Winston AI ডিটেক্টর নির্ভুলতা: ডেটা যা দেখায়

আপনি আপনার প্রবন্ধটি Winston AI-তে পেস্ট করলেন, এবং সেটি ফিরে এলো, সম্ভবত মেশিন-লিখিত বলে ফ্ল্যাগ করে। আপনি নিজ হাতে প্রতিটি শব্দ লিখেছেন। এখন আপনি এমন এক শতাংশের দিকে তাকিয়ে আছেন, যা স্কোরের মতো না থেকে বরং একধরনের অভিযোগের মতো লাগে, ভাবছেন শিক্ষক বা এডিটর কি আপনার মতো করেই একই সংখ্যা দেখবে এবং সেটা কি আপনার দাবির চেয়ে বেশি বিশ্বাসযোগ্য বলে মনে করবে।

এই আতঙ্কের নিচে রয়েছে Winston AI ডিটেক্টর নির্ভুলতা নিয়ে প্রশ্ন, যার জন্য দরকার একটি শান্ত, প্রমাণভিত্তিক উত্তর। Winston AI নিজেকে এমন একটির মধ্যে বলে যে, এটি সবচেয়ে নির্ভুল AI চেকারগুলোর একটি। কিন্তু স্বাধীন চিত্রটা যখন আরও জটিল, তখন সিদ্ধান্ত নেওয়া কঠিন। তবুও দুটির মধ্যে পার্থক্য হলো, একটা খারাপ বিকেল আর একটা খারাপ গ্রেডের পার্থক্য।

আমরা এমন গবেষক ও শিক্ষার্থীদের সঙ্গে কাজ করি, যাদের বারবার ফ্ল্যাগ করা হয়, এদের অনেকেই দ্বিতীয় ভাষায় লিখছেন। তাই আমরা খুঁজে দেখলাম, Winston সম্পর্কে ডেটা আসলে কী বলে: এর সংখ্যাগুলো কোথা থেকে আসে, এবং একজন ফ্ল্যাগ হওয়া লেখকের পরবর্তী পদক্ষেপ কী হওয়া উচিত।

Winston AI ডিটেক্টর নির্ভুলতা: দাবি বনাম ডেটা

Winston AI 99.98 শতাংশ নির্ভুলতার একটি শিরোনাম-সংখ্যা বিজ্ঞাপন দেয়। এটি ক্যাটাগরির সবচেয়ে জোরালো দাবিগুলোর একটি, এবং পণ্যের মার্কেটিং ও তুলনামূলক পেজগুলো জুড়েই দেখা যায়।

স্বাধীন পরীক্ষা অবশ্য ভিন্ন গল্প বলে। রিভিউয়াররা যখন Winston-কে পরিচিত-AI ও পরিচিত-মানব টেক্সটের মিশ্র সেটের বিরুদ্ধে চালান, তখন বাস্তব ক্ষেত্রে এর নির্ভুলতা সাধারণত পড়ে, মোটামুটি ৭০-এর মাঝামাঝি থেকে ৮০-এর শুরু পর্যন্ত; আর ফালস-পজিটিভ রেট থাকে কোথাও ৮ থেকে ১৫ শতাংশের মধ্যে। অর্থাৎ, প্রকৃত মানব-লেখার একটি উল্লেখযোগ্য অংশকে মেশিন-উৎপাদিত হিসেবে ফ্ল্যাগ করা হচ্ছে।

সরাসরি ভাষায় ফাঁকটা হলো:

দাবি আর প্রমাণ একই ধরনের সংখ্যাও নয়। বিক্রেতার নির্ভুলতার অংক সাধারণত আসে তাদের নিজস্ব অভ্যন্তরীণ টেস্ট সেট থেকে, যেটা চলে তাদের নিয়ন্ত্রিত শর্তে। স্বাধীন বেঞ্চমার্কগুলো আরও এলোমেলো, বাস্তব দুনিয়ার টেক্সট ব্যবহার করে, যেটাই ঠিক আপনার প্রবন্ধের টেক্সটের ধরন।

ডিটেক্টরগুলো সময়ের সঙ্গে বদলায়। Winston, তার প্রতিদ্বন্দ্বীদের মতোই, সময়ের সঙ্গে মডেল আপডেট করে। তাই যে কোনো একক স্কোর আসলে একটি স্ন্যাপশট, চূড়ান্ত রায় নয়। আজকে যে অংশ ফ্ল্যাগ হয়েছে, পরের মডেল আপডেটের পর সেটা পরিষ্কার দেখা যেতে পারে; উল্টোটাও সত্য।

