AI टेक्स्ट वॉटरमार्क: छुपे वर्ण बनाम टोकन-चयन चिह्न
AI टेक्स्ट वॉटरमार्क दो रूपों में आते हैं, और उनमें से केवल एक में ऐसे वर्ण होते हैं जिन्हें आप हटा सकते हैं।
| वॉटरमार्क प्रकार | यह कहाँ रहता है | इस टूल को दिखाई देता है | इस टूल से हटाने योग्य |
|---|---|---|---|
| छुपे वर्ण चिह्न | टेक्स्ट के बाइट में, अदृश्य या असामान्य कोड पॉइंट के रूप में | हाँ | हाँ |
| टोकन-चयन चिह्न | शब्द चयन में ही | नहीं | नहीं |
छुपे वर्ण चिह्न वे कोड पॉइंट हैं जिन्हें आपका टेक्स्ट एडिटर संग्रहीत करता है और स्क्रीन कभी नहीं खींचती।
टोकन-चयन चिह्न इस बात में निहित हैं कि मॉडल ने हर कदम पर कौन सा शब्द चुना, इसलिए खोजने या हटाने के लिए कोई वर्ण नहीं बचता। आज टेक्स्ट आउटपुट चिह्नित करने वाला हर AI टूल इसी प्रकार का उपयोग करता है।
यूनिकोड वर्ण को अदृश्य क्या बनाता है?
वर्ण अदृश्य तब होता है जब वह स्क्रीन पर कोई चौड़ाई न ले। यूनिकोड उस व्यवहार को Default_Ignorable_Code_Point गुण और सामान्य श्रेणी Cf (अर्थात format) से दर्ज करता है।
Default_Ignorable_Code_Point एक व्युत्पन्न गुण है, जो मानक के हर संस्करण के लिए DerivedCoreProperties.txt में सादे टेक्स्ट सूची के रूप में प्रकाशित होता है। यह क्लीनर यूनिकोड 17.0 पर पिन है, जो 9 सितंबर 2025 को जारी हुआ; इसमें 4,803 नए वर्ण जुड़े और कुल एन्कोडेड संख्या 159,801 हो गई।
मैंने यूनिकोड 17.0 गुण डेटा निकाला और स्वयं गिना। 4,174 कोड पॉइंट पर Default_Ignorable_Code_Point है, पर उनमें से केवल 405 असाइन किए गए वर्ण हैं। बाकी 3,769 आरक्षित स्लॉट हैं जिन्हें अभी कुछ उपयोग नहीं करता। 405 में से 256 वेरिएशन सेलेक्टर हैं और 97 Tags ब्लॉक में हैं, जिससे सामान्य लेखन में दिखने वाले 52 बचते हैं।
श्रेणी Cf में उसी संस्करण में 170 वर्ण हैं। इसलिए "104 छुपे वर्ण" जैसी गोल मार्केटिंग संख्या अपने आप कुछ नहीं बताती। पास में यूनिकोड संस्करण छपा न हो तो संख्या किसी चीज़ से जाँची नहीं जा सकती।
टोकन-चयन वॉटरमार्क वर्ण सफ़ाई के बाद भी क्यों बचते हैं?
टोकन-चयन — जिसे सांख्यिकीय वॉटरमार्क भी कहते हैं — मॉडल द्वारा चुने गए शब्दों में संग्रहीत होता है, इसलिए अदृश्य वर्ण हटाने से सांख्यिकीय चिह्न साफ़ नहीं होते।
इंटरनेट पर कोई भी टेक्स्ट वॉटरमार्क क्लीनर टोकन या सांख्यिकीय चयन वॉटरमार्क नहीं हटा सकता, क्योंकि AI टूल द्वारा प्रयुक्त एल्गोरिद्म स्वामित्व वाला है।
क्या ChatGPT अपने टेक्स्ट में वॉटरमार्क डालता है?
