Маўленне — гэта проста

Частыя пытанні

У маім тэлефоне ўжо ёсць пераклад у рэальным часе — навошта мне VocalStack?

Тэлефон выкарыстоўвае невялікую мадэль маўлення, якая мусіць змясціцца на прыладзе і не разраджаць батарэю. Для кароткіх, выразных, паўсядзённых фраз гэтага дастаткова. Але не для таго, што сапраўды ідзе не так у жывой гаворцы: рэдкія словы і імёны, словы, якія гучаць аднолькава («their» і «there», «sail» і «sale»), тэхнічныя тэрміны, акцэнты, людзі, якія перабіваюць адно аднаго, і фонавы шум. Мадэль здагадваецца, пераклад будуецца на здагадцы, і ніхто ў зале не бачыць, што яна была памылковай.

VocalStack працуе на серверах, таму мадэлі поўнапамерныя, а кожны радок пасля распазнавання правяраецца ў кантэксце. Загрузіце спачатку сцэнарый або слайды — і імёны і тэрміны з іх будуць мець перавагу над тым, што было пачута няправільна. Калі нешта ўсё ж выйдзе з памылкай, вы можаце выправіць радок падчас эфіру, і кожны слухач убачыць выпраўленне.

Да таго ж тэлефон чуе залу, а не спікера, і перакладае для аднаго чалавека, таму пяцьдзясят тэлефонаў дадуць пяцьдзясят розных транскрыптаў. VocalStack бярэ аўдыя наўпрост з мікшарнага пульта, трансляцыі або мікрафона, транскрыбуе спікера адзін раз, і кожны чытае або слухае адно і тое ж на сваёй мове. Пераклад агучваецца ўласным голасам спікера, таму слухачы чуюць чалавека на сцэне, а не безаблічны робатападобны голас.

Ці плачу я за кожнага слухача? Як працуюць цэны?

Не. Слухачы бясплатныя, колькі б іх ні было і на якой бы мове яны ні чыталі ці слухалі. Вы плаціце за транскрыбаванае аўдыя, пасекундна, мінімум 5 хвілін за транскрыпцыю, і гэта ўвесь рахунак: пераклад на мовы (да 10), агучаныя пераклады, трансляцыі, падсумаванні і экспарт уключаны.

Цэны і тарыфы

Для файлаў і транскрыпцый у рэальным часе дзейнічаюць розныя стаўкі — аднолькавыя на ўсіх тарыфах, а Premium уключае $50 крэдыту кожны месяц. На ўсіх тарыфах аднолькавыя функцыі, а API тарыфікуецца па той жа стаўцы, што і панэль кіравання.

Што патрэбна слухачам, каб сачыць за прамовай?

Спасылка або QR-код і тэлефон. Нічога не трэба ўсталёўваць, і ўліковы запіс не патрэбны. Слухач адкрывае спасылку ў браўзеры, выбірае мову і чытае транскрыпт падчас прамовы. Калі ён аддае перавагу слухаць, кожны перакладзены радок таксама агучваецца. Мову можна змяніць у любы час — ужо сказанае перачытваецца на новай мове.

Слухач, які далучыўся позна, бачыць усё сказанае да яго прыходу, а потым сочыць наўпрост. Калі злучэнне перапынілася, старонка сама даганяе, калі яно аднаўляецца.

Ці павінна аўдыя ісці з мікрафона?

Не. Транскрыпцыя ў рэальным часе можа чуць мікрафон на любой прыладзе, RTMP-паток з OBS або энкодара трансляцый, YouTube live, інтэрнэт-радыёстанцыю або любы URL, які аддае паток. Для патоку VocalStack сам забірае аўдыя: на вашым баку нічога не працуе.

Адну спасылку на трансляцыю могуць жывіць некалькі транскрыпцый, таму канферэнцыя з дзвюма сцэнамі або станцыя з радыёпатокам і YouTube live усё роўна маюць адну спасылку.

Ці магу я кантраляваць, хто бачыць транскрыпт?

Так. Па змаўчанні трансляцыя публічная: сачыць за ёй можа кожны, у каго ёсць спасылка. Зрабіце яе прыватнай і ўсталюйце пароль — і ўвайсці змогуць толькі тыя, каму вы дасце і тое, і другое. Перайменуйце спасылку пазней — старая працягне працаваць. Вы таксама бачыце, хто слухае, на якой мове і калі далучыўся.

Слухач чуе сапраўднага спікера ці сінтэзаваны голас?

І тое, і другое. Па змаўчанні кожны спікер атрымлівае асобны стандартны голас адпаведнага полу, каб дыскусія гучала як дыскусія. З дазволу спікера можна кланаваць яго голас з трыццаці секунд аўдыя, і тады пераклад агучваецца яго ўласным голасам на кожнай мове. Кланаваны голас таксама азначае, што спікера будуць пазнаваць і пазначаць па імені ў наступных запісах. Можна прызначыць голас кожнаму спікеру або выключыць каго-небудзь.

Што захоўваецца пасля мерапрыемства?

Усё. Запіс, яго транскрыпт з выпраўленнямі і перакладамі, а таксама аўдыя захоўваюцца ў вашай бібліятэцы. Назва і падсумаванне пішуцца, калі словы ўжо канчатковыя, на ўсіх мовах. Вы можаце прайграць запіс так, як ён паступаў, шукаць ва ўсіх транскрыптах на сваёй мове і экспартаваць яго як субтытры SRT, PDF, Excel або JSON.

Ці магу я ўбудаваць гэта ў свой прадукт?

Так. Усё, што робіць панэль кіравання, даступна праз API па той жа стаўцы: транскрыбаванне ў рэальным часе праз WebSocket, транскрыпцыі ў рэальным часе з трансляцыямі, пераклад і агучаныя пераклады, заданні для файлаў і спасылак, а таксама MCP-сервер. Афіцыйныя SDK для TypeScript і Python уключаны. Слухачы могуць падпісацца на запіс з вашай уласнай праграмы з кодам доступу і без ключа API.