Vigilant Ear क्यों?

अक्टूबर 2026 में अद्यतन।

यह कोई ऐसा-वैसा ध्वनि-पहचान ऐप नहीं है। वैसे ऐप आवाज़ों की एक छोटी-सी सूची पहचानते हैं और आपकी स्क्रीन पर एक आइकन दिखा देते हैं। पर आपसे जो सचमुच छूट जाता है, उसका ज़्यादातर हिस्सा उस सूची में है ही नहीं।

पीछे से कोई आपका नाम लेता है। आप मुड़ते नहीं। वे मान लेते हैं कि आप बदतमीज़ हैं।

बरिस्ता आपका ऑर्डर पुकारता है। वेटिंग रूम में नर्स आपका नाम पुकारती है। आप जवाब नहीं देते, और सब एक ही नतीजे पर पहुँचते हैं।

आपके फ़ोन ने इनमें से हर पुकार सुनी थी। बस उसके पास आपको बताने का कोई तरीक़ा नहीं था।

Vigilant Ear यही बदलता है — उसी फ़ोन पर जो पहले से आपकी जेब में है।

कोई भी भाषा — वह ख़ुद पहचान लेता है कि कौन-सी भाषा बोली जा रही है; आपको कभी चुननी नहीं पड़ती
किसने कहा — हर आवाज़ अपने रंग में
कहाँ से आया — लाइव नक़्शे पर दिशा और दूरी
उसे कितना यक़ीन है — हर पंक्ति पर भरोसे का निशान
जब बात आपसे हो — कोई आपका नाम ले, तो एक अलग टैप
निजी — आपका ऑडियो कभी आपके फ़ोन से बाहर नहीं जाता
कोई सब्सक्रिप्शन नहीं — कैप्शन और अलर्ट हमेशा के लिए मुफ़्त

और यह एक समस्या नहीं — तीन हैं। दरवाज़े की घंटी आसान मामला है: तेज़, तीखी, एक सेकंड में ख़त्म। बाहर सड़क पर बढ़ता ट्रैफ़िक मुश्किल मामला है — दूर, चौड़े बैंड वाला, पकड़ने लायक़ कोई साफ़ किनारा नहीं। भूकंप वह मामला है जिसे कोई सुनता ही नहीं: वह इंसानी सुनने की सीमा से नीचे, हलचल और दबाव बनकर आता है। आपके फ़ोन का बैरोमीटर और एक्सेलेरोमीटर उसे महसूस करते हैं।

ज़्यादातर सहायक ऐप पहला मामला संभालते हैं। Vigilant Ear तीनों को एक साथ संभालता है।

वह हिस्सा जो कोई ब्रोशर में नहीं डालता

हर सुनने वाला ऐप स्मोक अलार्म को सबसे आगे रखता है। वह ज़रूरी है, और Vigilant Ear उसे पकड़ता भी है, पर वह आसान हिस्सा है: तेज़, दुर्लभ, और उसे पहचानने में ग़लती की कोई गुंजाइश नहीं। आपसे छूट तो बारीक चीज़ें जाती हैं। ज़ोर देकर कहा गया एक शब्द। रात में पास से चुपचाप गुज़रता कोई। दूसरे कमरे में बच्चे का रोना।

Standing Watch आपकी स्क्रीन पर एक लैंप है, जो हमेशा जलता रहता है: जब तक कमरा अपने रोज़ के ढर्रे पर है, तब तक स्थिर सियान, और कुछ भी बदलते ही एम्बर — कोई नई आवाज़, अचानक सन्नाटा, कुछ पास आता हुआ।

नाम पुकारा गया आपके चुने हुए नामों पर नज़र रखता है — आपका, आपके बच्चे का, आपके साथी का — और जैसे ही कोई उनमें से एक नाम लेता है, एक अलग टैप देता है। आपकी Apple Watch और Standing Watch लैंप, दोनों बताते हैं कि आवाज़ किस तरफ़ से आई। वह वाक्य बाक़ी किसी भी बात की तरह कैप्शन में दिखता रहता है। अलर्ट का मतलब किसी ने कुछ कहा नहीं है। मतलब है कोई आपसे बात कर रहा है।

कहाँ से आया

जब तक आप यह न जानें कि सायरन किस दिशा से आ रहा है, तब तक वह जानकारी नहीं है। Vigilant Ear जो भी आवाज़ सुनता है, वह दिशा और अनुमानित दूरी के साथ एक लाइव नक़्शे पर आ जाती है, ताकि अलर्ट उसी सवाल का जवाब दे जो असल में आपके मन में है: क्या मुझे हटना चाहिए, और किस तरफ़?

