डेवलपर: ओपन सोर्स इंजन, CLI और MCP सर्वर

ओपन सोर्स इंजन

AGPL-3.0 के तहत वही पाइपलाइन जो होस्ट की गई सेवा चलाती है: वाक् पहचान, अनुवाद, वाचन का समय निर्धारण और मिक्सिंग। इसे अपनी OpenAI और ElevenLabs कुंजियों के साथ अपने कंप्यूटर पर चलाएँ।

यह क्या करता है

आपके GPU या CPU पर faster-whisper से बोली पहचानता है, जिसमें फ़ाइल में पहले से मौजूद सबटाइटल ट्रैक मदद करते हैं।
OpenAI से अनुवाद करता है: पूरे ट्रांसक्रिप्ट का एक विश्लेषण, संदर्भ के साथ हिस्सों में अनुवाद, स्वतंत्र समीक्षा और हर पंक्ति के लिए अक्षर सीमा, ताकि हर पंक्ति अपने उपलब्ध समय में समा सके।
ElevenLabs की आवाज़ों में पढ़ता है। लंबी हो जाने वाली पंक्तियाँ फिर रिकॉर्ड की जाती हैं, छोटे शब्दों में दोबारा लिखी जाती हैं और उसके बाद ही उनकी गति बढ़ाई जाती है, अधिकतम 1.08 गुना तक।
वॉइस-ओवर मिक्स करता है: हर पंक्ति के दौरान मूल ऑडियो धीमा हो जाता है, और वीडियो में मूल ऑडियो दूसरे ट्रैक के रूप में बना रहता है।
बदले जा सकने वाले सबटाइटल के साथ MP4, MKV, MOV, WebM या AVI बनाता है; M4A, MP3, WAV, FLAC या OGG ऑडियो और SRT, VTT व ASS सबटाइटल भी बनाता है।
जानी-मानी फ़िल्मों और सीरीज़ के नाम सार्वजनिक नामों की लाइब्रेरी की वर्तनी के अनुसार लिखता है।

आपको क्या चाहिए

uv और ffmpeg। चित्र वाले सबटाइटल के लिए Tesseract वैकल्पिक है।
NVIDIA GPU से वाक् पहचान कई गुना तेज़ होती है; CPU भी काम करता है, लेकिन धीरे।
आपकी अपनी OpenAI और ElevenLabs कुंजियाँ। आप सीधे प्रदाताओं को भुगतान करते हैं: हमारे परीक्षणों में लगभग USD 0.05 से 0.10 प्रति मिनट की बोली का खर्च आया, और रसीद में सटीक रकम दिखती है।

uvx --from git+https://github.com/vocnu/engine \
  vocnu-engine translate film.mkv --to hi

AGPL-3.0: आप इंजन इस्तेमाल कर सकते हैं, बदल सकते हैं और साझा कर सकते हैं। अगर आप इसे नेटवर्क सेवा के रूप में उपलब्ध कराते हैं, तो अपने बदलाव उसी लाइसेंस के तहत साझा करते हैं। मातृभाषियों की ओर से भाषा पर सुझाव सबसे मूल्यवान योगदानों में गिने जाते हैं।

कमांड लाइन

Node.js 20 या नए संस्करण के लिए npm पैकेज vocnu। यह 10 GB तक की फ़ाइल अपलोड करता है, क्रेडिट में कीमत दिखाता है और शुरू करने से पहले पूछता है, काम की प्रगति देखता है और नतीजे मूल फ़ाइल के पास सेव करता है।

npx vocnu login
npx vocnu translate film.mkv --to hi

विकल्प

विकल्प	यह क्या करता है
`--output video\|audio\|subtitles`	वॉइस-ओवर वाला वीडियो (वीडियो फ़ाइलों के लिए डिफ़ॉल्ट), वॉइस-ओवर ऑडियो या केवल सबटाइटल
`--from <lang>`	बोली गई भाषा, डिफ़ॉल्ट रूप से अपने-आप पहचानी जाती है
`--voice female\|male`	महिला या पुरुष आवाज़
`--format mp4\|mkv\|mov\|webm\|avi`	वीडियो फ़ाइल का फ़ॉर्मैट; डिफ़ॉल्ट रूप से अपलोड वाली फ़ाइल का, नहीं तो MP4
`--audio-format m4a\|mp3\|wav\|flac\|ogg`	वॉइस-ओवर ऑडियो का फ़ॉर्मैट
`--burn-subtitles`	तस्वीर में स्थायी रूप से जुड़े सबटाइटल
`--out <dir>`	नतीजे कहाँ सेव हों
`--yes`	कीमत की पुष्टि किए बिना शुरू करें
`--no-wait`	काम शुरू करें और उसका ID लौटाएँ

