टेक्स्ट-से-आवाज़ ऐप जो आपके दस्तावेज़ कभी अपलोड नहीं करता

ज़्यादातर रीडिंग ऐप ख़ुद को निजी बताते हैं और उनका मतलब होता है एक वादा: पॉलिसी का एक पेज, जो कहता है कि आपका टेक्स्ट रखा नहीं जाता, या प्रोसेस होने के बाद डिलीट हो जाता है, या ट्रेनिंग में इस्तेमाल नहीं होता। ये सब सच हो सकते हैं, फिर भी ये किसी कंपनी के वादे ही हैं कि वह अपने पास पहुँची चीज़ के साथ क्या करती है।

Sandbook का दावा इससे छोटा है और जाँचा जा सकता है। आवाज़ आपके iPhone पर बनती है, इसलिए पढ़े जा रहे टेक्स्ट को कहीं जाने की ज़रूरत ही नहीं पड़ती। किताब खोलना, उसका टेक्स्ट निकालना, स्कैन किए पृष्ठ को पहचानना, आवाज़ बनाना और ऑडियो एक्सपोर्ट करना — सब डिवाइस पर होता है। यह डेटा रखने की कोई पॉलिसी नहीं है। यह उस अपलोड का न होना है, जिसे नियंत्रित करने के लिए ऐसी पॉलिसी बनती है।

हमारी बात माने बिना इसे जाँचने के दो तरीके हैं:

• एयरप्लेन मोड चालू करें और किताब पढ़वाएँ। कोई EPUB या PDF जोड़ें, चलाएँ दबाएँ, और रेडियो बंद रखकर पूरा अध्याय सुनें। सर्वर पर बनने वाली आवाज़ यह परीक्षा पास नहीं कर सकती; फ़ोन पर बनने वाली आवाज़ को फ़र्क भी नहीं पड़ता। इंटरनेट का इंतज़ार सिर्फ़ नया वेब पेज जोड़ने में होता है।
• रेडियो बंद रखकर कोई पृष्ठ स्कैन करें। एयरप्लेन मोड चालू रखकर कैमरा किसी छपे पृष्ठ की ओर करें। टेक्स्ट फिर भी पहचाना जाता है और पढ़कर सुनाया जाता है, क्योंकि पहचान भी डिवाइस पर ही होती है।

औपचारिक बात प्राइवेसी पॉलिसी में है। यह पेज इंजीनियरिंग के नज़रिए से बताता है कि आपके दस्तावेज़ अपनी जगह क्यों रहते हैं।

छोटा जवाब है: आप जो कुछ पढ़ते हैं, सब। लंबा जवाब हर हिस्से का नाम लेता है, क्योंकि “डिवाइस पर” जैसे शब्द को मार्केटिंग ने घिसकर बेमानी कर दिया है।

मॉडल और आवाज़ें। Kokoro-82M, 82 मिलियन पैरामीटर वाला ओपन-वेट न्यूरल TTS, ऐप के डाउनलोड के अंदर ही 41 आवाज़ों के साथ आता है; डाउनलोड लगभग 276 MB का है, जिसमें मॉडल और सभी 41 आवाज़ें शामिल हैं। पहली बार खोलने पर किसी सर्वर से कुछ अनपैक नहीं होता, कोई एक्टिवेशन नहीं, कोई API key नहीं। इसीलिए डाउनलोड बड़ा है, और इसी वजह से इस पेज की बाकी बातें संभव हैं।

आपकी फ़ाइलें। जो किताब आप जोड़ते हैं — EPUB, PDF, TXT, RTF, Markdown या HTML — वह Sandbook की अपनी सैंडबॉक्स डायरेक्टरी में कॉपी होती है। लाइब्रेरी से उसे हटाने पर वह कॉपी हटती है, आपकी मूल फ़ाइल को कुछ नहीं होता।

आपके स्कैन। कैमरे से स्कैन किए पृष्ठ, और आपकी चुनी फ़ोटो या स्क्रीनशॉट, डिवाइस पर Apple की अपनी टेक्स्ट पहचान से पहचाने जाते हैं। पहचाना गया टेक्स्ट आपकी लाइब्रेरी में एक किताब बन जाता है, हर पृष्ठ एक अध्याय। कैमरा सिर्फ़ स्कैन करते समय इस्तेमाल होता है।

आपका टेक्स्ट। निकाले गए अध्याय, PDF की टेक्स्ट परतें, टाइप किया, पेस्ट किया और क्लिपबोर्ड का टेक्स्ट मेमोरी में प्रोसेस होता है और वहीं से बोला जाता है। ऑडियो Apple MLX के ज़रिए GPU पर 24 kHz में, आपके सुनते-सुनते वाक्य-दर-वाक्य बनता है। यही मॉडल कंप्यूटर पर ब्राउज़र के एक टैब में भी चलता है, अगर आप पहले किसी निजी वाक्य पर आवाज़ें परखना चाहें; वह टेक्स्ट भी उसी टैब में रहता है।

आपकी पढ़ने की जगह और आवाज़ें। हर किताब में आप कहाँ रुके, हर किताब की याद रखी आवाज़ और गति, आपकी तारांकित आवाज़ें और पठन विकल्प, ऐप की लोकल प्राथमिकताओं में रहते हैं। न iCloud सिंक है, न एक डिवाइस से दूसरे पर हैंडऑफ़ — यह सचमुच की कमी है, और इसी वजह से इनमें से कुछ भी कहीं और नहीं है।

