उपन्यासकार, पत्रकार, न्यूज़लेटर लेखक — जो लोग ढेर सारे शब्द पैदा करते हैं — चुपचाप अपने पहले मसौदे का चरण वॉइस पर ले गए हैं। सारा लेखन नहीं। एडिटिंग अब भी कीबोर्ड पर होती है। लेकिन वह हिस्सा जहाँ शब्दों को पहली बार बाहर निकालना होता है? बोलना तेज़ है, और जब आप देख नहीं सकते कि अभी-अभी क्या कहा, तो भीतर का संपादक भी शांत रहता है।
यह रहा Mac पर सेटअप, क्या काम करता है, और कहाँ अटकता है।
वॉइस ख़ासकर ड्राफ़्टिंग को क्यों बदल देती है
तीन वजहें:
बोलना टाइप करने से तेज़ है। ज़्यादातर लोग 130–150 शब्द प्रति मिनट बोलते हैं, 40–60 टाइप करते हैं। 1500 शब्दों के निबंध का मसौदा क़रीब 10 मिनट की स्पीच है बनाम 30+ मिनट की टाइपिंग। अकेली रफ़्तार पूरी कहानी नहीं है — लेकिन उसका हिस्सा ज़रूर है।
भीतर का संपादक शांत रहता है। जब आप टाइप करते हैं, हर शब्द उतरते ही दिखता है। बैकस्पेस दबाकर दोबारा लिखने की आदत तुरंत जाग जाती है। जब आप बोलते हैं, तो शब्द आपके दोबारा सोच पाने से पहले ही निकल चुके होते हैं। आप आगे बढ़ते रहते हैं। पहले मसौदे को इसी की ज़रूरत होती है।
वॉइस से ज़्यादा संवादात्मक, ज़्यादा ईमानदार गद्य निकलता है। बोलते समय की आपकी आवाज़, टाइप करते समय की आवाज़ के मुक़ाबले, आपके असल सोचने के तरीक़े के ज़्यादा क़रीब होती है। नॉनफ़िक्शन के लिए इसका मतलब आमतौर पर एक ज़्यादा दोस्ताना, ज़्यादा सीधा पहला मसौदा है। फ़िक्शन के लिए अक्सर इसका मतलब है ऐसे संवाद जो संवाद जैसे सुनाई दें और ऐसा वर्णन जिसमें स्वाभाविक लय हो।
वॉइस के मसौदे ज़्यादा बिखरे होते हैं। फ़िलर शब्द, अधूरी शुरुआतें, बेतहाशा लंबे वाक्य। दूसरे पास में आप ज़्यादा एडिट करेंगे। हिसाब फिर भी बैठता है — पहला मसौदा तेज़ी से बन जाता है, और एडिटिंग तो आप वैसे भी करते।
Mac पर क्या चाहिए
आपको चाहिए:
- एक ठीक-ठाक नया Mac (Apple Silicon की पुरज़ोर सिफ़ारिश)
- एक अच्छा माइक्रोफ़ोन (MacBook का बिल्ट-इन ठीक है; USB माइक या हेडसेट बेहतर)
- एक पर्याप्त शांत कमरा
- एक डिक्टेशन ऐप
असली चुनाव ऐप का ही है।
Mac पर लंबे लेखन के लिए ऐप्स
Apple Dictation। मुफ़्त, ऑन-डिवाइस, macOS के साथ आता है। काम करता है, लेकिन छोटे-छोटे टुकड़ों के लिए बना है — पुराने संस्करणों में यह क़रीब एक मिनट की स्पीच के बाद अपने-आप रुक जाता है, नए में थोड़ा लंबा चलता है। पैराग्राफ़-दर-पैराग्राफ़ ड्राफ़्टिंग के लिए अटपटा है, पर चल जाता है।
Dragon Dictate। कभी पेशेवर डिक्टेशन का स्वर्ण मानक हुआ करता था, ख़ासकर क़ानूनी और चिकित्सा क्षेत्रों में। Nuance ने Mac संस्करण सालों पहले बंद कर दिया। अगर आपको Mac पर Dragon की सिफ़ारिशें दिख रही हैं, तो वे पुरानी हो चुकी हैं।
