Onderskrifte word by die mengtafel en in die sprekers se skyfies gewen. Neem een skoon klankvoer van die spraakmikrofone per verhoog en laai elke naam en akroniem voordat iemand die verhoog betree; die res van die dag is die regmaak van wat daardie twee gemis het.
Die meeste van die werk om ’n konferensie van onderskrifte te voorsien, gebeur voordat iemand die verhoog betree, en die meeste daarvan is nie sagteware nie.
’n Telefoon op ’n lessenaar hoor die vertrek; die mengtafel hoor die spreker. Neem die voer van die tafel, en wees spesifiek oor watter voer. Vra die klankingenieur vir ’n toegewyde aux- of matriks-stuur wat net die spraakmikrofone dra: lessenaar, knelmikrofone, paneelmikrofone. Intreemusiek, videoweergawe en die applous-stam bly daarbuite. Herkenning wat deur ’n jingle moet luister, maak ’n vol vertroue raaiskoot oor die lirieke.
Toets daardie stuur by die tegniese repetisie, met die regte mikrofone en die regte luidsprekers as jy dit kan kry. Anders ontdek jy om 08:55 op die oggend van die geleentheid dat die matriks-uitset na-fader is en dat die ingenieur die lessenaar tussen lesings stil maak.
Gee VocalStack daardie voer op een van twee maniere. Die eerste is ’n RTMP-enkodeerder by die tafel. Wanneer jy ’n RTMP-stroom as die bron van ’n regstreekse transkripsie byvoeg, wys die Dashboard die bediener-URL en stroomsleutel wat die enkodeerder nodig het, sê dit vir jou of oudio al aankom en in watter formaat, en laat jou dit beluister. Die tweede is ’n stroomadres. As die verhoog reeds as ’n YouTube-regstreeks of ’n oudiostroom uitgaan, plak daardie skakel en VocalStack haal die oudio self; niks loop aan jou kant nie. Plak die stroom se eie adres, nie die bladsy waarop dit speel nie. As jy per ongeluk ’n webbladsy plak, sê die Dashboard dit vir jou.
Gebruik in albei gevalle een mikrofoonvoer per verhoog. Gehoormikrofone en oorpraatjies kos akkuraatheid wat geen instelling ooit terugwin nie. Die beste mikrofoon in die gebou behoort aan die paneellid wat steeds daarvan wegleun.
Sodra die oudio inkom, het deelnemers ’n plek nodig om die onderskrifte te lees.
’n Uitsending is die skakel wat deelnemers oopmaak. Skep dit onder Broadcasts, gee dit ’n naam, en kies die skakel. Die Dashboard stel ’n skakel voor op grond van die naam; jy kan dit wysig, solank dit ten minste ses karakters behou. Dieselfde skerm wys die QR-kode wat deelnemers skandeer om die regstreekse vertaling oop te maak en hul taal te kies.
Besluit nou of die uitsending openbaar of privaat is. Openbaar beteken enigiemand met die skakel kan dit oopmaak. Privaat beteken deelnemers voer ’n kort wagwoord in voordat die transkripsie verskyn. As die skakel later moet verander, verander dit; die ou een werk steeds.
Dink dan daaraan hoe die skakel duisende sakke bereik. Plaas die QR-kode op die wagskyfie voor elke sessie, op die bewegwysers by die deure en op die naamkaartjie as daar een is. Honderde telefone wat tegelyk aansluit, plaas ’n werklike las op die lokaal se Wi-Fi, so vra die lokaal waarvoor die toegangspunte gedimensioneer is en of die gaste-netwerk per toestel vertraag. As die antwoord ’n skouer-ophaal is, sê vir deelnemers om mobiele data te gebruik. Die bladsye is klein; die Wi-Fi is die risiko.
’n Konferensie met twee verhoë het nie twee skakels nodig nie. Een uitsending kan deur verskeie regstreekse transkripsies tegelyk gevoer word. Verhoog A en Verhoog B word twee transkripsies wat aan dieselfde uitsending gekoppel is, en die deelnemer se telefoon wys albei op een bladsy. Elke verhoog is sy eie regstreekse transkripsie, en elke plan beperk hoeveel daarvan terselfdertyd kan loop (1 op Pay as you go, 5 op Premium, onbeperk op Enterprise). Daardie limiet kom weer in die begrotingsafdeling hieronder terug.
