BlogMeetings & Calls
Zoom मीटिंग के लिए AI असिस्टेंट
How to add an AI assistant to Zoom for live transcription, real-time answers, and notes, with or without a bot. A practical setup guide.
8 min read
Zoom मीटिंग में AI असिस्टेंट जोड़ने के दो तरीके हैं। आप एक क्लाउड बॉट कनेक्ट कर सकते हैं जो एक दिखने वाले participant के रूप में कॉल में शामिल होता है, या एक डेस्कटॉप असिस्टेंट चला सकते हैं जो आपके कंप्यूटर का सिस्टम ऑडियो कैप्चर करता है और attendee list में कभी नहीं दिखता। बॉट वाला तरीका टीम के बीच शेयर की जाने वाली रिकॉर्डिंग के लिए सरल है। डेस्कटॉप वाला तरीका तब बेहतर है जब कॉल प्राइवेट हो और आप कमरे में किसी रिकॉर्डर की मौजूदगी की घोषणा नहीं करना चाहते।
मैं Natively का founder हूं, जो मीटिंग्स और इंटरव्यू के लिए एक open-source (AGPL-3.0) डेस्कटॉप AI असिस्टेंट है। यह वही सेटअप है जो मैं खुद हर दिन Zoom पर इस्तेमाल करता हूं, साथ ही हर तरीके के ईमानदार trade-offs और यह भी कि कॉल लाइव रहते हुए मदद कैसे पाई जाए, बाद में मिलने वाले सिर्फ एक summary की जगह।
कॉल में बॉट बनाम डेस्कटॉप कैप्चर
Zoom का अपना built-in AI Companion है, और कई third-party बॉट आपकी मीटिंग को रिकॉर्ड और summarize करने के लिए उसमें शामिल हो जाएंगे। ये एक participant के रूप में कॉल में घुसकर काम करते हैं, मतलब हर किसी को एक नया attendee दिखाई देता है, जिसके लेबल में अक्सर "notetaker" या किसी product का नाम लिखा होता है।
डेस्कटॉप असिस्टेंट अलग तरीके से काम करता है। यह ऑपरेटिंग सिस्टम के level पर वह ऑडियो कैप्चर करता है जो आपका कंप्यूटर पहले से play और send कर रहा होता है, इसलिए कॉल में शामिल होने के लिए कुछ भी नहीं होता। Natively एक Rust-आधारित सिस्टम ऑडियो कैप्चर का उपयोग करता है जो Zoom, Teams, Meet, Slack और Discord सहित किसी भी डेस्कटॉप ऐप पर काम करता है। जिन लोगों से आप बात कर रहे हैं, वे वही attendee list देखते हैं जो उन्हें बिना किसी टूल के चलने पर भी दिखती।
| सवाल | क्लाउड बॉट | डेस्कटॉप कैप्चर (Natively) |
|---|---|---|
| क्या यह attendee list में दिखता है? | हां, एक दिखने वाले participant के रूप में | कोई extra participant नहीं |
| ऑडियो कहां process होता है | क्लाउड सर्वर पर अपलोड किया जाता है | लोकल, अपनी खुद की key के साथ, या managed, आपकी पसंद |
| क्या यह कॉल के दौरान मदद करता है? | आमतौर पर बाद में एक summary | स्क्रीन पर लाइव जवाब |
| स्क्रीन शेयर में दिखता है? | लागू नहीं | नहीं, overlay छिपा रहता है |
Zoom पर Natively सेटअप करना, शुरू से आखिर तक
मुख्य बात यह है कि Zoom के भीतर लगभग कोई सेटअप नहीं करना पड़ता। आप कोई Zoom ऐप इंस्टॉल नहीं करते और किसी बॉट को अपने अकाउंट का एक्सेस नहीं देते। आप Zoom के साथ-साथ एक डेस्कटॉप प्रोग्राम चलाते हैं, और यह सुनता है कि आपकी मशीन पहले से क्या कर रही है।
मीटिंग शुरू होने से पहले Natively खोलें। अपने ऑपरेटिंग सिस्टम द्वारा मांगी गई एक बार की माइक्रोफोन और सिस्टम-ऑडियो permission दें। हमेशा की तरह अपनी Zoom कॉल में शामिल हों। यही पूरा सेटअप है। जैसे ही लोग बात करना शुरू करते हैं, असिस्टेंट ट्रांसक्राइब करना शुरू कर देता है, और इसकी window आपकी स्क्रीन पर रहती है जहां आप इसे पढ़ सकते हैं लेकिन स्क्रीन शेयर नहीं कर सकता।
विशेष रूप से Zoom पर, एक detail मायने रखती है: सिस्टम ऑडियो कैप्चर अन्य participants को पकड़ता है क्योंकि उनकी आवाज़ आपके स्पीकर या हेडफोन के ज़रिए आती है। आपकी अपनी आवाज़ माइक्रोफोन के ज़रिए आती है। Natively दोनों को handle करता है, इसलिए transcript में बातचीत के दोनों पक्ष शामिल होते हैं, चाहे आप स्पीकर पर हों या Bluetooth headset पर।
