Субтитрите се печелят на микшерния пулт и в слайдовете на говорителите. Вземете един чист сигнал от говорителските микрофони на всяка сцена и заредете всяко име и акроним, преди някой да излезе на сцената; останалата част от деня е поправяне на това, което двете не са уловили.
Голямата част от работата по субтитрирането на една конференция се извършва, преди някой да е излязъл на сцената, и по-голямата част от нея не е софтуер.
Телефонът на пултчето чува залата; микшерният пулт чува говорещия. Вземете сигнала от пулта и бъдете конкретни за кой сигнал става дума. Помолете звукорежисьора за отделно aux или matrix изпращане, което да носи само говорителските микрофони: на пултчето, петлиците и микрофоните на панела. Музиката при влизане, видеото и отделния канал с аплодисментите остават извън него. Разпознаването, което трябва да слуша през джингъл, прави уверено предположение за текста на песента.
Тествайте това изпращане на техническата репетиция, с истинските микрофони и, ако можете да ги получите, с истинските тонколони. В противен случай ще разберете в 8:55 сутринта на събитието, че matrix изходът е след фейдера и че звукорежисьорът изключва пултчето между отделните изказвания.
Дайте на VocalStack този сигнал по един от два начина. Първият е RTMP енкодер на пулта. Когато добавите RTMP поток като източник на транскрипция на живо, таблото показва адреса на сървъра и ключа на потока, които енкодерът трябва да използва, казва ви дали аудиото вече пристига и в какъв формат, и ви позволява да го чуете. Вторият е адрес на поток. Ако сцената вече се излъчва като YouTube на живо или като аудио поток, поставете линка и VocalStack сам изтегля аудиото; от вашата страна нищо не работи. Поставете собствения адрес на потока, а не страницата, на която той се възпроизвежда. Ако поставите уеб страница по грешка, таблото ви казва това.
Във всеки случай използвайте един микрофонен сигнал за всяка сцена. Микрофоните на публиката и припокриването на гласове струват точност, която никоя настройка не връща. Най-добрият микрофон в залата е този на панелиста, който продължава да се отдалечава от него.
Когато аудиото пристигне, на участниците им трябва място, където да четат субтитрите.
Излъчването е линкът, който участниците отварят. Създайте го в Broadcasts, дайте му име и изберете линка му. Таблото предлага линк според името; можете да го редактирате, стига да има поне шест знака. Същият екран показва QR кода, който участниците сканират, за да отворят живия превод и да изберат своя език.
Решете още сега дали излъчването е публично или частно. Публичното означава, че всеки с линка може да го отвори. Частното означава, че участниците въвеждат кратка парола, преди да се появи транскриптът. Ако линкът трябва да се промени по-късно, променете го; старият продължава да работи.
После помислете как линкът ще стигне до хиляда джоба. Поставете QR кода на слайда за изчакване преди всяка сесия, на табелите при вратите и на картата на шнура за закачане, ако има такава. Стотици телефони, които се свързват едновременно, натоварват Wi-Fi мрежата на мястото, затова попитайте организаторите за какво са оразмерени точките за достъп и дали гостевата мрежа ограничава трафика за всяко устройство. Ако отговорът е свиване с рамене, кажете на участниците да използват мобилни данни. Страниците са малки; рискът е Wi-Fi мрежата.
Конференция с две сцени не се нуждае от два линка. Едно излъчване може да се захранва от няколко транскрипции на живо едновременно. Сцена A и Сцена B стават две транскрипции, прикрепени към едно и също излъчване, и телефонът на участника показва и двете на една страница. Всяка сцена е собствена транскрипция на живо, а всеки план ограничава колко могат да работят едновременно (1 при Плащане при ползване, 5 при Premium, без ограничение при Enterprise). Това ограничение ще се върне в секцията за бюджета по-долу.
Линкът е толкова добър, колкото думите зад него.
Във всяка система разпознаването на живо се спъва в имена, продуктови термини и акроними. Добавете сценария или слайдовете на всеки говорител, преди да започнете, и имената и термините в тях имат предимство пред това, което двигателят мисли, че е чул. По време на изказването разделът Script следва думите като телесуфлор.
Това е и моментът да бъдем честни какво е машинното субтитриране. Разпознаването на реч плюс машинен превод не е CART (Communication Access Realtime Translation – субтитри, написани на живо от обучен човешки субтитриращ), и не е устен превод. То е бързо, евтино и неуморно, и от време на време ще обърне отрицание, ще закръгли число или ще превърне шега в твърдение за факт. За основно изказване, продуктова сесия или панел този компромис обикновено е правилен. За сесия, в която грешната дума има последствия (правни, медицински, гласуване), наемете човешки субтитриращ или преводач и оставете машината да работи паралелно като писмен запис. Основата за достъпност също си струва да се знае: WCAG 2.x изисква субтитри при аудио на живо на ниво AA (критерий 1.2.4), а все повече договори с публичния сектор и с местата за събития просто се позовават на него.
С думите подредени, последната подготовка е за това кой ги казва.
Етикетите на говорителите показват на публиката кой говори. Задайте превключвателя на When Needed и етикетите се появяват едва след като бъде чут втори говорител, така че основното изказване се чете като обикновен текст, а панелът – като разговор.
