আমরা Loquela Remote-এর গতি কীভাবে মেপেছি
এক ঘণ্টার অডিও 9 সেকেন্ডেরও কম সময়ে, আর ঘণ্টায় 18,000 মিনিট অডিওতে পুরো এক ঘণ্টা, যেখানে প্রতিটি অনুরোধ ট্রান্সক্রাইব হয়েছে। দুটি পরীক্ষা কীভাবে চালানো হয়েছিল।
Loquela Remote 400× ট্রান্সক্রিপশনের গতিতে কাজ করে: এক ঘণ্টার অডিও 9 সেকেন্ডেরও কম সময়ে। এই সংখ্যাটি একটি পরীক্ষা থেকে এসেছে। দ্বিতীয় একটি পরীক্ষা অন্য একটি প্রশ্নের উত্তর খুঁজেছে: অনেক মানুষের কাছ থেকে একসাথে প্রতি ঘণ্টায় শত শত ঘণ্টার অডিও এলে কী হয়। দুটি পরীক্ষাই ২৭ অক্টোবর ২০২৬ তারিখে, সেদিন চালু থাকা Loquela Remote রিলিজে চালানো হয়েছিল। কীভাবে, তা এই লেখায় বলা হলো।
| পরীক্ষা | ফলাফল |
|---|---|
| 60 মিনিটের একটি ফাইল, একবারে একটি | প্রতিটি রানে সার্ভারের 7.08 থেকে 8.66 সেকেন্ড সময় |
| গতি | প্রতিটি রানে 400× ট্রান্সক্রিপশনের গতির বেশি |
| ঘণ্টায় 18,000 মিনিট অডিওতে এক ঘণ্টা | 18,350টি অনুরোধ, প্রতিটিই ট্রান্সক্রাইব হয়েছে |
| সেই ঘণ্টায় ছোট ক্লিপ | অর্ধেক 0.23 সেকেন্ডের মধ্যে ফিরেছে, 100টির মধ্যে 95টি 2.2 সেকেন্ডের মধ্যে |
এক ঘণ্টার অডিও, একবারে একটি ফাইল
এই পরীক্ষা মাপে, পুরো সার্ভার যখন শুধু একটি রেকর্ডিংয়ের জন্য থাকে, তখন সেটি কত দ্রুত টেক্সটে পরিণত হয়।
- সার্ভিস: প্রকাশিত সার্ভিসের একটি কপি, সার্ভারে আর কিছু চলছিল না।
- ফাইল: প্রচলিত ফরম্যাটে 60 মিনিটের চারটি কথার রেকর্ডিং, নিচের টেবিলে দেওয়া আছে।
- রান: একটি ওয়ার্ম-আপ অনুরোধ, তারপর প্রতিটি ফাইলের তিনটি রান।
- সময় মাপা: সার্ভারের সময় হলো প্রতিটি অনুরোধের জন্য সার্ভিসের নিজের রেকর্ড। ফাইলগুলো সার্ভার থেকেই পাঠানো হয়েছিল, তাই আপলোডে প্রায় কোনো সময় লাগেনি।
| ফাইল (60 মিনিট) | সার্ভারের সময়, তিনটি রান | সবচেয়ে ধীর, প্রেরকের দিক থেকে মাপা |
|---|---|---|
| MP3, 16 kHz মোনো | 7.08 থেকে 7.15 s | 7.25 s |
| AAC, 48 kHz মোনো, 64 kbps | 7.54 থেকে 7.58 s | 7.66 s |
| AAC, 44.1 kHz স্টেরিও, 128 kbps | 8.21 থেকে 8.25 s | 8.42 s |
| MP3, 44.1 kHz স্টেরিও, 128 kbps | 8.56 থেকে 8.66 s | 8.89 s |
প্রেরকের দিক থেকে মাপা সবচেয়ে ধীর রানটি 8.89 সেকেন্ড নিয়েছে। এক ঘণ্টা মানে 3,600 সেকেন্ডের অডিও, তাই এটি রেকর্ডিং চালানোর চেয়ে প্রায় 405 গুণ দ্রুত। প্রতিটি রান 400× ছাড়িয়েছে, আর সাইট এই সংখ্যাটিই ব্যবহার করে।
আপলোডের সময় এই সংখ্যাগুলোতে নেই, কারণ তা আপনার কানেকশনের ওপর নির্ভর করে। 128 kbps-এ 60 মিনিটের একটি MP3 প্রায় 58 MB। 64 kbps-এ মোনো তার অর্ধেক, তাই আমাদের কাছে আগে পৌঁছায়।
একসাথে অনেক মানুষ: ঘণ্টায় 18,000 মিনিট অডিওতে এক ঘণ্টা
