Knora को ज़्यादा मज़ेदार बनाने के लिए मैंने सबसे पहले उस चीज़ को हटाया जिसे मैं मज़ेदारी की जड़ समझता था।
अगर आपने सितंबर वाला निबंध पढ़ा है, तो उसमें एक वाक्य अब पुराना हो चुका है: "चार लाइव हैं।" जिन चार कॉमिक तरीक़ों के बारे में मैंने लिखा था, वे चले गए। जिस स्टाइल की परत पर वे रहते थे, वह भी। ऐप में अब पंद्रह अंग्रेज़ी आवाज़ें हैं, हर एक पूरा कॉमिक इंजन, साथ में दो वियतनामी और दो मंदारिन, कुल चार आवाज़ें, जिन्हें मैंने रखा। अपडेट 1.2 App Store पर लाइव है।
Knora 18+ है — कड़ी भाषा और एडल्ट विषय — और अब भी मुफ़्त है, बिना अकाउंट और बिना माइक्रोफ़ोन। आप फ़ोन हिलाते हैं (या उस पर टैप करते हैं), एक छोटा बिट शुरू से आख़िर तक बजता है, और फिर देखने को कुछ नहीं बचता।
1.2 में यह नया है:
- नई अंग्रेज़ी कास्ट। अमेरिकी, ब्रिटिश, दक्षिण अफ़्रीकी और भारतीय लहजों में पंद्रह आवाज़ें, हर एक का अपना कॉमिक इंजन।
- साफ़ ऑडियो। हर लाइन एक बार पढ़ी जाती है, पहले शब्द से।
- iPad और टैप-टू-प्ले। हिलाना मुख्य इशारा है, पर टैप भी काम करता है।
- "चल रहा है…" स्टेटस। बिट के दौरान स्क्रीन कभी ख़ाली नहीं रहती।
वजह कोई नया मॉडल या बेहतर प्रॉम्प्ट नहीं है। यह इस बात में बदलाव है कि मेरे लिए इस ऐप का प्रोडक्ट क्या है। एक साल तक मैंने आवाज़ को मज़ाक के ऊपर की परत समझा। वह नहीं है। आवाज़ ही मज़ाक है।
मॉडल सबसे कम ज़रूरी वेरिएबल था
अगर आप काम में AI इस्तेमाल करते हैं, तो यही हिस्सा चुराने लायक है।
इस समस्या में मॉडल सबसे कम ज़रूरी वेरिएबल था। ब्रीफ़ तय करता था कि आउटपुट क्या हो सकता है। जज छाँट सकता था, फ़ैसला नहीं कर सकता था। जो इंसान इसे इस्तेमाल करने वाला था, उसका आख़िरी शब्द था। मुझे यह ठीक से सीखने के लिए एक कॉमेडी ऐप फिर से बनाना पड़ा, लेकिन यह वही लूप है जो मैं किसी कैंपेन, रिपोर्ट या सपोर्ट जवाब के लिए इस्तेमाल करूँगा।
पुराने ऐप में 21 पर्सोना और सात स्टाइल थे। स्टाइल तय करता था कि मटीरियल कहाँ से आएगा और टर्न कहाँ बैठेगा; आवाज़ उसे पहुँचाती थी। मुझे लगा ज़्यादा स्टाइल इसे ज़्यादा मज़ेदार बनाएँगे। माप ने कुछ और कहा। आवाज़ वेरिएबल थी; खींचा गया स्टाइल शोर था। जब वही तीन तरीक़े पाँच आवाज़ों में अच्छे बिट बना रहे थे और एक में कुछ नहीं, तो तरीक़ा इंजन नहीं था। किरदार था।
