पीच टू टेक्स्ट की ज़्यादातर गलतियां सॉफ़्टवेयर में नहीं, ऑडियो में शुरू होती हैं। सबसे बड़ा फ़र्क चार चीज़ों से आता है: माइक्रोफ़ोन बोलने वाले के पास, कम शोर, एक समय में एक व्यक्ति और सही भाषा की सेटिंग। उसके बाद पूरे वाक्य एक जैसी रफ़्तार में बोलें, नाम और संख्याएं साफ़ बोलें, और इस्तेमाल से पहले टेक्स्ट एक बार पढ़ें। AI रीराइट फिर विराम चिह्न और भराव वाले शब्द साफ़ कर सकता है, पर गलत सुना गया शब्द ठीक नहीं कर सकता।
| टेक्स्ट में दिक्कत | सबसे संभावित वजह | क्या बदलें |
|---|---|---|
| शब्द छूटे या बिगड़े | माइक्रोफ़ोन दूर, या शोर | फ़ोन पास लाएं, शांत जगह जाएं |
| पूरे हिस्से गलत | गलत भाषा सेटिंग, या दो भाषाएं मिलीं | बोली जाने वाली भाषा चुनें; एक रिकॉर्डिंग में एक भाषा |
| नाम और ब्रांड गलत | कम सुने जाने वाले शब्द | साफ़ बोलें, एक बार स्पेल करें, बाद में ठीक करें |
| दो आवाज़ें मिल गईं | लोग एक साथ बोले | बारी बारी से बोलें; जवाब से पहले रुकें |
| कुछ भी नहीं आया | माइक्रोफ़ोन की अनुमति नहीं, या बहुत धीमी रिकॉर्डिंग | अनुमति जांचें; पहले छोटी क्लिप से टेस्ट करें |
आवाज टाइपिंग नहीं हो रही? पहले ये जांचें
Google के हिंदी Gboard सहायता पेज “बोलकर लिखना” (25 सितंबर 2026 को जांचा) से ये बातें काम की हैं:
- माइक्रोफ़ोन की अनुमति। पेज के वॉइस टूलबार वाले हिस्से में रिकॉर्डिंग के तीन विकल्प हैं: “ऐप्लिकेशन का इस्तेमाल करते समय”, “सिर्फ़ इस बार के लिए अनुमति देने पर” और “अनुमति न दें”। आखिरी विकल्प से रिकॉर्डिंग की अनुमति नहीं मिलती। अगर आपने कभी मना किया था, तो फ़ोन की सेटिंग में Gboard की माइक्रोफ़ोन अनुमति देखें।
- भाषा। Google कहता है कि बोलकर लिखने की सुविधा सभी भाषाओं में उपलब्ध नहीं है। हिंदी में बोलना है, तो Gboard में हिंदी भाषा जुड़ी होनी चाहिए; एक से दूसरी भाषा पर जाने के लिए एक से ज़्यादा भाषाओं की सुविधा चालू करनी होती है।
- Android वर्शन। कुछ स्टेप सिर्फ़ Android 7.0 और नए पर काम करते हैं।
- सही बटन। कीबोर्ड के सबसे ऊपरी हिस्से में माइक्रोफ़ोन पर टैप करें और स्क्रीन पर “अब बोलें” दिखने का इंतज़ार करें।
अगर आपके फ़ोन में Gboard की जगह कंपनी का अपना कीबोर्ड है (Samsung, Xiaomi, Vivo वगैरह), तो उसकी सेटिंग अलग होगी।
माइक्रोफ़ोन और कमरा
Google की Cloud Speech-to-Text सेवा की सलाह साफ़ है: “Position the microphone as close as possible to the person that is speaking, particularly when background noise is present.” यानी माइक्रोफ़ोन बोलने वाले के जितना हो सके पास रखें, खासकर जब पीछे शोर हो। व्यवहार में:
- बोलकर लिखते समय फ़ोन मुंह के पास रखें, लगभग फ़ोन कॉल जितना पास, और माइक्रोफ़ोन के छेद को उंगली या कवर से न ढकें।
- शांत कमरा चुनें। संगीत, टीवी, पंखा और कूलर बंद करें। नरम सामान वाला छोटा कमरा रसोई या सीढ़ियों से कम गूंजता है।
- हवा और ट्रैफ़िक से बचें। बाहर हों, तो हवा की तरफ़ पीठ करें या हेडसेट माइक इस्तेमाल करें।
- चिल्लाएं नहीं। Google “audio clipping” से बचने की सलाह भी देता है। माइक्रोफ़ोन के पास ज़रूरत से ज़्यादा ज़ोर से बोलने पर आवाज़ बिगड़ती है।
