Notta یا ElevenLabs؟ درست اردو الفاظ بھی غلط رسم الخط میں آ سکتے ہیں

پاکستانی سامع کے لیے اردو رسم الخط میں فوراً پڑھنے کے قابل متن چاہیے تو Notta سے آغاز کریں۔ ۱۹ اکتوبر ۲۰۲۶ کی پاکستانی آواز کی شائع شدہ آزمائش میں اس نے دہرایا گیا اردو جملہ اردو رسم الخط میں لکھا، جبکہ ElevenLabs نے پہچانے ہوئے الفاظ دیوناگری میں دیے، حالانکہ زبان اردو منتخب کی گئی تھی۔ یہ ایک شخص کی مختصر ریکارڈنگ کا نتیجہ ہے، ہر پاکستانی لہجے یا طویل میٹنگ کی کارکردگی کا پیمانہ نہیں۔

زیادہ تر انگریزی میٹنگ میں ناموں کی شناخت اہم ہو تو ElevenLabs کو بھی اسی آواز پر آزمائیں۔ لیکن اگر نتیجہ اردو پڑھنے والے ساتھی، سامع یا مدیر کو دینا ہے تو درست الفاظ بھی غلط رسم الخط میں اضافی تدوین مانگتے ہیں۔ مختصر وائس نوٹ اور طویل میٹنگ کے لیے الگ فیصلہ بن سکتا ہے: متن کی شکل کے ساتھ ہر ریکارڈنگ کی حد، ماہانہ گنجائش اور برآمد کی سہولت بھی قیمت کا حصہ ہیں۔

ایک ہی آواز میں رسم الخط، نام اور زبان بدلنے کا فرق

شائع شدہ اردو نمونے کا آغاز «السلام علیکم» سے تھا؛ Notta کے متن میں یہ اردو رسم الخط میں آیا اور ElevenLabs کے متن میں «अस्सलाम वालेकुम» بنا۔ اس فرق سے لفظ پہچاننے اور استعمال کے لیے تیار تحریر دینے کے درمیان فاصلہ واضح ہوتا ہے۔ اردو سرخی، سب ٹائٹل یا میٹنگ نوٹ بنانے والے کو دیوناگری متن پہلے اردو رسم الخط میں بدلنا پڑے گا، پھر اصل آواز سے املا ملانی ہوگی۔

اسی آزمائش کے انگریزی حصے میں Notta نے «Ahmed» کو دوسرے نام کے طور پر لکھا، جبکہ ElevenLabs نے نام غیر واضح نشان زد کیا۔ نام کی غلطی عام لفظ کی غلطی سے مختلف ہے: غلط شخص سے منسوب فیصلہ بعد میں تلاش، خلاصے یا ذمہ داری کی تقسیم کو متاثر کر سکتا ہے۔ غیر واضح نشان بھی درست جواب نہیں، مگر وہ قاری کو آواز دوبارہ سننے کی وجہ دیتا ہے۔ اس لیے ناموں کے معاملے میں صرف رواں نظر آنے والے متن کو بہتر نتیجہ نہ سمجھیں۔

مخلوط اردو اور انگریزی گفتگو میں آزمائش کی زبان انگریزی رکھنے پر دونوں خدمات نے اردو حصے کو دیوناگری میں پیش کیا۔ یہ نتیجہ خالص اردو ریکارڈنگ والے نتیجے سے الگ ہے؛ ایک ہی خدمت کا رسم الخط زبان کی ترتیب اور گفتگو کے امتزاج کے ساتھ بدل سکتا ہے۔ پاکستانی میٹنگ میں انگریزی اصطلاحات یا منصوبوں کے نام آتے ہوں تو صرف خالص اردو جملے سے پوری میٹنگ کا فیصلہ اخذ کرنا مناسب نہیں۔

زبان کی معاونت سے کیا معلوم ہوتا ہے؟

Notta کی سرکاری زبانوں کی فہرست میں اردو واحد زبان والی نقلِ تحریر کی ۵۸ زبانوں میں شامل ہے، مگر بیک وقت دو زبانوں والی نقلِ تحریر کی فہرست میں شامل نہیں۔ اردو منتخب کرکے آواز لکھوانا اور اردو و انگریزی کو دو منتخب زبانوں کے طور پر ساتھ چلانا اس لیے الگ خصوصیات ہیں۔ فہرست سے پہلی سہولت کی دستیابی معلوم ہوتی ہے؛ مقامی ناموں، لہجے یا ہر مخلوط جملے کی درست شکل اس سے متعین نہیں ہوتی۔

یہ حد خاص طور پر اس وقت اہم ہے جب ایک مقرر اردو جملے کے بیچ انگریزی اصطلاح کہتا ہے یا دوسرا مقرر زبان بدل دیتا ہے۔ اردو رسم الخط کی ضرورت ہو تو مطلوبہ زبان کے انتخاب کے ساتھ اصل استعمال جیسا مخلوط نمونہ بھی دیکھنا ہوگا۔ اگر نتیجہ دیوناگری میں آئے تو اسے لفظی غلطی اور رسم الخط کی غلطی الگ الگ شمار کریں؛ دونوں کو درست کرنے کی محنت مختلف ہے۔