কেন Winston AI মানব লেখা ফ্ল্যাগ করে

AI ডিটেক্টর অর্থ পড়ে না। তারা আপনার টেক্সটে থাকা পরিসংখ্যানগত প্যাটার্ন মাপে, মূলত আপনার শব্দচয়ন কতটা পূর্বানুমেয় এবং আপনার বাক্যের দৈর্ঘ্য কতটা ওঠানামা করে। যে লেখা মসৃণ, নিয়মিত, এবং শব্দভাণ্ডারে তুলনামূলকভাবে সাদামাটা, ডিটেক্টরের কাছে সেটা অনেক সময় এমন এক মডেলের মতো দেখায়, যেটা মসৃণ ও নিয়মিত হতে প্রশিক্ষিত।

এই কারণেই পরিষ্কার, যত্নশীল মানব লেখা ধরা পড়ে। আপনি যদি ছোট, গোছানো বাক্য ব্যবহার করেন, ঝাঁকঝমকপূর্ণ শব্দচয়ন এড়িয়ে চলেন, এবং একটি সঙ্গত রেজিস্টার বজায় রাখেন, তবে আপনি ঠিক সেই “কম-ভ্যারিয়েশন” সিগন্যাল তৈরি করেন, যেটাকে এই টুলগুলো AI-সম্পর্কিত বলে ধরে নেয়। ভালো এডিটিং আপনাকে কম না, বরং আরও বেশি “মেশিনের মতো” দেখাতে পারে।

এটি বিশেষভাবে চোখে পড়ে তাদের ক্ষেত্রে যারা ইংরেজিতে প্রথম ভাষা হিসেবে লিখছেন না। জার্নাল Patterns-এ প্রকাশিত একটি সুপরিচিত গবেষণায় দেখা যায়, সাতটি ডিটেক্টর নন-নেটিভ ইংরেজি লেখকদের প্রায় ৬১ শতাংশ প্রবন্ধকে AI হিসেবে চিহ্নিত করেছে, কিন্তু নেটিভ লেখকদের ক্ষেত্রে এই হার ছিল মাত্র প্রায় ৫ শতাংশ। নন-নেটিভ লেখকদের প্রতিটি পাঁচটি প্রবন্ধের মধ্যে প্রায় একটিকে (প্রায় এক পঞ্চমাংশ) সবাই একমত হয়ে AI হিসেবে ফ্ল্যাগ করেছে। কারণটা পরিমাপযোগ্য: ফ্ল্যাগ হওয়া প্রবন্ধগুলোতে ছিল তুলনামূলক সহজ শব্দভাণ্ডার, যা কম পারপ্লেক্সিটি হিসেবে রেজিস্টার করে; আর ঠিক এই সিগন্যালটাই ডিটেক্টরগুলোকে সন্দেহজনক প্যাটার্ন হিসেবে ধরা করতে সাহায্য করে।

কি Winston AI, GPTZero-এর চেয়ে ভালো?

পাঠকেরা এটা নিয়মিত জিজ্ঞেস করেন, এবং সরাসরি উত্তর হলো, একটি টুলের ওপর নিজে নিজে ভরসা করার মতো কোনোটাই যথেষ্ট নির্ভরযোগ্য নয়। দুটোই অত্যন্ত উচ্চ নির্ভুলতার দাবি প্রকাশ করে। স্বাধীন পরীক্ষায় দুটোর ফলই ওই দাবিগুলোর অনেক নিচে নামে। দুটোই মানব লেখা ফ্ল্যাগ করে এমন হারে, যেটা গ্রেড বা চাকরির মতো গুরুত্বপূর্ণ ক্ষেত্রে গ্রহণযোগ্য হবে না।

GPTZero উদার মাসিক সীমার মধ্যে ফ্রি, এবং এটি প্রাকৃতিক ভাষায় ফ্ল্যাগগুলো ব্যাখ্যা করে, যা কিছু ব্যবহারকারীর কাছে স্পষ্ট মনে হয়। অন্যদিকে Winston শিক্ষাবিদ ও প্রকাশকদের লক্ষ্য করে একটি পেইড, রিপোর্ট-নির্ভর ওয়ার্কফ্লোতে বেশি ঝোঁক দেয়। আপনি যদি পুরো ক্যাটাগরির পারফরম্যান্স বুঝতে চান, আমাদের ২০২৬ সালে AI ডিটেক্টর কতটা নির্ভুল শিরোনামের বিশ্লেষণে প্রধান নামগুলোকে পাশাপাশি তুলনা করা হয়েছে।

