प्रॉम्प्ट टाइप करना बंद करें।
उन्हें बोलकर डिक्टेट करें।
वॉइस डिक्टेशन सीधे एजेंट कंपोज़र में रहती है। माइक्रोफोन पर क्लिक करें, अपना प्रॉम्प्ट बोलें, और ट्रांसक्राइब किया गया टेक्स्ट आपके कर्सर पर ड्राफ्ट में आ जाता है। आपके AI कोडिंग एजेंट्स के लिए speech-to-text, बिना किसी अलग डिक्टेशन ऐप को संभाले और बिना दो विंडो के बीच कॉपी-पेस्ट किए।
एक लंबा, सटीक प्रॉम्प्ट टाइप करने में मिनट लगते हैं। उसी प्रॉम्प्ट को बोलकर डिक्टेट करने में सेकंड। आपके एजेंट को ज्यादा कॉन्टेक्स्ट, कम स्पष्टीकरण के चक्कर, कम बर्बाद हुए टोकन। वैल्यू कोड से प्रॉम्प्ट पर शिफ्ट हो गई है, और एक अच्छा प्रॉम्प्ट लिखने का सबसे तेज तरीका है वॉइस डिक्टेशन।
वॉइस डिक्टेशन काम करते हुए : माइक पर क्लिक करें, प्रॉम्प्ट बोलें, लाइव वेवफॉर्म देखें, और speech-to-text ट्रांसक्रिप्ट कंपोज़र में आ जाता है, एडिट और भेजने के लिए तैयार।
यह वह बदलाव है जिसका जवाब वॉइस डिक्टेशन देती है। AI कोडिंग एजेंट के साथ काम करने में मुश्किल हिस्सा अब कोड लिखना नहीं है, वह काम एजेंट करता है। मुश्किल हिस्सा है प्रॉम्प्ट लिखना : आप क्या चाहते हैं, कौन सी पाबंदियां हैं, एज केस क्या हैं, कौन सी फाइल छूनी है, कौन सा बर्ताव टालना है, यह सब बताना। एक सटीक प्रॉम्प्ट ही पहली बार में सफलता और दस झुंझलाहट भरे चक्करों के बीच का फर्क होता है। और एक सटीक प्रॉम्प्ट लंबा होता है, जिससे उसे टाइप करना धीमा हो जाता है।
वॉइस डिक्टेशन टाइपिंग का टैक्स हटा देती है। आप कंपोज़र में माइक्रोफोन बटन पर क्लिक करते हैं, वह सब कुछ बोलते हैं जो आप टाइप करते, अक्सर उससे भी ज्यादा जितना आप टाइप करने की मेहनत करते, और speech-to-text ट्रांसक्रिप्शन ड्राफ्ट में दिख जाती है। आप 150 शब्द प्रति मिनट बोलते हैं, पर 150 शब्द प्रति मिनट टाइप नहीं करते। आवाज से टाइपिंग बस तेज है, और एक तेज चैनल का मतलब है कि आप अपने एजेंट को हर काम के लिए ज्यादा कॉन्टेक्स्ट देते हैं।
यह कोई ऊपर से चिपकाई गई चीज नहीं है। माइक्रोफोन AgentsRoom कंपोज़र का हिस्सा है, प्रॉम्प्ट लाइब्रेरी और स्केच टूल्स के बगल में। ट्रांसक्रिप्ट आपके कर्सर पर डाला जाता है, इसलिए आप एक ही ड्राफ्ट में टाइपिंग और डिक्टेशन मिला सकते हैं। कुछ भी अपने आप नहीं भेजा जाता : टेक्स्ट ड्राफ्ट में आता है, आप उसे पढ़ते हैं, मॉडल ने जो एक शब्द गलत सुना उसे ठीक करते हैं, और तैयार होने पर Enter दबाते हैं। यहां वॉइस डिक्टेशन लिखने में मदद है, ऑटोपायलट नहीं।