दिशा टोन उस दिशा को एक कान तक पहुँचा सकता है, उनके लिए जो एक ही कान से सुनते हैं।

कौन बोल रहा है, और कितना भरोसा करें

लाइव कैप्शन आपके आसपास के लोगों को आवाज़ के हिसाब से अलग करते हैं, हर एक अपने रंग में, ताकि बातचीत एक अटूट खंड की जगह बातचीत जैसी पढ़ी जाए।

ज़्यादातर कैप्शन ऐप हर शब्द उसी शांत आत्मविश्वास के साथ आपके हाथ में थमा देते हैं, और यह पता लगाना आप पर छोड़ देते हैं कि बाद में कौन-सा ग़लत निकला। यहाँ हर पंक्ति पर तीन पट्टियों का निशान होता है — तीन पट्टियाँ यानी उसने साफ़ सुना, एक यानी इसे थोड़ा संभलकर लें — और जिन शब्दों पर उसे यक़ीन नहीं था, उनके नीचे रेखा खिंच जाती है। शोरगुल वाले कमरे में, किन शब्दों पर भरोसा करना है यह जानना ख़ुद शब्दों जितना ही मायने रखता है।

जब कोई किसी शब्द पर ज़ोर देता है — मैंने यह नहीं कहा कि उसने लिया — तो वह शब्द हाइलाइट हो जाता है, ताकि वह ज़ोर, जिसे ट्रांसक्रिप्ट आम तौर पर गँवा देता है, फिर भी आप तक पहुँचे।

आप पहले से कभी भाषा नहीं चुनते। Vigilant Ear ख़ुद समझ लेता है कि क्या बोला जा रहा है, और उसका कैप्शन बनाता है। जिस कमरे की हवा में तीन भाषाएँ घुली हों, वह भी ऐसा कमरा रहता है जिसकी बातचीत आप पकड़ सकें।

उनमें से लगभग सभी का वह आपकी भाषा में अनुवाद कर सकता है। जहाँ नहीं कर पाता, वहाँ साफ़ बता देता है और आपको मूल पाठ दिखाता है — अनुवाद के भेस में कोई अंदाज़ा नहीं थमाता।

एक फ़ोन दिशा बताता है। दो फ़ोन जगह बताते हैं।

एक फ़ोन के माइक्रोफ़ोन बस कुछ इंच की दूरी पर होते हैं, जो दिशा बताने के लिए काफ़ी है। कमरे के दूसरे छोर पर दूसरा फ़ोन रख दीजिए, और सरणी कमरे जितनी चौड़ी हो जाती है: दोनों फ़ोनों की दिशा-रेखाएँ एक-दूसरे को काटती हैं, और दिशा एक जगह में बदल जाती है। कैप्शन आपस में होड़ करने के बजाय एक हो जाते हैं, और जो फ़ोन पहले कभी नहीं मिले, वे मौक़े पर ही यह सरणी बना लेते हैं — लगभग एक फ़ुट की सटीकता से यह हिसाब लगाते हुए कि हर फ़ोन कहाँ है। इसके काम आने के लिए किसी का एक ही बातचीत में होना ज़रूरी नहीं।

Remote Link उस तक पहुँचता है जो आपके साथ नहीं है: वीडियो और कैप्शन का टेक्स्ट, किसी भी पल कोई ऑडियो ट्रैक नहीं — इसलिए इसमें कुछ भी किसी भी छोर पर सुनने पर निर्भर नहीं करता, और यह आपको सांकेतिक भाषा में बात करने का रास्ता देता है। आपके कैप्शन टेक्स्ट बनकर उस पार जाते हैं और पढ़ने वाले की भाषा में पहुँचते हैं। आप एक कोड भेजते हैं; सामने वाला बिना कुछ ख़रीदे ऐप के भीतर से ही जुड़ जाता है।

दोनों फ़ोनों के बीच यह एंड-टू-एंड एन्क्रिप्टेड है। जो रिले इसे आगे भेजता है, वह इसे पढ़ नहीं सकता, हम इसे पढ़ नहीं सकते, और कुछ भी रिकॉर्ड नहीं होता — न किसी फ़ोन पर, न किसी सर्वर पर। पूरा रास्ता।