এখানে শিক্ষা হলো “আরও ভালো ডিটেক্টরটি বেছে নেওয়া”, এটা নয়; বরং শেখা উচিত যে, যেকোনো ডিটেক্টরের একটি নির্দিষ্ট স্কোর হলো দুর্বল প্রমাণ। প্রতিষ্ঠানগুলোও এটা শিখছে। Turnitin নিজেই বলে যে, একজন শিক্ষার্থীর বিরুদ্ধে পদক্ষেপ নেওয়ার একমাত্র ভিত্তি হিসেবে তার স্কোর ব্যবহার করা উচিত নয়; এবং বেশ কয়েকটি বিশ্ববিদ্যালয় ঠিক এই নির্ভরযোগ্যতার উদ্বেগের কারণেই AI ডিটেকশন সীমিত করেছে বা বন্ধ করেছে।

Winston AI যদি আপনার লেখা ফ্ল্যাগ করে, তাহলে কী করবেন

ফ্ল্যাগ হওয়া কোনো কিছুর প্রমাণ নয়, এবং এটি কথোপকথনের শেষও নয়। এখানে একটি পরিমিত প্রতিক্রিয়া দেওয়া হলো।

আপনার লেখকত্বের প্রমাণ সংরক্ষণ করুন। এমন একটি টুলে ড্রাফট করুন যা ভার্সন হিস্ট্রি সেভ করে, যেমন Google Docs বা Word-এর অটোসেভ সুবিধাসহ, যাতে সময়ের সঙ্গে নথিটি কীভাবে বেড়েছে আপনি দেখাতে পারেন। লেখার-প্রক্রিয়ার প্রমাণ যেকোনো ডিটেক্টর-শতাংশের চেয়ে অনেক বেশি বিশ্বাসযোগ্য।

দ্বিতীয় এবং তৃতীয়বার দেখে নিন। একই অংশ অন্য চেকারগুলোর মাধ্যমেও চালান। টুলগুলোর মধ্যে স্কোর অনেক ওঠানামা করে, এবং ফলাফলে এমন চরম অসামঞ্জস্য থাকাও নিজেই একটি যুক্তি, যে ফ্ল্যাগটি নির্ভরযোগ্য নয়। যদি আপনাকে ভুলভাবে ফ্ল্যাগ করা হয়, আমাদের গাইড কেন AI ডিটেক্টর নন-নেটিভ লেখকদের ফ্ল্যাগ করে দেখায়, আপনি কোন পক্ষপাতের দিকে ইঙ্গিত করতে পারেন।

নিম্ন স্কোরের দিকে আতঙ্কে এডিট করবেন না। নির্দিষ্ট একটি সংখ্যা “পিছনে যাওয়া” মানে সাধারণত নিজের বাক্যগুলোকে এলোমেলোভাবে ভেঙে টুকরো করে লেখা, যার ফলে লেখাটা আরও খারাপ হতে পারে এবং ত্রুটিও ঢুকতে পারে। শূন্য শতাংশ স্কোর কোনো লক্ষ্যও নয়, আর মাসিক আপডেট করে এমন টুলগুলোর ক্ষেত্রে সেটাও বাস্তবসম্মত নয়।

আপনি যদি কোনো অংশ ড্রাফট করতে AI ব্যবহার করে থাকেন, তাহলে দায়িত্বশীল পদক্ষেপ হলো সেই টেক্সটটি সংশোধন করা যাতে তা আপনার নিজের কণ্ঠে পড়ে, আপনার অর্থ ও সাইটেশন ঠিক থাকে, এবং আপনার জার্নাল বা বিশ্ববিদ্যালয়ের নীতিমালা অনুযায়ী AI সহায়তাটি প্রকাশ করা হয়। এটি ডিটেক্টরকে ধোঁকা দেওয়ার চেষ্টা থেকে ভিন্ন, এবং পরের মডেল আপডেটেও টিকে থাকে এমন একমাত্র পদ্ধতি। Winston একমাত্র টুল নয় যারা তাদের নেট আরও টাইট করছে; একই ধাঁচ আমরা Copyleaks কি AI শনাক্ত করে বিশ্লেষণেও দেখেছি।

