Speech To Markdown

मुफ़्त ओपन-सोर्स macOS/iOS ऐप, स्थानीय AI से भाषण को Markdown दस्तावेज़ों में बदलता है

आवाज़ डिक्टेशन Markdown डेस्कटॉप उपकरण

https://speechtomarkdown.app/

आधिकारिक वेबसाइट देखें

विस्तृत रिपोर्ट

स्पीच टू मार्कडाउन एक स्वतंत्र और खुला स्रोत macOS/iOS एप्लिकेशन है जो स्वतंत्र डेवलपर इगोर स्टेब्ली द्वारा बनाया गया है। मूल अवधारणा है "बोलें, स्वच्छ मार्कडाउन प्राप्त करें, 100% स्थानीय प्रसंस्करण।" यह बोली जाने वाली सामग्री को सीधे अच्छी तरह से प्रारूपित मार्कडाउन दस्तावेजों में परिवर्तित करने के लिए स्थानीय व्हिस्पर भाषण पहचान + स्थानीय एलएलएम वास्तविक समय संरचना का उपयोग करता है। ऐसे बाजार परिवेश में जहां प्रतिस्पर्धी उत्पाद आम तौर पर $144 का वार्षिक शुल्क लेते हैं और क्लाउड पर निर्भर होते हैं, स्पीच टू मार्कडाउन गोपनीयता-संवेदनशील प्रौद्योगिकी उपयोगकर्ताओं के लिए पूरी तरह से मुफ़्त, 100% ऑफ़लाइन और ओपन सोर्स कोड के ट्रिपल फायदे के साथ एक अलग मार्ग प्रदान करता है। उत्पाद अभी प्रारंभिक चरण (v0.2.0) में है और सामुदायिक लोकप्रियता अभी तक नहीं बनी है, लेकिन अंतर्निहित तर्क और उपयोगकर्ता अनुभव दिशा को पहचान लिया गया है।
स्पीच टू मार्कडाउन (संक्षेप में stmd) स्वतंत्र डेवलपर इगोर स्टेब्ली (GitHub: xajik) द्वारा विकसित किया गया था। इगोर एक पूर्ण-स्टैक डेवलपर है। उन्होंने लिंक्डइन पर खुलासा किया कि इस एप्लिकेशन को विकसित करने के लिए उनकी तत्काल प्रेरणा थी: "मिथुन से बात करने के परिणाम बदतर और बदतर होते गए, और अंत में हार मान ली और टाइपिंग पर वापस चले गए। वॉयस इनपुट वास्तव में टाइपिंग से तेज है, लेकिन वास्तविक चुनौती गति नहीं है, बल्कि संरचना है - जटिल प्रक्रियाओं, उत्पादों या तकनीकी आवश्यकताओं पर अचानक चर्चा करते समय अपने विचारों को व्यवस्थित करना मुश्किल है।" एप्लिकेशन की विकास प्रक्रिया 2025 में शुरू हुई। शुरुआत में इसे GitHub पर VoiceToMarkdown नाम से दोहराया गया था और यह चार संस्करणों के माध्यम से विकसित हुआ है: 0.0.4→0.0.8→0.1.0→0.1.1। 10 जुलाई, 2026 को प्रोजेक्ट का नाम बदलकर SpeechToMarkdown कर दिया गया और संस्करण v0.2.0 जारी किया गया। वहीं, SpeechToMarkdown का iOS वर्जन ऐप स्टोर पर उपलब्ध है, जो iPhone 15 Pro और इससे ऊपर के वर्जन को सपोर्ट करता है। अब तक, GitHub रिपॉजिटरी में 41 कमिट, 2 योगदानकर्ता (क्लाउड एआई सहायता प्राप्त योगदान सहित) हैं, और ऐप स्टोर एप्लिकेशन केवल 3.1 एमबी है। स्पीच टू मार्कडाउन की स्थिति बहुत स्पष्ट है: यह एक बड़े पैमाने पर उपभोक्ता उत्पाद नहीं है, बल्कि तकनीकी उपयोगकर्ताओं, डेवलपर्स और भारी मार्कडाउन उपयोगकर्ताओं के लिए एक दक्षता उपकरण है। यह क्रॉस-प्लेटफ़ॉर्म कवरेज या क्लाउड सिंक्रोनाइज़ेशन फ़ंक्शंस का अनुसरण नहीं करता है, लेकिन ऐप्पल इकोसिस्टम के भीतर गहराई, सटीकता और गोपनीयता में सर्वोच्चता प्राप्त करता है।