OpenAI कहता है नहीं। 20 अप्रैल 2025 को Rumidocs ने रिपोर्ट किया कि GPT o3 और o4 mini के उत्तरों में U+202F, NARROW NO-BREAK SPACE था। OpenAI ने दो दिन बाद जवाब दिया। वर्ण "बड़े पैमाने पर रीइनफ़ोर्समेंट लर्निंग की एक ख़ासियत" थे और वॉटरमार्क नहीं थे। Rumidocs ने 23 अप्रैल 2025 को अपडेट किया कि विशेष वर्ण दिखना बंद हो गए।
OpenAI ने 2024 में एक टेक्स्ट वॉटरमार्किंग विधि बनाई और उसे कभी शिप नहीं किया। उसके वर्तमान provenance सहायता लेख में आज सिग्नल कहाँ है: छवियों पर C2PA Content Credentials और SynthID, ऑडियो पर SynthID, और टेक्स्ट पर दोनों नहीं। वही पेज कहता है कि "हमारा लक्ष्य provenance सिग्नल को टेक्स्ट सहित सभी मोडैलिटी में बढ़ाना है" — यह योजना है, उत्पाद नहीं।
ईमानदार जवाब छोटा है। ChatGPT अपने टेक्स्ट पर वॉटरमार्क नहीं लगाता, और 2025 में मिले वर्ण एक बग थे जो ठीक हो गया।
ChatGPT और Claude आउटपुट में मिले अदृश्य वर्ण प्रकार
यह क्लीनर पाँच समूहों में वर्ण ढूँढता है: शून्य-चौड़ाई वर्ण, असामान्य स्पेस, नियंत्रण वर्ण, मिलते-जुलते विरामचिह्न, और टैग या निजी-उपयोग वर्ण।
| समूह | उदाहरण | यह क्या करता है | मानक प्रीसेट |
|---|---|---|---|
| शून्य-चौड़ाई वर्ण | U+200B, U+200C, U+200D, U+2060, U+FEFF | कोई चौड़ाई नहीं लेता, फिर भी फ़ाइल में संग्रहीत | U+200B, U+2060, U+FEFF हटाता है और दोनों जोड़क रखता है |
| असामान्य स्पेस | U+00A0, U+2009, U+202F, U+3000 | स्पेस जैसा दिखता है, सॉर्ट और खोज में अलग वर्ण | सामान्य स्पेस में बदलता है |
| नियंत्रण वर्ण | C0 और C1 श्रेणियाँ, द्विदिश नियंत्रण | रेंडरिंग चलाता है या पार्सर तोड़ता है, कभी प्रिंट नहीं होता | टैब और न्यूलाइन के बाहर सब हटाता है |
| मिलते-जुलते विरामचिह्न | घुमावदार उद्धरण, en और em डैश, U+00AD | प्रिंट होता है, पर आपने जो टाइप किया वैसा नहीं | अकेला छोड़ता है |
| टैग और निजी-उपयोग | U+E0000 से U+E007F, निजी-उपयोग क्षेत्र | पठनीय टेक्स्ट ले जाता है जो कोई इंसान नहीं देखता | हटाता है |
यहाँ वह चलता उदाहरण है जो मैंने इस पेज की हर माप के लिए इस्तेमाल किया। वाक्य "The meeting starts at 9:30 am on 12 May." सादे टेक्स्ट एडिटर में सीधे टाइप करने पर 40 वर्ण और 40 बाइट है। वर्ड प्रोसेसर से एक चक्कर लगाकर वापस आने पर 42 वर्ण और 49 बाइट हो गया। अंदर आगे बाइट ऑर्डर मार्क था, "am" के बाद शून्य-चौड़ाई स्पेस, और दो सामान्य स्पेस चुपचाप U+202F और U+00A0 से बदल गए। नौ अतिरिक्त बाइट। दृश्य रूप से कुछ नहीं बदला।
