Els subtítols es guanyen a la taula de mescles i a les diapositives dels ponents. Pren un sol senyal dels micròfons de la parla per escenari i carrega tots els noms i sigles abans que ningú pugi a l'escenari; la resta del dia és arreglar el que aquests dos passos no han cobert.
La major part de la feina de subtitular una conferència es fa abans que ningú pugi a l'escenari, i la major part no és programari.
Un telèfon sobre un faristol sent la sala; la taula de mescles sent el ponent. Pren el senyal de la taula i sigues precís amb quin senyal. Demana a l'enginyer de so un enviament aux o matriu dedicat que porti només els micròfons de la parla: faristol, micròfons de solapa, micròfons del panell. La música d'entrada, la reproducció de vídeo i el canal d'aplaudiments se'n queden fora. El reconeixement que ha d'escoltar a través d'una sintonia fa una suposició segura de la lletra.
Prova aquest enviament a l'assaig tècnic, amb els micròfons reals i els altaveus reals si els pots tenir. Si no, t'adones a les 8:55 del matí de l'esdeveniment que la sortida de matriu és post-fader i que l'enginyer silencia el faristol entre intervencions.
Dona a VocalStack aquest senyal de dues maneres. La primera és un codificador RTMP a la taula. Quan afegeixes un flux RTMP com a font d'una transcripció en directe, el tauler mostra l'adreça del servidor i la clau de flux que necessita el codificador, t'indica si ja arriba àudio i en quin format, i et permet escoltar-lo. La segona és una adreça de flux. Si l'escenari ja s'emet com a directe de YouTube o com a flux d'àudio, enganxa l'enllaç i VocalStack en treu l'àudio ell mateix; no cal que tinguis res en marxa pel teu costat. Enganxa l'adreça pròpia del flux, no la pàgina on es reprodueix. Si enganxes una pàgina web per error, el tauler t'ho diu.
En qualsevol cas, usa un senyal de micròfon per escenari. Els micròfons del públic i la diafonia et costen precisió, i cap ajust no la recupera. El millor micròfon de l'edifici és del panelista que no para d'allunyar-se'n.
Un cop l'àudio arriba, els assistents necessiten un lloc on llegir els subtítols.
Una emissió és l'enllaç que obren els assistents. Crea-la a la pantalla Broadcasts, posa-li un nom i tria el seu enllaç. El tauler proposa un enllaç a partir del nom; el pots editar, sempre que tingui com a mínim sis caràcters. La mateixa pantalla mostra el codi QR que els assistents escanegen per obrir la traducció en directe i triar el seu idioma.
Decideix ara si l'emissió és pública o privada. Pública vol dir que qualsevol amb l'enllaç la pot obrir. Privada vol dir que els assistents han d'introduir una contrasenya curta abans que aparegui la transcripció. Si més endavant cal canviar l'enllaç, canvia'l; l'antic segueix funcionant.
Després pensa com arriba l'enllaç a mil butxaques. Posa el codi QR a la diapositiva d'espera abans de cada sessió, a la senyalització de les portes i a la targeta del penjoll si n'hi ha. Centenars de telèfons que es connecten alhora carreguen molt la xarxa Wi-Fi del recinte; per això pregunta al recinte per a quina capacitat es van dimensionar els punts d'accés i si la xarxa de convidats limita l'ample de banda per dispositiu. Si la resposta és un encogiment d'espatlles, digues als assistents que usin dades mòbils. Les pàgines són petites; el risc és la Wi-Fi.
Una conferència amb dos escenaris no necessita dos enllaços. Una emissió pot alimentar-se de diverses transcripcions en directe alhora. L'Escenari A i l'Escenari B són dues transcripcions unides a la mateixa emissió, i el telèfon de l'assistent en mostra totes dues a la mateixa pàgina. Cada escenari és una transcripció en directe pròpia, i cada pla limita quantes poden funcionar alhora (1 amb Pagament per ús, 5 amb Premium i il·limitades amb Enterprise). Aquest límit torna a la secció del pressupost més avall.
Un enllaç només val tant com les paraules que hi ha darrere.
En qualsevol sistema, el reconeixement en directe ensopega amb noms, termes de producte i sigles. Afegeix el guió o les diapositives de cada ponent abans de començar, i els noms i termes que hi apareguin tindran prioritat sobre el que el motor creu que ha sentit. Durant la intervenció, la pestanya Script segueix les paraules com un teleprompter.
Aquest també és el moment de ser honest sobre què és el subtitulat automàtic. La veu a text més la traducció automàtica no és CART (Communication Access Realtime Translation, subtítols escrits en directe per un subtitulador humà format), i tampoc no és interpretació. És ràpid, barat i incansable, i de tant en tant invertirà una negació, arrodonirà un número o convertirà un acudit en una afirmació de fet. Per a una conferència magistral, una sessió de producte o un panell, aquest intercanvi sol ser el correcte. Per a una sessió on una paraula equivocada té conseqüències (legals, mèdiques, una votació), contracta un subtitulador o intèrpret humà i deixa que la màquina funcioni al costat com a registre escrit. La base d'accessibilitat també val la pena conèixer-la: les WCAG 2.x demanen subtítols per a l'àudio en directe al nivell AA (criteri 1.2.4), i cada cop més contractes del sector públic i de recintes simplement hi fan referència.
Amb les paraules ja resoltes, l'última preparació és sobre qui les diu.