स्पीच टू मार्कडाउन दो संस्करण प्रदान करता है - मैकओएस डेस्कटॉप संस्करण और आईओएस मोबाइल संस्करण। टेक्नोलॉजी स्टैक के दो सेट अलग-अलग हैं लेकिन अनुभव एक ही है। आइए पहले macOS डेस्कटॉप संस्करण के बारे में बात करते हैं। यह मेनू बार में काम करता है और शॉर्टकट कुंजी ⌘⌥] के माध्यम से किसी भी समय लागू किया जा सकता है - "ग्लोबल डिक्टेशन" मोड किसी भी एप्लिकेशन में सक्रिय होता है और लिखित मार्कडाउन टेक्स्ट बोलने के बाद वर्तमान कर्सर स्थिति में सीधे दर्ज किया जाता है। यह "वैश्विक इंजेक्शन" विधि सभी ऐप्स की इनपुट बाधाओं को तोड़ती है, और आप इसे अपनी इच्छानुसार टर्मिनलों, ब्राउज़रों, स्लैक और वीएस कोड में उपयोग कर सकते हैं। वैश्विक श्रुतलेख के अलावा, "एजेंट मोड" भी है - एक वास्तविक समय मार्कडाउन संपादक विंडो। जब आप बोलते हैं, तो आपकी आवाज़ को पहले व्हिस्पर.सीपीपी (हर 4 सेकंड में बफर किया जाता है) द्वारा टेक्स्ट में ट्रांसक्राइब किया जाता है, और फिर संरचित प्रसंस्करण के लिए स्थानीय एलएलएम में भेजा जाता है। परिणाम संपादक में स्ट्रीम किए जाते हैं, और आप जो देखते हैं वही आपको मिलता है। iOS मोबाइल संस्करण ने पूरी तरह से अलग तकनीकी मार्ग अपनाया है। यह किसी भी बाहरी एलएलएम सर्वर पर निर्भर नहीं है, बल्कि वाक् पहचान के लिए ऐप्पल डिवाइस के अंतर्निहित स्पीच एनालाइज़र और फ़ॉर्मेटिंग के लिए ऐप्पल फाउंडेशन मॉडल को कॉल करता है। इसका मतलब है कि इसमें शून्य कॉन्फ़िगरेशन, शून्य निर्भरता और यहां तक कि हवाई जहाज मोड का भी समर्थन है। ऐप स्टोर के लॉन्च होने के बाद से यूजर्स को सिर्फ इसे डाउनलोड करने और इस्तेमाल करने की जरूरत है। किसी पंजीकरण, किसी सेटिंग और किसी नेटवर्क कनेक्शन की आवश्यकता नहीं है। सबसे उल्लेखनीय बात इसके काम करने के तीन तरीके हैं। फॉर्मेट मोड एक निःशुल्क डिक्टेशन मोड है। आप जो कहते हैं उसे वास्तविक समय में संपूर्ण दस्तावेज़ के पुनर्निर्माण के लिए एलएलएम को भेजा जाएगा - वैश्विक स्थिरता सुनिश्चित करने के लिए सभी नई सामग्री को मौजूदा सामग्री के साथ मॉडल में भेजा जाता है। संपादन मोड सामग्री के बजाय आवाज को निर्देश के रूप में मानता है, जैसे "उपशीर्षक को साप्ताहिक नोट्स में बदलें" और "इस