مفت حد اور ادائیگی کا حساب

۲۹ اکتوبر ۲۰۲۶ کو دیکھے گئے Notta کے سرکاری نرخ نامے کے مطابق مفت منصوبہ ماہانہ ۱۲۰ منٹ دیتا ہے، لیکن ہر گفتگو کی حد ۳ منٹ ہے اور متن برآمد کرنا Pro میں شامل ہے۔ Pro میں ماہانہ ۱٬۸۰۰ منٹ، فی ریکارڈنگ ۵ گھنٹے تک کی گنجائش اور سالانہ پیشگی ادائیگی پر مجموعی قیمت ۹۷٫۹۹ امریکی ڈالر درج ہے۔ لہٰذا ماہانہ منٹ باقی ہونے کے باوجود ایک مسلسل طویل میٹنگ مفت منصوبے میں نہیں سما سکتی۔

ElevenLabs کے تقریر سے متن والے نرخ میں ماہانہ ادائیگی پر مفت منصوبے کے لیے ۱۲ منٹ، Starter کے لیے ۶ ڈالر اور ۱ گھنٹہ ۳۱ منٹ، Creator کے لیے ۲۲ ڈالر اور ۶ گھنٹے ۷ منٹ، جبکہ Pro کے لیے ۹۹ ڈالر اور ۳۰ گھنٹے ۱۸ منٹ درج ہیں۔ یہ وقت اس کے Scribe ویب استعمال کا درج شدہ تخمینہ ہے؛ منصوبے کے کریڈٹس دوسری خصوصیات میں بھی خرچ ہوتے ہیں۔ درج قیمتوں میں ٹیکس شامل نہیں اور ابتدائی مہینے کی رعایت مستقل نرخ نہیں ہے۔

۲۹ اکتوبر ۲۰۲۶ کو شائع شدہ نرخوں پر حساب: نیچے ہر صورت فرضی ہے۔ استعمال ہر ماہ یکساں، رقم امریکی ڈالر میں، اور ٹیکس و پاکستانی روپے میں تبدیلی حساب سے باہر ہیں۔ Notta Pro کے لیے پورے سال کی پیشگی ادائیگی فرض کی گئی ہے؛ ElevenLabs کے لیے مستقل ماہانہ نرخ اور تمام دستیاب کریڈٹس صرف نقلِ تحریر پر خرچ ہونے کا مفروضہ ہے۔

• مختصر وائس نوٹ: فرض کریں ماہانہ ۲۰ پیغامات ہوں، ہر ایک ۲ منٹ کا؛ کل ۴۰ منٹ بنتے ہیں۔ Notta کی مفت ماہانہ اور فی گفتگو حدود میں یہ صفر ڈالر پر سما جاتے ہیں، بشرطیکہ برآمد درکار نہ ہو۔ ElevenLabs کے مفت ۱۲ منٹ کافی نہیں؛ Starter کی درج گنجائش میں یہی استعمال ۶ ڈالر ماہانہ، یا مسلسل پورا سال ہو تو ۷۲ ڈالر بنتا ہے۔
• درمیانی میٹنگز: فرض کریں ماہانہ ۴ میٹنگز ہوں، ہر ایک ۳۰ منٹ کی؛ مجموعہ ۱۲۰ منٹ ہے۔ Notta Free کی ماہانہ گنجائش پوری ہے مگر ہر میٹنگ فی گفتگو کی حد سے بڑی ہے، اس لیے درج شدہ Pro انتخاب پر ۹۷٫۹۹ ڈالر سالانہ پیشگی ادا ہوں گے۔ ElevenLabs Starter کی گنجائش کم پڑتی ہے؛ Creator پر ۲۲ ڈالر ماہانہ، یعنی مسلسل سال بھر کے لیے ۲۶۴ ڈالر بنتے ہیں۔
• باقاعدہ طویل میٹنگز: فرض کریں ماہانہ ۲۰ میٹنگز ہوں، ہر ایک ایک گھنٹے کی؛ کل ۱٬۲۰۰ منٹ ہیں۔ یہ Notta Pro کی ماہانہ اور فی ریکارڈنگ حدود میں آتے ہیں، جس کی سالانہ پیشگی قیمت ۹۷٫۹۹ ڈالر ہے۔ ElevenLabs میں درج Pro وقت کافی ہے؛ مستقل نرخ پر ۹۹ ڈالر ماہانہ یا پورے سال کے لیے ۱٬۱۸۸ ڈالر بنتے ہیں۔

یہ رقمیں مختلف ادائیگی کے طریقوں کا تقابل ہیں: Notta کی سالانہ رقم ایک ساتھ ادا ہوتی ہے، جبکہ ElevenLabs کی مثالوں میں ہر ماہ ادائیگی فرض کی گئی ہے۔ منٹوں کا حساب متن درست کرنے کا وقت بھی نہیں ناپتا۔ اگر کام اردو رسم الخط میں شائع ہونا ہے تو سستا دکھائی دینے والا منصوبہ بھی اضافی تدوین مانگ سکتا ہے؛ اگر کام صرف انگریزی گفتگو کے خلاصے کا ہے تو یہی ترجیح بدل سکتی ہے۔