सबूत कोई महीन या पेचीदा नहीं था। पुरानी पाइपलाइन चार ड्राफ़्ट लिखती थी और एक सेलेक्टर को सबसे अच्छा चुनने देती थी। सेलेक्टर मुझसे इतनी बार सहमत हुआ कि भरोसा बन गया, और फिर उसने एक मज़ेदार ड्राफ़्ट को इसलिए ख़ारिज कर दिया क्योंकि वह गैग नहीं था: एक बार उसकी अपनी वजह थी कि ड्राफ़्ट "पूरे बिट को असली इंसान के बारे में रिपोर्ट की तरह पढ़ता है, गैग की तरह नहीं"। उस पाइपलाइन के सभी 226 बिट मैंने बेमज़ा कहे। सेलेक्टर के बिना एक छोटा मैनुअल रन उसी सस्ते मॉडल से मज़ेदार बिट बना गया। सेलेक्टर स्वाद नहीं था; वह दूसरी राय थी जो ख़ुद को यह समझा सकती थी कि मज़ाक, मज़ाक नहीं है। मैंने उसे बंद कर दिया।
तो मैंने स्टाइल की परत हटाई और इंजन को पर्सोना में डाल दिया। पंद्रह अंग्रेज़ी आवाज़ें, हर एक की अपनी दुनिया, मज़ेदार चीज़ ढूँढने का अपना तरीक़ा, और एक लकीर जिसे वह पार नहीं करती। The Anchor ख़बरें सपाट पढ़ता है और किसी बात पर यक़ीन नहीं करता। The Storyteller सेटअप को सीधा रखता है जब तक टर्न नहीं आता। The Confessor ख़ुश और उदास है और हमेशा दोषी। The Son अपनी माँ की आवाज़ निकालता है और फ़ैसला झेलता है। The Riffer पहले ख़ुद को पकड़ता है, फिर आपको।
चार नेटिव आवाज़ें — Bảo और Lan वियतनामी में, Zhìyuǎn और Xiaoyu मंदारिन में — अंग्रेज़ी कास्ट का अनुवाद नहीं हैं। वे अपने इंजन हैं, स्थानीय मटीरियल से बने। वियतनामी में nói lái, đồng âm और thành ngữ हैं; मंदारिन में 谐音, 成语 और 歇后语 — ऐसे शब्द-खेल जो सिर्फ़ उसी भाषा के अंदर चलते हैं। अंग्रेज़ी कास्ट में लहजे हैं क्योंकि लहजा किरदार का हिस्सा है, कोई सेटिंग नहीं। आवाज़ किसी भाषा पर टोपी नहीं है।
ऐप का इंटरफ़ेस अंग्रेज़ी, वियतनामी और सरलीकृत चीनी में है; आवाज़ें अंग्रेज़ी, वियतनामी और मंदारिन में।
दो चलीं नहीं
जिन दो आवाज़ों पर मैं सबसे ज़्यादा भरोसा करता था, वही फेल हुईं: The Son और The Riffer। ख़ुद को लिखा मेरा नोट सीधा था: "ये दो मज़ेदार नहीं हैं: The Son और The Riffer। बाक़ी ठीक है।"
दोनों ब्रीफ़्स ने अपनी नाकामी ख़ुद बता दी थी। The Son को अपने परिवार पर रिपोर्ट करने भेजा गया था — एक संवाददाता, हिस्सेदार नहीं। The Riffer का टर्न सुनने वाले पर गिरता था — कहने वाला कभी आया ही नहीं। हर बिट जिसे मैं मज़ेदार कहता था, उसमें एक बात थी: कहने वाला कमरे में है, और कुछ दाँव पर है। जो मज़ाक पर रिपोर्ट करता है, वह मज़ेदार नहीं होता। जिसके पास खोने को कुछ है, वही मज़ेदार होता है।
हल कोई नया मॉडल नहीं था। दोनों ब्रीफ़्स फिर से लिखे गए ताकि कहने वाला सीन में हो। अब The Son ख़ुद कटघरे में है। The Riffer आपके अंदर की बात को नाम देने से पहले ख़ुद कबूल करता है। वही लहजे, वही डिलीवरी पैलेट, वही सीमाएँ। अलग कमरा।
