आप अंग्रेज़ी में एक ईमेल शुरू करते हैं, मैड्रिड में टीम के साथी के लिए स्पैनिश में एक छोटा सा नोट लिखते हैं, फिर Slack पर फ़्रेंच में जवाब देते हैं। तीन ऐप, तीन भाषाएँ, दस मिनट। उसमें से आधा समय आपकी उँगलियों का है, बाकी आधा Mac डिक्टेशन के लैंग्वेज मेन्यू का।
अगर आप एक से ज़्यादा भाषा बोलते हैं, तो Apple का बिल्ट-इन डिक्टेशन ऐसा लगता है जैसे यह उन लोगों के लिए बनाया गया हो जो सिर्फ़ एक भाषा जानते हैं। आप एक भाषा चुनते हैं, बोलते हैं, फिर सिस्टम सेटिंग्स खंगालते हैं या कर्सर के पास एक छोटे से मेन्यू पर क्लिक करके भाषा बदलते हैं। एक बार स्विच करना भूले, और आपकी फ़्रेंच अंग्रेज़ी में बेमतलब शब्दों के रूप में सामने आ जाती है।
पिछले साल कुछ चुपचाप बदल गया। अब Mac के कुछ ऐप लगभग 100 भाषाओं में आपकी आवाज़ को ट्रांसक्राइब करते हैं और उसे साफ़-सुथरा बनाते हैं, ऑटोमैटिक डिटेक्शन के साथ जो आपके बिना मेन्यू छुए ही समझ लेता है कि आप कौन सी भाषा बोल रहे हैं। यह गाइड बताती है कि 2026 में इसका असली मतलब क्या है, असल में कौन सी भाषाएँ कवर होती हैं, Apple का टूल कहाँ रुक जाता है, और एक ऐसा बहुभाषी डिक्टेशन फ़्लो कैसे सेट करें जो हर बार भाषा बदलने पर टूटे नहीं।
2026 में "Mac पर 100 भाषाएँ" का असली मतलब क्या है
ऐप वेबसाइटों पर जो 100-भाषाओं वाला आँकड़ा दिखता है, वह मार्केटिंग नहीं है। यह एक खास मॉडल से आता है: OpenAI का Whisper, जिसे लगभग 6,80,000 घंटे के बहुभाषी ऑडियो पर ट्रेन किया गया है। आज सबसे ज़्यादा इस्तेमाल होने वाला वेरिएंट, large-v3-turbo, 99 भाषाओं को सपोर्ट करता है, जिसे ज़्यादातर ऐप गोल करके "100" कह देते हैं।
मोटे तौर पर इसमें क्या-क्या आता है, इसकी एक झलक यह रही। पूरा यूरोपीय सेट, नॉर्डिक और स्लाविक भाषा समूहों के साथ। बड़ी एशियाई भाषाएँ: मंदारिन, जापानी, कोरियाई, वियतनामी, थाई, इंडोनेशियाई, टैगालोग, मलय। दक्षिण एशियाई: हिंदी, बांग्ला, तमिल, उर्दू, मराठी, नेपाली। मध्य पूर्व की भाषाएँ: अरबी, हिब्रू, फ़ारसी, तुर्की, अज़रबैजानी। अफ़्रीकी: स्वाहिली, अफ़्रीकी। और कुछ कम स्पष्ट भाषाएँ भी जैसे वेल्श, माओरी, बेलारूसी, मैसेडोनियन, क़ज़ाख़ और बर्मी।
इस पूरी सूची में क्वालिटी एक जैसी नहीं है। अंग्रेज़ी, स्पैनिश, फ़्रेंच, जर्मन, इतालवी, पुर्तगाली, डच, जापानी और मंदारिन सबसे ऊपर हैं: साफ़ ऑडियो पर वर्ड एरर रेट लगभग 4–8% रहता है। कम बोली जाने वाली और कम ट्रेनिंग डेटा वाली भाषाएँ, जैसे वेल्श या माओरी, 15–25% तक जा सकती हैं। फिर भी काम की हैं, बस उतनी माफ़ करने वाली नहीं।