’n Skakel is net so goed as die woorde agter dit.
In enige stelsel struikel regstreekse herkenning oor name, produkterme en akroniemme. Voeg elke spreker se draaiboek of skyfies by voordat jy begin, en die name en terme daarin neem voorrang bo wat die enjin dink dit gehoor het. Gedurende die toespraak volg die Script-oortjie die woorde soos ’n teleprompter.
Dit is ook die oomblik om eerlik te wees oor wat masjienonderskrifte is. Spraakherkenning plus masjienvertaling is nie CART nie (Communication Access Realtime Translation, onderskrifte wat deur ’n opgeleide mens in reële tyd getik word), en dit is nie tolkwerk nie. Dit is vinnig, goedkoop en onvermoeibaar, en dit sal af en toe ’n ontkenning omkeer, ’n getal afrond of ’n grap in ’n feitestelling omskep. Vir ’n sleutelrede, ’n produksessie of ’n paneel is daardie ruil gewoonlik reg. Vir ’n sessie waar ’n verkeerde woord gevolge het (regtens, medies, ’n stemming), bespreek ’n menslike onderskrywer of tolk en laat die masjien saam daarmee loop as die geskrewe rekord. Die toeganklikheidsbasislyn is ook die moeite werd om te ken: WCAG 2.x vereis onderskrifte op regstreekse oudio op vlak AA (kriterium 1.2.4), en ’n toenemende aantal openbare-sektor- en lokaalkontrakte verwys eenvoudig daarna.
Met die woorde vasgestel, is die laaste voorbereiding oor wie dit sê.
Sprekeretikette vertel die gehoor wie praat. Stel die skakelaar op When Needed, en etikette verskyn eers sodra ’n tweede spreker gehoor is, sodat ’n sleutelrede as gewone teks lees en ’n paneel as ’n gesprek.
Om sprekers by naam vanaf die eerste reël te laat herken, skryf hul stemme vooraf in onder Voices. ’n Opname van een persoon wat praat, is genoeg: MP3, M4A of WAV, minstens dertig sekondes lank, al is ’n paar minute beter. Die persoon moet ingestem het, en die Dashboard vra jou om te bevestig dat jy toestemming het voordat dit die stem skep. Behandel dit as meer as ’n merkblokkie. Onder die GDPR word ’n stemafdruk wat gebruik word om ’n persoon te identifiseer, oor die algemeen as biometriese data behandel (Artikel 9). Dit beteken uitdruklike toestemming, en ’n reg om die stemafdruk te laat uitwis. Vergelykbare reëls bestaan elders, en sprekerooreenkomste is die maklike plek om dit te dek. ’n Gekloonde stem kan enige tyd uitgevee word. Solank dit bestaan, laat dit luisteraars ook daardie spreker se vertalings in ’n ooreenstemmende stem hoor.
Met die plan vasgestel, is die res die dag self.
Elke regstreekse transkripsie het ’n Speed-oortjie met ’n latensiemodus en ’n grafiek van die vertraging oor tyd. Drie instellings:
Vir ’n geskrewe sleutelrede met ’n skoon tafelvoer is Auto reg; vir ’n tegniese paneel met vier aksente en geen draaiboek nie, is Accuracy die ekstra vertraging werd.
Opstart is die ander tydsberekening om vir te beplan. Op Pay as you go kan ’n koue begin tot 15 sekondes neem voordat transkripsie begin. Premium begin gewoonlik warm, en Enterprise doen altyd so. Druk begin tydens die intrede, nie by die eerste woord nie.
Wat die modus ook al is, sommige woorde sal verkeerd wees, so iemand moet kyk.
Iemand by die tafel moet die Fix-oortjie oop hou. Dit het twee skakelaars: Mark uncertain words kleur en onderstreep die woorde waarvan die enjin onseker was, en Click to correct maak ’n reël oop vir hersiening wanneer jy daarop klik. Die oortjie loop jou een vir een deur die onseker segmente, en ’n regstelling bereik elke luisteraar in elke taal.