सबक़ आम है: अगर आउटपुट फीका है, तो मॉडल ख़रीदने से पहले ब्रीफ़ को जाँचें। मॉडल ख़ुशी से वही नज़रिया देगा जो आपने माँगा है।
कास्ट बदलना वर्ज़न बदलना है
नई कास्ट कंटेंट अपडेट नहीं है। यह नया वर्ज़न है। जिसके पास 1.1 है, उसे उसी नंबर के नीचे चुपचाप अलग कास्ट नहीं मिलनी चाहिए, इसलिए यह 1.2 है, 1.1 बिल्ड 5 नहीं।
फिर बेरौनक़ हिस्सा। App Store लिस्टिंग अपनी अलग प्रोडक्ट सतह थी, और वह बहक गई थी: वह तीनों स्टोर भाषाओं में अब भी 21 किरदार और चार-स्टाइल मेन्यू का वादा कर रही थी; ऐप में सात स्टाइल थे, पर लिस्टिंग पुरानी चार-स्टाइल वाली बात कह रही थी, और स्क्रीनशॉट रिटायर कास्ट दिखा रहे थे। मैंने ऐप की अपनी स्ट्रिंग्स से टेक्स्ट फिर लिखा ताकि लिस्टिंग और पिकर एक-दूसरे से न टकराएँ, और स्क्रीनशॉट फिर से बनाए। यह उबाऊ काम है। यह बिल्ड और प्रोडक्ट के बीच का फ़र्क़ भी है।
फ़ोन पर इंस्टॉल बिल्ड पुरानी कास्ट बोलता था, और सर्वर को उसे सर्व करते रहना पड़ा: जब क्लाइंट पहले से इंस्टॉल हो, तो सर्वर पर किया गया बदलाव क्लाइंट के कॉन्ट्रैक्ट में बदलाव बन जाता है। मैंने पुराना कैटलॉग वर्ज़न ज़िंदा रखा ताकि अपडेट किसी को न तोड़े जिसने अभी अपडेट नहीं किया।
App Review ने पिछला बिल्ड iPad पर इसलिए भी रिजेक्ट किया क्योंकि एक बिट की लंबाई तक स्क्रीन ख़ाली रही। फ़्लो काम कर रहा था; स्क्रीन कुछ नहीं कह रही थी। बिट 30 से 75 सेकंड चलता है, ख़ाली स्क्रीन के सामने यह लंबा समय है। हल था "चल रहा है…" स्टेटस, हिलाने के साथ टैप-टू-प्ले, और नेटिव iPad सपोर्ट।
मिनिमल का मतलब ग़ैरहाज़िर नहीं होता। मैंने दोनों को मिला दिया था।
जिस हफ़्ते सारे टेस्ट पास थे
रिलीज़ से पहले वाले हफ़्ते, हर ऑटोमेटेड जाँच कह रही थी कि ऑडियो ठीक है।
टेक्स्ट-टू-स्पीच मॉडल अपडेट हो गया था। प्रॉम्प्ट नहीं। पुराना मॉडल डायरेक्टर के नोट्स को निर्देश मानता था; नया टेक्स्ट फ़ील्ड को शब्दशः ट्रांसक्रिप्ट मानता था। प्रोडक्शन रैपर — नोट्स, नोट्स न पढ़ने का निर्देश, और ट्रांसक्रिप्ट हेडर — उससे हर लाइन दो बार पढ़वाता था। चार में से चार प्रोडक्शन रेंडर दोहरे हुए। बिना रैपर वाला ट्रांसक्रिप्ट तीन में से तीन बार साफ़ था। हल था सिर्फ़ ट्रांसक्रिप्ट भेजना और लहजे को आवाज़ में डालना।