बड़ा बदलाव यह है: अब यह सब एक आम Mac पर चलता है। Apple Silicon उस मुक़ाम पर पहुँच चुका है जहाँ Whisper का बड़ा मॉडल 30 सेकंड के क्लिप को दो सेकंड से कम में लोकल ही ट्रांसक्राइब कर देता है, बिना क्लाउड के चक्कर लगाए। यही वजह है कि अचानक इतने सारे Mac ऐप एक जैसे लगने लगे हैं। वे सब उसी एक मॉडल पर बने हैं।
Apple का बिल्ट-इन डिक्टेशन कहाँ अटक जाता है
Apple Dictation 2012 से चला आ रहा है और मुफ़्त है। एक भाषा, एक ऐप के लिए ठीक है। बहुभाषी काम के लिए, तीन चीज़ें फ़्लो को तोड़ देती हैं।
भाषाओं की संख्या। Apple लगभग 50–60 भाषाओं और बोलियों को सपोर्ट करता है, जो macOS के वर्ज़न पर निर्भर करता है। बड़े यूरोपीय और एशियाई बाज़ारों के लिए ठीक है, लेकिन अगर आपको यूक्रेनी, टैगालोग या वेल्श चाहिए, या Apple जो थोड़ी सी बोलियाँ देता है उससे आगे की बारीक बोलियाँ चाहिए, तो आप मायूस हो सकते हैं।
ऑटोमैटिक भाषा डिटेक्शन नहीं है। Apple Dictation वही भाषा इस्तेमाल करता है जो आपने पिछली बार चुनी थी। स्विच करना भूले और आपकी फ़्रेंच अंग्रेज़ी मॉडल से होकर ऐसी बकवास के रूप में निकलती है जो आपके बोले से थोड़ी सी तुक मिलाती है। भाषा बदलने के लिए, आप कर्सर के पास के छोटे से लैंग्वेज इंडिकेटर पर क्लिक करते हैं और सूची में से चुनते हैं। हर बदलाव एक मैनुअल कदम है।
कच्चा ट्रांसक्रिप्ट, बिना सफ़ाई के। जो आप बोलते हैं, वही मिलता है, जिसमें "उम", "मतलब", रुकावटें, और वह आधा-अधूरा वाक्य भी शामिल है जो आपने मन बदलने से पहले शुरू किया था। यह एक भाषा में भी समस्या है और बहुभाषी काम में और बुरी, क्योंकि मॉडल को सही रास्ते पर रखने के लिए आप ज़्यादा सोच-समझकर बोलते हैं।
अगर आप सिर्फ़ अंग्रेज़ी में डिक्टेट करते हैं और बाद में सफ़ाई करने में आपको आपत्ति नहीं है, तो Apple का टूल काफ़ी है। जिस मिनट आपको दूसरी भाषा चाहिए, या ऐसा आउटपुट चाहिए जिसे आप दोबारा पढ़े बिना पेस्ट कर सकें, आप उससे आगे निकल चुके हैं।
Whisper अंदर से 100 भाषाओं को कैसे संभालता है
जब आप एक की दबाकर बोलते हैं तो भीतर क्या होता है, यह मोटे तौर पर जान लेना काम का है, क्योंकि इससे यह समझ आता है कि कुछ चीज़ें क्यों काम करती हैं और कुछ क्यों नहीं।
Whisper एक ही न्यूरल नेटवर्क है जिसे 99 भाषाओं के ऑडियो पर ट्रेन किया गया है। हर भाषा के लिए अलग मॉडल चलाने के बजाय, इसने सबको एक साथ पहचानना सीखा है। इस साझा ट्रेनिंग से एक काम की चीज़ होती है: इतालवी का एक वाक्य और पुर्तगाली का एक वाक्य इतनी साझा ध्वनिक विशेषताएँ रखते हैं कि एक को सीखना दूसरे में मदद करता है। नुक़सान यह है कि सारी भाषाएँ एक ही मॉडल कैपेसिटी के लिए होड़ करती हैं, इसलिए कम बोली जाने वाली भाषाएँ कमज़ोर पड़ती हैं।
जब ऑडियो आता है, तो मॉडल एक ही पास में तीन काम करता है: 1. ऑडियो के पहले कुछ सेकंड से भाषा का अनुमान लगाता है। 2. शब्दों को ट्रांसक्राइब करता है। 3. विराम चिह्न और बड़े-छोटे अक्षर जोड़ता है।