सूची को एक तालिका में बदलें" - पाठ का चयन करें और निर्देश बोलें, और मॉडल केवल चयनित भाग को बदलता है। एपेंड मोड एक एक्सेलेरेशन मोड है जिसे लंबे दस्तावेज़ों के लिए डिज़ाइन किया गया है। केवल अंतिम तीन वाक्य और नई सामग्री एलएलएम को भेजी जाती है, और दस्तावेज़ की लंबाई के साथ देरी नहीं बढ़ती है। आउटपुट प्रारूप मार्कडाउन, सादा पाठ और HTML का समर्थन करता है, जिसे सत्र के दौरान किसी भी समय स्विच किया जा सकता है, और सेटिंग्स सभी स्टार्टअप में बरकरार रखी जाती हैं। सभी सत्र स्वचालित रूप से सहेजे जाते हैं और मूल प्रतिलेख हमेशा एक क्लिक पर उपलब्ध होता है।प्रतिस्पर्धी उत्पाद तुलना के संदर्भ में, टाइपलेस ($144/वर्ष, क्लाउड प्रोसेसिंग) और विस्प्र फ्लो ($144/वर्ष, क्लाउड प्रोसेसिंग) अधिक परिपक्व क्रॉस-प्लेटफ़ॉर्म अनुभव प्रदान करते हैं, लेकिन वे दोनों सशुल्क सदस्यता हैं और क्लाउड पर निर्भर हैं। ट्रेस (£9.99 वन-ऑफ़ बायआउट, केवल macOS) ट्रांसक्रिप्शन और स्पीकर सेपरेशन को पूरा करने में अधिक पेशेवर है, लेकिन इसमें वास्तविक समय संरचना क्षमताओं का अभाव है। v2md ($14.49/वर्ष से शुरू, iOS पर ऑफ़लाइन) निकटतम प्रतिस्पर्धी है, लेकिन इसका चार्जिंग मॉडल और स्थिति विवादास्पद है। स्पीच टू मार्कडाउन का "पूरी तरह से मुफ़्त + खुला स्रोत + 100% ऑफ़लाइन + देशी मार्कडाउन समर्थन" के चार आयामों में कोई प्रतिद्वंद्वी नहीं है।
स्पीच टू मार्कडाउन वर्तमान में पूरी तरह से मुफ़्त है, जिसमें कोई इन-ऐप खरीदारी, कोई सदस्यता और कोई विज्ञापन नहीं है। iOS संस्करण ऐप स्टोर पर उपलब्ध है, और macOS संस्करण GitHub के माध्यम से वितरित किया जाता है। कोड GitHub पर खुला स्रोत है और कोई भी इसे स्वतंत्र रूप से डाउनलोड, संकलित और संशोधित कर सकता है। यह मॉडल समान उत्पादों के बीच अत्यंत दुर्लभ है। टाइपलेस का वार्षिक शुल्क $144 है, विस्प्र फ्लो का वार्षिक शुल्क $144 है, ब्रेन डंप का वार्षिक शुल्क $44.99 है, और v2md का वार्षिक शुल्क $14.49-$35.99 है। एकमात्र जो मुफ़्त के करीब है वह ट्रेस (£9.99 एकमुश्त बायआउट) है, लेकिन कार्यक्षमता पूरी तरह से अलग है। इगोर ने भविष्य की मुद्रीकरण योजनाओं का खुलासा नहीं किया, लेकिन यह अनुमान लगाया जा सकता है कि वह प्रायोजन (जैसे गिटहब प्रायोजक) या अतिरिक्त सेवाओं (जैसे क्लाउड सिंक्रनाइज़ेशन, टीम संस्करण) के माध्यम से दीर्घकालिक स्थिरता प्राप्त कर सकता है। वर्तमान में stmd के पास ऐप स्टोर पर रेटिंग प्रदर्शित करने के लिए पर्याप्त समीक्षाएँ नहीं हैं, और GitHub पर सितारों की संख्या भी अपनी प्रारंभिक अवस्था में है। लेकिन यह टूल एक सॉफ़्टवेयर पथ दिखाता है जो SaaS सदस्यता से भिन्न है: छोटा लेकिन सुंदर, मुफ़्त और खुला स्रोत, और प्रौद्योगिकी-संचालित।