माइक्रोफोन बटन कंपोज़र टूलबार में होता है। रिकॉर्डिंग के दौरान, एक लाइव वॉइस वेवफॉर्म इनपुट लेवल दिखाता है, फिर ट्रांसक्राइब किया गया प्रॉम्प्ट ड्राफ्ट में दिख जाता है।
अपने प्रॉम्प्ट टाइप करने के बजाय बोलकर क्यों डिक्टेट करें
रफ्तार। आप टाइप करने से कई गुना तेज बोलते हैं, और कीज़ ढूंढते-ढूंढते अपना ख्याल नहीं खोते। दो पैराग्राफ का एक प्रॉम्प्ट जो टाइप करने में तीन मिनट लेता, वह तीस सेकंड की वॉइस डिक्टेशन है। अपने एजेंट्स को पूरे दिन प्रॉम्प्ट करते हुए, यह बचा हुआ समय असली घंटों में जुड़ जाता है।
सटीकता। चूंकि आवाज से टाइपिंग सस्ती है, आप ज्यादा कहते हैं। आप वह एज केस बताते हैं जिसे आप छोड़ देते, वह फाइल जिसका नाम आप नहीं लेते, वह बर्ताव जिसे आप टालना चाहते हैं। एक ज्यादा भरा-पूरा प्रॉम्प्ट ज्यादा सटीक प्रॉम्प्ट होता है, और यही वह चीज है जो एक AI कोडिंग एजेंट को पहली ही कोशिश में काम सही करवा देती है।
टोकन की किफायत। एजेंट के साथ हर स्पष्टीकरण का चक्कर टोकन खर्च करता है : एजेंट पूछता है, आप जवाब देते हैं, वह कॉन्टेक्स्ट दोबारा पढ़ता है। शुरू में ही एक सटीक डिक्टेट किया गया प्रॉम्प्ट इन चक्करों को खत्म कर देता है। कम आगे-पीछे का मतलब है उसी नतीजे तक पहुंचने में कम टोकन खर्च, जो आपके AI कोडिंग बिल पर सीधी बचत है।
हाथ खाली और मोबाइल। डेस्कटॉप पर आप अपने हाथ खाली रखते हैं जबकि एक एजेंट चल रहा होता है और अगला प्रॉम्प्ट जोर से बोल देते हैं। फोन पर, वॉइस डिक्टेशन एक मोबाइल कीबोर्ड से जूझे बिना एजेंट को प्रॉम्प्ट देने का सबसे तेज तरीका है। आइडिया बोलें, वह डेस्कटॉप पर आपके एजेंट में आ जाता है।
वॉइस डिक्टेशन कैसे काम करती है
माइक पर क्लिक करें, बोलें, जांचें, भेजें। चार कदम, कोई अलग ऐप नहीं, कोई कॉपी-पेस्ट नहीं।
कंपोज़र में माइक्रोफोन पर क्लिक करें
अपना कर्सर एजेंट कंपोज़र में रखें और टूलबार में माइक बटन पर क्लिक करें। पहली बार, macOS माइक्रोफोन की अनुमति मांगता है, AgentsRoom उस अनुरोध को सिस्टम तक पहुंचाता है ताकि आप इसे एक ही बार दें।
अपना प्रॉम्प्ट बोलें
बटन रिकॉर्डिंग में बदल जाता है : एक धड़कती हुई स्थिति जिसमें एक लाइव वॉइस वेवफॉर्म रियल टाइम में आपका इनपुट लेवल दिखाता है, ताकि आपको पता रहे कि माइक सच में ऑडियो पकड़ रहा है। वह सब कुछ बोलें जो आप अपने एजेंट को बताना चाहते हैं, अपनी भाषा में।
रोकें, और यह ट्रांसक्राइब कर देता है