Zoom की AI features जो वास्तव में मायने रखती हैं
Zoom की ज़्यादातर AI मार्केटिंग summaries के बारे में है। Summaries अब एक बुनियादी ज़रूरत बन चुके हैं। जो feature किसी कॉल के अनुभव को बदल देता है, वह वह मदद है जो आपके कॉल में अभी भी रहते हुए मिलती है।
Zoom कॉल पर कोई कठिन सवाल सुनने और एक अच्छा जवाब शुरू करने के बीच की gap आमतौर पर कुछ सेकंड की खामोशी होती है जिसे आप नहीं चाहते। यही वह विंडो है जिसके लिए एक real-time असिस्टेंट बनाया गया है। Natively मेरे हार्डवेयर पर 500 मिलीसेकंड से कम समय में स्क्रीन पर एक relevant जवाब या अगला सवाल दिखा देता है, जो इतना तेज़ है कि ठहराव असहज होने से पहले इसे इस्तेमाल किया जा सके। लाइव ट्रांसक्रिप्शन का मतलब यह भी है कि जब कोई ऐसा नंबर बोले जिसे आपने आधा-सुना हो, तो आप उन्हें दोहराने के लिए कहे बिना तीन वाक्य पीछे स्क्रॉल कर सकते हैं।
कॉल के बाद वाले हिस्से के लिए, raw transcript से ज़्यादा नोट्स मायने रखते हैं। टेक्स्ट की एक दीवार कोई deliverable नहीं है। फैसले, owners और action items ही असली परिणाम हैं। अगर आप इसके पीछे की सोच समझना चाहते हैं, तो मीटिंग AI असिस्टेंट्स की पूरी गाइड बताती है कि एक असली नोट्स फीचर को ऊपर summary चिपकाए गए transcript से कैसे अलग किया जाए।
Zoom के अपने AI Companion के बारे में क्या?
Zoom अब अपना खुद का AI Companion देता है, और कई लोगों के लिए यह आज़माने का सबसे obvious पहला विकल्प है। यह मीटिंग को summarize करता है, follow-ups का draft तैयार करता है, और जो कहा गया उससे जुड़े सवालों के जवाब देता है, यह सब कुछ Zoom के भीतर बिना कुछ extra इंस्टॉल किए। अगर आपकी पूरी टीम पहले से Zoom पर है और आपके admin ने इसे enable कर दिया है, तो यह एक उचित default विकल्प है, और मैं आपको इससे दूर रहने की सलाह नहीं दूंगा।
फिर भी दो बातें मुझे एक अलग असिस्टेंट की ओर ले जाती हैं। पहली यह कि data कहां जाता है। AI Companion Zoom के account controls के तहत Zoom के cloud में process करता है, जो internal syncs के लिए ठीक है लेकिन किसी confidential negotiation या candidate interview के लिए justify करना कठिन है। एक डेस्कटॉप असिस्टेंट जो locally या आपकी अपनी key पर चल सकता है, उस बातचीत को पूरी तरह किसी shared cloud से दूर रखता है।
दूसरी यह कि AI Companion recap के आसपास बनाया गया है, live moment के आसपास नहीं। यह आपको बताने में अच्छा है कि क्या हुआ। यह आपकी स्क्रीन पर बैठकर जवाब नहीं देता जब दूसरा व्यक्ति अपने वाक्य के बीच में हो। अगर आपको जो value चाहिए वह कॉल के दौरान मदद है, बाद में मिलने वाला एक साफ-सुथरा summary नहीं, तो यह एक अलग टूल है, और दोनों साथ रह सकते हैं। मैंने एक ही कॉल में दोनों का इस्तेमाल किया है: shared record के लिए Zoom का recap, और real-time मदद के लिए एक private असिस्टेंट जिसे सिर्फ मैं देखता हूं।
जब कैप्चर गड़बड़ हो जाए, और इसे कैसे ठीक करें
सिस्टम ऑडियो कैप्चर भरोसेमंद है, लेकिन Zoom पर दो सेटअप्स लोगों को अक्सर उलझा देते हैं, और दोनों के पास quick fixes हैं जो किसी ज़रूरी कॉल से पहले जानना फायदेमंद है।
पहली है गायब दूसरा पक्ष। अगर transcript में सिर्फ आपके शब्द दिखें और दूसरे participants के नहीं, तो असिस्टेंट को आपका माइक्रोफोन मिल रहा है लेकिन आपके स्पीकर से बज रहा सिस्टम ऑडियो नहीं। macOS पर यह लगभग हमेशा वह one-time स्क्रीन-और-ऑडियो permission होती है जो अभी तक दी नहीं गई। इसे system settings में approve करें, असिस्टेंट को restart करें, और दोनों पक्ष दिखने लगेंगे। इसे एक बार, कॉल से काफी पहले करें, किसी client के इंतज़ार करते समय नहीं।