चूंकि स्पीच टू मार्कडाउन केवल थोड़े समय के लिए ऐप स्टोर पर है, इसने अभी तक पर्याप्त उपयोगकर्ता समीक्षाएँ जमा नहीं की हैं। लेकिन डेवलपर समुदाय में पहले से ही कुछ आवाज़ें मौजूद हैं। इगोर ने DEV.to पर "फ्रॉम ब्रेन डंप टू मार्कडाउन: स्ट्रक्चर आइडियाज़ एज़ यू स्पीक" शीर्षक से एक लेख प्रकाशित किया, जिसमें एक प्रदर्शन के रूप में stmd का उपयोग करके पूरे लेख को निर्देशित किया गया। लिंक्डइन पर ऐसे बीज उपयोगकर्ता भी हैं जिन्होंने कहा, "अनुभव अप्रत्याशित रूप से अच्छा है - मैंने बस लापरवाही से कुछ कहा, और इसने न केवल इसे पाठ में बदल दिया, बल्कि इसे सीधे मेरे लिए मार्कडाउन में व्यवस्थित किया और स्वचालित रूप से इसे स्पष्ट 1, 2 और 3 बिंदुओं में विभाजित कर दिया।"
वर्तमान में, इस ऐप को उद्योग मीडिया में बहुत कम एक्सपोज़र मिला है, टेकक्रंच और द वर्ज जैसे मुख्यधारा प्रौद्योगिकी मीडिया से कोई रिपोर्ट नहीं मिली है। लेकिन डेवलपर टूल समुदाय में, thistools.app और Gunbark.dev जैसी टूल नेविगेशन साइटों ने इसे उठाया है और इसकी अनुकूल समीक्षा की है। Thistools.app की समीक्षा में कहा गया है: "इस आर्किटेक्चर का अंतर्निहित तर्क बहुत स्पष्ट है - ऑडियो को लगभग 4 सेकंड के अनुभागों में व्हिस्पर.सीपीपी द्वारा ट्रांसक्रिप्ट और बफर किया जाता है, और जब यह लगभग 30 शब्द जमा हो जाता है, तो इसे एलएलएम में भेजा जाता है, और परिणाम संपादक को स्ट्रीम किए जाते हैं। यह डिज़ाइन विलंबता और वैश्विक स्थिरता के बीच एक अच्छा संतुलन प्राप्त करता है।" प्रतिस्पर्धी उत्पाद परिदृश्य के संदर्भ में, बाजार तेजी से विस्तार कर रहा है। जुलाई 2026 में टाइपलेस को नए सिरे से ध्यान आकर्षित किया गया। विस्प्र फ्लो ने $81 मिलियन जुटाए हैं और इसका मूल्य $700 मिलियन आंका गया है। भाषण → संरचित पाठ ट्रैक "कुछ लोगों के लिए एक खिलौना" से "एक बुनियादी ढांचे जिसकी हर किसी को जरूरत है" में बदल रहा है। स्पीच टू मार्कडाउन मुफ़्त और खुला स्रोत है। यद्यपि अल्पावधि में व्यावसायिक प्रतिस्पर्धा बनाना कठिन है, लेकिन तकनीकी सर्कल और गोपनीयता-संवेदनशील उपयोगकर्ता समूहों में इसका एक ठोस विशिष्ट बाजार है।