इसी भाषा डिटेक्शन की वजह से ऑटो मोड चलता है। मॉडल ने सीख लिया है कि कौन सी भाषा कैसी सुनाई देती है। आप बोलना शुरू करते हैं और एक-दो सेकंड में यह ज़्यादातर सही पकड़ लेता है। यह कहाँ लड़खड़ाता है: बहुत छोटे वाक्यांश (एक-दो शब्द), ऐसी भाषाएँ जिनकी बहुत सी शब्दावली मिलती-जुलती हो (स्पैनिश और इतालवी, नॉर्वीजियन और स्वीडिश), और वाक्य के बीच में भाषा बदलना। Whisper हर क्लिप में एक भाषा पकड़ने के लिए बना है, दो भाषाओं के बीच आपके आगे-पीछे होने के साथ चलने के लिए नहीं।
अगर आप जानना चाहते हैं कि कच्ची बोली से साफ़-सुथरा टेक्स्ट बनने तक की पूरी मशीनरी कैसे चलती है, AI वॉइस डिक्टेशन पाइपलाइन हर कदम पर ले जाती है।
ऑटो-डिटेक्ट बनाम मैनुअल लैंग्वेज पिकर: कौन कब जीतता है
आज के बहुभाषी डिक्टेशन ऐप आपको दो मोड देते हैं। कब कौन सा इस्तेमाल करें, यह जानना ही सहज और झुँझलाहट भरे अनुभव के बीच का फ़र्क़ है।
ऑटो-डिटेक्ट तब इस्तेमाल करें जब:
आप दिन भर में बार-बार भाषाएँ बदलते हैं लेकिन हर डिक्टेशन एक भाषा में होती है। आप बर्लिन के डेवलपर हैं जो अंग्रेज़ी में कोड कमेंट और जर्मन में Slack संदेश लिखते हैं। आप अंग्रेज़ी और जापानी सोर्स पर काम करने वाले पत्रकार हैं। आप चार भाषाओं में सपोर्ट टिकट संभालते हैं। इन सब में, हर अलग रिकॉर्डिंग एक ही भाषा में होती है; बस भाषा बदलती है। ऑटो-डिटेक्ट आपको हर बार मेन्यू ढूँढने से बचा लेता है।
मैनुअल भाषा चुनाव तब करें जब:
आप कम चलने वाली भाषाओं में काम कर रहे हैं जहाँ डिटेक्शन कमज़ोर है (वेल्श, माओरी, बेलारूसी)। आप शोर भरे माहौल में डिक्टेट कर रहे हैं जहाँ ऑडियो का पहला सेकंड बोली के बजाय आसपास की आवाज़ हो सकती है। आप छोटे-छोटे वाक्यांश बोल रहे हैं जहाँ डिटेक्ट करने लायक काफ़ी ऑडियो ही नहीं है। या फिर आप ऐसी भाषा इस्तेमाल कर रहे हैं जो किसी और भाषा से मिलती-जुलती है जिसे मॉडल अच्छी तरह जानता है (उदाहरण के लिए, कभी-कभी यह पुर्तगाली अनुमान लगा लेता है जब आपका मतलब गैलिशियन से था)।
अब भी क्या ठीक से काम नहीं करता:
वाक्य के बीच में कोड-स्विचिंग। अगर आप स्पैनिश में शुरू करके बीच में अंग्रेज़ी का कोई ब्रांड नाम डाल देते हैं, तो मॉडल इसे संभाल लेता है। अगर आप वाक्य स्पैनिश में शुरू करते हैं और अंग्रेज़ी में ख़त्म करते हैं, तो अक्सर एक भाषा दूसरी में बकवास बनकर निकलेगी। ईमानदार जुगाड़ यह है: भाषा की सीमा पर रिकॉर्डिंग ख़त्म करें और एक नई शुरू करें।
बोलते-बोलते अनुवाद: "X बोलें, अंग्रेज़ी पाएँ" वर्कफ़्लो