بڑا اردو پیمانہ اس مقابلے میں کہاں کام آتا ہے؟

Urdu Sukhan ASR کے شائع شدہ نتائج میں Common Voice Urdu کے ۲۶۰ ایسے نمونوں پر جو تربیت میں استعمال نہیں ہوئے، Urdu Sukhan ASR v1 کی لفظی غلطی کی شرح ۲۸٫۱ فیصد اور بنیادی Whisper large-v3-turbo کی ۳۹٫۸ فیصد ہے؛ دونوں نتائج ایک ہی متن کی تطبیق اور جانچ کے طریقے سے نکالے گئے ہیں۔ یہاں کم شرح بہتر نتیجہ ظاہر کرتی ہے۔ آزمائشی مجموعوں اور جانچ کے کوڈ کی تفصیل دستیاب ہے، اگرچہ آوازوں تک رسائی درخواست سے ملتی ہے۔

یہ مقابلہ Notta اور ElevenLabs کی درجہ بندی نہیں: اس میں ان دونوں خدمات کو چلایا ہی نہیں گیا۔ اس کی افادیت پیمائش کا فرق سمجھانے میں ہے۔ لفظی غلطی کی شرح پورے مجموعے میں حذف، اضافے اور غلط الفاظ کو گنتی ہے، جبکہ ایک پاکستانی صارف کو الگ سے یہ بھی دیکھنا ہے کہ متن کس رسم الخط میں نکلا، نام کیسے لکھے گئے اور زبان بدلنے پر کیا ہوا۔ مختصر ذاتی نمونہ استعمال کی رکاوٹ دکھا سکتا ہے؛ متعدد آوازوں کا منظم مجموعہ عمومی لفظی کارکردگی کے بارے میں زیادہ مضبوط سوال پوچھتا ہے۔

اپنی ریکارڈنگ سے فیصلہ کیسے کریں؟

خریدنے سے پہلے اپنی ضرورت کے مطابق ایک مختصر اردو وائس نوٹ اور ایک میٹنگ کا حصہ منتخب کریں جس میں مقامی نام اور اردو کے ساتھ انگریزی اصطلاحات ہوں۔ ایک ہی اصل آڈیو دونوں خدمات کو دیں اور زبان کی ترتیب درج رکھیں۔ اگر استعمال میں طویل میٹنگز شامل ہیں تو ان جیسی مدت کی فائل بھی آزمائیں؛ چند سیکنڈ کا کامیاب جملہ فی ریکارڈنگ کی حد یا مسلسل گفتگو کا نتیجہ نہیں بتاتا۔

1. اردو حصے کا رسم الخط دیکھیں: کیا متن براہِ راست اردو پڑھنے والے کے کام آتا ہے، اور کیا کوئی جملہ چھوٹا ہے؟
2. لوگوں اور منصوبوں کے نام اصل آواز سے ملائیں۔ یقینی انداز میں لکھا غلط نام اور غیر واضح چھوڑا ہوا نام الگ نتائج ہیں؛ دونوں کی اصلاح کے لیے درکار وقت نوٹ کریں۔
3. مخلوط گفتگو میں زبان بدلنے کے مقام اور انگریزی اصطلاحات دیکھیں۔ خالص اردو نمونے کا نتیجہ اس حصے کے لیے فرض نہ کریں۔
4. آخر میں متن مطلوبہ صورت میں محفوظ کرکے دیکھیں۔ پڑھ سکنے، نقل کرنے اور فائل برآمد کرنے کی سہولت ایک جیسی نہیں؛ خاص طور پر Notta کے مفت اور Pro منصوبوں کا فرق یہاں فیصلہ بدلتا ہے۔

اگر بنیادی ضرورت اردو قارئین کے لیے مختصر، فوراً قابلِ مطالعہ متن ہے تو شائع شدہ نمونے اور مفت حد کی بنیاد پر Notta مناسب پہلا انتخاب بنتا ہے۔ طویل میٹنگ یا برآمد درکار ہو تو Pro کی پیشگی لاگت شامل کریں۔ زیادہ تر انگریزی گفتگو میں ناموں کو ترجیح دیتے ہوں تو ElevenLabs کا نتیجہ اپنی آواز پر دیکھیں، اور اردو حصے کے رسم الخط کو قبول کرنے یا درست کرنے کی محنت بھی اسی فیصلے میں شمار کریں۔

یہ بھی پڑھیں:

• Fish Audio یا ElevenLabs؟ سستی آواز اور اردو کی جانچ الگ فیصلہ مانگتی ہے
• TikTok comments میں poll اور آواز آگئی—moderation کا بوجھ بھی بڑھے گا
• Acast اور Kit کی شراکت: پوڈکاسٹ سننے والے ای میل فہرست بن سکتے ہیں