एक मुक्त ओपन सोर्स टूल के रूप में, स्पीच टू मार्कडाउन के सामने सबसे बड़ा जोखिम व्यावसायिक प्रतिस्पर्धा नहीं है, बल्कि डेवलपर ऊर्जा और परियोजना स्थिरता है। स्वतंत्र डेवलपर परियोजनाएं अक्सर "उत्साही शुरुआत → तीव्र पुनरावृत्ति → धीमी गति से ठहराव" के प्रक्षेप पथ का अनुसरण करती हैं। यदि इगोर रखरखाव में निवेश जारी नहीं रख सकता है, तो एसटीएमडी कई उत्कृष्ट ओपन सोर्स परियोजनाओं की तरह धीरे-धीरे निष्क्रिय हो सकता है। एक अन्य जोखिम हार्डवेयर सीमाएँ हैं। iOS संस्करण के लिए iOS 26+ और एक Apple इंटेलिजेंस डिवाइस (iPhone 15 Pro और ऊपर) की आवश्यकता होती है, जिसमें बड़ी संख्या में मौजूदा उपयोगकर्ता शामिल नहीं होते हैं। MacOS संस्करण के लिए उपयोगकर्ताओं को स्वयं हीwhisp.cpp और स्थानीय LLM सर्वर स्थापित करने की आवश्यकता होती है, जिसमें गैर-तकनीकी उपयोगकर्ताओं के लिए उच्च सीमा होती है। चीनी पारिस्थितिकी तंत्र में, यह सीमा विशेष रूप से प्रमुख है - एप्लिकेशन इंटरफ़ेस केवल अंग्रेजी का समर्थन करता है, और चीन के मुख्यधारा प्लेटफार्मों (झिहु, ज़ियाहोंगशू, बिलिबिली, सीएसडीएन, आदि) पर लगभग कोई चीनी समीक्षा या ट्यूटोरियल नहीं हैं, जो एक महत्वपूर्ण उपयोगकर्ता विकास बाधा है।
स्पीच टू मार्कडाउन तीन प्रकार के लोगों के लिए सबसे उपयुक्त है: पहला, तकनीकी उपयोगकर्ता और डेवलपर्स जो असीमित मुफ्त उपयोग और उच्चतम गोपनीयता गारंटी के बदले स्थानीय एलएलएम को कॉन्फ़िगर करने में समय बिताने को तैयार हैं; दूसरा, ओब्सीडियन जैसे मार्कडाउन नोट लाइब्रेरी के भारी उपयोगकर्ता, जिन्हें एक कुशल श्रुतलेख इनपुट विधि की आवश्यकता होती है; तीसरा, वे उपयोगकर्ता जो डेटा गोपनीयता के प्रति बेहद संवेदनशील हैं और आशा करते हैं कि वॉयस डेटा कभी भी डिवाइस से बाहर न जाए। जो लोग उपयुक्त नहीं हैं उनमें शामिल हैं: सामान्य उपभोक्ता जो आउट-ऑफ़-द-बॉक्स अनुभव की तलाश में हैं (टाइपलेस या विस्प्र फ़्लो अनुशंसित है), वे उपयोगकर्ता जिन्हें क्रॉस-प्लेटफ़ॉर्म मल्टी-डिवाइस सिंक्रोनाइज़ेशन की आवश्यकता है, और वे उपयोगकर्ता जो मीटिंग ट्रांसक्रिप्शन और स्पीकर सेपरेशन फ़ंक्शंस की तलाश में हैं (ट्रेस अनुशंसित है)।
स्पीच टू मार्कडाउन स्पीच-टू-मार्कडाउन क्षेत्र में एक उल्लेखनीय नया खिलाड़ी है। इसने मुख्यधारा-विरोधी रास्ता चुना - न पैसा, न इंटरनेट, न आउट-ऑफ़-द-बॉक्स उपयोग - लेकिन ठीक इसी वजह से इसने एक वास्तविक अंतर को भर दिया। स्वतंत्र डेवलपर इगोर स्टेबली ने यह साबित करने के लिए उत्कृष्ट तकनीकी समाधानों (स्थानीय व्हिस्पर + स्थानीय एलएलएम + तीन कार्य मोड) का एक सेट का उपयोग किया कि संरचित पाठ का भाषण बेहद निजी और पूरी तरह से मुफ़्त हो सकता है। लक्षित उपयोगकर्ताओं के लिए, यह एक परिपक्व उत्पाद नहीं हो सकता है, लेकिन यह निश्चित रूप से सही दिशा में है।