आज के Mac डिक्टेशन का एक सबसे अनदेखा फ़ीचर है speak-and-translate। आप अपनी मूल भाषा में बोलते हैं, और जो टेक्स्ट सामने आता है वह पहले से ही दूसरी भाषा में होता है। ज़्यादातर बार वह दूसरी भाषा अंग्रेज़ी होती है।
इसके पीछे दो तरीक़े काम करते हैं। पहला, Whisper के पुराने बहुभाषी वेरिएंट में एक ट्रांसलेशन टास्क अंदर ही बना हुआ है: आप 99 भाषाओं में से किसी में बोलते हैं और मॉडल सीधे अंग्रेज़ी निकालता है। नया टर्बो वेरिएंट यह नहीं देता, इसलिए ज़्यादातर ऐप अब एक अलग तरीक़ा अपनाते हैं: Whisper सोर्स भाषा में ट्रांसक्राइब करता है, फिर एक लैंग्वेज मॉडल उस टेक्स्ट का अनुवाद करता है। दूसरा तरीक़ा बेहतर क्वालिटी देता है और साथ ही सफ़ाई भी करता है, इसीलिए यह स्टैंडर्ड बन गया है।
इससे एक असली वर्कफ़्लो सिमट जाता है जिसमें पहले तीन कदम लगते थे। पुराना तरीक़ा: मूल भाषा में बोलें, टेक्स्ट कॉपी करें, ट्रांसलेटर में पेस्ट करें, नतीजा कॉपी करें, अपने ईमेल में पेस्ट करें। लगभग 30 सेकंड और चार बार ध्यान भटकना। नया तरीक़ा: एक की दबाए रखें, मूल भाषा में बोलें, साफ़-सुथरा अंग्रेज़ी टेक्स्ट आपके कर्सर पर आ जाता है। लगभग 4 सेकंड।
अगर आप अपने दिन का कुछ हिस्सा काम पर अंग्रेज़ी लिखने में बिताते हैं लेकिन सोचना किसी और भाषा में जल्दी हो जाता है, तो यह अकेला फ़ीचर आधुनिक डिक्टेशन सेट करने की वजह है। Voicr यह एक ही हॉटकी से करता है: इनपुट भाषा के लिए Auto और पॉलिश आउटपुट के लिए English सेट करें, और हर रिकॉर्डिंग भेजने लायक अंग्रेज़ी के रूप में सामने आती है, चाहे आपने जो भी बोला हो।
Mac पर असली बहुभाषी वर्कफ़्लो
थ्योरी सस्ती होती है। यहाँ वो पैटर्न हैं जो असली लोगों का असली समय बचाते हैं।
द्विभाषी नोट्स और जर्नलिंग
अगर आप अपनी मूल भाषा में नोट्स लेते हैं लेकिन अंग्रेज़ी बोलने वाले कामकाजी माहौल में रहते हैं, तो डिक्टेशन आपको दोनों का सबसे अच्छा हिस्सा देता है। सोर्स भाषा अपनी मूल भाषा और आउटपुट भी अपनी मूल भाषा सेट करें (बिना अनुवाद के), और टाइप करना पूरी तरह छूट जाता है। ऐसी मीटिंग नोट्स के लिए जहाँ आप ओरिजिनल और अंग्रेज़ी दोनों चाहते हैं, अलग-अलग आउटपुट सेटिंग्स के साथ दो बार डिक्टेट कर लें।
मूल भाषा में कमेंट के साथ कोड
ग़ैर-अंग्रेज़ी बोलने वाली टीमों के डेवलपर अक्सर कोड अंग्रेज़ी में रखते हैं लेकिन कमेंट अपनी टीम की भाषा में लिखते हैं। ऑटो-डिटेक्ट यह काम बिना सोचे संभाल लेता है जब आप एडिटर में बोलने (अंग्रेज़ी कोड डिस्क्रिप्शन, फ़ंक्शन नाम) और अपनी भाषा में कमेंट डिक्टेट करने के बीच आते-जाते हैं। हर रिकॉर्डिंग एक भाषा है; मॉडल हर बार सही भाषा चुन लेता है।
चार टाइम ज़ोन में फैला कस्टमर सपोर्ट