The meeting starts at 9:30 am on 12 May.शून्य-चौड़ाई वर्ण: U+200B, U+200C, U+200D, U+2060 और U+FEFF
शून्य-चौड़ाई वर्ण स्क्रीन पर जगह नहीं लेते पर फ़ाइल में मौजूद रहते हैं — इसलिए पेस्ट किए टेक्स्ट में ऐसे निशान आ सकते हैं जो कोई नहीं देखता।
| कोड पॉइंट | आधिकारिक यूनिकोड नाम | वास्तविक काम |
|---|---|---|
| U+200B | ZERO WIDTH SPACE | पंक्ति विराम अवसर चिह्नित करता है, ज़्यादातर वेब एडिटर डालते हैं |
| U+200C | ZERO WIDTH NON-JOINER | फ़ारसी और अरबी शब्दों में अक्षरों को अलग रखता है |
| U+200D | ZERO WIDTH JOINER | इमोजी को एक चित्र में जोड़ता है और इंडिक लिपियों में संयुक्त अक्षर बनाता है |
| U+2060 | WORD JOINER | उस बिंदु पर पंक्ति विराम रोकता है |
| U+FEFF | ZERO WIDTH NO-BREAK SPACE | बाइट ऑर्डर मार्क, आमतौर पर टेक्स्ट एडिटर छोड़ता है, AI नहीं |
पाँच में से दो काम करने वाले वर्ण हैं, कचरा नहीं। U+200C और U+200D वास्तविक भाषाओं में अर्थ रखते हैं — इसलिए मानक प्रीसेट उन्हें जहाँ हैं वहीं छोड़ता है।
असामान्य स्पेस: U+00A0, U+2009, U+202F और U+3000
असामान्य स्पेस सामान्य स्पेस जैसे दिखते हैं पर अलग कोड पॉइंट रखते हैं, जिससे खोज, सॉर्ट और कोड टूटते हैं।
यूनिकोड 17.0 Zs श्रेणी (space separator) में 17 वर्ण परिभाषित करता है, और उनमें से केवल एक आपके कीबोर्ड का स्पेस है। मैंने वर्ण डेटाबेस से सभी 17 को UTF-8 में उनकी बाइट चौड़ाई के साथ सूचीबद्ध किया, क्योंकि बाइट चौड़ाई ही उन्हें महँगा बनाती है।
| कोड पॉइंट | आधिकारिक यूनिकोड नाम | UTF-8 बाइट |
|---|---|---|
| U+0020 | SPACE | 1 |
| U+00A0 | NO-BREAK SPACE | 2 |
| U+1680 | OGHAM SPACE MARK | 3 |
| U+2000 to U+200A | EN QUAD से HAIR SPACE तक, 11 वर्ण | प्रत्येक 3 |
| U+202F | NARROW NO-BREAK SPACE | 3 |
| U+205F | MEDIUM MATHEMATICAL SPACE | 3 |
| U+3000 | IDEOGRAPHIC SPACE | 3 |
एक U+202F तीन बाइट लेता है जहाँ स्पेस एक लेता है, और "9:30 am" की खोज उस गैप के U+202F होने पर मेल नहीं खाएगी। यही कारण है कि मानक प्रीसेट में भी स्पेस सामान्यीकृत होते हैं।
9:30 am
9:30 amपरिणाम देखने के लिए ऊपर के टूल इनपुट बॉक्स में नमूना टेक्स्ट कॉपी-पेस्ट कर सकते हैं।
डैश, स्मार्ट उद्धरण और सॉफ़्ट हाइफ़न जो संपादक डालते हैं
घुमावदार उद्धरण, लंबे डैश और सॉफ़्ट हाइफ़न U+00AD आमतौर पर वर्ड प्रोसेसर ऑटोकरेक्ट से आते हैं, भाषा मॉडल से नहीं।
यूनिकोड 17.0 Dash गुण 31 वर्णों को देता है — कीबोर्ड के सादे U+002D से U+2014 EM DASH और U+2E3A TWO-EM DASH तक। उनमें से केवल एक कीबोर्ड दबाने से आता है। बाकी तब आते हैं जब सॉफ़्टवेयर तय करता है आपका मतलब क्या था। U+00AD अलग है: केवल वहाँ हाइफ़न प्रिंट होता है जहाँ पंक्ति टूटे, और बाकी जगह अदृश्य रहता है।