आपके एक्सपोर्ट। आप जो M4A ऑडियो एक्सपोर्ट करते हैं, वह iOS की शेयर शीट से वहीं जाता है जहाँ आप भेजें, और कहीं नहीं।

आपके जोड़े वेब पेज। जब आप लाइब्रेरी के + मेन्यू से कोई पेज जोड़ते हैं या Safari से शेयर करते हैं, तो Sandbook वह पेज, और उसकी कवर इमेज या आइकन, सीधे उस साइट से लाता है जहाँ वह होस्ट है, जैसे कोई ब्राउज़र लाता। Sandbook के किसी सर्वर को न पता मिलता है, न लेख। लाइब्रेरी में आ जाने के बाद वह किसी भी दूसरी किताब की तरह ऑफ़लाइन पढ़ा जाता है।

प्राइवेसी पर ऐसा पेज जो सिर्फ़ फ़ायदे गिनाए, विज्ञापन होता है। इस बनावट का बिल असली है, और वह सुविधाओं में चुकाया जाता है।

• स्क्रीन लॉक होने पर रियल-टाइम पढ़ना रुक जाता है। चलते समय मॉडल असली GPU मेमोरी इस्तेमाल करता है, और ऐप के सामने से हटते ही iOS वह काम रोक देता है। स्क्रीन बंद रखकर सुनने के लिए पहले अध्याय तैयार करें।
• आवाज़ों की छह भाषाएँ, दर्जनों नहीं। 41 आवाज़ें, जिनमें 28 अमेरिकी और ब्रिटिश अंग्रेज़ी की हैं, साथ में स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीलियाई पुर्तगाली और हिन्दी। सर्वर पर चलने वाला रीडर इससे कहीं ज़्यादा दे सकता है।
• iOS 18.2 और iPhone 12 या उसके बाद का मॉडल, या A14 या उसके बाद की चिप वाला iPad। सर्वर पर चलने वाला रीडर पुराने हार्डवेयर पर चल जाता है, ठीक इसलिए कि वह आपके फ़ोन पर न्यूरल मॉडल नहीं चला रहा।
• सिर्फ़ इमेज वाली PDF फ़ाइलों के लिए टेक्स्ट पहचान नहीं और DOCX इम्पोर्ट नहीं। कैमरा स्कैन और फ़ोटो पहचाने जाते हैं; स्कैन की हुई PDF फ़ाइल नहीं।
• बड़ा डाउनलोड, और न iCloud सिंक, न अकाउंट रिकवरी, न ऐसी लाइब्रेरी जो डिवाइस के बाद भी बची रहे।

अगर इनमें से कोई बात अपलोड वाले सवाल से ज़्यादा मायने रखती है, तो शुरू में ही तय करें और कुछ और चुनें: विकल्पों वाला पेज रीडरों की ईमानदार तुलना करता है, डिवाइस पर चलने वाले उन दूसरे रीडरों समेत जो कई ऐसे काम करते हैं जो Sandbook नहीं कर सकता। फ़ोन पर मॉडल चलाने का आम तौर पर क्या मतलब है, यह लोकल TTS वाले पेज पर है।

दोनों बनावटों को एक आम तथ्य अलग करता है, और इसके सच होने के लिए किसी का ग़लत बर्ताव करना ज़रूरी नहीं: अगर आवाज़ सर्वर पर बनती है, तो टेक्स्ट उस सर्वर तक पहुँचा। उसके बाद उसका क्या होता है, यह पॉलिसी का सवाल है जिसका जवाब हर कंपनी ख़ुद देती है। वह भेजा गया या नहीं, यह पॉलिसी का सवाल नहीं है; यह इससे तय होता है कि मॉडल कहाँ चलता है।

इसलिए किसी भी रीडिंग ऐप में जाँचने लायक चीज़ प्राइवेसी पेज नहीं, उसकी बनावट है। नीचे हर कंपनी का अपना बयान है कि उसकी आवाज़ कहाँ बनती है, 14 सितंबर 2026 को पढ़ा गया:

• Speechify। ज़्यादातर Speechify के सर्वर पर। 18 दिसंबर 2025 को Speechify ने iOS पर डिवाइस पर चलने वाली आवाज़ें जोड़ीं, जो Apple के Core ML के ज़रिए लोकल चलती हैं।
• NaturalReader। AI आवाज़ें NaturalReader के सर्वर पर बनती हैं; Free Voices वाला स्तर डिवाइस में पहले से इंस्टॉल सिस्टम आवाज़ें इस्तेमाल करता है।
• ElevenReader। ElevenLabs के सर्वर पर। ऑफ़लाइन इस्तेमाल के लिए ऑडियो डाउनलोड किया जाता है, डिवाइस पर बनाया नहीं जाता।

ध्यान दें कि यह सूची क्या कहती है और क्या नहीं। यह किसी भी प्रतिस्पर्धी के दस्तावेज़ संभालने या रखने के बारे में कोई दावा नहीं करती; उसके लिए हर कंपनी की अपनी प्राइवेसी पॉलिसी पढ़ें। बात इससे छोटी है: आवाज़ कहाँ बनती है, यही तय करता है कि आपके टेक्स्ट को कहीं जाना पड़ेगा या नहीं, और हर कंपनी इंस्टॉल से पहले ही अपने शब्दों में यह बता देती है।