हिंग्लिश ऑडियो को टेक्स्ट में बदलें: अंग्रेज़ी शब्दों का क्या होता है

रिकॉर्डिंग वही है जो हिंदी सैंपल पेज पर है: 26 सेकंड, अख़बारी सुर्ख़ियों जैसे चार वाक्य, जिन्हें Mozilla Common Voice 22.0 (CC0) के एक स्वयंसेवक ने पढ़ा है। तीन वाक्यों में अंग्रेज़ी नाम या शब्द हिंदी व्याकरण के भीतर हैं: स्पेन के ख़िलाफ़ हैट्रिक, रोनाल्डो, रिकॉर्ड, इंडिया टुडे कॉन्क्लेव, ओबीसी। 39 शब्दों में ऐसे 8 हैं। लिखे हुए हिंग्लिश का सबसे आम रूप यही है, पर यह पढ़ी हुई आवाज़ है, बातचीत नहीं, एक वक्ता और एक क्लिप। स्वाभाविक बातचीत वाली हिंग्लिश की कोई खुले लाइसेंस वाली रिकॉर्डिंग हमें नहीं मिली, और हमने कोई रिकॉर्डिंग गढ़ी नहीं।

हर रन इंजन की अपनी कॉल है: small मॉडल (वही जो मुफ़्त आज़माइश और आम अकाउंट में चलता है), int8, CPU पर, आवाज़-फ़िल्टर चालू, beam 5। हिंदी और ऑटो-डिटेक्ट वाले रन का टेक्स्ट वही है जो सैंपल पेज पर दिखता है। वर्ड एरर रेट उसी कोड से निकला है जो WER कैलकुलेटर में है, उन वाक्यों से मिलाकर जो वक्ता से पढ़वाए गए थे; मिलाने से पहले विराम-चिह्न हटाए गए। तारीख़: 2026-10-27।

“अंग्रेज़ी मूल के शब्द” रेफ़रेंस के वे आठ शब्द हैं जो अंग्रेज़ी से आए हैं या विदेशी नाम हैं: स्पेन, हैट्रिक, रोनाल्डो, रिकॉर्ड, इंडिया, टुडे, कॉन्क्लेव और ओबीसी। गिनती तब होती है जब शब्द आउटपुट में रेफ़रेंस जैसे ही हिज्जे में हो। बाक़ी हिंदी शब्द भी ग़लत आए, और वर्ड एरर रेट सबको गिनता है, इसलिए यह दर अकेले अंग्रेज़ी शब्दों का माप नहीं है।

हमारे हिंदी पेजों पर मुफ़्त आज़माइश यही सेटिंग इस्तेमाल करती है। अंग्रेज़ी शब्द देवनागरी में आए, पर ऐसे हिज्जों में जो मानक नहीं हैं:

“हेट्रिक” ग़लती है या नहीं, यह आपकी स्टाइल-शीट पर निर्भर है: हिंदी में हर अंग्रेज़ी शब्द का एक तय हिज्जा नहीं होता, और रेफ़रेंस एक स्वयंसेवक का लिखा है, इकलौता सही रूप नहीं। जो नहीं बदलता, वह यह कि ये वे हिज्जे नहीं जो आप सर्च में डालेंगे, इसलिए इन्हें ढूँढकर ठीक करने की योजना रखिए।

वक्ता अंग्रेज़ी शब्द बोलता है, इसलिए भाषा “अंग्रेज़ी” चुन लेने पर ऐसा हिंदी टेक्स्ट नहीं मिलता जिसमें अंग्रेज़ी शब्द जस के तस रहें। इंजन ने पूरी क्लिप के लिए अंग्रेज़ी वाक्य लिखे, और वे हिंदी का अनुवाद हैं, उसका ट्रांसक्रिप्ट नहीं (पहली तीन लाइनें):

• Don't forget to come here at 7 am tomorrow.
• Ronaldo made a new record with a hat-trick against Spain.
• In India Today Conclave, Deepika told Kamyaabika Mantra,

जो हिंदी शब्द रह गए वे अंदाज़े के हिज्जों में आए (“Kamyaabika Mantra”), और आख़िरी लाइन का मतलब खो गया। हमारे ऐप में अंग्रेज़ी में अनुवाद का अलग विकल्प है; भाषा की सेटिंग से यह अनजाने में हो जाता है। अंग्रेज़ी तभी चुनिए जब बोली ही अंग्रेज़ी में हो।

ऐप के “Vocabulary hints” फ़ील्ड (Advanced options में, साइन-इन अकाउंट में) से इंजन उन हिज्जों की ओर झुकता है जो आप देते हैं। हमने इसे तीन तरह से आज़माया। अंग्रेज़ी मूल के पाँच शब्द देवनागरी में डालने पर वर्ड एरर रेट 51.3% से घटकर 35.9% हुआ और अंग्रेज़ी मूल के 6/8 शब्द रेफ़रेंस से मिले (इंडिया टुडे कॉन्क्लेव, रोनाल्डो, हैट्रिक, जैसे हमने टाइप किए थे); “रिकॉर्ड” और ओबीसी अब भी ग़लत रहे, और दूसरे शब्द भी बदले, एक तो बिगड़ा (“बजे” की जगह “बचे” आ गया)।