उपयोगकर्ता समीक्षाएं

Robin749

—

एक अड़चन मिली — शोर भरे वातावरण में आवाज़ पिकअप अच्छा नहीं है, क्योंकि Mac के बिल्ट-इन माइक्रोफ़ोन का उपयोग करता है। बाहरी माइक लगाने से काफी सुधार होता है।

冯明

—

चीनी भाषा पहचान की सटीकता उम्मीद से बेहतर है, Whisper मॉडल चीनी को अच्छी तरह संभालता है। लेकिन आउटपुट Markdown फ़ॉर्मेटिंग अंग्रेज़ी की आदतों की ओर झुकी है, चीनी टाइपोग्राफ़ी को कभी-कभी मैन्युअल समायोजन की ज़रूरत होती है।

狗狗112

—

Wispr Flow से तुलना करें तो क्रॉस-प्लेटफ़ॉर्म सिंक और AI क्लीनअप फीचर नहीं हैं, लेकिन पूरी तरह मुफ़्त और डेटा डिवाइस पर रहने में बेहतर है। व्यक्तिगत प्राथमिकता पर निर्भर करता है।

ElizabethJenkinsX455

—

काश Android सपोर्ट करता, लेकिन आर्किटेक्चर Apple फ्रेमवर्क पर निर्भर है, जल्दी संभव नहीं लगता।

陈丹丹

—

रीयल-टाइम एडिटर का स्ट्रीमिंग आउटपुट बहुत अच्छा है। बोलते हुए टेक्स्ट को लाइन दर लाइन दिखाई देना, ऐसा लगता है जैसे खुद कोड लिख रहे हों (हँसी)।

SHernandezQ

—

Product Hunt पर 89 वोट, रैंक 15। हाल ही में लॉन्च किए गए मुफ्त ओपन सोर्स प्रोजेक्ट के लिए काफी अच्छा है। उम्मीद है निरंतर विकास होता रहेगा।

黄云鹏

—

प्लेन में iOS वर्ज़न आज़माया। फ़्लाइट मोड में बिल्कुल सही काम करता है — डेटा क्लाउड पर नहीं जाता, यात्रा करने वालों के लिए बहुत अच्छा है।

TCastilloJr

—

डेवलपर Igor ने DEV.to पर इस टूल का उपयोग करके एक पूरा लेख डेमो के तौर पर लिखा। अपनी ही दवा खाने का दिलचस्प मामला।

TheXavierScott

—

भविष्य में स्पीकर डायराइज़ेशन जुड़ जाए तो परफेक्ट होगा। अब केवल एक व्यक्ति उपयोग कर सकता है, कई लोगों की मीटिंग के परिदृश्य अभी कवर नहीं हैं।

EDort

—

दोस्तों, macOS वर्ज़न में लोकल LLM कॉन्फ़िगर करते समय मैंने Qwen 3.5 27B 4bit चुना, omlx पर चला रहा हूँ, स्पीड ठीक है। क्या किसी ने Gemma 3 आज़माया है? कैसा है?

realEmaRikstad_x

—

v2md का कुछ महीनों तक उपयोग किया। इसे पूरी तरह मुफ़्त देखना आश्चर्यजनक है। हो सकता है सुविधाएँ अभी v2md जितनी पूर्ण न हों, लेकिन ओपन सोर्स के रूप में इसकी क्षमता बहुत बड़ी है।

DebraFosterSr

—

ग्लोबल डिक्टेशन कीबोर्ड शॉर्टकट सेटअप अच्छा है, Alfred या Raycast से विवाद नहीं होता। लेकिन पहली बार लॉन्च करने पर माइक्रोफ़ोन और एक्सेसिबिलिटी अनुमति चाहिए, जो शुरुआती लोगों को डरा सकता है।

Natalie_Ward_77

—

एडिट मोड में कमांड की प्राकृतिक भाषा समझ अभी पर्याप्त स्थिर नहीं है, लेकिन मुफ्त ओपन सोर्स शुरुआती उत्पाद होने के नाते, यह पहले से ही आश्चर्यजनक है।

Jessica_Kelly_20227

—

मीटिंग के दौरान आज़माया। बस मीटिंग के नोट्स मौखिक रूप से बोले और इसने स्ट्रक्चर्ड Markdown में बदल दिया। मैन्युअल नोट्स लेने से कहीं अधिक कुशल।

jcmbo8rhv777

—

कई स्पीच-टू-Markdown टूल की तुलना के बाद, यह प्राइवेसी और कार्यक्षमता के बीच सबसे अच्छा संतुलन बनाता है। कोई रजिस्ट्रेशन नहीं, कोई इंटरनेट नहीं, कोई भुगतान नहीं — और क्या चाहिए?