रोकने के लिए दोबारा क्लिक करें। ऑडियो ट्रांसक्रिप्शन के लिए भेजा जाता है और speech-to-text चलने के दौरान बटन एक ट्रांसक्राइबिंग स्थिति दिखाता है। आप कोई मॉडल नहीं चुनते : सामान्य क्लिप पर AgentsRoom अपना सटीक डिफॉल्ट इस्तेमाल करता है और नब्बे सेकंड की रिकॉर्डिंग के बाद एक लूप-प्रतिरोधी मॉडल पर चला जाता है, क्योंकि लंबे या शोर वाले ऑडियो पर सटीक वाला खुद को दोहराने लगता है।
ट्रांसक्रिप्ट आपके कर्सर पर आ जाता है
ट्रांसक्राइब किया गया टेक्स्ट ड्राफ्ट में कर्सर पर डाला जाता है, जरूरत पड़ने पर एक अलग करने वाली जगह के साथ। आपके कर्सर की स्थिति बहाल हो जाती है, इसलिए आप टाइप करते रह सकते हैं या एक और हिस्सा डिक्टेट कर सकते हैं। टाइपिंग और डिक्टेशन एक ही प्रॉम्प्ट में आजादी से मिलते हैं।
जांचें और एडिट करें
अभी कुछ नहीं भेजा गया। प्रॉम्प्ट ड्राफ्ट में बैठा रहता है। उसे पढ़ें, मॉडल ने जो दुर्लभ शब्द गलत सुना उसे ठीक करें, कीबोर्ड से एक लाइन जोड़ें, एक वाक्य का क्रम बदलें। आपका एजेंट असल में जो पाता है उस पर आपका पूरा नियंत्रण रहता है।
तैयार होने पर भेजें
प्रॉम्प्ट अपने एजेंट को भेजने के लिए Enter दबाएं, ठीक एक टाइप किए गए मैसेज की तरह। एजेंट के नजरिए से यह बस टेक्स्ट है, इसलिए वॉइस डिक्टेशन Claude, Codex, GitHub Copilot CLI, Cursor और 10 अन्य एजेंट CLI के साथ एक जैसे काम करती है।
तेज प्रॉम्प्ट, कम टोकन
शुरू में ही एक बेहतर प्रॉम्प्ट बोलकर डिक्टेट करना एक कमजोर प्रॉम्प्ट टाइप करके बार-बार दोहराने से क्यों सस्ता है।
एक कमजोर प्रॉम्प्ट एक ऐसे तरीके से महंगा पड़ता है जो घड़ी पर नहीं दिखता। एजेंट के पास आगे बढ़ने के लिए पर्याप्त नहीं होता, इसलिए वह अंदाजा लगाता है, आप सुधारते हैं, वह पूरा कॉन्टेक्स्ट दोबारा पढ़ता है, आप फिर सुधारते हैं। इनमें से हर बारी इनपुट टोकन, आउटपुट टोकन और कैश रीड है। एक फीचर साफ करने के तीन चक्कर खुद उस फीचर से ज्यादा महंगे पड़ सकते हैं।
वॉइस डिक्टेशन इस गणित को पलट देती है। चूंकि बोलना तेज है, आप कॉन्टेक्स्ट शुरू में ही भर देते हैं : पाबंदियां, फाइल पाथ, टालने वाला बर्ताव, और वह उदाहरण जो आपके मन में है। एजेंट पहली कोशिश के ज्यादा करीब से सही करता है। आप तीस सेकंड की डिक्टेशन के बदले दो या तीन टले हुए स्पष्टीकरण के चक्कर पाते हैं।
और यह जुड़ता जाता है। एक सामान्य दिन में दर्जनों प्रॉम्प्ट होते हैं। अगर वॉइस डिक्टेशन उनमें से एक अच्छे हिस्से पर एक चक्कर बचाती है, तो बचे हुए टोकन दिन भर, टीम भर, महीने भर जुड़ते जाते हैं। सबसे सस्ता टोकन वह है जिसे आपको खुद को दोबारा समझाने पर कभी खर्च करना ही नहीं पड़ा।