Vext — $49 एक बार। लोकल, सिर्फ़ Apple Silicon। लंबे हिस्सों के लिए hands-free डिक्टेशन, सफ़ाई के लिए Enhance, ट्रांसक्रिप्ट साथ में सहेजे जाते हैं। लेखकों को जो चाहिए — तेज़ लेकिन साफ़ आउटपुट — उसी के लिए बना है।
Superwhisper — $249 लाइफ़टाइम। मोड-आधारित प्रॉम्प्ट के साथ चमकाया हुआ डिक्टेशन। "फ़िक्शन लिखने" वाला मोड और "नॉनफ़िक्शन लिखने" वाला मोड अलग-अलग शैली का आउटपुट देते हैं।
MacWhisper — €64 Pro। मूल रूप से फ़ाइल-ट्रांसक्रिप्शन का टूल; Pro में लाइव डिक्टेशन। तब मज़बूत जब आप कभी-कभी विचारों पर बोलते हुए ख़ुद को रिकॉर्ड करते हैं और बाद में ट्रांसक्राइब करना चाहते हैं।
Otter, Rev, Descript — क्लाउड-आधारित, सब्सक्रिप्शन। उन पत्रकारों के लिए मज़बूत जो इंटरव्यू रिकॉर्ड करते हैं और ट्रांसक्रिप्शन चाहते हैं; अकेले ड्राफ़्ट करने के लिए लागत और क्लाउड प्रोसेसिंग की वजह से कम उपयुक्त।
Voice Memos + बाद में Whisper — Apple के Voice Memos ऐप में रिकॉर्ड करें, बाद में MacWhisper में या OpenAI Whisper CLI से ट्रांसक्राइब करें। काम करता है, लेकिन मतलब यह कि टेक्स्ट आपको बाद में ही दिखता है। टहलते-टहलते बोलने के लिए अच्छा, पर "कंप्यूटर पर बैठे-बैठे ड्राफ़्ट करने" के लिए नहीं।
"मैं अपने Mac पर बोलकर किताब का अध्याय / निबंध / लेख ड्राफ़्ट करना चाहता हूँ, और सफ़ाई अपने-आप हो जाए" — इस ख़ास ज़रूरत के लिए सफ़ाई वाला कोई लोकल ऐप (Vext, Superwhisper, MacWhisper Pro) ही सही जवाब है।
लंबे लेखन के लिए Vext सेट करना
जो व्यक्ति Vext का इस्तेमाल मुख्यतः ड्राफ़्टिंग के लिए करे, उसके लिए हमारा सुझाया कॉन्फ़िगरेशन:
- इंस्टॉल करें:
brew install muvon/tap/vext - Settings > Modes खोलें
- डिफ़ॉल्ट Gemma 3 4B मॉडल के साथ Enhance चालू करें
- Hands-free हॉटकी सेट करें (push-to-talk वाली से अलग) — ड्राफ़्टिंग को टॉगल मोड चाहिए, दबाए-रखकर-बोलना नहीं
- YOLO Mode बंद करें (लेखन ऐप में आप अपने-आप Enter नहीं चाहते)
- Whisper Medium मॉडल चुनें — गद्य के लिए रफ़्तार और सटीकता का सबसे अच्छा संतुलन
फिर अपने लेखन ऐप में (Scrivener, Ulysses, Pages, Word, iA Writer, जो भी हो):
- दस्तावेज़ में उस जगह क्लिक करें जहाँ से लिखना शुरू करना है
- hands-free हॉटकी दबाएँ
- उस हिस्से को शुरू से आख़िर तक, बिना रुके, बोलते जाएँ
- रोकने के लिए हॉटकी दबाएँ
- साफ़ किया हुआ टेक्स्ट दस्तावेज़ में आ जाता है
1000 शब्दों का हिस्सा क़रीब 7 मिनट की स्पीच है। सफ़ाई का पास पूरा होने के लिए 30 सेकंड और जोड़ लें। आपको एडिट करने लायक़ मसौदा मिल जाता है।
मसौदे को असल में बोलकर कैसे निकालें