अंग्रेज़ी, स्पैनिश, फ़्रेंच और जर्मन में टिकट संभालने वाले सपोर्ट एजेंट आम तौर पर अपने टूल में लैंग्वेज प्रोफ़ाइल्स के बीच टैब बदलते रहते हैं। बहुभाषी डिक्टेशन के साथ, आप टिकट पढ़ते हैं और उसी भाषा में जवाब देते हैं जिसमें वह आया है, फिर अगले पर चले जाते हैं। न कोई प्रोफ़ाइल बदलना, न मेन्यू। पॉलिश वाला कदम यहाँ भी मायने रखता है: सपोर्ट जवाबों को हर भाषा में एक जैसा प्रोफ़ेशनल लहजा चाहिए, कच्चा ट्रांसक्रिप्ट नहीं।
भाषा सीखने वाले और भाषा सिखाने वाले
अगर आप कोई भाषा सीख रहे हैं, तो उसमें डिक्टेट करना उच्चारण और रफ़्तार पर ज़ोर डालता है। अगर मॉडल आपको समझ नहीं पाता, तो यही फ़ीडबैक है। अगर आप कोई भाषा सिखाते हैं, तो उदाहरण वाक्य डिक्टेट करना उच्चारण चिह्न, विशेष अक्षर और स्वर-चिह्न टाइप करने का झंझट बचाता है। मॉडल उन्हें सही जोड़ देता है। दोनों के लिए, speak-and-translate फ़्लो तुरंत समझ का काम भी करता है: जिस भाषा को सीख रहे हैं उसमें बोलें, देखें कि अंग्रेज़ी आपके मतलब से मेल खाती है या नहीं।
अंतरराष्ट्रीय लेखक और पत्रकार
लंबे लेख लिखने वाले जो एक भाषा में सोचते हैं और दूसरी में छपते हैं, अक्सर टाइप करते वक़्त दिमाग़ में ही अनुवाद करते रहते हैं। यह थका देने वाला है। पहला ड्राफ़्ट उसी भाषा में बोलें जिसमें आप सोचते हैं, टूल को अंग्रेज़ी बनाने दें, फिर एडिट करें। पहला ड्राफ़्ट 3–4 गुना तेज़ हो जाता है, और आपका एडिटिंग वाला दिमाग़ ज़्यादा ताज़ा रहता है क्योंकि ड्राफ़्ट के दौरान वह अनुवाद की ड्यूटी नहीं कर रहा था।
Mac पर बहुभाषी डिक्टेशन कैसे सेट करें
दो रास्ते हैं: सबसे आसान केस के लिए Apple का बिल्ट-इन टूल, और बाक़ी हर चीज़ के लिए कोई थर्ड-पार्टी ऐप।
Apple Dictation को कई भाषाओं के लिए सेट करना
System Settings खोलें, Keyboard में जाएँ, फिर Dictation पर क्लिक करें। इसे ऑन करें। Languages वाले ड्रॉपडाउन पर क्लिक करें और जो भाषाएँ चाहिए, उन्हें जोड़ें। आप लगभग छह तक जोड़ सकते हैं। अब से, जब आप डिक्टेशन शुरू करेंगे, कर्सर के पास एक छोटा झंडा या भाषा कोड दिखेगा। भाषा बदलने के लिए उस पर क्लिक करें। सीमाएँ: - कोई ऑटोमैटिक डिटेक्शन नहीं। हर बदलाव एक क्लिक। - सिर्फ़ ~50–60 भाषाएँ। - कच्चा ट्रांसक्रिप्ट, कोई सफ़ाई नहीं, ऐप के हिसाब से कोई फ़ॉर्मैटिंग नहीं। - पुराने macOS वर्ज़न में 60 सेकंड की डिक्टेशन कट-ऑफ।
किसी थर्ड-पार्टी बहुभाषी ऐप को सेट करना
आज के Mac डिक्टेशन ऐप ज़्यादातर मेन्यू बार यूटिलिटी जैसे होते हैं जो हर ऐप के हर टेक्स्ट फ़ील्ड में काम करते हैं। सेटअप कुछ ऐसा दिखता है: 1. ऐप इंस्टॉल करें और माइक्रोफ़ोन + एक्सेसिबिलिटी की अनुमतियाँ दें। 2. हॉटकी सेट करें या डिफ़ॉल्ट रखें (आम तौर पर FN या Option+Space, रिकॉर्ड करने के लिए दबाए रखें)। 3. इनपुट भाषा चुनें। बहुभाषी काम के लिए, इसे Auto पर सेट करें। 