और यह बस कम झंझट भी है। कम झंझट का मतलब है कि आप सच में वह लंबा, बेहतर प्रॉम्प्ट लिखते हैं, उस आलसी एक-लाइन वाले प्रॉम्प्ट के बजाय जिसे आप इसलिए टाइप करते क्योंकि पूरा वर्जन टाइप करना बहुत ज्यादा मेहनत लगता। वॉइस डिक्टेशन अच्छे प्रॉम्प्ट को आसान प्रॉम्प्ट बना देती है।
अपनी बोली जाने वाली भाषा चुनें
डेस्कटॉप पर वॉइस डिक्टेशन आपको सेटिंग्स में बोली जाने वाली भाषा तय करने देती है। ट्रांसक्रिप्शन मॉडल कोई सेटिंग नहीं है : वह आपकी रिकॉर्डिंग की लंबाई से चुना जाता है।
मॉडल कैसे चुना जाता है (डेस्कटॉप)
- छोटी क्लिप, नब्बे सेकंड तक : सटीक डिफॉल्ट मॉडल
- लंबी रिकॉर्डिंग : एक लूप-प्रतिरोधी मॉडल, जो लंबे या शोर वाले ऑडियो पर खुद को नहीं दोहराता
- ऑफ़लाइन मोड, अगर आप उसे चालू करें : आपकी अपनी मशीन पर एक लोकल मॉडल, न नेटवर्क, न क्रेडिट
बोली जाने वाली भाषाएं
- ऑटो-डिटेक्ट (डिफ़ॉल्ट, मॉडल भाषा का पता लगाता है)
- Čeština, Slovenčina, English, Français, Español, Deutsch, Italiano, Português, Nederlands
- Русский, Українська, 中文, 日本語, 한국어
- العربية, हिन्दी, Bahasa Indonesia, Polski, Türkçe, ไทย, Tiếng Việt
ऑटो-डिटेक्ट डिफ़ॉल्ट है और अधिकांश मामलों को संभालता है। जब छोटी रिकॉर्डिंग गलत पहचान ली जाती हैं, तो एक विशिष्ट भाषा को मजबूर करें, लेकिन केवल वही भाषा मजबूर करें जो आप वास्तव में बोल रहे हैं। 21 भाषाएं और ऑटो-डिटेक्ट, ताकि आप अपनी भाषा में डिक्टेट करें और आपका एजेंट साफ टेक्स्ट प्राप्त करे।
वॉइस डिक्टेशन असल में अंदर क्या करती है
डेस्कटॉप पर, कंपोज़र ब्राउज़र MediaRecorder API से आपकी आवाज रिकॉर्ड करता है और ऑडियो को AgentsRoom ट्रांसक्रिप्शन बैकएंड पर भेजता है। ट्रांसक्रिप्शन सर्वर-साइड चलती है, इसलिए speech-to-text का भारी काम आपकी मशीन पर निर्भर नहीं करता, और ट्रांसक्रिप्ट सादे टेक्स्ट के रूप में वापस आता है, आपके कर्सर पर डाला हुआ। माइक्रोफोन, रिकॉर्डिंग और इंसर्शन सब उसी कंपोज़र का हिस्सा हैं जिसमें आप पहले से टाइप करते हैं।
मोबाइल पर, वॉइस डिक्टेशन जानबूझकर अलग तरीके से काम करती है। साथी ऐप ऑन-डिवाइस वाक् पहचान का इस्तेमाल करती है, इसलिए ऑडियो आपके फोन से कभी बाहर नहीं जाता। फिर पहचाना गया टेक्स्ट AgentsRoom के एंड-टू-एंड एन्क्रिप्टेड कनेक्शन के जरिए डेस्कटॉप तक पहुंचाया जाता है और उस एजेंट के इनपुट में डाला जाता है जिस पर आपने डेस्कटॉप पर फोकस किया है। माइक बटन दबाए रखें, बोलें, छोड़ें, और टेक्स्ट आपके डेस्कटॉप एजेंट में दिख जाता है।