अलग से, 44-बाइट WAV हेडर को कच्चे ऑडियो सैंपल की तरह डिकोड किया जा रहा था। इससे हर क्लिप के शुरू में एक क्लिक आ गया। ट्रांसक्रिप्ट परफ़ेक्ट थे। टेस्ट सूट पास था — 780 टेस्ट, जिनमें से किसी ने ऑडियो नहीं सुना। मेरे कान ने पकड़ा।
टेस्ट पास थे, ट्रांसक्रिप्ट परफ़ेक्ट थे, और ऑडियो ग़लत था। मेरे कान ने पकड़ा।
अगर मुझे इस पोस्ट का बाक़ी हिस्सा फेंकना पड़े, तो मैं यही वाक्य रखूँगा। पास होता सूट आपकी धारणाओं को सही ठहराता है, आपका प्रोडक्ट नहीं। टेक्स्ट के लिए ट्रांसक्रिप्ट देखिए, ऑडियो के लिए वेवफ़ॉर्म, और कॉमेडी के लिए सिर्फ़ कान।
मैं क्या रख रहा हूँ
तीन चीज़ें।
मॉडल सबसे कम ज़रूरी वेरिएबल था। इस पूरे मामले में यही सच था। ब्रीफ़, जज और कान ने काम किया। अगर आपका AI आउटपुट फीका है, तो पहले ब्रीफ़ देखें, लीडरबोर्ड नहीं।
आवाज़ मज़ाक के ऊपर की परत नहीं है। कास्ट ही प्रोडक्ट है। वही मज़ाक दूसरी आवाज़ में दूसरा मज़ाक है, और किरदार के बिना आवाज़ सिर्फ़ लहजा है।
मिनिमल का मतलब ग़ैरहाज़िर नहीं। 60 सेकंड के बिट के दौरान ख़ाली स्क्रीन संयम नहीं, बग है। एक इशारे को अब भी स्टेटस लाइन चाहिए। कास्ट बदलाव को अब भी लिस्टिंग चाहिए। इंस्टॉल क्लाइंट को अब भी पुराना कॉन्ट्रैक्ट चाहिए।
क्या अब भी कम है
ऐप में अब भी शेयर बटन और रेटिंग नहीं है। मैं अब भी नहीं देख सकता कि आप इसे कैसे इस्तेमाल करते हैं; कोई एनालिटिक्स SDK नहीं है। अगर कोई बिट नहीं बैठता, तो एकमात्र संकेत आपका मुझे बताना है। यही सौदा है, और वह नहीं बदला।
अगर आपने 1.0 आज़माया और वह एक जैसा लगा, तो यही अपडेट है। अगर आपने सिर्फ़ अंग्रेज़ी कास्ट सुनी है, तो Bảo या Lan आज़माएँ; मज़ाक अनुवाद से नहीं आता।
Knora 1.2 App Store पर मुफ़्त है। डिज़ाइन नोट्स /hi/knora/ पर हैं। अगर कोई बिट नहीं बैठता, मुझे बताइए — पूरा ऐप ही मज़ाक है।
अक्सर पूछे जाने वाले सवाल
Knora क्या है?
Knora iPhone और iPad के लिए एक मुफ़्त, 18+ वॉइस-ओनली कॉमेडी ऐप है। आप हिलाते या टैप करते हैं, एक छोटा बिट एक या दो आवाज़ों में शुरू से आख़िर तक बजता है, फिर फ़ोन नीचे रखा जाता है। न अकाउंट, न माइक्रोफ़ोन, न एनालिटिक्स SDK।
1.2 में क्या बदला?
अमेरिकी, ब्रिटिश, दक्षिण अफ़्रीकी और भारतीय लहजों में पंद्रह आवाज़ों की नई अंग्रेज़ी कास्ट, साथ में दो वियतनामी और दो मंदारिन आवाज़ें। ऑडियो साफ़ है, iPad और टैप-टू-प्ले सपोर्ट है, और बिट के दौरान स्क्रीन "चल रहा है…" दिखाती है।
इसे कैसे आज़माएँ?
यह App Store पर मुफ़्त है। ऐप का इंटरफ़ेस अंग्रेज़ी, वियतनामी और सरलीकृत चीनी में उपलब्ध है।
शुभकामनाओं सहित, Chandler