Die gehoormikrofoon is die swak skakel in enige vertrek, en Vraag-en-antwoord is waar dit wys. Vra die moderator om elke gehoorvraag in hul eie mikrofoon te herhaal voordat hulle antwoord. Die onderskrifte sal dankbaar wees, en so ook die agterste ry, wat dit ook nie gehoor het nie.
Tussen sessies het die tafel ’n ander taak.
Die gasheerskerm kan ’n opname pouseer en hervat, en die luisteraar se bladsy wys ’n kennisgewing: "Paused. The transcript continues when the host resumes." Pouse is vir ’n oorskakeling, nie ’n etensbreek nie. Elke opname het ’n maksimum pouse-tyd, in die Dashboard ingestel op 30 sekondes, 1 minuut of 3 minute; ’n opname wat langer as dit gepouseer bly, eindig vanself.
Vir ’n langer gaping, stop die opname en begin ’n nuwe een wanneer die volgende sessie begin. Elke opname bly op die uitsending se bladsy gelys, sodat deelnemers in die middag deur die oggendsessies kan terugblaai. ’n Enkele regstreekse opname het ’n plafon van ’n paar ure op Pay as you go en langer op Premium (die presiese syfers staan op die pryse-bladsy), so ’n lang dag is in elk geval verskeie opnames.
Halfpad deur die oggend, kyk wie werklik lees.
Die Broadcast-oortjie se gehoorbeeld wys wie ingeteken is, hoeveel nou luister, die tale wat hulle oopgemaak het, en luisteraars oor tyd. Elke transkripsie sluit tot 10 tale in, en elke luisteraar kies een op hul eie toestel. Die aansig vertel dus watter tale die vertrek werklik lees, wat selde die lys is wat die organiseerders geraai het. Afgevaardigdes wat uit Madrid geregistreer het, blyk Engels te lees; die Portugese ry vul op uit ’n tabel waarvan niemand verwag het nie. Neem die lys huis toe vir volgende jaar.
Elkeen van daardie luisteraars is gratis. Wat geld kos, is die oudio.
Regstreekse transkripsie kos $0.60 per uur oudio, per sekonde gefaktureer met ’n minimum van 5 minute per transkripsie, op elke plan en deur die API. Twee verhoë wat elk agt uur loop, is 16 uur regstreekse oudio, of $9.60. Vertalings, uitsending, opsommings en uitvoer is ingesluit, ongeag hoeveel mense luister.
Die plan maak saak vir kapasiteit eerder as tarief. Pay as you go gee $5 eenmalige aanmeldkrediet sonder dat ’n kaart nodig is, een transkripsie op ’n slag en ’n maksimum opname van 5 ure. ’n Regstreekse transkripsie stop onmiddellik wanneer die krediet nul bereik, so vul aan voordat die deure oopgaan. Premium is $50 per maand ($40 per maand op die jaarlikse plan) en sluit $50 krediet elke maand in, wat 83 regstreekse ure dek. Dit laat vyf gelyktydige transkripsies en 10-uur opnames toe, en voeg ’n genadeperiode by: ’n regstreekse transkripsie loop vir ’n rukkie verby nul, en die bykomende minute word teen dieselfde tarief gefaktureer. Twee parallelle verhoë benodig Premium. Enterprise het pasgemaakte pryse, onbeperkte gelyktydigheid, 24-uur opnames en ’n toegewyde enjinpoel.
Sien die pryse-bladsy vir die volledige tabel, en kontroleer jou saldo onder Billing in die Dashboard die week voor.
Die fakturering stop wanneer die oudio stop; die transkripsie doen nie.
Transkripsies word 30 dae op Pay as you go gehou en sonder limiet op Premium en Enterprise. Op Pay as you go word bronoudio net 7 dae gehou. Voer binne die week uit as jy op die gratis plan is.
Vir hoe die skakel vanuit die deelnemer se sitplek lyk, sien Een skakel, elke taal, of probeer die regstreekse demonstrasie op die tuisblad.