दोनों जगह एक नियम साझा करती हैं : वॉइस डिक्टेशन कभी अपने आप नहीं भेजती। डेस्कटॉप पर ट्रांसक्रिप्ट जांच के लिए ड्राफ्ट में आता है। मोबाइल पर टेक्स्ट फोकस किए गए एजेंट इनपुट में बिना किसी कैरिज रिटर्न के पेस्ट होता है, इसलिए आप खुद Enter दबाते हैं। डिक्टेशन प्रॉम्प्ट लिखने का तरीका है, उसे आंख मूंदकर दागने का नहीं।
कॉन्फ़िगरेशन प्रोवाइडर-न्यूट्रल है। ट्रांसक्रिप्शन speech-to-text बैकएंड पर चलती है, आपके एजेंट CLI पर नहीं। चाहे आपका एजेंट Claude, Codex, GitHub Copilot CLI, Cursor या AgentsRoom के सपोर्ट किए 10 अन्य एजेंट CLI में से कोई भी हो, डिक्टेट किया गया टेक्स्ट कंपोज़र में बस टेक्स्ट है, इसलिए वॉइस डिक्टेशन AgentsRoom के समर्थित हर प्रोवाइडर पर एक जैसा बर्ताव करती है।
वॉइस डिक्टेशन कहां काम करती है
डेस्कटॉप कंपोज़र और मोबाइल साथी में निर्मित, 21 भाषाओं में।
डेस्कटॉप कंपोज़र
macOS, Windows और Linux पर एजेंट कंपोज़र में एक माइक्रोफोन बटन। सर्वर-साइड ट्रांसक्रिप्शन, जिसमें मॉडल आपकी रिकॉर्डिंग की लंबाई से चुना जाता है। रिकॉर्डिंग के दौरान लाइव वॉइस वेवफॉर्म, कर्सर पर डाला गया ट्रांसक्रिप्ट, टाइपिंग के साथ आजादी से मिलाने योग्य। सेटिंग्स में अपनी बोली जाने वाली भाषा चुनें।
मोबाइल साथी ऐप
iOS और Android साथी ऐप पर, डिक्टेट करने के लिए माइक दबाए रखें। वाक् पहचान ऑन-डिवाइस चलती है इसलिए ऑडियो फोन पर ही रहता है, और पहचाना गया टेक्स्ट एंड-टू-एंड एन्क्रिप्टेड होकर फोकस किए गए डेस्कटॉप एजेंट तक पहुंचाया जाता है। अपनी जेब से एजेंट को प्रॉम्प्ट देने का सबसे तेज तरीका।
बहुभाषी
21 बोली जाने वाली भाषाएँ और साथ में स्वचालित पहचान: Čeština, Slovenčina, अंग्रेज़ी, फ़्रेंच, स्पेनिश, जर्मन, इतालवी, पुर्तगाली, डच, रूसी, यूक्रेनी, चीनी, जापानी, कोरियाई, अरबी, हिंदी, इंडोनेशियाई, पोलिश, तुर्की, थाई और वियतनामी। अपनी मातृभाषा में डिक्टेट करें, आपके एजेंट को साफ़-सुथरा ट्रांसक्राइब किया हुआ टेक्स्ट मिलता है।
प्रॉम्प्ट टाइप करना बनाम उन्हें बोलकर डिक्टेट करना
वही एजेंट, वही काम। अलग रफ्तार, अलग कॉन्टेक्स्ट, अलग टोकन बिल।
हर प्रॉम्प्ट टाइप करना
- : आप अपनी बोलने की रफ्तार के एक हिस्से जितना ही टाइप करते हैं, इसलिए प्रॉम्प्ट छोटे रह जाते हैं।
- : छोटे प्रॉम्प्ट कॉन्टेक्स्ट छोड़ देते हैं, इसलिए एजेंट अंदाजा लगाता है और आप उसे सुधारते हैं।
- : हर सुधार एक और चक्कर है, ज्यादा इनपुट और आउटपुट टोकन।
- : एक अलग डिक्टेशन ऐप या सिस्टम डिक्टेशन का मतलब है विंडो के बीच कॉपी-पेस्ट।