কোথায় উদ্দেশ্য-নির্মিত একটি একাডেমিক টুল সাহায্য করে

আপনি যদি AI সহায়তায় লিখতে যাচ্ছেন এবং সেটি এমনভাবে শোনাতে চান যেন সত্যিই আপনি লিখেছেন, তবে একটি জেনেরিক বাইপাস টুল আপনি চান না। এদের বেশিরভাগই আপনার শব্দভাণ্ডার সহজ করে এবং বাক্য ছোট করে দেয়, যাতে ডিটেক্টর স্কোর কমে। কিন্তু একই পদক্ষেপ একাডেমিক লেখাকে এমন কিছুর মতো সমতল করে, যেটা কেবল টোনেই একজন এডিটর প্রত্যাখ্যান করবেন।

আমাদের AI text humanizer একাডেমিক রেজিস্টারের জন্য টিউন করা। এটি APA, MLA, Chicago, IEEE, এবং Turabian জুড়ে সাইটেশন সংরক্ষণ করে, টেকনিক্যাল টার্মিনোলজি ও সংখ্যা ঠিক রাখে, এবং আপনি যখন বাক্যগুলোর ভাষা মসৃণ করেন তখনও আপনার অর্থ স্থির থাকে। আমরা সিলিং নিয়ে স্পষ্ট: আমরা Turnitin, GPTZero, Copyleaks, ZeroGPT, এবং Originality.ai-এর বিপক্ষে পরীক্ষা করি, এবং আমাদের পরীক্ষায় শক্তিশালী ফল দেখলেও আমরা কখনো গ্যারান্টিড স্কোরের প্রতিশ্রুতি দিই না, কারণ ডিটেক্টরগুলো ক্রমাগত বদলায় এবং কোনো দায়িত্বশীল টুল তা প্রতিশ্রুতি দিতে পারে না।

লক্ষ্য Winston বা কোনো একক চেকারকে হারানো নয়। লক্ষ্য হলো আপনার বৈধভাবে AI-সহায়তাপ্রাপ্ত লেখা যেন সত্যিই আপনারই হয়ে ওঠে, তারপর সেটা প্রকাশ করা। তখন একটি ভুল ফ্ল্যাগ এমন এক কথোপকথনে পরিণত হয়, যেটি আপনি জিততে পারেন।

Winston AI কীভাবে আপনার লেখা স্কোর করে, এবং কোন স্কোর নিরাপদ

যেকোনো সংখ্যায় ভরসা করার আগে জানা দরকার, সেটি কোথা থেকে আসে। তাহলে Winston AI কীভাবে কাজ করে? অধিকাংশ ডিটেক্টরের মতোই এটি অর্থ পড়ে না। এটি আপনার টেক্সটের দুটি পরিসংখ্যানগত বৈশিষ্ট্য মাপে এবং সেগুলোকে একটি শতাংশে রূপান্তর করে।

প্রথমটি হলো পারপ্লেক্সিটি, অর্থাৎ আপনার শব্দচয়ন কতটা পূর্বানুমেয়। যে লেখা সব সময় প্রত্যাশিত পরের শব্দটিই বেছে নিতে থাকে, সেটি মেশিনের মতো দেখায়। আর যে লেখায় নানা চমকপ্রদ মোড় থাকে, সেটি মানবিক। দ্বিতীয়টি হলো বার্স্টিনেস, আপনার বাক্যের দৈর্ঘ্য ও ছন্দের ওঠানামা। মানুষ অনিয়মিত “বার্স্ট” এ লেখে, কখনও ছোট লাইন, কখনও লম্বা। মডেলগুলো সাধারণত সমান গতিতে গুঞ্জন দিতে থাকে। Winston এই সিগন্যালগুলোকে একসঙ্গে মিশিয়ে একটি একক রিডিং বানায়, যা সাধারণত মানব স্কোর হিসেবে দেখানো হয়, এবং যে অংশগুলো একদিকে বা অন্যদিকে সংখ্যাটিকে প্রভাবিত করেছে সেগুলো হাইলাইট করে।

এটাই মেকানিজম। আসল কঠিন প্রশ্ন হলো Winston AI নির্ভুলতা: স্কোরটি কি লেবেলে যে অর্থ বলে, সেটাই কি বোঝায়?