डैश ही वह सवाल है जो ज़्यादातर लोगों को ऐसे पेज पर लाता है, और छोटा जवाब है कि वे कुछ साबित नहीं करते। पूरा तर्क नीचे em डैश अनुभाग में है।
टैग और निजी-उपयोग वर्ण जो टेक्स्ट के अंदर निर्देश छिपाते हैं
यूनिकोड Tags ब्लॉक के वर्ण, U+E0000 से U+E007F, पूरा वाक्य ले जा सकते हैं जिसे कोई मानव पाठक कभी नहीं देखेगा। हमलावर इसी तरह छुपे निर्देश टेक्स्ट में घुसाते हैं जिसे AI असिस्टेंट बाद में पढ़ेगा।
AWS Security Blog ने 30 सितंबर 2025 को यूनिकोड वर्ण तस्करी कवर की। उसमें टैग वर्ण बताए गए जो "Initially designed as invisible markers for indicating language within text" थे और "emerged as a potential vector for prompt injection" बने। 10 मार्च 2026 की Cloud Security Alliance रिसर्च नोट ने वही चाल AI एजेंट स्किल्स, टूल विवरण और MCP सर्वर तक ट्रेस की। वह काम Tags ब्लॉक को U+200B, U+200C, U+200D और U+FEFF के साथ नाम देता है।
मैंने आकार देखने के लिए एक बनाया। दृश्य वाक्य "Great work on the report." 25 वर्ण और 25 बाइट है। मैंने टैग वर्णों में एन्कोड किया 42-वर्ण निर्देश जोड़ा। फ़ाइल 67 वर्ण और 193 बाइट हो गई। स्क्रीन पर अभी भी पाँच शब्द और पूर्ण विराम दिखते हैं, और स्क्रिप्ट ने निर्देश कॉपी से ज्यों का त्यों निकाल लिया। हर टैग वर्ण चार बाइट और शून्य पिक्सेल लेता है।
Great work on the report.यह टेक्स्ट साफ़ करने का सबसे मज़बूत कारण है जो AI डिटेक्शन से जुड़ा नहीं। वेब पेज से चैट असिस्टेंट में कॉपी पेस्ट करें तो आप ऐसे निर्देश सौंप सकते हैं जो आपने कभी टाइप नहीं किए।
ब्राउज़र में अदृश्य वर्ण हटाना: स्कैन और सफ़ाई वर्कफ़्लो
यह क्लीनर पेस्ट करते ही टेक्स्ट स्कैन करता है, हर खोज को आधिकारिक यूनिकोड नाम और स्थान के साथ सूचीबद्ध करता है, और आप "टेक्स्ट साफ़ करें" दबाने तक कुछ नहीं बदलता।
इस क्रम में चार चरण हैं:
- अपना टेक्स्ट पेस्ट करें या .txt अथवा .md फ़ाइल ड्रॉप करें।
- खोज सूची की समीक्षा करें, जो हर वर्ण और उसकी जगह बताती है।
- प्रीसेट चुनें, या जिन खोजों की रक्षा करनी हो उन्हें रखें।
- साफ़ करें, फिर परिणाम कॉपी करें या डाउनलोड करें।
यह क्लीनर आपके टेक्स्ट का एक भी शब्द फिर से नहीं लिखता, पैराफ़्रेज़ नहीं करता और न ही "मानवीय" बनाता है।
मानक, उन्नत और सख़्त प्रीसेट की तुलना
मानक सामान्य लेखन में समस्या पैदा करने वाले वर्ण हटाता है, उन्नत जाल चौड़ा करता है, और सख़्त सबसे अधिक हटाता है।