- मीटिंग रिकॉर्ड करें तो मेज़ के बीच से, एक कोने से नहीं, ताकि हर आवाज़ लगभग बराबर पहुंचे।
आप कैसे बोलते हैं
- पूरे वाक्य, एक जैसी रफ़्तार। धीरे बोलना ज़रूरी नहीं, पर विचारों के बीच छोटे ठहराव वाली स्थिर बोली टुकड़ों वाली बोली से बेहतर लिखी जाती है।
- एक रिकॉर्डिंग, एक भाषा। वाक्य के बीच भाषा बदलना कई सिस्टम को उलझाता है। हिंदी में बोलते हुए अंग्रेज़ी शब्द आएं तो कोई बात नहीं, पर उन्हें नतीजे में ज़रूर जांचें।
- नाम और संख्याएं साफ़ बोलें। कम सुने नाम को एक बार धीरे बोलें या स्पेल करें। “पंद्रह” या “एक पांच” बोलें, ताकि वह “पचास” न सुना जाए।
- बारी बारी से। दो लोग एक साथ बोलें, तो आम तौर पर दोनों गलत आते हैं।
- रिकॉर्ड दबाने के बाद और रोकने से पहले थोड़ा रुकें, ताकि पहला और आखिरी शब्द न कटे।
सेटिंग जो मायने रखती हैं
- बोली जाने वाली भाषा चुनें जहां टूल पूछता है। Gboard, WhatsApp ट्रांसक्रिप्ट और फ़ोन के रिकॉर्डर ऐप की अपनी अपनी भाषा सेटिंग है, और गलत सेटिंग नतीजा बिगाड़ देती है। ध्यान दें कि Android पर WhatsApp ट्रांसक्रिप्ट हिंदी नहीं लिखते: देखें WhatsApp ट्रांसक्रिप्ट में हिंदी नहीं है? क्या करें।
- नाम और शब्द जोड़ें अगर टूल में शब्द सूची है। Google अपनी सेवा के लिए “word and phrase hints” से “to add names and terms to the vocabulary” की सलाह देता है।
- मूल फ़ाइल रखें। हर दोबारा रिकॉर्डिंग या कंप्रेशन में बारीकी जाती है। रिकॉर्डर की बनाई फ़ाइल ट्रांसक्राइब करें, स्पीकर पर चलाकर दोबारा रिकॉर्ड की गई कॉपी नहीं। Google अपनी सेवा के लिए लॉसलेस फ़ॉर्मेट (FLAC या LINEAR16) और 16,000 Hz सैंपल रेट की सलाह देता है।
- बाद में नॉइज़ रिडक्शन न लगाएं। Google अपनी सेवा के लिए ऑटोमैटिक गेन कंट्रोल और नॉइज़ रिडक्शन से मना करता है और कहता है कि उसका सिस्टम पीछे की आवाज़ें और शोर खुद नज़रअंदाज़ करने के लिए बना है।
मुश्किल से सुनाई देने वाला ऑडियो
रिकॉर्डिंग पहले से बनी है और समझना मुश्किल है, तो:
- पूरी फ़ाइल एक बार ट्रांसक्राइब करें और देखें कौन से हिस्से गड़बड़ हैं।
- गड़बड़ हिस्सों को हेडफ़ोन से धीमी रफ़्तार पर सुनें और खुद टाइप करें।
- जो न सुनाई दे, उसे [अस्पष्ट] लिखें, अंदाज़ा न लगाएं। कोट या कार्यवृत्त में अंदाज़े वाला शब्द खाली जगह से बुरा है।
- बहुत दूर की आवाज़ से चमत्कार की उम्मीद न करें। जो आपको मुश्किल से सुनाई दे, वह सॉफ़्टवेयर भी भरोसे से नहीं निकाल पाएगा।
सटीकता खुद कैसे परखें
स्पीच टू टेक्स्ट की सटीकता आम तौर पर वर्ड एरर रेट (WER) से मापी जाती है: WER = (S + D + I) / N, जहां S बदले गए शब्द, D छूटे शब्द, I जुड़े शब्द और N सही संदर्भ टेक्स्ट के कुल शब्द हैं। कम बेहतर है।
घर पर पांच मिनट का टेस्ट:
- लगभग 100 शब्दों का एक अनुच्छेद लें, जिसमें कुछ नाम और संख्याएं हों।
- उसे अपनी आम जगह पर अपने टूल में ज़ोर से पढ़ें।
- गलत, छूटे या जुड़े शब्द गिनें और अनुच्छेद के कुल शब्दों से भाग दें।
- एक चीज़ बदलें (दूरी, कमरा, भाषा सेटिंग) और दोहराएं।
