প্রযুক্তি

হোয়াটসঅ্যাপ কলে আসছে নয়েজ ক্যানসেলেশন — এটি কী মুছবে তা ঠিক করে কীভাবে, আর কোন কলে এটি বন্ধ রাখবেন

মডেলটি কথা রাখে আর বাকি সব ফেলে দেয়। এটিই সুবিধা, এটিই ত্রুটি: পাশে বসা অন্য কারও কথাও ফেলে দেয়, আর সুরও।

হোয়াটসঅ্যাপ কলে আসছে নয়েজ ক্যানসেলেশন — এটি কী মুছবে তা ঠিক করে কীভাবে, আর কোন কলে এটি বন্ধ রাখবেন

ঢাকার বাসে যাঁরা হোয়াটসঅ্যাপে কথা বলেছেন, তাঁরা এই রীতিটি চেনেন: “হ্যালো? হ্যালো? আবার বলেন?” — আর এর মধ্যেই মাইক্রোফোনের দখল নিতে লড়ছে হর্ন, কন্ডাক্টর আর চল্লিশটি আলাদা আলাপ। হোয়াটসঅ্যাপ ভয়েস ও ভিডিও কলে নয়েজ ক্যানসেলেশন যোগ করছে — আর বর্ণনামতো কাজ করলে, যাঁরা শান্ত অফিস থেকে কল করেন না তাঁদের জন্য এটি বছরের পর বছরের মধ্যে অ্যাপটির সবচেয়ে কাজের সংযোজনগুলোর একটি।

যা জানা গেছে

ওয়াবেটাইনফো বলছে, অ্যান্ড্রয়েড বিটা ২.২৬.১৪.১ সংস্করণে কলিং মেনুতে অপশনটি দেখা গেছে। কল শুরু হলেই এটি নিজে থেকে চালু হয়, আর বন্ধও করা যায়। কয়েক সপ্তাহের মধ্যে বড় পরিসরে ছাড়ার কথা। খুঁটিনাটি প্রথম জানায় গ্যাজেটস ৩৬০।

কী মুছবে তা ঠিক করে কীভাবে

প্রক্রিয়াকরণ চলে আপনার ফোনেই, আপনার পাঠানো অডিওতে, কিছু পাঠানোর আগেই। এটি কী করছে তা বোঝা দরকার, কারণ সীমাবদ্ধতাগুলো সরাসরি পদ্ধতি থেকেই আসে।

নয়েজ সাপ্রেশনের পুরোনো পদ্ধতি চলত বিয়োগ করে। আপনার শব্দের ফাঁকে ফাঁকে সফটওয়্যার শুনত, পটভূমির একটি নকশা বানাত, আর সেই নকশাটি সবকিছু থেকে বিয়োগ করে দিত। স্থির শব্দে এটি ভালো কাজ করত — পাখা, এসি, ইঞ্জিনের গুঞ্জন — আর হঠাৎ আসা যেকোনো কিছুতে ব্যর্থ হতো, কারণ ফাঁকের সময় যে হর্নটি বাজেনি সেটি নকশাতেও ছিল না, ফলে অক্ষত থেকে যেত। সঙ্গে থেকে যেত জলীয় ধরনের একটি বৈশিষ্ট্যপূর্ণ কৃত্রিম শব্দ, যা শুরুর দিকের ভিডিও কল ব্যবহার করা যে কেউ চিনবেন।

এখনকার পদ্ধতি কিছুই বিয়োগ করে না। বিপুলসংখ্যক রেকর্ডিং দিয়ে প্রশিক্ষিত একটি মডেল — পরিষ্কার কথা, আর সেই একই কথা নানা রকম শব্দে চাপা পড়া অবস্থায় — শিখে নেয় মানুষের কথা দেখতে কেমন, আর তাকে বলা হয় মিশ্রণ থেকে কথাটি পুনর্নির্মাণ করতে। এটি ছাঁকনির চেয়ে নতুন করে আঁকার কাছাকাছি।

এ কারণেই এটি ঢাকার বাস সামলাতে পারে: হর্ন বিয়োগ করার মতো কোনো সমস্যা নয়, সেটি নিছকই কথা নয় — আর যা কথা নয় তা নতুন করে আঁকা হয় না। এ কারণেই সুবিধাটি ফোনে এসেছে সম্প্রতি: কল আটকে না গিয়ে অবিরাম এই ধরনের মডেল চালাতে এমন হার্ডওয়্যার লাগে, যা মধ্যম দামের ফোনে আছে মাত্র কয়েক বছর হলো।

যে শর্তটি সবাই ভুলে যান

এটি উন্নত করে অন্যজন কী শুনছেন তা। আপনি কী শুনছেন তাতে এর কোনো ভূমিকা নেই।

আপনার কলদাতা যদি বাজারে দাঁড়িয়ে থাকেন আর সুবিধাটি চালু না করে থাকেন, কিংবা এমন সংস্করণে থাকেন যেখানে এটি নেই, তবে তাঁর চারপাশের শব্দ আগের মতোই আপনার কানে আসবে। দুই দিকেই উন্নতি পেতে দুজনকেই এটি চালু রাখতে হয় — আর এ কারণেই ডিফল্টে চালু রাখা শুনতে যতটা, তার চেয়ে বেশি গুরুত্বপূর্ণ; যে সুবিধা কেবল দুজনেই একটি সেটিং খুঁজে পেলে কাজ করে, তা প্রায় কারোরই কাজে লাগত না।