| वर्ण समूह | मानक | उन्नत | सख़्त |
|---|---|---|---|
| शून्य-चौड़ाई स्पेस, शब्द जोड़क, बाइट ऑर्डर मार्क | हटाया गया | हटाया गया | हटाया गया |
| द्विदिश नियंत्रण और C0/C1 नियंत्रण | हटाया गया | हटाया गया | हटाया गया |
| टैग ब्लॉक और निजी-उपयोग वर्ण | हटाया गया | हटाया गया | हटाया गया |
| सॉफ़्ट हाइफ़न U+00AD | हटाया गया | हटाया गया | हटाया गया |
| Zs श्रेणी के असामान्य स्पेस | U+0020 में बदला | U+0020 में बदला | U+0020 में बदला |
| जोड़क U+200C और U+200D | रखा गया | इमोजी अनुक्रमों के बाहर हटाया | हर जगह हटाया |
| वेरिएशन सेलेक्टर | रखा गया | इमोजी अनुक्रमों के बाहर हटाया | हर जगह हटाया |
| घुमावदार उद्धरण और लंबे डैश | रखा गया | रखा गया | सीधे उद्धरण और सादे डैश में बदला |
प्रीसेट के साथ तीन एक-टैप फ़िल्टर हैं: अदृश्य हटाएँ, डैश और हाइफ़न हटाएँ, और इमोजी हटाएँ। इन नियमों को प्रकाशित करना जानबूझकर है। हर प्रतिस्पर्धी टूल नियम सेट एक बटन के पीछे छिपाता है, इसलिए टेक्स्ट से क्या निकला तब तक पता नहीं चलता जब कुछ टूट जाए।
Markdown कोड सुरक्षा कोड ब्लॉक कैसे सुरक्षित रखती है?
Markdown मोड और सुरक्षा चालू होने पर क्लीनर फ़ेंस्ड और इनलाइन कोड छोड़ देता है, ताकि जिस स्निपेट को सटीक वर्ण चाहिए वह बचा रहे।
कोड वह एक जगह है जहाँ गद्य में कचरा कहे जाने वाला वर्ण भार उठाने वाला होता है। रेगुलर एक्सप्रेशन या टेस्ट स्ट्रिंग बाइट ऑर्डर मार्क की सटीक स्थिति पर निर्भर कर सकती है।
क्या आपका टेक्स्ट डिवाइस छोड़ता है?
नहीं। स्कैन और सफ़ाई दोनों आपके ब्राउज़र में चलते हैं, और पेज आपका टेक्स्ट कभी अपलोड या संग्रहीत नहीं करता।
ईमानदार दूसरा आधा भी उसी साँस में। यह पेज मुफ़्त है, इसलिए विज्ञापन दिखा सकता है और साइट एनालिटिक्स उपयोग कर सकता है। वैकल्पिक JSON रिपोर्ट क्या बदला दर्ज करती है। उसमें आपका टेक्स्ट नहीं होता।
टेक्स्ट और फ़ाइल सीमाएँ: 20,000 शब्द और 1 MB
क्लीनर पेस्ट किए गए अधिकतम 20,000 शब्द स्वीकार करता है, या .txt अथवा .md प्रारूप में अधिकतम 1 MB की एक UTF-8 फ़ाइल।
बाकी सब दायरे से बाहर: HTML, DOCX, PDF, JSON या CSV नहीं, और पेस्ट केवल सादे टेक्स्ट के रूप में आता है। JavaScript आवश्यक है। कोई खाता और कोई भुगतान नहीं। इंटरफ़ेस 26 भाषाओं में आता है। आधिकारिक यूनिकोड नाम सभी में अंग्रेज़ी में रहते हैं, क्योंकि अनुवादित वर्ण नाम अब उद्धृत करने योग्य नाम नहीं रहता।
टेक्स्ट के बजाय फ़ोटो के लिए आप छवि से AI जानकारी हटा सकते हैं या छवि मेटाडेटा संपादित कर सकते हैं.