नतीजा बताता है कि आपकी आवाज़, आपके फ़ोन और आपके कमरे के लिए क्या मदद करता है। यह टूलों की आम तुलना नहीं है: कोई भी छपी सटीकता सिर्फ़ उसी ऑडियो के लिए सही है जिस पर वह मापी गई।
AI रीराइट क्या ठीक करता है, और क्या नहीं
Retexta, Android के लिए क्लाउड पर चलने वाला वॉइस टू टेक्स्ट और AI राइटिंग ऐप है। यह पहले ट्रांसक्राइब करता है और फिर टेक्स्ट दोबारा लिख सकता है, हिंदी में भी। रीराइट उन चीज़ों को अच्छी तरह संभालता है जो कच्चे ट्रांसक्रिप्ट को पढ़ना मुश्किल बनाती हैं:
- विराम चिह्न और अनुच्छेद;
- भराव वाले शब्द और अधूरी शुरुआत (“तो, अं, मतलब”);
- दोहराए गए हिस्से और टूटे वाक्य।
अगर आपको सिर्फ़ ट्रांसक्रिप्ट साफ़ चाहिए, तो Clean up a text लक्ष्य (More templates में) के बारे में ऐप कहता है: आपका टेक्स्ट रखो, व्याकरण, विराम चिह्न और प्रवाह ठीक करो। Write a message या Take notes जैसे लिखने वाले लक्ष्य और आगे जाते हैं और आपकी बात को नए ढांचे में लिखते हैं। ऐप के मेन्यू अंग्रेज़ी में हैं।
रीराइट यह नहीं जान सकता कि “सुनीता” को “सुनिता” सुना गया, या “पंद्रह” असल में “पचास” था। वह गलत सुने शब्द को ऐसा धाराप्रवाह वाक्य भी बना सकता है जो सही दिखे। इसलिए नाम, संख्याएं, तारीखें और रकम रिकॉर्डिंग से मिलाएं। Retexta नतीजों पर लिखता है “AI-generated. Check important details.”
सटीकता में मदद करने वाली दो बातें: Retexta बोली गई भाषा अपने आप पहचानता है, इसलिए पूरे पहले वाक्य वाली छोटी क्लिप उसे एक शब्द से ज़्यादा जानकारी देती है। और अगर रिकॉर्डिंग खामोश या बहुत धीमी है, तो वह टेक्स्ट लौटाने की जगह यह बताता है (“Transcription finished, but no text was produced”)।
Retexta को मुफ़्त में आज़माया जा सकता है: नए यूज़र को कुछ मुफ़्त Pro रिज़ल्ट मिलते हैं, जिन्हें ऐप में देखा जा सकता है; उनके बाद Transcript only के लिए भी Retexta Pro या क्रेडिट चाहिए। रीराइट वाले लक्ष्य और Import audio Retexta Pro का हिस्सा हैं, और कॉपी, शेयर या एक्सपोर्ट के लिए Retexta Pro या क्रेडिट चाहिए।
आगे पढ़ें
टाइप करने की जगह बोलकर ईमेल: Android पर बोलकर ईमेल लिखें। वॉइस रिकॉर्डिंग: Android पर वॉइस रिकॉर्डिंग को टेक्स्ट में बदलें। एक रिकॉर्डिंग में दो आवाज़ें: इंटरव्यू को टेक्स्ट में कैसे लिखें। फ़ाइल फ़ॉर्मेट: MP3 को टेक्स्ट में बदलें। ऐप के बारे में और: Retexta, Android के लिए वॉइस टू टेक्स्ट।
स्रोत
FLAME Apps ने 25 सितंबर 2026 को जांचा।
- Gboard सहायता, बोलकर लिखना (Android) (हिंदी): माइक्रोफ़ोन अनुमति के विकल्प, भाषा और Android वर्शन वाली बातें, भाषा बदलना।
- Google Cloud, Best practices, Cloud Speech-to-Text (अंग्रेज़ी में, आखिरी अपडेट 18 सितंबर 2026): माइक्रोफ़ोन की जगह, क्लिपिंग, सैंपल रेट, लॉसलेस कोडेक, गेन कंट्रोल और नॉइज़ रिडक्शन नहीं, शब्द और वाक्यांश संकेत। ये Google की अपनी सेवा के लिए सलाह हैं।
- Wikipedia, Word error rate (अंग्रेज़ी में): परिभाषा WER = (S + D + I) / N।
- Retexta ऐप कोड (Android, वर्शन 2026.1.23): भाषा अपने आप पहचानना (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), Clean up a text लक्ष्य का विवरण और त्रुटि संदेश (ऐप स्ट्रिंग्स)।