- : फोन पर, मोबाइल कीबोर्ड लंबे प्रॉम्प्ट को तकलीफदेह बना देता है, इसलिए आप मुश्किल से ही प्रॉम्प्ट करते हैं।
वॉइस डिक्टेशन से डिक्टेट करना
- : आप पूरा प्रॉम्प्ट सेकंडों में बोल देते हैं, इसलिए आप स्वाभाविक रूप से ज्यादा कहते हैं।
- : शुरू में ज्यादा कॉन्टेक्स्ट का मतलब है एजेंट पहली कोशिश के ज्यादा करीब से काम सही करता है।
- : कम स्पष्टीकरण के चक्कर का मतलब है उसी नतीजे पर कम टोकन खर्च।
- : माइक कंपोज़र में है, ट्रांसक्रिप्ट ड्राफ्ट में आता है, कोई कॉपी-पेस्ट नहीं।
- : फोन पर, माइक दबाए रखें और टेक्स्ट एन्क्रिप्टेड रिले के जरिए आपके डेस्कटॉप एजेंट में दिख जाता है।
वॉइस डिक्टेशन हर प्रॉम्प्ट को एक साथ ज्यादा लंबा, ज्यादा सटीक और लिखने में ज्यादा तेज बनाने का सबसे सस्ता तरीका है।
एक डिक्टेट किया गया प्रॉम्प्ट कैसा लगता है
आपको इसमें से कुछ भी लिखना नहीं पड़ता। आप इसे जोर से बोलते हैं, speech-to-text इसे नीचे दिए प्रॉम्प्ट में बदल देता है, और आप Enter दबाते हैं। इतना विस्तृत प्रॉम्प्ट टाइप करके बोलने की कोशिश करें और महसूस करें कि इसमें कितना वक्त लगता है।
माइक में बोला गया
login endpoint पर एक rate limiter जोड़ो।
प्रति IP प्रति मिनट पांच attempts की एक sliding window इस्तेमाल करो।
लिमिट पहुंचने पर Retry-After header के साथ एक 429 लौटाओ।
मौजूदा success path को बिना छेड़े रखो।
लिमिट पहुंचने के लिए एक unit test और एक मिनट बाद रीसेट होने के लिए एक जोड़ो।
signup endpoint को मत छुओ।FAQ
AgentsRoom में वॉइस डिक्टेशन क्या है ?
वॉइस डिक्टेशन एजेंट कंपोज़र में एक माइक्रोफोन बटन है जो आपकी आवाज को टेक्स्ट में बदल देता है। आप माइक पर क्लिक करते हैं, अपना प्रॉम्प्ट बोलते हैं, और ट्रांसक्राइब किया गया टेक्स्ट आपके कर्सर पर ड्राफ्ट में डाला जाता है। यह आपके AI कोडिंग एजेंट्स को प्रॉम्प्ट लिखने के लिए बिल्ट-इन speech-to-text और आवाज से टाइपिंग है, बिना किसी अलग डिक्टेशन ऐप और बिना विंडो के बीच कॉपी-पेस्ट के।
मैं प्रॉम्प्ट टाइप करने के बजाय उन्हें बोलकर क्यों डिक्टेट करूं ?
रफ्तार, सटीकता और टोकन की किफायत। आप टाइप करने से कई गुना तेज बोलते हैं, इसलिए प्रॉम्प्ट मिनटों के बजाय सेकंडों में बन जाते हैं। चूंकि डिक्टेट करना सस्ता है, आप स्वाभाविक रूप से ज्यादा कहते हैं, जिससे प्रॉम्प्ट ज्यादा सटीक होता है। एक सटीक प्रॉम्प्ट का मतलब है एजेंट के साथ कम स्पष्टीकरण के चक्कर, जिसका मतलब है उसी नतीजे तक पहुंचने में कम टोकन खर्च।
मैं कौन से ट्रांसक्रिप्शन मॉडल इस्तेमाल कर सकता हूं ?