चेतावनियाँ, उन्हीं से जो उन्हें जारी करते हैं

गंभीर मौसम की चेतावनियाँ 140 से ज़्यादा देशों और क्षेत्रों के आधिकारिक सरकारी स्रोतों से आती हैं — नए स्रोत अक्सर जुड़ते रहते हैं — और उन्हें उसी जगह के हिसाब से छाँटा जाता है जहाँ आप सचमुच हैं। भूकंप के अलर्ट अंदाज़ा लगाने के बजाय आधिकारिक पुष्टि का इंतज़ार करते हैं।

ये चेतावनियाँ आप तक हमारी अपनी सेवा से होकर पहुँचती हैं, न कि आपके फ़ोन के हर एजेंसी को सीधे कॉल करने से। इसलिए आपका फ़ोन कभी किसी विदेशी सरकार के सर्वर से संपर्क नहीं करता, और कोई व्यस्त सार्वजनिक फ़ीड इसलिए आपका अलर्ट गुम नहीं कर सकती कि एक साथ बहुत सारे लोगों ने माँग लिया। आपका फ़ोन हमें बस मोटे तौर पर बताता है कि आप कहाँ हैं — लगभग 50 किमी चौड़ा एक वर्ग — और आप हर चेतावनी क्षेत्र के भीतर हैं या नहीं, यह वह ख़ुद जाँचता है, इसलिए आपकी सटीक लोकेशन कभी फ़ोन से बाहर नहीं जाती।

कई छोटे विशेषज्ञ, कोई एक बड़ा नहीं

सुनने वाला ऐप बनाने का सीधा तरीक़ा यह है कि एक मॉडल चलाओ और वह जो कहे वही बता दो। Vigilant Ear इसके बजाय विशेषज्ञों की एक टीम चलाता है, और हर एक वही काम करता है जिसमें वह अच्छा है। एक रोज़मर्रा की आवाज़ें पहचानता है, और दूसरा उसके काम की जाँच करता है। एक पहचानता है कि सौ से ज़्यादा भाषाओं में से कौन-सी बोली जा रही है, और बोली को उस कैप्शन इंजन को सौंप देता है जो उस भाषा में मापने पर सबसे अच्छा निकला। एक कमरे की आवाज़ों को अलग करता है, और दूसरा ध्यान रखता है कि कौन-सी आवाज़ किसकी है। एक तय करता है कि सचमुच संगीत बज रहा है या नहीं। एक, यह विकल्प चालू होने पर, अपशब्द छिपाता है। आवाज़ कहाँ से आई और कितनी दूर से, यह ख़ुद माइक्रोफ़ोन से निकाला जाता है।

वे अक्सर असहमत होते हैं, और असल बात यही है। किसी गाने के भीतर सायरन जैसा एक पल, अगर आप सिर्फ़ एक मॉडल से पूछें, तो बिलकुल असली सायरन जैसा लगता है, इसलिए सायरन के अलर्ट को आपको टोकने से पहले एक दूसरी राय (क्या यह संगीत है?) से गुज़रना पड़ता है और एक पल से ज़्यादा टिके रहना पड़ता है।

इससे ऐप अंदाज़ा लगाने के बजाय यह भी कह पाता है कि उसे यक़ीन नहीं है: कैप्शन पर भरोसे के निशान, ग़लत व्यक्ति से जोड़ने के बजाय बिना पहचान के दिखाई गई आवाज़, पुष्टि के लिए एक फ़्रेम और रुकने वाला अलर्ट। अकेला मॉडल नहीं जान सकता कि वह कब ग़लत है। कई मॉडल जान सकते हैं — बशर्ते कोई चीज़ पल-पल तय करती रहे कि किसकी बात मानी जाए।

हमने पेटेंट लेने के इरादे से शुरुआत नहीं की थी। हमने इसे एक असली कमरे में काम करने लायक़ बनाने के लिए शुरुआत की थी — शोर भरा, भीड़ भरा, एक साथ एक से ज़्यादा भाषाओं वाला — और इसके लिए बार-बार ऐसे हिस्सों की ज़रूरत पड़ी जो हमें कहीं नहीं मिले। इसलिए हमने उन्हें ख़ुद बनाया, और उनमें से कुछ अब पेटेंट के लिए लंबित हैं।