विक्रेता के अनुसार AI टेक्स्ट चिह्नन: ChatGPT, Claude, Gemini और Grok की तुलना
केवल कुछ AI विक्रेता अपने टेक्स्ट आउटपुट चिह्नित करते हैं, और जो करते हैं वे छुपे वर्णों के बजाय शब्द चयन का उपयोग करते हैं।
| विक्रेता | टेक्स्ट चिह्नित करता है | विधि | इस क्लीनर द्वारा मिला | स्रोत और तारीख |
|---|---|---|---|---|
| Anthropic, Claude | हाँ | टोकन-चयन वॉटरमार्क, SynthID Text का एक संस्करण | नहीं | Anthropic, 11 अगस्त 2026 घोषणा, तकनीकी नोट 14 अगस्त 2026, अपडेट 1 सितंबर 2026 |
| Google, Gemini | हाँ | SynthID Text, टोकन प्रायिकता मॉड्यूलेशन | नहीं | Google DeepMind, 14 मई 2024, उसी वर्ष बाद में ओपन सोर्स |
| OpenAI, ChatGPT | कोई पुष्ट टेक्स्ट वॉटरमार्क नहीं | टेक्स्ट के लिए प्रोडक्शन में कोई नहीं। छवियों पर C2PA और SynthID, ऑडियो पर SynthID | लागू नहीं | OpenAI provenance सहायता लेख, 2 सितंबर 2026 तक वर्तमान |
| xAI, Grok | कोई प्रकाशित प्रतिबद्धता नहीं | कुछ नहीं बताया | लागू नहीं | xAI ने Commission transparency Code of Practice पर हस्ताक्षर नहीं किए, रिपोर्ट 12 अगस्त 2026 |
Anthropic कहता है कि 2 अगस्त 2026 या उसके बाद लॉन्च मॉडल लॉन्च पर चिह्न रखते हैं। उस तारीख से पहले जारी मॉडल पर चिह्नन जोड़ने पर काम चल रहा है। टेक्स्ट वॉटरमार्क डिटेक्शन सार्वजनिक चेकर नहीं है। Anthropic कहता है कि डिटेक्शन "is currently in private preview, available to eligible organizations as required under EU law"। पात्र सूची में नियामक, कानून प्रवर्तन, मीडिया, फ़ैक्ट चेकर, शोधकर्ता, शैक्षिक निकाय और EU नागरिक समाज समूह हैं। Anthropic का मुफ़्त Claude Content Checker जेनरेटेड फ़ाइलों पर C2PA Content Credentials पढ़ता है — यह टेक्स्ट वॉटरमार्क से अलग चीज़ है।
xAI का Code of Practice पर हस्ताक्षर न करना Grok को AI Act से छूट नहीं देता। स्वैच्छिक कोड अनुपालन का मार्ग है, कानून का विकल्प नहीं।
Claude टेक्स्ट वॉटरमार्किंग कैसे काम करती है?
Claude समान रूप से अच्छे शब्दों में से चुनता है, और एक गुप्त कुंजी तय करती है कौन सा ले। चिह्न विकल्पों का क्रम है, टेक्स्ट में कोई वर्ण नहीं।
Anthropic तंत्र साफ़ बताता है। "Instead of using an arbitrary random number generator to pick the next word, watermarking uses the key and a few words that come before to settle what word the model should pick." कंपनी यह भी कहती है कि Claude का टेक्स्ट वॉटरमार्क "is a version of the SynthID-Text approach published by Google DeepMind in a Nature paper in 2024"।
मज़बूती पर Anthropic स्पष्ट है। "Light editing probably won't remove the watermark completely", और पूर्ण पुनर्लेखन जहाँ हर शब्द बदले, उसे हटा देगा।
SynthID Text Gemini आउटपुट में क्या चिह्नित करता है?