दूसरी है Bluetooth headsets का audio mode बदल देना। जब कुछ wireless headsets अपना माइक्रोफोन activate करते हैं, तो वे एक low-quality call profile पर आ जाते हैं जो सिस्टम द्वारा कैप्चर किए जा सकने वाले ऑडियो को भी पतला कर देता है। अगर headset जोड़ते ही accuracy गिर जाए, तो wired headphones या आपके laptop के speakers आमतौर पर ज़्यादा साफ transcribe करते हैं। यह एक hardware की खासियत है, software की नहीं, और यह हर capture-आधारित टूल को एक जैसे तरीके से प्रभावित करती है।
Zoom पर सहमति optional नहीं है
दूसरे participants के लिए invisible होना आपके लिए एक privacy feature है। यह उनके प्रति आपकी ज़िम्मेदारियों को नहीं बदलता। रिकॉर्डिंग और transcription की सहमति से जुड़े कानून location और यह कॉल internal है या external, इसके अनुसार बदलते हैं, और एक ऐसा असिस्टेंट जिसे कोई देख नहीं सकता, आपको इन ज़िम्मेदारियों से मुक्त नहीं करता।
मेरा सामान्य नियम यह है: अगर मुझे यह अजीब लगे कि किसी को पता चले कि मैंने transcript रखा है, तो मैं पहले पूछता हूं। internal कॉल्स के लिए यह आमतौर पर कोई मुद्दा नहीं होता। external कॉल्स, इंटरव्यू, और किसी भी regulated चीज़ के लिए, अपनी कंपनी की policy और लागू कानून का पालन करें। नोट-टेकर प्राइवेसी गाइड इस बारे में गहराई से बताती है कि transcripts कहां रहते हैं और उनपर control कैसे बनाए रखा जाए।
अक्सर पूछे जाने वाले सवाल
क्या मैं बिना किसी बॉट के Zoom पर AI असिस्टेंट इस्तेमाल कर सकता हूं?
हां। Natively जैसा एक डेस्कटॉप असिस्टेंट system level पर Zoom का ऑडियो कैप्चर करता है, इसलिए attendee list में कोई बॉट नहीं दिखता। कॉल में मौजूद अन्य लोगों को कोई extra attendee नहीं दिखता।
क्या AI असिस्टेंट Mac और Windows दोनों पर Zoom के साथ काम करता है?
Natively macOS 12 और उसके बाद के वर्शन पर, और Windows 10 व 11 पर चलता है। यह दोनों पर एक ही तरीके से सिस्टम ऑडियो कैप्चर करता है, इसलिए Zoom एक जैसा व्यवहार करता है। Linux को अभी तक support नहीं किया गया है।
अगर मैं Zoom पर अपनी स्क्रीन शेयर करूं तो क्या असिस्टेंट दिखाई देगा?
नहीं। Natively का overlay इस तरह डिज़ाइन किया गया है कि यह स्क्रीन शेयर से छिपा रहे, इसलिए आप Zoom पर presentation दे सकते हैं जबकि आप खुद transcript और जवाब पढ़ते रहें। इसे सिर्फ आप देखते हैं।
क्या Zoom पर AI असिस्टेंट इस्तेमाल करना फ्री है?
अगर आप अपनी खुद की API key लाते हैं या Ollama के ज़रिए एक local model चलाते हैं, तो Natively फ्री है, जिसमें आप सिर्फ इस्तेमाल किए गए tokens के लिए भुगतान करते हैं या locally बिल्कुल कुछ नहीं। जो लोग कोई सेटअप नहीं चाहते उनके लिए एक one-time Pro खरीद और एक managed API tier भी मौजूद है।
अपनी अगली Zoom कॉल पर इसे आज़माएं
किसी ऐसी कॉल से शुरुआत करें जिसमें असल में कुछ दांव पर हो, कोई client मीटिंग या इंटरव्यू, और देखें कि क्या लाइव मदद यह बदल देती है कि आप कितना तैयार महसूस करते हैं। यह किसी daily standup से बेहतर टेस्ट है जहां नोट्स शायद ही मायने रखते हों।
अगर आप बिना किसी बॉट के कमरे में Zoom पर लाइव ट्रांसक्रिप्शन और जवाब चाहते हैं, तो Natively आज़माने के लिए फ्री है। इसके बजाय Google Meet इस्तेमाल करते हैं? Google Meet गाइड उस प्लेटफॉर्म के लिए वही सेटअप बताती है।
Posted about Natively? A post with 5,000 views earns you a month of Ultra, free.