दूसरे कमांड

vocnu credits
vocnu languages
vocnu jobs
vocnu status <job>
vocnu download <job>
vocnu cancel <job>
vocnu logout

MCP सर्वर

Vocnu को Claude या MCP का समर्थन करने वाले किसी दूसरे असिस्टेंट में जोड़ें, फिर उससे वीडियो का अनुवाद करने को कहें। वह फ़ाइल अपलोड करता है, कीमत बताता है, आपकी सहमति मिलने पर ही शुरू करता है, काम की प्रगति देखता है और फ़ाइलें सेव करता है।

Claude Code

claude mcp add vocnu -e VOCNU_TOKEN=vocnu_... -- npx -y vocnu mcp

Claude Desktop और दूसरे MCP क्लाइंट

{
  "mcpServers": {
    "vocnu": {
      "command": "npx",
      "args": ["-y", "vocnu", "mcp"],
      "env": { "VOCNU_TOKEN": "vocnu_..." }
    }
  }
}

फिर उदाहरण के लिए कहें: “Vocnu से ~/Videos/film.mkv का लिथुआनियाई में अनुवाद करें।”

टूल

vocnu_upload_media: आपके कंप्यूटर से फ़ाइल अपलोड करता है
vocnu_start_job: कीमत पर आपकी सहमति मिलने के बाद काम शुरू करता है
vocnu_job_status: दिखाता है कि काम कितना आगे बढ़ा है
vocnu_download_results: तैयार फ़ाइलें सेव करता है
vocnu_languages: अनुवाद की लक्ष्य भाषाओं की सूची दिखाता है
vocnu_credits: आपके बचे हुए क्रेडिट दिखाता है
vocnu_list_jobs: आपके कामों की सूची दिखाता है
vocnu_cancel_job: काम रद्द करता है

API टोकन

ऐप में सेटिंग्स के API और MCP सेक्शन में टोकन बनाएँ। यह केवल एक बार दिखता है: vocnu login चलाने पर कमांड लाइन इसे सेव कर लेती है, या आप इसे VOCNU_TOKEN के रूप में सेट कर सकते हैं।

टोकन फ़ाइलें अपलोड कर सकता है, कीमतें दिखा सकता है, काम शुरू कर सकता है, उनकी प्रगति देख सकता है, नतीजे डाउनलोड कर सकता है और आपके क्रेडिट देख सकता है। यह भुगतान नहीं कर सकता, आपकी प्रोफ़ाइल नहीं बदल सकता और टोकन प्रबंधित नहीं कर सकता। इसे कभी भी रद्द करें; ऐप दिखाता है कि हर टोकन आखिरी बार कब इस्तेमाल हुआ था।

टोकन बनाएँ

खुला डेटा

आवाज़ों की सूची: हर आवाज़ अपनी भाषा, लिंग और नमूने के साथ, JSON में।
नामों की लाइब्रेरी: फ़िल्मों और सीरीज़ के किरदारों, जगहों और शब्दों को हर भाषा में कैसे लिखा जाता है, CC BY-SA 4.0 के तहत JSON में।

प्रश्न और उत्तर

क्या इंजन मुफ़्त है?

हाँ। यह AGPL-3.0 के तहत ओपन सोर्स है, और आप OpenAI व ElevenLabs को केवल अपनी कुंजियों से हुए इस्तेमाल के लिए भुगतान करते हैं। होस्ट की गई सेवा के लिए कुंजियों या सेटअप की ज़रूरत नहीं है; यह क्रेडिट पर चलती है।

क्या कमांड लाइन और MCP सर्वर के लिए खाता चाहिए?

हाँ। ये निजी API टोकन के साथ होस्ट की गई सेवा इस्तेमाल करते हैं: ऐप वाले ही क्रेडिट, कीमतें और रिफ़ंड लागू होते हैं, और कुछ भी कटने से पहले आपको कीमत दिखती है।

क्या मैं इंजन को किसी क्लोज़्ड सोर्स उत्पाद में इस्तेमाल कर सकता हूँ?

AGPL-3.0 के अनुसार, इंजन को नेटवर्क सेवा के रूप में उपलब्ध कराने पर आपको अपने बदलाव साझा करने होते हैं। दूसरी शर्तों के लिए support@vocnu.com पर लिखें।

डेवलपर के लिए Vocnu