এখানেই মার্কেটিং আর স্বাধীন প্রমাণ আলাদা পথে যায়। Winston প্রায় নিখুঁত ডিটেকশনের কথা বলে। তাদের নিজের নমুনায় রিভিউয়াররা যে ফল পান, তা অনেক বেশি নম্র।

তাহলে, Winston AI কি নির্ভুল? স্পষ্টভাবে মেশিন-উৎপাদিত টেক্সটে, প্রায়ই হ্যাঁ। কিন্তু মিশ্র, এডিট করা, মানব-লিখিত গদ্যে, যে ধরনের টেক্সটই বাস্তব প্রবন্ধে থাকে, দাবি ও পরীক্ষিত সংখ্যার মধ্যে ফাঁকটা এতটাই বড় যে কোনো একক রিডিং দিয়ে কিছু সিদ্ধান্ত নেওয়া উচিত নয়।

ফালস-পজিটিভ সংখ্যাটাই আসলে সবচেয়ে বেশি ভাবতে হবে সত্যিকারের লেখকদের। Winston AI-এর একটি ফালস-পজিটিভ মানে হলো টুলটি আপনার নিজের লেখাকে “মেশিন তৈরি” বলে ডাকে, এবং এই ঝুঁকি নন-নেটিভ ইংরেজির ক্ষেত্রে তীব্রভাবে বাড়ে। এখানে সবচেয়ে শক্ত প্রমাণ Liang et al. (2023): তাদের পিয়ার-রিভিউড গবেষণায় দেখা গেছে, সাতটি ডিটেক্টর নন-নেটিভ TOEFL প্রবন্ধের প্রায় ৬১% AI হিসেবে ফ্ল্যাগ করেছে, নেটিভ লেখকদের ক্ষেত্রে যা প্রায় ৫%। সহজ, পরিষ্কার ইংরেজি কম পারপ্লেক্সিটি হিসেবে পড়ে, আর ঠিক এই প্যাটার্নই এই টুলগুলোকে শাস্তি দিতে (বা সন্দেহ করতে) ব্যবহৃত হয়। আপনি যদি ইংরেজিকে দ্বিতীয় ভাষা হিসেবে লিখেন, তবে এই পক্ষপাত আপনার দোষ নয়, এবং কোনো রায় গ্রহণের আগে কেন ডিটেক্টর নন-নেটিভ লেখা ফ্ল্যাগ করে তা বোঝা মূল্যবান।

তাহলে Winston AI-এর কোন স্কোর নিরাপদ? এমন কোনো থ্রেশহোল্ড নেই যা আপনাকে “ক্লিয়ার” করে, কারণ সংখ্যাটি হলো সম্ভাবনার একটি অনুমান, প্রমাণ নয়। একটি কম রিডিংও ভুল অভিযোগের পাশে থাকতে পারে, আর একটি বেশি রিডিংও এমন লেখার পাশে থাকতে পারে যা আপনি পুরোপুরি নিজেই লিখেছেন। লক্ষ্য রাখুন, বাস্তবমানের লেখা এবং যেকোনো AI সহায়তা পরিষ্কারভাবে প্রকাশ করা, কোনো ম্যাজিক শতাংশ নয়। আপনি যদি আপনার নিজস্ব AI-সহায়তাপ্রাপ্ত ড্রাফট সংশোধন করেন যাতে তা আপনার কণ্ঠে পড়ে, তাহলে একটি একাডেমিক humanizer built for scholarly writing সেটি করার সময় আপনার সাইটেশন ও টার্মিনোলজি রক্ষা করে।

প্রায় জিজ্ঞাসিত প্রশ্ন

প্রশ্ন: Winston AI কি নির্ভুল?

Winston AI 99.98 শতাংশ নির্ভুলতার কথা বিজ্ঞাপন দেয়, কিন্তু স্বাধীন পরীক্ষায় এর বাস্তব Winston AI ডিটেক্টর নির্ভুলতা আরও কাছাকাছি দেখা যায়, মোটামুটি ৭০-এর মাঝামাঝি থেকে ৮০-এর শুরু পর্যন্ত; ফালস পজিটিভ থাকে প্রায় ৮ থেকে ১৫ শতাংশের মধ্যে। এই ফাঁক গুরুত্বপূর্ণ, কারণ আপনার লেখা হলো এলোমেলো, বাস্তব দুনিয়ার টেক্সট, একটি বিক্রেতা যে পরিষ্কার টেস্ট সেট ব্যবহার করে সেটি নয়। যেকোনো Winston স্কোরকে একটি দুর্বল সিগন্যাল হিসেবে দেখুন, চূড়ান্ত রায় হিসেবে নয়।

প্রশ্ন: Winston AI কি ফালস পজিটিভ দেয়?