4. आउटपुट भाषा चुनें। इनपुट जैसी ही रखने पर सिर्फ़ ट्रांसक्रिप्शन मिलेगा; अनुवाद के लिए English (या कोई और भाषा) चुनें। 5. वैकल्पिक रूप से, एक पॉलिश प्रॉम्प्ट सेट करें ("professional", "casual", "keep raw") ताकि आउटपुट उसी अंदाज़ में पढ़ने को मिले जैसा आप चाहते हैं। इसके बाद से, जहाँ भी आप टाइप कर सकते हैं, वहाँ डिक्टेट कर सकते हैं। की दबाए रखें, बोलें, छोड़ें, टेक्स्ट आपके कर्सर पर आ जाता है।
अगर आप अलग-अलग ऐप में अलग-अलग लहजे में लिखते हैं (फ़ॉर्मल ईमेल, कैज़ुअल Slack, टेक्निकल डॉक्स), तो यहीं Smart Rules काम आते हैं: हर ऐप के लिए एक राइटिंग स्टाइल जो उसी समय अपने आप लागू हो जाती है जब वह ऐप एक्टिव हो। आप एक बार नियम सेट करते हैं और फिर इसके बारे में सोचना बंद कर देते हैं। वही बहुभाषी मॉडल इन सबको संभालता है।
व्यावहारिक निष्कर्ष
अपने Mac पर बहुभाषी डिक्टेशन सेट करते वक़्त याद रखने लायक तीन बातें:
हर रिकॉर्डिंग में एक भाषा यही नियम है। मॉडल 100 भाषाएँ संभालता है, लेकिन हर क्लिप में एक चुनता है। वाक्य के बीच में स्विच करने की कोशिश के बजाय भाषा की सीमा पर रिकॉर्डिंग ख़त्म कर दें।
रोज़मर्रा के बहुभाषी काम के लिए ऑटो-डिटेक्ट डिफ़ॉल्ट है। मैनुअल चुनाव सिर्फ़ छोटे वाक्यांशों, कम बोली जाने वाली भाषाओं, या शोर भरे माहौल के लिए ही फ़ायदेमंद है जहाँ डिटेक्शन ग़लती कर सकता है।
बोलते-बोलते अनुवाद कोई अलग टूल नहीं है। अगर आपकी आउटपुट भाषा English पर सेट है और इनपुट आपकी मूल भाषा पर, तो हर रिकॉर्डिंग एक अनुवाद है। न कोई अतिरिक्त कदम, न दूसरा ऐप, न कॉपी-पेस्ट।
एक की, कोई भी भाषा
अगर आप यहाँ तक पढ़ चुके हैं, तो "2026 में अपने Mac पर 100 भाषाओं में कैसे डिक्टेट करूँ" का जवाब छोटा है: Whisper पर बना कोई थर्ड-पार्टी ऐप इंस्टॉल करें, इनपुट भाषा Auto पर सेट करें, की दबाए रखें और बोलें। सिस्टम भाषा डिटेक्शन, ट्रांसक्रिप्शन, सफ़ाई और (चाहें तो) अनुवाद एक ही चक्कर में संभाल लेता है।
Voicr यह आपके Mac के किसी भी ऐप से एक हॉटकी पर करता है। FN दबाए रखें, 100 में से किसी भी भाषा में बोलें, छोड़ें, और साफ़-सुथरा टेक्स्ट आपके कर्सर पर आ जाता है। बोलते-बोलते अनुवाद के लिए आउटपुट भाषा सेट करें, या साफ़ ट्रांसक्रिप्शन के लिए इसे सोर्स भाषा पर ही छोड़ दें। महीने में 5,000 शब्दों वाला एक मुफ़्त टियर है, यानी यह जानने का सबसे सस्ता तरीक़ा कि बहुभाषी डिक्टेशन आपके वर्कफ़्लो में फ़िट होता है या नहीं, यही है कि कल की पहली ईमेल पर इसे आज़मा लें।
अगर आप देखना चाहते हैं कि आज का Mac डिक्टेशन आपकी मशीन पर मौजूद टूल से सीधे मुक़ाबले में कैसा है, Voicr बनाम Apple Dictation तुलना हर फ़ीचर पर अंतर बताती है।