SynthID Text अपना पैटर्न टोकन प्रायिकताओं में एम्बेड करता है जब Gemini लिखता है। Google DeepMind ने Gemini ऐप और वेब अनुभव के लिए SynthID टेक्स्ट वॉटरमार्किंग 14 मई 2024 को घोषित की। विधि काम करती है "by introducing additional information in the token distribution at the point of generation by modulating the likelihood of tokens being generated"। DeepMind ने उसी वर्ष बाद में Responsible Generative AI Toolkit के ज़रिए विधि ओपन सोर्स की।
प्रकाशित सीमाएँ विधि जितनी ही महत्वपूर्ण हैं। SynthID Text लंबे और विविध उत्तरों पर सबसे अच्छा काम करता है। छोटे तथ्यात्मक उत्तरों पर कमज़ोर रहता है, जहाँ मॉडल को शब्द चुनने की लगभग कोई आज़ादी नहीं। टेक्स्ट पूरी तरह फिर लिखा या अनुवादित हो तो आत्मविश्वास फिर गिरता है।
छुपे वर्ण खोज और AI लेखन: एक दूसरे का प्रमाण क्यों नहीं?
छुपा वर्ण इस बात का प्रमाण है कि किसी चीज़ ने आपका टेक्स्ट प्रोसेस किया, इस बात का नहीं कि AI ने उसे लिखा।
हर अदृश्य वर्ण का एक साधारण स्पष्टीकरण है जो AI लेखन से पहले का है। वर्ड प्रोसेसर, कंटेंट मैनेजमेंट सिस्टम और PDF एक्सपोर्टर दशकों से इन्हें डाल रहे हैं। खोज बताती है कि टेक्स्ट सॉफ़्टवेयर से गुज़रा है — जो लगभग हर प्रकाशित वाक्य पर लागू होता है।
AI के अलावा अदृश्य वर्ण कहाँ से आते हैं?
वर्ड प्रोसेसर, वेब एडिटर, PDF निर्यात, अनुवाद टूल, चैट ऐप, और सादा कॉपी-पेस्ट सभी स्वयं अदृश्य वर्ण डालते हैं।
| स्रोत | आमतौर पर जोड़े जाने वाले वर्ण | क्यों |
|---|---|---|
| वर्ड प्रोसेसर | U+00A0, U+2019, U+2014, U+00AD | ऑटोकरेक्ट और स्वचालित हाइफ़नेशन |
| वेब और CMS एडिटर | U+200B, U+FEFF | पंक्ति विराम संकेत और फ़ाइल एन्कोडिंग चिह्न |
| PDF निर्यात | U+2009, U+202F, U+00A0 | टेक्स्ट वापस कॉपी होने पर टाइपसेट स्पेसिंग बचाना |
| अनुवाद और लोकलाइज़ेशन टूल | U+200C, U+200D, U+061C | अरबी, फ़ारसी और इंडिक लिपियों का सही रेंडरिंग |
| चैट और मैसेजिंग ऐप | U+200D, U+FE0F | इमोजी अनुक्रम और टेक्स्ट या इमोजी प्रस्तुति |
| ऐप्स के बीच कॉपी-पेस्ट | U+FEFF, मिश्रित Zs स्पेस | क्लिपबोर्ड पर एन्कोडिंग रूपांतरण |
मेरे अपने 40-बाइट टेस्ट वाक्य ने भाषा मॉडल से कभी मिले बिना चार खोज जुटा लीं। पूरी दलील एक माप में यही है।
Em डैश वॉटरमार्क क्यों नहीं हैं
Em डैश सामान्य विरामचिह्न है जिसे लेखक, संपादक और ऑटोकरेक्ट सदियों से इस्तेमाल करते हैं, इसलिए यह नहीं बताता कि वाक्य किसने लिखा।
