टेक्स्ट से आवाज़, जो आपके डिवाइस से बाहर नहीं जाती

बहुत-से ऐप ख़ुद को ऑफ़लाइन कहते हैं, पर उनका मतलब कुछ छोटा होता है: सिग्नल रहते आप एक बटन दबाते हैं, सर्वर आपका ऑडियो बनाता है, फ़ाइल आपके फ़ोन पर आ जाती है, और बाद में आप उसे हवाई जहाज़ में चला सकते हैं। यह क्लाउड रिकॉर्डिंग का ऑफ़लाइन प्लेबैक है। यह सिर्फ़ उन्हीं पेजों पर काम करता है जिन्हें आपने पहले से तैयार करना याद रखा।

गुणवत्ता पर सीधी बात: पूरी तरह iPhone पर चलने वाले टेक्स्ट-से-आवाज़ ऐप में, Sandbook की 24 kHz वाली 41 Kokoro-82M आवाज़ें, जिनमें 28 अंग्रेज़ी में हैं, हमारी जानकारी में बिना किसी क़ीमत के मिलने वाली सबसे स्वाभाविक आवाज़ें हैं — और इसे आँख मूँदकर मानने की ज़रूरत नहीं, क्योंकि इस साइट पर हर आवाज़ के साथ प्ले बटन है। हज़ार आवाज़ों और सब्सक्रिप्शन वाली होस्टेड सेवाओं से तुलना अलग बात है, और उसका ईमानदार जवाब ElevenReader है।

Sandbook ठीक वहीं ऑफ़लाइन है जहाँ आवाज़ बनती है। आवाज़ का मॉडल ऐप में रहता है — इंस्टॉल के साथ ही शामिल; डाउनलोड लगभग 276 MB का है, जिसमें मॉडल और सभी 41 आवाज़ें शामिल हैं — और आपके सुनते समय हर वाक्य आपके डिवाइस पर बनता है। न कुछ तैयार करना, न डाउनलोड की कतार, न “ऑफ़लाइन उपलब्ध नहीं” वाला निशान। कोई भी किताब, कोई भी PDF, कोई भी स्कैन किया पेज, कोई भी पेस्ट किया पैराग्राफ़, किसी भी समय, फ़ोन एयरप्लेन मोड में होने पर भी।

यही मॉडल कंप्यूटर पर ब्राउज़र के एक टैब में भी चलता है, इसलिए कुछ भी इंस्टॉल करने से पहले आप उसे अपना ही कोई वाक्य पढ़ते हुए सुन सकते हैं।

ऑफ़लाइन टेक्स्ट टू स्पीच जितना इंटरनेट का दावा है, उतना ही निजता का भी, और लोकल TTS को धुंधले रूप में नहीं, साफ़-साफ़ कहना चाहिए।

पढ़ना, आवाज़ बनाना, स्कैन करना और ऑडियो एक्सपोर्ट, सब डिवाइस पर होता है। आपकी किताबें ऐप के अपने sandbox में कॉपी होती हैं। स्कैन किए पेजों को Apple की डिवाइस पर चलने वाली टेक्स्ट पहचान पढ़ती है। आपकी पढ़ने की जगह, हर किताब की आवाज़ और गति, और आपकी तारांकित आवाज़ें फ़ोन की लोकल स्टोरेज में रहती हैं। नेटवर्क की ज़रूरत सिर्फ़ वेब पेज जोड़ने में है, जिसे Sandbook सीधे उसी साइट से लाता है जहाँ वह है।

यानी आप जो पढ़ते हैं उसकी कोई कॉपी किसी सर्वर पर नहीं होती, क्योंकि आवाज़ फ़ोन पर ही बनती है। यह नीति का वादा नहीं, बनावट की बात है। इस पर एक पूरा पेज है: निजी टेक्स्ट टू स्पीच, और आपके iPhone पर क्या रहता है।

वे हालात जहाँ डिवाइस पर चलने वाला TTS सिर्फ़ तकनीकी बारीकी नहीं रह जाता:

• लंबी उड़ान, जहाँ तीन घंटे बाद आप नया अध्याय शुरू करना चाहते हैं और उसे पहले से डाउनलोड नहीं किया था।
• सुरंगों से होकर रोज़ का सफ़र, जहाँ क्लाउड प्लेबैक हर डेड ज़ोन में अटकता है और लोकल प्लेबैक बिल्कुल नहीं अटकता।
• विदेशी SIM पर यात्रा, जहाँ 300 पेज की किताब की आवाज़ बनवाना डेटा का बिल बन जाएगा।
• बेसमेंट, पहाड़ों का कोई केबिन, अस्पताल का वेटिंग रूम, या कैंपस की कोई इमारत जहाँ Wi-Fi लॉगिन पेज के पीछे अटका है।
• काम के ऐसे दस्तावेज़ जिन्हें सुनने के लिए आप किसी के सर्वर पर अपलोड नहीं करना चाहेंगे।

इनमें से किसी के लिए पहले से योजना नहीं बनानी पड़ती। आप फ़ाइल खोलते हैं और प्ले दबाते हैं, और पूरा अध्याय बनने के बाद नहीं, बल्कि पहला वाक्य बनते ही आवाज़ शुरू हो जाती है — चाहे पाँच डंडे सिग्नल हों या एक भी नहीं, बर्ताव वही रहता है।

यह लंबी किताब जैसे आम मामले में भी टिकता है। पढ़ने की प्रगति हर फ़ाइल के लिए अलग सेव होती है, इसलिए आप ट्रेन में ऐप बंद करें, उतरें, और घंटों बाद उसी पैराग्राफ़ से दोबारा शुरू करें, बिना कुछ सिंक किए।

Sandbook में साइन-अप स्क्रीन है ही नहीं। न ईमेल, न Apple से साइन-इन, न ऐसा मुफ़्त ट्रायल जो बाद में पेड हो जाए। ऐप मुफ़्त है, इसमें कोई इन-ऐप खरीदारी नहीं, और अक्षरों या मिनटों का कोई कोटा नहीं, क्योंकि इसके पीछे बिल बनाने वाली कोई मीटर वाली सेवा है ही नहीं। सभी 41 आवाज़ें पहली बार खोलते ही उपलब्ध हैं, और उनमें से कोई भी लॉक नहीं है।

बिना इंटरनेट के टेक्स्ट टू स्पीच का मतलब बिना पहचान के भी है। आप जो पढ़ते हैं वह किसी अकाउंट से नहीं जुड़ता, क्योंकि आपका कोई अकाउंट है ही नहीं। किसी और के इंफ़्रास्ट्रक्चर पर आपकी कोई लाइब्रेरी नहीं, ऐप हटाने पर एक्सपोर्ट करने को कुछ नहीं, और नए फ़ोन पर रीस्टोर करने को कोई सब्सक्रिप्शन नहीं — आप दोबारा इंस्टॉल करते हैं और आपकी किताबें Files से वापस आ जाती हैं।

मॉडल को लोकल चलाने की एक क़ीमत है, और वह पैसा नहीं है।

डाउनलोड बड़ा है: वेट, 41 आवाज़ें और फ़ोनीम बनाने वाला हिस्सा, सब ऐप के अंदर आते हैं। इसके लिए iOS 18.2 और iPhone 12 या बाद का मॉडल, या A14 या M1 या बाद की चिप वाला iPad चाहिए; पुराने iPhone ये आवाज़ें नहीं चला सकते। आवाज़ें छह भाषाओं में हैं: अमेरिकी और ब्रिटिश अंग्रेज़ी, स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीलियाई पुर्तगाली और हिन्दी। और क्योंकि काम करते समय मॉडल GPU की असली मेमोरी घेरता है, स्क्रीन लॉक होने पर रियल-टाइम पढ़ना रुक जाता है। स्क्रीन बंद रखकर सुनने के लिए पहले अध्याय तैयार करें।

अगर आपको स्क्रीन बंद रखकर पूरी किताब लगातार सुननी है, या इन छह के अलावा कोई भाषा चाहिए, तो क्लाउड पर चलने वाला रीडर आपके लिए बेहतर रहेगा। अगर आपको ऐसा रीडर चाहिए जो तब भी चले जब कुछ और न चले, और किसी को न बताए कि आप क्या पढ़ते हैं, तो सौदा यही है।