चुनने के लिए कुछ नहीं है। AgentsRoom सामान्य क्लिप को अपने सटीक डिफॉल्ट मॉडल पर ट्रांसक्राइब करता है, और नब्बे सेकंड की रिकॉर्डिंग के बाद एक लूप-प्रतिरोधी मॉडल पर चला जाता है, क्योंकि सटीक मॉडल में दोहराव रोकने वाला कोई पहरा नहीं है और लंबे या शोर वाले ऑडियो पर वह लूप में चला जाता है। सेटिंग्स में आप जो चुनते हैं वह है बोली जाने वाली भाषा, और यह कि ऑफ़लाइन मॉडल डाउनलोड करना है या नहीं।
क्या यह बस OpenAI Whisper है ?
पर्दे के पीछे, कुछ हद तक। लंबी रिकॉर्डिंग के लिए AgentsRoom Whisper पर लौटता है, जहां उसकी अंतर्निहित लूप पहचान दस मिनट के डिक्टेशन को भी पढ़ने लायक रखती है, और वैकल्पिक ऑफ़लाइन मोड का मॉडल भी वही है। लेकिन यह कोई सेटिंग नहीं जिसे आप संभालें : AgentsRoom वॉइस डिक्टेशन की बात यह है कि डिक्टेशन सीधे आपके एजेंट के प्रॉम्प्ट इनपुट को निशाना बनाती है, इसलिए आप एक विंडो में डिक्टेट करके दूसरी में कॉपी-पेस्ट नहीं करते।
वॉइस डिक्टेशन कौन सी भाषाओं को सपोर्ट करती है ?
21 बोली जाने वाली भाषाएँ और साथ में स्वचालित पहचान: Čeština, Slovenčina, अंग्रेज़ी, फ़्रेंच, स्पेनिश, जर्मन, इतालवी, पुर्तगाली, डच, रूसी, यूक्रेनी, चीनी, जापानी, कोरियाई, अरबी, हिंदी, इंडोनेशियाई, पोलिश, तुर्की, थाई और वियतनामी। ऑटो-डिटेक्ट डिफ़ॉल्ट है। अगर छोटी रिकॉर्डिंग्स की पहचान गलत हो जाए, तो आप सेटिंग्स में कोई एक भाषा तय कर सकते हैं।
क्या मेरी आवाज किसी सर्वर पर भेजी जाती है ?
यह जगह पर निर्भर करता है। डेस्कटॉप पर, ऑडियो AgentsRoom ट्रांसक्रिप्शन बैकएंड पर भेजा जाता है, जो speech-to-text चलाता है और टेक्स्ट लौटाता है; आप ऑफ़लाइन मॉडल डाउनलोड करके सब कुछ अपनी मशीन पर भी रख सकते हैं। मोबाइल पर, वाक् पहचान ऑन-डिवाइस चलती है, इसलिए ऑडियो आपके फोन से कभी बाहर नहीं जाता और सिर्फ पहचाना गया टेक्स्ट एंड-टू-एंड एन्क्रिप्टेड कनेक्शन के जरिए डेस्कटॉप तक पहुंचाया जाता है।
क्या डिक्टेट करने के बाद प्रॉम्प्ट अपने आप भेज दिया जाता है ?
नहीं। वॉइस डिक्टेशन हमेशा टेक्स्ट को ड्राफ्ट में डालती है, कभी भेजती नहीं। आप ट्रांसक्रिप्ट पढ़ते हैं, गलत सुना गया दुर्लभ शब्द सुधारते हैं, चाहें तो कीबोर्ड से जोड़ते या क्रम बदलते हैं, और तैयार होने पर Enter दबाते हैं। आपका एजेंट असल में क्या पाता है उस पर आपका नियंत्रण बना रहता है।
क्या मैं एक ही प्रॉम्प्ट में टाइपिंग और डिक्टेशन मिला सकता हूं ?
हां। ट्रांसक्रिप्ट आपके कर्सर पर डाला जाता है, पूरे ड्राफ्ट की जगह नहीं। इसलिए आप पहला आधा हिस्सा टाइप कर सकते हैं, बीच में एक लंबा पैराग्राफ डिक्टेट कर सकते हैं, फिर एक आखिरी लाइन टाइप कर सकते हैं। वॉइस डिक्टेशन कंपोज़र भरने का एक तेज तरीका है, जो कीबोर्ड के साथ पूरी तरह अनुकूल है।
क्या मैं अपने फोन से अपने कंप्यूटर पर एक एजेंट को डिक्टेट कर सकता हूं ?
