Les paraules que un reconeixedor encerta pitjor en un ofici o en un ple municipal són les que ja són escrites al paper. Dona-li l'ordre del dia, pren l'àudio de la taula de mescles i no de la sala, i un acte setmanal costa menys que el cafè de després.
Un ofici dominical, una conferència de dimarts i un ple municipal mensual tenen més en comú del que sembla. Cadascun es repeteix una vegada i una altra a la mateixa sala, cadascun el dirigeix un voluntari o un secretari i no pas una empresa d'audiovisuals, i cadascun serveix persones que seguirien millor en una altra llengua, persones que no senten bé i persones que no hi podrien ser de cap manera. El pressupost és petit i la gent que ho dirigeix canvia. La persona que ho va posar en marxa l'any passat normalment ja s'ocupa del torn de les flors.
Aquest article explica com configurar VocalStack una sola vegada per a una sala així, perquè cada setmana següent sigui qüestió de prémer començar. També recull la mitja dotzena de coses que decideixen si les paraules de la pantalla són correctes. Per a la versió puntual, una conferència amb diversos escenaris, vegeu Com fer una conferència multilingüe amb subtítols en directe. Comença per allò que imprimiràs.
Una emissió és un sol enllaç públic i un codi QR. Qualsevol pot obrir l'enllaç en un navegador, triar un idioma i llegir mentre parla l'orador. No cal instal·lar res ni crear cap compte. Una mateixa emissió pot alimentar tantes transcripcions en directe com vulguis, de manera que la gravació d'aquest diumenge i la de la setmana vinent apareixen a la mateixa adreça.
Imprimeix el codi QR una vegada i posa'l al tauler d'anuncis, a l'ordre del culte, a les diapositives de la classe o al mur de la galeria pública. Els oients l'escanegen per obrir la traducció en directe i triar l'idioma. Si algun dia canvies l'enllaç, l'antic continua obrint la mateixa emissió, de manera que els fulls de l'any passat encara funcionen.
Un oient que obre l'enllaç d'hora veu que l'emissió encara no ha començat. Qui arriba tard veu tot el que s'ha dit abans de la seva arribada i després segueix en directe. Un oient a qui se li talla la connexió recupera el text pel seu compte.
Una emissió és pública per defecte, cosa que és correcta per a un culte o una sessió de ple, però no per a una reunió tancada o un seminari. Per a aquests casos, canvia-la a privada i posa-hi una contrasenya: només podran obrir l'enllaç les persones que tinguin la contrasenya, i se'ls demanarà abans que aparegui la transcripció. En tots dos casos, digues en un lloc visible que la sala es transcriu i on va el text. La gent que pregui en veu alta, o que parli tres minuts en el torn de paraula públic, no havia vingut necessàriament esperant una transcripció. Una línia que ho digui a l'ordre del culte o a l'ordre del dia costa ben poc. Crea l'emissió a {{app}}/broadcasts/new.
Un enllaç només és la meitat del sistema; alguna cosa ha de posar les paraules sobre ell.
Abans de qualsevol programari, l'àudio. Les sales pensades per a congregacions i consells estan pensades per a la reverberació: pedra, sostres alts, bancs de fusta. Un mòbil o un portàtil a l'atril sent l'orador una vegada directament i després diverses més a través de les parets. La distància més l'eco és la causa més gran d'errors de reconeixement, molt per davant dels accents. Si la sala té una taula de mescles, pren el senyal des d'allà (una sortida auxiliar o de gravació), perquè el reconeixedor senti el mateix que senten els micròfons. Qui es mou, com el predicador que deixa el púlpit o el professor davant la pissarra, hauria de dur un micròfon de solapa o de diadema i no confiar en un de peu. Si això queda resolt, gairebé tota la resta és qüestió d'ajustar.
La majoria d'esglésies, universitats i consells ja deixen aquest àudio de taula en algun lloc, i una transcripció en directe pot prendre-ho des d'allà en lloc d'un dispositiu de la sala.
En cas d'un flux, VocalStack en recull l'àudio per si mateix; no cal executar res pel teu costat. L'adreça sí que ha de ser accessible des d'internet. Un flux que només existeix a la teva xarxa pròpia s'ha de gravar des d'un dispositiu de la sala. Inicia una transcripció en directe a {{app}}/transcriptions/new/live i enllaça-la amb l'emissió.
Quan arriba un bon àudio, els errors que encara notaràs són els previsibles.
Les paraules que un reconeixedor de veu encerta pitjor en una església, una classe o una cambra són previsibles: noms de persones i de llocs, referències bíbliques, termes tècnics, els punts d'un ordre del dia. La raó és estructural. Un reconeixedor tria les paraules més probables segons el so, i aprèn aquestes probabilitats d'allò que la gent acostuma a dir. Així, un cognom poc freqüent perd sempre davant d'una paraula comuna que hi sona semblant. La resposta del camp, coneguda com a biasing o vocabulari personalitzat, és dir al sistema quines paraules rares ha d'esperar. L'observació útil per a una sala setmanal és que són exactament les paraules que ja estan escrites abans de l'acte.
Afegeix un guió o unes diapositives abans de començar. Els noms i els termes que hi apareguin tindran prioritat sobre el que el reconeixedor hagi entès malament. Ningú no ha de llegir-lo paraula per paraula; un esquema del sermó, un full o l'ordre del dia publicat ja porta la majoria de noms propis. Durant la gravació, la pestanya Script de la pantalla de l'amfitrió segueix el text com un teleprompter, il·luminant les paraules ja dites.