2025 का फ़िक्स इसे निपटाता है। OpenAI ने 14 नवंबर 2025 को कहा कि ChatGPT आखिरकार कस्टम निर्देश मानेगा कि em डैश न इस्तेमाल करे। Sam Altman ने उसी दिन साफ़ कहा: "If you tell ChatGPT not to use em-dashes in your custom instructions, it finally does what it's supposed to do"। व्यक्तिगत सेटिंग में बंद होने वाली आदत कभी चिह्न नहीं थी। प्रशिक्षण में सीखा स्टाइल पैटर्न था, और फ़िक्स एक प्राथमिकता थी।
यह क्लीनर अभी भी डैश हटाना देता है, और कारण ईमानदार है। यह उन लोगों के लिए स्टाइल फ़िल्टर है जिन्हें कॉपी में सीधे उद्धरण और सादे डैश चाहिए। यह वॉटरमार्क फ़िल्टर नहीं है, और किसी डिटेक्टर का आपके टेक्स्ट पर फैसला नहीं बदलेगा।
जब सफ़ाई टेक्स्ट तोड़े: फ़ारसी, अरबी, इंडिक लिपियाँ और इमोजी
शून्य-चौड़ाई वर्ण हटाने से सही टेक्स्ट टूट सकता है, क्योंकि कुछ लिपियों को शब्द सही लिखने के लिए उनकी ज़रूरत होती है।
मैंने चार सबसे आम टूटने वाले मामले चलाए और ठीक दर्ज किया क्या हुआ। फ़ारसी शब्द میخواهم आठ वर्ण है, और बीच का U+200C दोनों भागों को जुड़ने से रोकता है। हटाएँ तो میخواهم मिलता है — सात वर्ण और अलग लिखित रूप। देवनागरी में क्ष में U+200D सही संयुक्त अक्षर बनाता है, और हटाने से स्क्रीन पर आकार बदल जाता है। परिवार इमोजी 👨👩👧👦 सात कोड पॉइंट है — तीन U+200D जोड़क से जुड़े चार चित्र। जोड़क हटाएँ तो 👨👩👧👦, चार अलग लोग। लाल दिल ❤️ इमोजी के रूप में दिखने के लिए U+FE0F रखता है; बिना उसके वही कोड पॉइंट टेक्स्ट प्रतीक ❤ पर गिर जाता है।
इसीलिए टूल साफ़ करने से पहले खोज दिखाता है, व्यक्तिगत हिट रखे जा सकते हैं, और सख़्त डिफ़ॉल्ट नहीं है। एक भाषा में काम करने वाले संपादक को साफ़ परिणाम दिखता है। छह भाषाओं में काम करने वाले को बग रिपोर्ट।
AI टेक्स्ट वॉटरमार्क सफ़ाई पर अंतिम फ़ैसला
साफ़, पोर्टेबल और सुरक्षित टेक्स्ट के लिए अदृश्य वर्ण साफ़ करना सार्थक है।
इस टूल को चलाने के दो कारण हैं। पहला: छुपे वर्ण खोज परिणामों, स्प्रेडशीट लुकअप, कोड और URL में चुपचाप चीज़ें तोड़ते हैं। दूसरा: टैग वर्ण AI असिस्टेंट में ऐसे निर्देश ले जा सकते हैं जो किसी ने टाइप नहीं किए और कोई नहीं देख सकता। इससे सफ़ाई कॉस्मेटिक नहीं, सुरक्षा आदत बनती है।
जो विक्रेता वॉटरमार्क हराना चाहते हैं वे गलत परत साफ़ कर रहे हैं। Claude और Gemini शब्दों के चयन में टेक्स्ट चिह्नित करते हैं, OpenAI छवियों और ऑडियो को चिह्नित करता है टेक्स्ट को नहीं, और वर्ण हटाने से उनमें से किसी तक पहुँच नहीं मिलती। इन सांख्यिकीय वॉटरमार्क को हराने का एक तरीका टेक्स्ट का कुछ अलग भाषाओं में अनुवाद फिर मूल में वापस अनुवाद है।
अपने टेक्स्ट का एक पेज ऊपर के इनपुट बॉक्स में पेस्ट करें और खोज पढ़कर टेक्स्ट बेहतर समझें, या बस आउटपुट कॉपी करें।
अभी के लिए इतना ही। इतनी दूर तक पढ़ने के लिए धन्यवाद।