За да се разпознават говорителите по име от първата реплика, регистрирайте гласовете им предварително в Voices. Достатъчен е клип с един човек, който говори: MP3, M4A или WAV, поне тридесет секунди, но по-добре е няколко минути. Човекът трябва да е дал съгласие и таблото ви пита да потвърдите, че имате разрешение, преди да създаде гласа. Третирайте това като нещо повече от отметка в квадратче. По GDPR гласовият отпечатък, използван за идентифициране на човек, обикновено се смята за биометрични данни (член 9). Това означава изрично съгласие и право гласовият отпечатък да бъде изтрит. Подобни правила съществуват и другаде, а споразуменията с говорителите са лесното място да се уреди това. Клониран глас може да бъде изтрит по всяко време. Докато съществува, той позволява и на слушателите да чуват преводите на този говорител с подобен глас.
С плана уреден, останалото е самият ден.
Всяка транскрипция на живо има раздел Speed с режим на забавяне и графика на закъснението във времето. Три настройки:
За основно изказване по сценарий с чист сигнал от пулта Auto е правилният избор; за технически панел с четири акцента и без сценарий си струва Accuracy с допълнителното закъснение.
Стартирането е другото време, за което трябва да планирате. При Плащане при ползване студеният старт може да отнеме до 15 секунди, преди транскрибирането да започне. Premium обикновено стартира топло, а Enterprise винаги. Натиснете старт по време на влизането, а не на първата дума.
Какъвто и да е режимът, някои думи ще бъдат грешни, затова някой трябва да следи.
Някой на пулта трябва да държи отворен раздела Fix. Той има два превключвателя: Mark uncertain words оцветява и подчертава думите, в които двигателят не е бил сигурен, а Click to correct отваря ред за проверка при щракване върху него. Разделът ви води през несигурните сегменти един по един, а корекцията стига до всеки слушател на всеки език.
Звуковата уредба на публиката е слабото звено във всяка зала, а въпросите и отговорите показват това. Помолете модератора да повтаря всеки въпрос от публиката в собствения си микрофон, преди да отговори. Субтитрите ще му благодарят, а и последните редове, които също не са го чули.
Между сесиите работата на пулта е друга.
Екранът на домакина може да постави на пауза и да продължи записа, а страницата на слушателя показва известие: „Паузирано. Транскриптът продължава, когато домакинът възобнови.“ Паузата е за смяна, а не за обедна почивка. Всеки запис има максимално време на пауза, зададено в таблото на 30 секунди, 1 минута или 3 минути; запис, оставен на пауза по-дълго, приключва сам.
За по-дълга пауза спрете записа и стартирайте нов, когато започне следващата сесия. Всеки запис остава в списъка на страницата на излъчването, така че следобед участниците могат да се върнат към сутрешните сесии. Един запис на живо има таван от няколко часа при Плащане при ползване и по-дълъг при Premium (точните стойности са на страницата с цените), така че дълъг ден така или иначе е от няколко записа.
Към средата на сутринта проверете кой всъщност чете.
Изгледът на публиката в раздела Broadcast показва кой е влязъл, колко слушат в момента, какви езици са отворили и как се променят слушателите във времето. Всяка транскрипция включва до 10 езика, а всеки слушател избира един на своето устройство. Изгледът ви показва кои езици всъщност чете залата, което рядко е списъкът, който организаторите са предположили. Делегати, регистрирани от Мадрид, се оказват, че четат английски; редът за португалски се запълва от маса, за която никой не е очаквал. Вземете списъка за следващата година.
Всеки от тези слушатели е безплатен. Скъпо струва аудиото.
Транскрипцията на живо струва $0.60 на час аудио, таксува се на секунда с минимум 5 минути за транскрипция във всеки план и през API. Две сцени, работещи по осем часа всяка, са 16 часа аудио на живо, или $9.60. Преводите, излъчването, обобщенията и експортите са включени, колкото и хора да слушат.
Планът има значение за капацитета, а не за цената. Pay as you go дава $5 еднократен кредит при регистрация без нужда от карта, една транскрипция в даден момент и максимален запис от 5 часа. Транскрипцията на живо спира веднага щом кредитът стигне нула, затова заредете баланса, преди вратите да се отворят. Premium струва $50 месечно ($40 на месец при годишния план) и включва $50 кредит всеки месец, което покрива 83 часа на живо. Позволява пет едновременни транскрипции и записи до 10 часа и добавя гратисен период: транскрипцията на живо продължава да работи известно време след нула, а допълнителните минути се таксуват по същата ставка. Две паралелни сцени изискват Premium. Enterprise има индивидуално ценообразуване, неограничен брой едновременни транскрипции, записи до 24 часа и отделен пул от двигатели.
Пълната таблица е на страницата с цените, а баланса си проверете в Billing в таблото седмица преди събитието.
Таксуването спира, когато спре аудиото; транскриптът – не.
Транскриптите се пазят 30 дни при Плащане при ползване и без ограничение при Premium и Enterprise. При Плащане при ползване изходното аудио се пази само 7 дни. Експортирайте в рамките на седмицата, ако сте на безплатния план.
За това как линкът изглежда от мястото на участника вижте Един линк, всички езици, или пробвайте демото на живо на началната страница.