दो पैटर्न काम करते हैं:
पहले आउटलाइन, फिर आउटलाइन के सहारे डिक्टेट करें। उस हिस्से में क्या-क्या आना चाहिए, उसकी एक झटपट बुलेट आउटलाइन लिख लें। फिर हर बुलेट को बारी-बारी लेते हुए उसके सहारे डिक्टेट करें। इससे आप पटरी पर रहते हैं और मसौदा भटकने से बचता है।
कहानी सुनाने वाला अंदाज़। ज़्यादा कथात्मक सामग्री के लिए बस ऐसे बोलते जाएँ जैसे किसी दोस्त को समझा रहे हों। "तो इसकी बात यह है कि..." "अच्छा, तो आगे होता यह है कि..." सफ़ाई का पास ज़ाहिर फ़िलर हटा दे, तो यह संवादात्मक लहजा पढ़ने में अच्छा लगता है।
कुछ सुझाव जो बार-बार सामने आते हैं:
- दोबारा कहने के लिए रुकें नहीं। अगर कुछ ग़लत बोल दिया, तो बस आगे बढ़ते हुए उसे सही कह दें। सफ़ाई का पास ग़लत संस्करण आमतौर पर वैसे भी हटा देता है। न हटाए, तो एडिटिंग में ठीक कर लें।
- अगर सफ़ाई में विराम-चिह्न छूट रहे हों, तो बोलकर बताएँ। "Period", "comma", "new paragraph" सब ट्रांसक्राइब हो जाते हैं। सफ़ाई वाले ऐप ज़्यादातर विराम-चिह्न अपने-आप जोड़ देते हैं, लेकिन असामान्य विरामों (em dash, उद्धरण चिह्न) के लिए उन्हें बोल देना मदद करता है।
- संवाद की फ़ॉर्मैटिंग छोड़ दें। "open quotation mark Margaret said close quotation mark" कहने की कोशिश न करें — संवाद सामान्य ढंग से बोलें, फ़ॉर्मैटिंग एडिटिंग में करें।
- खुरदुरे पहले मसौदे को अपनाएँ। डिक्टेट करते-करते उसे परफ़ेक्ट बनाने की कोशिश करेंगे, तो रफ़्तार का फ़ायदा खो देंगे। मक़सद है मसौदे को बाहर निकालना।
एडिटिंग का पास
वॉइस के मसौदों को टाइप किए मसौदों से ज़्यादा एडिटिंग चाहिए। इससे बचा नहीं जा सकता। बदले में मिलता यह है कि एडिटिंग किसी मौजूद चीज़ पर होती है, कोरे पन्ने पर नहीं।
आप किन चीज़ों के लिए एडिट कर रहे हैं:
- फ़िलर शब्द जो सफ़ाई से छूट गए
- ऐसे वाक्य जो बोलने में सही लगते हैं पर पढ़ने में अटपटे
- दोहराव (बोलते समय हम ख़ुद को ज़्यादा दोहराते हैं)
- ढाँचा (पैराग्राफ़, सेक्शन ब्रेक, हेडिंग)
- वे हिस्से जहाँ आप विषय से भटक गए
नॉनफ़िक्शन के लिए एडिटिंग का यह पास आम तौर पर उस समय का 30–50% लेता है जो मूल मसौदा शुरू से टाइप करने में लगता। तो 30 मिनट का टाइप किया मसौदा बन जाता है 10 मिनट का वॉइस मसौदा + 12 मिनट की एडिटिंग = कुल 22 मिनट। पूरी किताब या लेख-शृंखला में यह बचत जुड़ती चली जाती है।
फ़िक्शन के लिए हिसाब इस पर निर्भर है कि संवाद कितना है और वर्णन कितना। वर्णन को वॉइस से सबसे ज़्यादा फ़ायदा होता है। संवाद अक्सर टाइप करना तेज़ रहता है, क्योंकि आप पहले से एक ख़ास आवाज़ में होते हैं जो मायने रखती है।
जब वॉइस मदद नहीं करती
कुछ ईमानदार मामले जहाँ टाइपिंग जीतती है:
बेहद तकनीकी लेखन। API डॉक्यूमेंटेशन, कोड-भारी व्याख्याएँ, गणित, और वह सब कुछ जिसमें इतने सारे ख़ास नाम हों कि उन्हें डिक्टेट करने के बजाय टाइप करना ही बेहतर लगे।
छोटे टुकड़े। 200 शब्दों की ब्लॉग टिप्पणी वॉइस सेटअप के लायक़ नहीं। टाइप कर दें।
कविता या बारीकी से गढ़ा गद्य। अगर हर शब्द मायने रखता है और आप उन्हें सही पाने के लिए पहले से ही धीमे चल रहे हैं, तो टाइपिंग ही सही रफ़्तार है।
शोरगुल वाले माहौल में लिखना। कैफ़े, साझा दफ़्तर, खुले घर। वॉइस को या तो शांत जगह चाहिए या अच्छे माइक वाले नॉइज़-कैंसलिंग हेडफ़ोन।
आज़माने के पहले 2-3 हफ़्ते। वॉइस से लिखना शुरू में अजीब लगता है। शुरुआत में आप कम अच्छा लिखेंगे, क्योंकि आप एक नया मोटर पैटर्न सीख रहे हैं। राय बनाने से पहले दो हफ़्ते टिके रहें।
अलग-अलग लेखकों ने जो वर्कफ़्लो अपना लिए हैं
ब्लॉगर और निबंधकार। Notion या Obsidian में आउटलाइन। अपने लेखन टूल में पोस्ट का ड्राफ़्ट खोलते हैं। मुख्य हिस्सा 3-5 मिनट के टुकड़ों में डिक्टेट करते हैं। उसी दिन एडिट करते हैं।
नॉनफ़िक्शन किताबों के लेखक। हर लेखन सत्र में अध्याय का एक हिस्सा बोलकर निकालते हैं (~1000–2000 शब्द)। आज का हिस्सा शुरू करने से पहले कल वाले को एडिट करते हैं। सुबह की शुरुआत फ़ीडबैक (एडिटिंग) से होती है और अंत नए आउटपुट (डिक्टेशन) पर।
पत्रकार। रिपोर्टिंग पूरी होने के बाद लेख के मसौदे के लिए वॉइस। उद्धरण टाइप किए जाते हैं, क्योंकि उन्हें हू-ब-हू होना चाहिए। उद्धरणों के बीच का जोड़ने वाला हिस्सा — वॉइस से।
न्यूज़लेटर लेखक। मुख्य लेख 10–15 मिनट में डिक्टेट करते हैं। एडिट। फ़ॉर्मैट। भेज दिया। पूरा चक्र इतना छोटा है कि रोज़ाना या हफ़्ते में 3 बार वाले न्यूज़लेटर के लिए वॉइस + एडिट टाइपिंग से तेज़ है।
मानसिक बदलाव
वॉइस से लिखने का सबसे कठिन हिस्सा तकनीक नहीं है। कठिन है ख़ुद को इसकी इजाज़त देना कि पहला मसौदा उससे बदतर होगा जो आप टाइप करते — इस दाँव पर कि एडिटिंग का पास उसे सुधार देगा।
जो लेखक वॉइस आज़माते हैं और उस पर टिके रहते हैं, वे ज़्यादातर एक ही बात बताते हैं: उनके टाइप किए मसौदे भी वैसे ही पहले मसौदे थे जिन्हें वे वैसे भी एडिट करते। टाइप किया पहला मसौदा बस साफ़ लगता था, क्योंकि वे लिखते-लिखते एडिट करते जाते थे — और यही लिखते-लिखते एडिट करना ही धीमा हिस्सा था। वॉइस ड्राफ़्टिंग (तेज़, बिखरी) और एडिटिंग (धीमी, सावधान) के बीच एक साफ़ अलगाव पर मजबूर करती है। एक बार यह अलगाव सामान्य लगने लगे, तो कुल मिलाकर वॉइस ही तेज़ है।
कोरे पन्ने की समस्या ख़त्म नहीं होती। लेकिन जब माँग टाइप करने की जगह बोलने की हो, तो वह छोटी ज़रूर हो जाती है।