Els guions es poden escriure amb antelació i tenir una hora d'inici; la biblioteca els mostra sota Upcoming amb un botó Start. Això encaixa amb un torn: una persona afegeix el text el divendres, una altra prem Start el diumenge.
Si una paraula continua sortint malament, la pestanya Fix marca les paraules incertes i permet a l'amfitrió fer clic a una línia per corregir-la mentre la gravació està en curs; els oients veuen la correcció.
Encertar les paraules és una meitat; l'altra és saber qui les ha dites.
L'interruptor d'etiquetes de parlant té tres posicions. When Needed etiqueta cada línia amb el seu parlant quan se sent més d'una veu; si no, la transcripció és text pla. On etiqueta cada línia fins i tot amb un sol parlant. Off dona text pla. En un sermó, When Needed vol dir que una sola veu es llegeix com a prosa; en un consell de dotze membres, cada línia porta el nom del seu parlant.
Les etiquetes comencen com a números. En una gravació pots posar nom a un parlant, i el nom s'aplica a totes les seves línies. Per a qui parla cada setmana, fes un pas més i desa la seva veu. Pots crear una veu a partir de qualsevol parlant que hagi parlat almenys trenta segons en una gravació, o a partir d'una gravació curta que aporti la persona. Llavors el parlant és reconegut i etiquetat pel seu nom en les gravacions futures, i si els oients trien escoltar la traducció en veu alta, es llegeix amb la veu del mateix parlant en totes les llengües. Sense cap clonació, cada parlant té una veu predefinida diferent i del gènere corresponent, i qualsevol parlant es pot silenciar.
Una veu clonada són dades biomètriques. VocalStack només en crea una amb el consentiment explícit del parlant, l'utilitza només per llegir en veu alta les seves intervencions, i permet suprimir-la en qualsevol moment. Els regidors i el clergat són figures públiques a la seva sala; això no equival a consentiment, així que pregunta.
Per a un consell, aquí és on la transcripció es converteix en un registre. Amb cada línia etiquetada pel nom, les actes finalment mostren qui va dir «crec que ja ho hem tractat» per quarta vegada. I això planteja la pregunta de per a qui és el registre.
Els primers beneficiaris són els assidus que són sords o amb dificultats d'audició, més que els visitants que llegeixen en una altra llengua, tot i que també són benvinguts. Un bucle d'inducció (un induction loop) ajuda les persones amb audiòfons i no serveix de res a ningú més; els subtítols al mòbil ajuden la resta, i tots dos es complementen en lloc de competir. Els organismes públics de molts llocs tenen obligacions d'accessibilitat i de reunions obertes, i una transcripció que el públic pot llegir en directe i després contribueix molt a les dues coses. Comprova què et resulta aplicable a la teva localitat.
Sigues franc sobre què són els subtítols automàtics. Un subtitulador humà (el servei s'anomena CART en alguns països) escolta, entén i escriu. En un debat acalorat del consell on tres membres parlen alhora, un humà encara guanyarà la màquina. La parla solapada produeix errors en qualsevol sistema automàtic, i també ho fa el president que murmura fora de micròfon. Quan hi ha una obligació legal de subtítols literals, els automàtics són un complement, no un substitut; quan l'alternativa és no tenir res, són una millora enorme respecte a no tenir-ne cap.
La transcripció també val més l'endemà.
Cada gravació arriba a la teva biblioteca, i la pàgina de l'emissió enumera les gravacions passades per a qui tingui l'enllaç. Qui es va perdre la reunió la pot reproduir exactament tal com va arribar, línia per línia, amb el seu àudio.
Quan les paraules siguin definitives, es redacta un títol i un resum en totes les llengües. Una cerca en la teva llengua també troba gravacions fetes en una altra, de manera que un secretari pot trobar el mes en què es va tractar un punt i un estudiant la classe que va cobrir un tema. Les exportacions surten en subtítols SRT, PDF, Excel o JSON, amb les correccions i les traduccions incloses; un PDF de la transcripció traduïda queda bé al costat de les actes. Si alguna d'aquestes coses s'ha de fer sense que ningú hi faci clic, l'API fa tot el que fa el tauler, al mateix preu i en tots els plans: vegeu {{api}}/docs.
Tot això ha de caber en el pressupost d'una parròquia o d'un comitè.
La transcripció en directe costa $0.60 per hora d'àudio, facturada per segon amb un mínim de 5 minuts per transcripció, en tots els plans. Els oients són gratuïts, siguin els que siguin, i la traducció a fins a 10 idiomes per transcripció hi és inclosa.
Un compte nou arriba amb $5 de crèdit de registre únic i no demana targeta. Aquest crèdit cobreix més d'un mes de diumenges. Després, recarregues segons el consum, o contractes Premium a $50 al mes ($40 al mes amb facturació anual). Premium inclou $50 de crèdit cada mes, que són 83 hores en directe. També guarda totes les gravacions durant tota la vida del compte en lloc de 30 dies, i no talla una transcripció si el crèdit s'acaba enmig de la reunió. Dues notes pràctiques per al tresorer. En Pagament per ús, una transcripció pot trigar fins a 15 segons a començar des de zero, de manera que prem començar abans de l'himne d'obertura, no durant. I un YouTube live que ja ha acabat és un vídeo, de manera que es transcriu com a fitxer, a la tarifa de fitxers, molt més baixa.
Per a una sala i un esdeveniment recurrent, Pagament per ús n'hi ha prou. Per a una institució que vol que totes les gravacions es puguin cercar anys després, o que té diverses sales en marxa alhora, Premium és el que cal triar. La taula completa, amb límits i retenció, és a la pàgina de preus, i la demo interactiva mostra què veu un oient.