Acoustic Scope उस कच्ची अनुभूति को स्क्रीन पर ले आता है — स्पेक्ट्रम, स्पेक्ट्रोग्राम, ⅓-ऑक्टेव बैंड, क्रोमा, हार्मोनिक आंशिक स्वर। हमने असली फ़ोनों पर एक संदर्भ ध्वनि-स्तर मीटर से मिलाकर इसके स्तर ट्यून किए हैं, ताकि कोई इंजीनियर इन आँकड़ों के साथ काम कर सके। यह सबके लिए मुफ़्त है, क्योंकि बहुत-से लोगों के लिए किसी आवाज़ का आकार देख लेना ही उसे समझने का सबसे तेज़ रास्ता है। इसे पढ़ने के लिए एक फ़ील्ड गाइड भी है।

इसका विज़ुअलाइज़र कमरे के संगीत को एक लाइट शो में बदल देता है: हर बीट एक छल्ला फोड़ती है, बास से पूरा दृश्य साँस लेने लगता है, और ऊँचे स्वर चिंगारियों की तरह बरसते हैं। इसे TV या प्रोजेक्टर पर लगाइए, और दीवार भी पार्टी में शामिल हो जाती है — कोने में आपका DJ नाम, ठीक कलाकार के नाम की तरह। महफ़िल जमाने के लिए सुनना ज़रूरी नहीं।

बुनियाद से ही निजी

सुनना, ट्रांसक्रिप्शन, अनुवाद और ध्वनि वर्गीकरण — ये सब आपके फ़ोन पर ही चलते हैं। जो काम आपके कहे और आपके सुने को छूता है, उसे हम पढ़ ही नहीं सकते, क्योंकि वह हम तक पहुँचता ही नहीं। यह सजावट नहीं, सोच-समझकर लगाई गई पाबंदी है: इतने छोटे मॉडल कि आपकी जेब में समा जाएँ, उन्हें जो सुनाई देता है उसे कहीं भेजने की ज़रूरत ही नहीं पड़ती।

कुछ चीज़ें नेटवर्क का इस्तेमाल ज़रूर करती हैं: नक़्शे; ऊपर बताई गई मौसम और भूकंप की चेतावनियाँ; सड़क का संदर्भ; Music ID, जो एक छोटा ऑडियो फ़िंगरप्रिंट भेजता है, रिकॉर्ड किया हुआ ऑडियो कभी नहीं; वैकल्पिक कैप्शन सहायता मॉडल, जो एक बार डाउनलोड होते हैं; शोध सरणी, जो आपसे एक बार पूछती है और फिर भूकंप अनुसंधान के लिए कम आवृत्ति और ज़मीन की हलचल के माप साझा करती है — कब, और मोटे तौर पर कहाँ, लगभग 1 किमी तक, ऑडियो कभी नहीं; App Store की ख़रीदारी; और Remote Link, जो अपनी परिभाषा से ही दोनों फ़ोनों के बीच चलता है — एंड-टू-एंड एन्क्रिप्टेड, इसलिए बीच में कोई भी उसे पढ़ नहीं सकता।

कोई विज्ञापन नहीं। कुछ भी बेचा नहीं जाता। किसी अकाउंट की ज़रूरत नहीं।

ख़र्च कितना

शुरुआत में आज़माने के लिए मुफ़्त। ट्रायल के बाद भी कैप्शन और अलर्ट हमेशा के लिए मुफ़्त रहते हैं — बुनियादी सुरक्षा वह चीज़ नहीं जो हम बेचते हैं।

एक बार का भुगतान, और Power Pack+ हमेशा के लिए आपका: स्वतः-अनुवाद, जो बोली जा रही उस भाषा को, जिसे आप नहीं पढ़ते, उसी पल उस भाषा में बदल देता है जिसे आप पढ़ते हैं; Music ID, जो कमरे में बज रहे गाने का नाम बताता है, ताकि आपको पता रहे कि बाक़ी सब क्या सुन रहे हैं; और Constellation या Remote Link शुरू करना — जिन्हें आप बुलाते हैं, वे मुफ़्त में जुड़ते हैं। कभी कोई सब्सक्रिप्शन नहीं — और कोई नया हार्डवेयर ख़रीदने की ज़रूरत नहीं।

Vigilant Ear एक प्रायोगिक शोध एवं सुलभता सहायक है — कोई प्रमाणित या जीवनरक्षक उपकरण नहीं। हमेशा अपनी स्वयं की सतर्कता का भी उपयोग करें।