हां। मोबाइल साथी ऐप में एक माइक्रोफोन बटन है : उसे दबाए रखें, बोलें, छोड़ें। आवाज ऑन-डिवाइस पहचानी जाती है और टेक्स्ट एंड-टू-एंड एन्क्रिप्टेड होकर उस एजेंट तक पहुंचाया जाता है जिस पर आपने डेस्कटॉप पर फोकस किया है। मोबाइल कीबोर्ड इस्तेमाल किए बिना अपने डेस्कटॉप एजेंट को प्रॉम्प्ट भेजने का यह सबसे तेज तरीका है।
क्या वॉइस डिक्टेशन Claude Code, Codex और Antigravity के साथ काम करती है ?
हां, इन सबके साथ, और AgentsRoom के सपोर्ट किए हर दूसरे एजेंट CLI के साथ भी: कुल 14, जिनमें GitHub Copilot CLI और Cursor भी शामिल हैं। डिक्टेट किया गया टेक्स्ट कंपोज़र में बस टेक्स्ट है, और ट्रांसक्रिप्शन कॉन्फ़िगरेशन प्रोवाइडर-न्यूट्रल है, इसलिए चाहे आप कोई भी एजेंट CLI चला रहे हों, वॉइस डिक्टेशन एक जैसा बर्ताव करती है।
इसके साथ अच्छा चलता है
Scratchpad
एक बड़ा प्रॉम्प्ट एडिटर, कंपोज़र में एक "विस्तृत करें" की दूरी पर। एक लंबा ब्रीफ डिक्टेट करें, उसे वहीं निखारें, फिर अपने एजेंट को भेजें।
प्रॉम्प्ट लाइब्रेरी
आप जो प्रॉम्प्ट डिक्टेट करते हैं उन्हें दोबारा इस्तेमाल होने वाले टेम्पलेट के रूप में सेव करें। आवाज पहला ड्राफ्ट लिखती है, लाइब्रेरी अच्छों को संभालती है।
मोबाइल-डेस्कटॉप सिंक
एंड-टू-एंड एन्क्रिप्टेड लिंक जो आपके डिक्टेट किए गए टेक्स्ट को फोन से आपके कंप्यूटर पर फोकस किए गए एजेंट तक ले जाता है।
रिमोट एजेंट कंट्रोल
अपने डेस्कटॉप एजेंट्स को अपने फोन से चलाएं। कीबोर्ड से दूर रहते हुए उन्हें प्रॉम्प्ट भेजने का सबसे तेज तरीका है डिक्टेशन।
मल्टी-प्रोवाइडर
Claude, Codex, Antigravity, OpenCode, Aider, Grok Build, Mistral Vibe और Kimi Code को साथ-साथ चलाएं। वॉइस डिक्टेशन इन हर एक पर एक जैसे काम करती है।
Sketch
कंपोज़र में ड्रॉ करें और एनोटेट करें। एक डिक्टेट किए गए प्रॉम्प्ट को एक तेज स्केच के साथ जोड़ें ताकि आपके एजेंट को शब्द और तस्वीर दोनों मिलें।
अपने एजेंट्स से बात करें, प्रॉम्प्ट टाइप करना बंद करें
AgentsRoom डाउनलोड करें और अपने प्रॉम्प्ट सीधे कंपोज़र में डिक्टेट करें। लिखने में तेज, कॉन्टेक्स्ट में भरपूर, टोकन में हल्के। आपके AI कोडिंग IDE में बिल्ट-इन वॉइस डिक्टेशन, डेस्कटॉप और मोबाइल दोनों पर।
कंपेनियन ऐप: चलते-फिरते अपने एजेंट्स मॉनिटर करें
Claude, Codex, Antigravity CLI या किसी अन्य AI प्रदाता का उपयोग करें।
बग और अनुरोध सीधे अपने सार्वजनिक बैकलॉग में भेजें।