LaurenCruzSr

—

तीन आउटपुट फ़ॉर्मेट बहुत व्यावहारिक हैं: Markdown दस्तावेज़ीकरण के लिए, सादा टेक्स्ट त्वरित नोट्स के लिए, HTML सीधे पूर्वावलोकन के लिए। इनके बीच स्विच करना सहज है।

TerryRiveraJr

—

Gemma 3 और Qwen 3.5 आज़माए। व्यक्तिगत रूप से, Qwen की फ़ॉर्मेटिंग गुणवत्ता बेहतर लगी, Gemma स्पीड में बेहतर है।

crazyswan128

—

GitHub पर सोर्स कोड देखा। Igor का कोड क्वालिटी अच्छा है। लेकिन प्रोजेक्ट अभी शुरुआती चरण में है, केवल 41 कमिट — थोड़ी चिंता है कि रखरखाव जारी रहेगा या नहीं।

itjpsxl6

—

Edit मोड आज़माया। 'सबटाइटल को Weekly Notes में बदलो' कहना वास्तव में काम कर गया — कीबोर्ड-मुक्त संपादन अनुभव जादू जैसा लगता है। लेकिन सटीकता में अभी सुधार की गुंजाइश है, जटिल निर्देश कभी-कभी समझ नहीं आते।

Donald.GrayZ383

—

Append मोड अविश्वसनीय रूप से उपयोगी है। लंबे दस्तावेज़ लिखते समय, विषय-वस्तु बढ़ने के साथ लेटेंसी नहीं बढ़ती — केवल नई सामग्री जुड़ती है। बहुत स्मार्ट डिज़ाइन है।

JohanMortensen

—

Typeless की तुलना में, यह पूरी तरह फ़्री और डेटा लोकल प्रोसेस करने के मामले में बेहतर है। लेकिन Typeless का आउट-ऑफ़-द-बॉक्स एक्सपीरियंस बेहतर है। अपनी-अपनी ज़रूरत।

孔飞梅

—

iOS वर्ज़न डाउनलोड किया, 3.1 MB का साइज़ देखकर हैरान। लेकिन इसके लिए iOS 26 और iPhone 15 Pro या उससे ऊपर चाहिए — मेरा 14 Pro बिल्कुल बाहर हो गया। रो रहा हूँ।

DylanHicks_99

—

macOS वर्ज़न डाउनलोड करके आज़माया। आम यूज़र के लिए सेटअप प्रोसेस में थोड़ी सीखने की ज़रूरत है — पहले whisper.cpp और लोकल LLM इंस्टॉल करना होगा। लेकिन कॉन्फ़िगर होने के बाद अनुभव कमाल का है: बोलिए और सीधा स्ट्रक्चर्ड Markdown मिलता है, ग्लोबल डिक्टेशन शॉर्टकट किसी भी ऐप में काम करता है।

ticklishswan803

—

लंबे समय से Obsidian के लिए वॉइस इनपुट समाधान ढूँढ रहा था, यह सीधे .md फ़ाइल आउटपुट करता है। परफेक्ट मैच। मुफ्त और ओपन सोर्स — कमाल है।

CAhil

—

Product Hunt पर Speech To Markdown देखा। फ़्री और ओपन-सोर्स, सपोर्ट करना चाहिए। GitHub रेपो देखा, आर्किटेक्चर साफ़ है: लोकल Whisper ट्रांसक्रिप्शन के लिए, लोकल LLM स्ट्रक्चर्ड आउटपुट के लिए, डेटा कभी मशीन से बाहर नहीं जाता। प्राइवेसी का यह स्तर क्लाउड सॉल्यूशंस को पीछे छोड़ देता है।

Speech To Markdown

विस्तृत रिपोर्ट

उपयोगकर्ता समीक्षाएं

समान उत्पाद