offmute
Gemini मॉडल का उपयोग करके मीटिंग रिकॉर्डिंग से ट्रांसक्राइब, डायराइज और रिपोर्ट जनरेट करने वाला CLI टूल।
कमांड लाइन के माध्यम से स्पीकर-टैग किए गए ट्रांसक्रिप्ट, विजुअल डेमो संदर्भ और संरचित सारांश निकालें।
offmute एक ओपन-सोर्स CLI टूल और Node.js पैकेज है जो मीटिंग रिकॉर्डिंग को स्पीकर-पहचान वाले ट्रांसक्रिप्ट और संरचित रिपोर्ट में प्रोसेस करता है। यह ऑडियो चंक और वीडियो स्क्रीनशॉट का विश्लेषण करने के लिए सीधे Google के Gemini API पर निर्भर करता है। प्रोजेक्ट मैनेजर और Agile टीमें इसका उपयोग रिकॉर्ड किए गए स्टैंडअप, प्रिंट रिव्यू या क्लाइंट कॉल को Markdown नोट्स में बदलने के लिए कर सकती हैं।
यह क्या है
यह टूल बातचीत के साथ-साथ विजुअल डेमो को कैप्चर करने के लिए मीटिंग ऑडियो को सेगमेंट में बांटता है और मुख्य वीडियो फ्रेम निकालता है। यह स्पीकर भूमिकाओं की पहचान करने और बहु-चरणीय प्रक्रिया का उपयोग करके रिपोर्ट बनाने के लिए इन इनपुट को Google Gemini को भेजता है। आउटपुट क्रमिक रूप से Markdown फ़ाइलों के रूप में लिखे जाते हैं ताकि चलने के दौरान आप प्रगति का निरीक्षण कर सकें।
किसके लिए
यह तकनीकी प्रोजेक्ट मैनेजरों, Scrum मास्टर और डेवलपर्स के लिए उपयुक्त है जो प्रति-मिनट SaaS ट्रांसक्रिप्शन शुल्क चुकाए बिना विस्तृत मीटिंग नोट्स चाहते हैं। यह गैर-तकनीकी उपयोगकर्ताओं जिनके लिए ग्राफिकल इंटरफ़ेस आवश्यक है या उन टीमों के लिए उपयुक्त नहीं है जिन्हें Google की क्लाउड सेवाओं में मीटिंग मीडिया भेजने की मनाही है।
मुख्य विशेषताएँ
विजुअल वीडियो विश्लेषण
वीडियो मीटिंग के दौरान स्क्रीन शेयर और प्रोडक्ट डेमो का पता लगाने के लिए मुख्य टाइमस्टैम्प पर स्क्रीनशॉट निकालता है।
स्प्रेडफिल रिपोर्ट जनरेशन
लंबी कॉलों में संदर्भ बनाए रखने के लिए प्रारंभिक रिपोर्ट रूपरेखा बनाता है और प्रत्येक अनुभाग को स्वतंत्र रूप से भरता है।
स्मार्ट डायराइजेशन
अलग-अलग वक्ताओं की पहचान करता है और सीधे भाषण संदर्भ से उनके नाम और भूमिकाओं का अनुमान लगाता है।
कस्टम संदर्भ संकेत
मॉडल को तकनीकी निर्णयों, एक्शन आइटम या टोन की ओर निर्देशित करने के लिए कस्टम निर्देश स्वीकार करता है।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- संदर्भ संबंधी सारांश के लिए विजुअल वीडियो फ्रेम और ऑडियो चंक दोनों का विश्लेषण करता है।
- क्रमिक फ़ाइल राइट्स का उपयोग करता है ताकि आप प्रोसेसिंग के दौरान ट्रांसक्रिप्शन प्रगति पढ़ सकें।
- Gemini 2.5 Pro, Flash और Flash Lite के बीच स्पष्ट मॉडल टियर विकल्प प्रदान करता है।
- npx के माध्यम से तुरंत निष्पादित किया जा सकता है या npm पैकेज के रूप में प्रोग्रामेटिक रूप से एकीकृत किया जा सकता है।
कहाँ कमी है
- ffmpeg के स्थानीय इंस्टॉलेशन और आपकी अपनी Google Gemini API कुंजी की आवश्यकता है।
- लंबी वीडियो रिकॉर्डिंग को प्रोसेस करने से उल्लेखनीय Google API उपयोग लागत आ सकती है।
- केवल CLI निष्कर्षण में गैर-डेवलपर टीम के सदस्यों के लिए ग्राफिकल इंटरफ़ेस की कमी होती है।
- तीसरे पक्ष के Google क्लाउड एंडपॉइंट पर मीटिंग ऑडियो और स्क्रीनशॉट प्रसारित करता है।
मूल्य & लाइसेंस
offmute Apache-2.0 लाइसेंस के तहत मुफ्त और ओपन-सोर्स है। मुख्य चलने की लागत आपके अपने Google Gemini API टोकन उपयोग से आती है।
हिंदी बोलने वालों के लिए जॉब्स
873 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
क्या मुझे offmute चलाने के लिए एक सशुल्क API कुंजी की आवश्यकता है?
आपको Google Gemini API कुंजी की आवश्यकता है। आपके उपयोग टियर और मीटिंग की लंबाई के आधार पर, Google टोकन खपत के आधार पर API शुल्क ले सकता है।
क्या offmute सब कुछ स्थानीय रूप से प्रोसेस करता है?
नहीं। जबकि मीडिया निष्कर्षण और चंकिंग ffmpeg के माध्यम से स्थानीय रूप से होते हैं, सभी ऑडियो चंक और वीडियो स्क्रीनशॉट प्रोसेसिंग के लिए Google के Gemini API पर भेजे जाते हैं।
क्या offmute स्प्रिंट रिव्यू के दौरान स्क्रीन शेयर का विश्लेषण कर सकता है?
हाँ। यह टूल ऑडियो के साथ-साथ वीडियो स्क्रीनशॉट निकालता है, जिससे Gemini को विजुअल प्रेजेंटेशन और प्रोडक्ट प्रदर्शनों को पहचानने की अनुमति मिलती है।