এটি আর কী কী মুছে দেয়

“কথা রাখো, বাকি সব ফেলো” — এর যে পরিণতিটি মানুষকে বিপদে ফেলে, সেটি এখানে; আর এটি ত্রুটি নয়।

অন্যদের কণ্ঠ। মডেলটি যাকে প্রধান বক্তা মনে করে তার কথা রাখে আর প্রতিদ্বন্দ্বী কথাকে শব্দদূষণ ধরে চাপা দেয়। সাধারণত ঠিকই করে, আর ভুল করে ঠিক সেই ক্ষেত্রে যেখানে ঘরের অন্য কারও কথা শোনানোই উদ্দেশ্য — কাজের কলে সহকর্মীর যোগ করা কথা, বিদেশে থাকা মানুষটিকে কোনো আত্মীয়ের সালাম। এমন কলে ওপাশে আপনার কথা স্পষ্ট শোনা যায় আর দ্বিতীয় কণ্ঠটি ক্ষীণ, কিংবা একেবারেই নয়।

গান ও সুর। সুর কথা নয়, কাজেই মডেলটি একে শব্দদূষণ ধরে মুছে দেয়। ফোনে কিছু বাজিয়ে শোনানো, শিশুর গান, মাইক্রোফোনের কাছে ধরা তিলাওয়াত — সবই পৌঁছাবে চাপা বা বিকৃত হয়ে। যেসব প্ল্যাটফর্মে নয়েজ সাপ্রেশন আছে তাদের সবকটিতেই এটিই সবচেয়ে সাধারণ অভিযোগ, আর সমাধান ওই সুইচটিই।

কখনো কখনো আপনার নিজের বাক্যের শুরুটা। রিয়েল-টাইমে কোনটি কথা তা ঠিক করা যেকোনো ব্যবস্থারই নীরবতার পর ধরতে একটু সময় লাগে, আর তাতে প্রথম শব্দাংশটি কেটে যায়। লম্বা বিরতির ঠিক পরেই কথা বললে এটি বেশি চোখে পড়ে।

আপনার ফোনে যা আশা করবেন

  • কলের সময় ব্যাটারি বেশি খরচ। গোটা কল জুড়েই মডেলটি চলে, যা ফোনের ওপর এমন একটি স্থায়ী হিসাবি চাপ যা আগে ছিল না।
  • পুরোনো ও কম দামের ফোনে দেরিতে আসতে পারে, কিংবা হালকা প্রক্রিয়াকরণসহ। হার্ডওয়্যার রিয়েল-টাইমে কতটা চালাতে পারে তার ওপর মান নির্ভর করে, কাজেই একই সুবিধা প্রতিটি যন্ত্রে একই রকম শোনাবে না।
  • দরকারের আগেই পরীক্ষা করে নিন। সাক্ষাৎকার বা ক্রেতার সঙ্গে কলের সময় আচরণটি আবিষ্কার না করে, এমন কাউকে একটি কল করুন যিনি সত্যি করে বলবেন আপনার কণ্ঠ কেমন শোনাচ্ছে।

দেরিতে, তবু এখানে এর মূল্য আছে

গুগল মিট, জুম ও মাইক্রোসফট টিমসে মহামারির সময় থেকেই নয়েজ সাপ্রেশন আছে, আর ফোন নির্মাতারা এটি নিজেদের ডায়ালারেই দেয়। হোয়াটসঅ্যাপ বছর কয়েক পিছিয়ে।

তবু এখানে এর গুরুত্ব বেশি, কারণ কলগুলো কোথা থেকে করা হয়। বিপুলসংখ্যক মানুষ বিদেশে থাকা পরিবারের সঙ্গে আর দেশে ক্রেতাদের সঙ্গে কথা বলেন হোয়াটসঅ্যাপেই — প্রায়ই নির্মাণাধীন ভবন, প্রধান সড়কের পাশের দোকান কিংবা বাস থেকে। শব্দে ভরা নির্মাণস্থলে থাকা একজন প্রবাসী শ্রমিকের জন্য এটি কলের মান বাড়ানোর পরিশীলন নয়। এটি কলটি কাজে লাগা আর না লাগার পার্থক্য।

সূত্র: WABetaInfo, Gadgets 360, speech enhancement literature, on-device inference practice

লিখেছেন

Mahbub Rabbani

টেক বিডিতে ভোক্তা প্রযুক্তি নিয়ে লেখেন মাহবুব রব্বানী — ফোন, অ্যাপ, অপারেটিং সিস্টেম আর দেশের বেশির ভাগ মানুষের প্রতিদিনের প্ল্যাটফর্ম। সাইটের কীভাবে-করবেন নির্দেশিকাগুলো তাঁর লেখা; কোনো পণ্যকে তিনি মাপেন কেনার খরচ দিয়ে নয়, ব্যবহারের খরচ দিয়ে।