वही पाँच शब्द रोमन अक्षरों में डालने पर हाल बदतर हुआ: नाम रोमन में आ गए, पर आउटपुट से पहले दो वाक्य ग़ायब हो गए और बचा हुआ तीसरा वाक्य क्लिप की शुरुआत पर दर्ज हुआ, जबकि वह 11वें सेकंड के आसपास बोला गया है। और तीन बेमेल हिंट्स से स्कोर नहीं बदला (अब भी 51.3%), हालाँकि कुछ शब्दों के हिज्जे बदले। यानी सुधार सही शब्दों से आता है, फ़ील्ड भरने भर से नहीं।

दो सावधानियाँ। यहाँ हिंट्स रेफ़रेंस वाक्यों से टाइप किए गए थे, जो सबसे अच्छी स्थिति है: असल में कुछ नाम आपको पहले से पता होंगे, सब नहीं। और एक क्लिप से बहुत कुछ साबित नहीं होता। पहले अपनी रिकॉर्डिंग के छोटे हिस्से पर आज़माकर तुलना कीजिए; रोमन वाला रन दिखाता है कि हिंट्स नुक़सान भी कर सकते हैं।

• भाषा हिंदी रखिए, जब व्याकरण हिंदी का हो। कुछ शब्द अंग्रेज़ी के हैं, इसलिए अंग्रेज़ी मत चुनिए।
• देवनागरी की उम्मीद रखिए। हमारे किसी रन में हिंदी सेटिंग ने हिंदी शब्द रोमन अक्षरों में नहीं लिखे। रोमन हिंग्लिश (“kal yahan saat baje aana”) चाहिए तो देवनागरी को बाद में ऐसे टूल से रोमन में बदलिए जो इसी काम के लिए बना हो; हम ऐसा टूल नहीं देते और हमने कोई आज़माया नहीं।
• पहले तय कीजिए कि अंग्रेज़ी शब्द देवनागरी में लिखे जाएँगे या रोमन में, और सुधारते हुए सब जगह वही रखिए। अपेक्षित शब्द टेक्स्ट में खोजकर एक बार में ठीक कीजिए (अकाउंट में सारे टेक्स्ट में खोज होती है)।
• जिन चंद नामों और शब्दों के बार-बार आने की उम्मीद हो, उन्हें देवनागरी में Vocabulary hints में डालकर पहले छोटे हिस्से पर आज़माइए। सूची छोटी रखिए।
• बातचीत ज़्यादातर अंग्रेज़ी में है और बीच-बीच में हिंदी? उस दिशा को हमने हिंग्लिश के लिए नहीं नापा। अरबी और अंग्रेज़ी के लिए नापा है, और वहाँ भी नतीजा यही दिखा कि भाषा की सेटिंग तय करती है कि सब कुछ किस भाषा में लिखा जाएगा; इसलिए छोटे हिस्से पर पहले आज़माइए (अंग्रेज़ी पेज: एक रिकॉर्डिंग में अरबी और अंग्रेज़ी)।
• नाम, आँकड़े और उद्धरण ऑडियो से मिलाइए। यह ड्राफ़्ट है; मुफ़्त आज़माइश में small मॉडल चलता है।

इंटरव्यू के लिहाज़ से इसी बात का रूप: इंटरव्यू की रिकॉर्डिंग: हिंदी और हिंग्लिश।

• यह एक वक्ता की पढ़ी हुई 26 सेकंड की क्लिप है। बातचीत, रफ़्तार, लहज़े, शोर और लंबे अंग्रेज़ी हिस्से अलग व्यवहार करेंगे।
• दर एक स्वयंसेवक के लिखे टेक्स्ट से निकाली गई है, विराम-चिह्न हटाने के बाद। यह सिर्फ़ अंग्रेज़ी शब्द नहीं, हर शब्द गिनती है।
• न्यूरल मॉडल के नतीजे बदल सकते हैं जब मॉडल या सेटिंग बदले। तारीख़: 2026-10-27। कच्चा डेटा एक JSON फ़ाइल में है: code-switching.json (CC BY 4.0)।
• हमने दूसरे इंजन नहीं आज़माए। यह सिर्फ़ हमारे इंजन और small मॉडल के बारे में है। पूरा तरीक़ा और अंग्रेज़ी पेज: Hinglish transcription, measured।

बिना अकाउंट के एक बार में एक फ़ाइल: 15 मिनट तक और 25 MB तक, दिन में 3 कोशिशें।