হ্যাঁ। স্বাধীন রিভিউগুলো প্রায় ৮ থেকে ১৫ শতাংশের ফালস-পজিটিভ রেট রিপোর্ট করে, অর্থাৎ প্রকৃত মানব লেখা একটি উল্লেখযোগ্য হারে AI হিসেবে ফ্ল্যাগ হয়। নন-নেটিভ ইংরেজি লেখকদের ক্ষেত্রে ঝুঁকি বেশি; কারণ তাদের তুলনামূলক সহজ শব্দভাণ্ডার কম-পারপ্লেক্সিটি প্যাটার্ন হিসেবে রেজিস্টার করে, যেটাকে ডিটেক্টরগুলো মেশিনের সঙ্গে যুক্ত করে।

প্রশ্ন: Winston AI কি GPTZero-এর চেয়ে ভালো?

কোনোটাই একা ভরসা করার মতো যথেষ্ট নির্ভরযোগ্য নয়। দুটোই খুব উচ্চ নির্ভুলতার দাবি প্রকাশ করে, কিন্তু স্বাধীন পরীক্ষায় দুটোই ওই দাবিগুলোর অনেক নিচে নামে, এবং ফালস-পজিটিভ রেটগুলো একক স্কোর-নির্ভর সিদ্ধান্তকে ঝুঁকিপূর্ণ করে তোলে। যদি কোনো ফল গুরুত্বপূর্ণ হয়, একাধিক টুল যাচাই করুন এবং যেকোনো একক ডিটেক্টরের বদলে লেখার-প্রক্রিয়ার প্রমাণের ওপর ভরসা করুন।

প্রশ্ন: Winston AI কি humanized text শনাক্ত করতে পারে?

কখনও কখনও। ডিটেক্টরগুলো, Winstonসহ, paraphrased এবং humanized টেক্সট লক্ষ্য করে নতুন বৈশিষ্ট্য যোগ করতে থাকে, তাই “গ্যারান্টিড undetectable” হিসেবে যেগুলো বাজারজাত করা হয়, সেগুলো চলমান পরিবর্তনশীল টার্গেটে অতিরঞ্জিত দাবিই করে। টেকসই পদ্ধতি হলো AI-সহায়তাপ্রাপ্ত ড্রাফটকে আপনার নিজের কণ্ঠে পুনর্লিখন করা এবং সেই সহায়তাটি প্রকাশ করা, শূন্য স্কোরের পেছনে না ছুটে।

প্রশ্ন: Winston AI-এর কোন স্কোরকে নিরাপদ বলা হয়?

আধिकारिकভাবে আপনাকে “ক্লিয়ার” করে এমন কোনো স্কোর নেই, কারণ Winston লেখকত্বের প্রমাণ হিসেবে নয়, বরং সম্ভাবনা হিসেবে রিপোর্ট করে। অনেক পাঠক উচ্চ human স্কোরকে আশ্বস্ত মনে করেন, কিন্তু একক একটি রিডিং কোনো সিদ্ধান্তের একমাত্র ভিত্তি হওয়া উচিত নয়। নির্দিষ্ট লক্ষ্য-শতাংশের পেছনে ছুটে যাওয়ার বদলে বাস্তব লেখার মান এবং প্রকাশিত AI ব্যবহারের দিকে লক্ষ্য রাখুন।

প্রশ্ন: Winston AI কীভাবে তার স্কোর হিসাব করে?

Winston আপনার টেক্সটের পরিসংখ্যানগত টেক্সচার অনুমান করে, প্রধানত এর পারপ্লেক্সিটি (আপনার শব্দচয়ন কতটা পূর্বানুমেয়) এবং এর বার্স্টিনেস (আপনার বাক্যের দৈর্ঘ্য ও ছন্দের কতটা ভিন্নতা থাকে)। এটি এই সিগন্যালগুলোকে একটিতে মিশিয়ে এক শতাংশে রূপ দেয় এবং যেসব অংশ সেটিকে প্রভাবিত করেছে সেগুলো হাইলাইট করে। যেহেতু এটি অর্থের বদলে প্যাটার্ন মাপে, তাই পরিষ্কারভাবে লেখা মানবিক গদ্যও মেশিনের মতো স্কোর পেতে পারে।

একাডেমিক AI Text Humanizer

উদ্ধৃতি, ভাবভঙ্গি এবং অর্থ সংরক্ষণ করে AI-সহায়ক খসড়াগুলি মানবিক করুন, পাঁচটি প্রধান ডিটেক্টরের বিরুদ্ধে পরীক্ষা করা হয়েছে।