নির্ভুলতা ও পারফরম্যান্স

এই পেজে যা লেখা আছে, তা সত্যিই মাপা হয়েছে - পদ্ধতিসহ, বিপণনের দাবি নয়। এই মুহূর্তে সেটা দুটি ফিচার: গণিত সমীকরণ ইঞ্জিন (টেক্সটে ও আসল কণ্ঠে) আর ভয়েস টাইপিং নিজে। বাকি সবকিছুর পাশে সততার সাথে "এখনো মাপা হয়নি" লেখা আছে, বানানো সংখ্যা নয়।

আজাদি ম্যাথ - সমীকরণ ডিক্টেশনের নির্ভুলতা

বাংলা নিজেই পেয়েছে ২০/২০ - নিখুঁত, ৩৫টি নিখুঁত-স্কোর ভাষার একটি।

পদ্ধতি

A text-door test: 20 real equations (calculus, integrals, quantum mechanics, matrices, chemistry, series and limits) were sent as written spoken-form transcripts, in 70 languages, through the live production endpoint (azadi24.com/api/ai/complete) and checked by the actual shipped OMML converter - not a mock. It measures language understanding and equation accuracy; it does not include the audio/speech-recognition step. Raw per-language and per-equation results are committed in the source repository.

এটি একটি text-door পরীক্ষা: কেউ যা মুখে বলবে তার লিখিত রূপ পাঠানো হয়েছে, আসল অডিও নয় - তাই এটি ভাষা বোঝা ও গাণিতিক নির্ভুলতা মাপে, কিন্তু স্পিচ-রিকগনিশনের ধাপ (উচ্চারণ, শব্দ, মাইক্রোফোন) বাদ দেয়। এটি চলেছে আসল, লাইভ প্রোডাকশন এন্ডপয়েন্টে এবং অ্যাপে যে কনভার্টার সত্যিই ব্যবহার হয়, সেটিতে - কখনো ল্যাব-মাত্র মক নয়।

আর কণ্ঠে শুরু-থেকে-শেষ - আসল ভয়েসে, লাইভ Word-এ

উপরের text-বেঞ্চ ইচ্ছা করেই অডিও ধাপটা বাদ দেয়, আর একজন স্বাধীন পর্যালোচক ঠিকই চেয়েছিলেন অডিওসহ একটা পরীক্ষা - অচেনা সমীকরণ দিয়ে। ২০২৬-০৮-২৯ ঠিক সেটাই চালানো হয়েছে: ২০টি সমীকরণ, SSC থেকে উচ্চতর, প্রতিটি আসল কণ্ঠে লাইভ প্রোডাকশন সিস্টেমে Microsoft Word-এ বলা, প্রতি আইটেমে একটি হোল্ড, প্রতিটি কল লগ-যাচাইকৃত। প্রতিটি সমীকরণ দুইভাবে বলা হয়েছে - একবার কমান্ড-শব্দ মেনে, একবার ক্লাসে শিক্ষক যেভাবে বলেন সেভাবে।

পরীক্ষাটা দুই দিকেই দাবি মীমাংসা করেছে। খণ্ডিত: মুখে বলা pH = -log[H⁺] তিন রকম উচ্চারণেই বন্ধনী ধরে রেখেছে, আর “পাই বাই টু” দিয়েছে π/2 - কোনো বাড়তি 2 ছাড়া। নিশ্চিত: সাবস্ক্রিপ্টের ঠিক পরে বলা ভেরিয়েবল (k_B T শ্রেণি) সাবস্ক্রিপ্টের ভেতরে ঢুকে যাচ্ছিল, আর K_c শ্রেণির ঘনমাত্রার বন্ধনী দুই উচ্চারণেই পড়ে যাচ্ছিল - এই পরীক্ষার একমাত্র ধারাবাহিক দুর্বলতা। সম্পূর্ণ কমান্ড তালিকা আর এ থেকে পাওয়া “এভাবে বলুন” টিপগুলো আছে সমীকরণ পেজে।

সমীকরণ অনুযায়ী ফলাফল

এই ২০টি সমীকরণের প্রতিটি সব ৭০টি ভাষায় পরীক্ষা করা হয়েছে (প্রতি সারিতে সর্বোচ্চ ৭০)। সবচেয়ে কঠিন কেসগুলো জটিল নোটেশনের - শ্রোডিঙার সমীকরণ ও একটি রাসায়নিক বিক্রিয়া সবচেয়ে কম স্কোর করেছে, তবু ৭০%-এর উপরে।

ভাষা অনুযায়ী ফলাফল

পরীক্ষিত সবগুলো (৭০) ভাষা, প্রতিটিতে ২০টি সমীকরণ। "সামান্য" মানে ছোট, দেখতে একটু ভিন্ন কিন্তু গাণিতিকভাবে পড়া যায় এমন ফলাফল; "ভুল" মানে সত্যিকারের ভুল সমীকরণ।

ভয়েস টাইপিং: দুইটা মোড, দুই ধরনের নির্ভুলতা

ফ্রি আর Pro ভয়েস টাইপিং একরকম নয়, আর দুটোর জন্য একটাই নির্ভুলতার সংখ্যা বলা বিভ্রান্তিকর হবে। এখানে দুইটা আলাদা মোড আছে:

