Речта стана лесна

Често задавани въпроси

Телефонът ми има вграден превод на живо – защо ми е VocalStack?

Телефонът използва малък модел за реч, който трябва да се побере в устройството и да пести батерията. Това е достатъчно за кратки, ясни, ежедневни изречения. Не е достатъчно за нещата, които наистина се объркват в реалната реч: редки думи и имена, думи, които звучат еднакво („плод“ и „плот“, „рог“ и „рок“), технически термини, акценти, хора, които се застъпват, и фонов шум. Моделът гадае, преводът се гради върху догадката и никой в залата не вижда, че е сгрешено.

VocalStack работи на сървъри, така че моделите са в пълен размер и всяка реплика се проверява спрямо контекста след разпознаването. Качете предварително текст или слайдове и имената и термините в тях ще имат предимство пред погрешно чутото. Ако нещо все пак излезе грешно, можете да поправите репликата, докато е на живо, и всеки слушател вижда корекцията.

Телефонът чува и залата, а не говорителя, и превежда за един човек, така че петдесет телефона дават петдесет различни транскрипта. VocalStack взема аудиото директно от смесителния пулт, потока или микрофона, транскрибира говорителя веднъж и всички четат или слушат едно и също на своя език. Преводът се чете на глас със собствения глас на говорителя, така че слушателите чуват човека на сцената, а не безличен роботски глас.

Плащам ли за всеки слушател? Как се формира цената?

Не. Слушателите са безплатни – колкото и да са и на какъвто и език да четат или слушат. Плащате за транскрибираното аудио, на секунда, с минимум 5 минути на транскрипция, и това е цялата сметка: преводът на до 10 езика, гласовият превод, излъчването, обобщенията и експортът са включени.

Вижте цените и плановете

Файловете и транскрипциите на живо имат различни тарифи, еднакви за всички планове, а Premium включва $50 кредит всеки месец. Всички планове имат едни и същи функции, а API се таксува по същата тарифа като таблото.

Какво е нужно на слушателите, за да следят?

Линк или QR код и телефон. Няма нищо за инсталиране и не е нужен акаунт. Слушателят отваря линка в браузъра, избира език и чете транскрипта, докато се говори. Ако предпочита да слуша, всяка преведена реплика се чете и на глас. Езикът може да се смени по всяко време – досегашният транскрипт се показва наново на новия език.

Слушател, който се присъедини по-късно, вижда всичко казано преди това и след това следи на живо. Ако връзката прекъсне, страницата наваксва сама, щом се възстанови.

Трябва ли аудиото да идва от микрофон?

Не. Транскрипцията на живо може да чува микрофон на всяко устройство, RTMP поток от OBS или енкодер за излъчване, YouTube на живо, интернет радиостанция или всеки URL адрес с поток. При поток VocalStack сам изтегля аудиото: от ваша страна не работи нищо.

Един линк за излъчване може да се захранва от няколко транскрипции, така че конференция с две сцени или станция с радиопоток и YouTube на живо пак споделят един линк.

Мога ли да контролирам кой вижда транскрипта?

Да. По подразбиране излъчването е публично: всеки с линка може да го следи. Направете го частно и задайте парола и само хората, на които дадете и двете, ще имат достъп. Преименувайте линка по-късно и старият продължава да работи. Можете да видите и кой слуша, на какъв език и кога се е присъединил.

Слушателят чува ли истинския говорител или синтетичен глас?

И двете е възможно. По подразбиране всеки говорител получава отделен стандартен глас от същия пол, така че панелът да звучи като панел. С разрешението на говорителя можете да клонирате гласа му от трийсет секунди аудио и тогава преводът се чете с неговия собствен глас на всеки език. Клонираният глас означава също, че говорителят се разпознава и обозначава по име в бъдещи записи. Можете да зададете глас на всеки говорител или да заглушите някого.

Какво се запазва след събитието?

Всичко. Записът, транскриптът му с корекциите и преводите, както и аудиото се съхраняват във вашата библиотека. Заглавие и обобщение се създават, щом думите станат окончателни – на всеки език. Можете да го пуснете отново точно както е постъпил, да търсите във всички транскрипти на своя език и да го експортирате като SRT субтитри, PDF, Excel или JSON.

Мога ли да вградя това в собствения си продукт?

Да. Всичко, което прави таблото, е достъпно чрез API на същата тарифа: транскрипция в реално време през WebSocket, транскрипции на живо с излъчвания, превод и гласов превод, задачи за файлове и линкове и MCP сървър. Включени са официални SDK за TypeScript и Python. Слушателите могат да се абонират за запис от вашето приложение с код за споделяне и без API ключ.