এই পরীক্ষা মাপে, ভারী ও মিশ্র ট্রাফিকে সার্ভিস কী করে। ঘণ্টায় 18,000 মিনিট অডিও মানে প্রতি ঘণ্টায় 300 ঘণ্টার অডিও আসা। আমরা পুরো এক ঘণ্টা এটি চালিয়ে গেছি।
- সার্ভিস: একই রিলিজ, লাইভে যেভাবে চলে সেভাবে সাজানো।
- প্রেরক: 16টি টেস্ট অ্যাকাউন্ট, যারা একে অপরের সঙ্গে সম্পর্কহীন গ্রাহকদের মতো এলোমেলো মুহূর্তে রেকর্ডিং পাঠিয়েছে। এগুলো সার্ভারেই চলছিল, তাই নিচের সময়ে ইন্টারনেট ধরা হয়নি।
- রেকর্ডিং: 5 থেকে 30 সেকেন্ডের ছোট ভয়েস ক্লিপ (অর্ধেক WAV, অর্ধেক M4A), 10 থেকে 60 মিনিটের মিটিং আর 60 থেকে 120 মিনিটের দীর্ঘ রেকর্ডিং (দুটোই MP3)। অডিওর মিনিট ধরে 15% ছিল ছোট ক্লিপ, 45% মিটিং আর 40% দীর্ঘ রেকর্ডিং।
- বক্তার লেবেল: প্রায় 10টির মধ্যে 3টি মিটিং ও দীর্ঘ রেকর্ডিংয়ে চালু ছিল।
- কথা: জোরে পড়া ইংরেজি, LibriSpeech থেকে, যা অডিওবুক রেকর্ডিংয়ের একটি সর্বজনীন সংগ্রহ, প্রতিটি দৈর্ঘ্যের জন্য কেটে ও জুড়ে নেওয়া।
| রেকর্ডিং | অনুরোধ | ট্রান্সক্রাইব হয়েছে | মধ্যমা সময় |
|---|---|---|---|
| ছোট ক্লিপ, 5 থেকে 30 s | 18,020 | 18,020 | 0.23 s |
| মিটিং, 10 থেকে 60 মিনিট | 241 | 241 | 12.2 s |
| দীর্ঘ রেকর্ডিং, 60 থেকে 120 মিনিট | 89 | 89 | 42.6 s |
মোট সেই ঘণ্টায় 18,925 মিনিটের অডিও এসেছে, আর 18,350টি অনুরোধের সবগুলো ট্রান্সক্রিপ্ট নিয়ে ফিরেছে। কোনোটিই ফিরিয়ে দেওয়া হয়নি, কোনোটিই ব্যর্থ হয়নি।
ছোট ক্লিপগুলো পুরো সময় দ্রুত ছিল। ঘণ্টার প্রতিটি দশ মিনিটে তাদের মধ্যমা 0.20 থেকে 0.29 সেকেন্ডের মধ্যে ছিল, আর পুরো ঘণ্টায় 100টির মধ্যে 95টি 2.2 সেকেন্ডের মধ্যে ফিরেছে।
মিটিংগুলো মধ্যমা 140× ট্রান্সক্রিপশনের গতিতে চলেছে, আর দীর্ঘ রেকর্ডিং 122×-এ। এটি প্রথম পরীক্ষার চেয়ে ধীর, কারণ অনেক রেকর্ডিং একসাথে সার্ভার ভাগ করে নেয়। প্রতিটি একা থাকার চেয়ে বেশি সময় নেয়, আর ঘণ্টায় অনেক বেশি অডিও শেষ হয়।
আপনার রেকর্ডিংয়ের জন্য এর মানে
- 30 মিনিটের একটি মিটিং পুরো সার্ভার নিজের জন্য পেলে সার্ভারের প্রায় 4 সেকেন্ড সময় নেয়, সঙ্গে আপলোডের সময়।
- একটি ছোট ভয়েস ক্লিপ সাধারণত এক সেকেন্ডের অনেক কম সময়ে ফিরে আসে।
- আপনার মোট অপেক্ষা হলো আপলোড, সার্ভারের সময় আর ট্রান্সক্রিপ্ট ফিরে আসা। ট্রান্সক্রিপ্ট ছোট, তাই প্রায় সঙ্গে সঙ্গে পৌঁছায়।
আমরা আবার কখন মাপব
এই সংখ্যাগুলো ২৭ অক্টোবর ২০২৬ তারিখে চালু থাকা রিলিজের। ট্রান্সক্রিপশন যেভাবে চলে তাতে পরিবর্তনের পর আমরা আবার মাপব, আর সংখ্যা বদলালে সাইট ও এই লেখা আপডেট করব।
Loquela Remote যুক্তরাষ্ট্রের গ্রাহকদের জন্য একটি প্রাইভেট স্পিচ-টু-টেক্সট API ও MCP সার্ভার। এটি অডিও বা ট্রান্সক্রিপ্ট কিছুই রাখে না। দেখুন আপনার অডিওর কী হয়, অন্য ট্রান্সক্রিপশন API সেটি কীভাবে সামলায় আর দাম।