• পলিশ মোড - শর্টকাট চেপে ধরে বলুন, ছেড়ে দিন: পুরো কথাটা টাইপ হওয়ার আগে আমাদের AI দিয়ে পরিষ্কার হয় (যতিচিহ্ন, ব্যাকরণ, মেশানো বাংলা-ইংরেজি একসাথে সামলানো)। এটা আজাদি ২৪-এর সবচেয়ে নির্ভুল মোড। Pro অ্যাকাউন্ট এটা আনলিমিটেড পায়; ফ্রি অ্যাকাউন্ট প্রতিদিন কিছুসংখ্যক পলিশ মোড ডিক্টেশন পায় - শেষ হয়ে গেলে একটা নোটিফিকেশন দেখায়, এরপর শর্টকাট চেপে ধরলে পরদিন পর্যন্ত (বা Pro নেওয়া পর্যন্ত) নিচের মোডে চলে যায়। বর্তমান সংখ্যাটা প্রাইসিং পেজে দেওয়া আছে।
• স্ট্যান্ডার্ড স্ট্রিমিং মোড - মাইক বাটনে চালানো সাধারণ টাইপিং: বলার সাথে সাথেই শব্দ বসে, সবার জন্য চিরকাল ফ্রি ও আনলিমিটেড; এটাই বাংলা ভয়েস টাইপিংকে চিরকাল ফ্রি রাখা সম্ভব করে। এটাতে AI ক্লিনআপ ধাপ চলে না, তাই যতিচিহ্ন ও মেশানো ভাষা সামলানো পলিশ মোডের তুলনায় হালকা।

ভয়েস টাইপিং নির্ভুলতা - পরিমাপকৃত

One speaker read 25 mixed Bangla-English test sentences (everyday, business, technical, numbers, a deliberate self-correction). English sentences were read twice - once accent-spoken, once clean - and a few others were retried; one representative take per sentence was scored. Each sentence was said once via polish mode and once via standard streaming mode, on the real shipped app - never a lab mock. Accuracy is WORD-LEVEL: the actual transcribed output was aligned against the known script text word-by-word (a computed edit-distance alignment, not a sentence-by-sentence pass/fail judgement), so one wrong word in a long sentence costs one word, not the whole sentence. Punctuation, capitalization and digit-script/format choices (spelled-out digits vs numerals, comma-grouped amounts) are normalized before comparison and NOT counted as word errors - those are the disclosed, systematic cleanup-depth difference between the two modes (see the section above), not mishearings. One sentence was not dictated in the streaming round (24 of 25 scored there, 466 reference words). Latency is read directly from the app's own logs: polish is release-to-text per call (33 calls); streaming is time from starting the mic to the connection going live (27 sessions) - a different kind of number from polish's, not directly comparable, since streaming then types live with no further per-word wait. This is one speaker, one session - a real spot-check, not a large-scale study.

পরীক্ষার তারিখ: ২০২৬-০৮-২৮। পলিশ: ৩৩টি কল, latency রেঞ্জ ১.২s-৩.৩s। স্ট্রিমিং: ২৭টি সেশন, connection রেঞ্জ ২.৪s-৩.৬s।

আসলে কোথায় পার্থক্য হলো

• Polish mode correctly converted spoken digits to numerals ("একটা নয় সাত আট..." → "১ ৯ ৭ ৮ ০ ৫ ৪ ৩ ২ ১") and formatted large amounts with separators ("৩৪,৭৫০ টাকা"); streaming kept digits closer to the spoken words ("একটা নয় সাত আট শূন্য...") and was inconsistent about digit script elsewhere - a formatting difference, not scored as an error.
• Polish mode's self-correction rule ("say only the final version") did not fire on a deliberate restart in this run - the output kept both the wrong and corrected day instead of the corrected one alone. Every individual word was still heard correctly, which is why this doesn't show up in the word-accuracy score - it's a separate cleanup-logic finding, not a mishearing.
• Streaming mode's word-level errors clustered on English loanwords inside Bangla speech - "endpoint" heard as "in point", "fetch" as "face", "bug" as "বাদ", "launch" as "লান্স" - exactly the kind of mixed-language content polish mode's AI pass is built to clean up.
• Neither mode truncated or summarised the longest test sentence (40 words, about 31 seconds of audio) - both typed the full thing, though streaming still made word-level mishearings within it.

এখনো যা মাপা হয়নি

এই ফিচারগুলো বাস্তব, শিপড - কিন্তু এখনো কোনো প্রকাশিত নির্ভুলতার সংখ্যা নেই। কঠোরভাবে পুনরায় পরীক্ষা করতে নতুন মাপার টুলিং ও আসল টাকা খরচ করে API কল লাগবে, যা এখনো করা হয়নি। বানানো সংখ্যা প্রকাশের চেয়ে এটা স্পষ্ট করে বলাই ভালো।

• ইতিমধ্যে টাইপ করা TEXT-এর উপর AI-পলিশ আউটপুটের মান (ব্যাকরণ, পরিষ্কার করা) - উপরে পরিমাপ করা ভয়েস টাইপিং নির্ভুলতা থেকে আলাদা
• অনুবাদের নির্ভুলতা
• অন্যান্য ফিচারের লেটেন্সি পার্সেন্টাইল (সমীকরণ, AI লেখা-টুল)

সমীকরণ ডিক্টেশন কীভাবে কাজ করে বিস্তারিত পড়ুন ফিচার ডকুমেন্টেশন পেজে।