Les etiquetes de parlant indiquen a l'audiència qui parla. Posa l'interruptor a When Needed i les etiquetes només apareixen quan s'ha sentit un segon parlant, de manera que una conferència magistral es llegeix com a text pla i un panell es llegeix com una conversa.
Per fer que els parlants es reconeguin pel nom des de la primera línia, inscriu les seves veus amb antelació a Voices. Basta un clip d'una persona parlant: MP3, M4A o WAV, d'almenys trenta segons, tot i que és millor d'uns quants minuts. La persona ha d'haver-hi estat d'acord, i el tauler et demana que confirmis que tens permís abans de crear la veu. Tracta-ho com més que una casella. Segons el RGPD, una empremta de veu usada per identificar una persona es considera generalment una dada biomètrica (article 9). Això vol dir consentiment explícit i un dret a demanar que l'empremta s'esborri. Hi ha normes comparables en altres països, i els acords amb els ponents són el lloc fàcil per cobrir-ho. Una veu clonada es pot esborrar en qualsevol moment. Mentre existeix, també permet que els oients sentin les traduccions d'aquell parlant amb una veu que hi encaixa.
Un cop el pla està resolt, la resta és el mateix dia.
Cada transcripció en directe té una pestanya Speed amb un mode de latència i un gràfic del retard al llarg del temps. Tres opcions:
Per a una conferència magistral amb guió i un senyal net de taula, Auto és el correcte; per a un panell tècnic amb quatre accents i sense guió, val la pena el retard addicional d'Accuracy.
La posada en marxa és l'altre temps que cal planificar. Amb Pagament per ús, una arrencada en fred pot trigar fins a 15 segons abans que comenci la transcripció. Premium sol arrencar en calent, i Enterprise sempre ho fa. Prem iniciar durant l'entrada, no a la primera paraula.
Sigui quin sigui el mode, algunes paraules sortiran malament, de manera que algú ha de vigilar.
Algú a la taula ha de mantenir la pestanya Fix oberta. Té dos interruptors: Mark uncertain words pinta i subratlla les paraules de les quals el motor no estava segur, i Click to correct obre una línia per revisar-la quan hi cliques. La pestanya et guia pels segments incerts un per un, i una correcció arriba a tots els oients en tots els idiomes.
El micròfon del públic és el punt feble de qualsevol sala, i el torn de preguntes és on es nota. Demana al moderador que repeteixi cada pregunta del públic pel seu propi micròfon abans de respondre. Els subtítols li n'estaran agraïts, i també la fila del fons, que tampoc no l'ha sentit.
Entre sessions, la taula té una altra feina.
La pantalla de l'amfitrió pot pausar i reprendre una gravació, i la pàgina de l'oient mostra un avís: «Pausat. La transcripció continua quan l'amfitrió la reprèn.» La pausa és per a un canvi de sessió, no per a una pausa de dinar. Cada gravació té un temps màxim de pausa, que al tauler es fixa en 30 segons, 1 minut o 3 minuts; una gravació deixada en pausa més temps acaba sola.
Per a un buit més llarg, atura la gravació i en comença una de nova quan comenci la sessió següent. Cada gravació continua apareixent a la pàgina de l'emissió, de manera que a la tarda els assistents poden tornar a les sessions del matí. Una sola gravació en directe té un límit de unes quantes hores amb Pagament per ús i més llarg amb Premium (les xifres exactes són a la pàgina de preus), de manera que un dia llarg són en qualsevol cas diverses gravacions.
A mig matí, comprova qui llegeix de veritat.
La vista d'audiència de la pestanya Broadcast mostra qui hi és, quants escolten ara, els idiomes que tenen oberts i els oients al llarg del temps. Cada transcripció inclou fins a 10 idiomes, i cada oient en tria un al seu propi dispositiu. La vista, doncs, et diu quins idiomes llegeix realment la sala, que sovint no és la llista que els organitzadors havien endevinat. Els delegats registrats des de Madrid resulten llegir anglès; la fila del portuguès s'omple d'una taula que ningú no esperava. Porta la llista a casa per a l'any que ve.
Tots aquests oients són gratuïts. El que costa diners és l'àudio.
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 i a través de l'API. Dos escenaris que funcionen vuit hores cadascun són 16 hores d'àudio en directe, o $9.60. Les traduccions, les emissions, els resums i les exportacions estan inclosos, per molta gent que escolti.
El pla importa per la capacitat més que per la tarifa. Pagament per ús dona $5 de crèdit de benvinguda d'un sol cop sense necessitat de targeta, una transcripció alhora i una gravació màxima de 5 hores. Una transcripció en directe s'atura de seguida quan el crèdit arriba a zero, de manera que recarrega abans que s'obrin les portes. Premium costa $50 al mes ($40 al mes amb el pla anual) i inclou $50 de crèdit cada mes, que cobreix 83 hores en directe. Permet cinc transcripcions simultànies i gravacions de 10 hores, i afegeix un període de gràcia: una transcripció en directe continua funcionant una mica després d'arribar a zero, i els minuts addicionals es facturen a la mateixa tarifa. Dos escenaris en paral·lel necessiten Premium. Enterprise té preus personalitzats, concurrència il·limitada, gravacions de 24 hores i un grup de motors dedicat.
Consulta la pàgina de preus per a la taula completa, i revisa el teu saldo a Billing al tauler la setmana abans.
La factura s'atura quan s'atura l'àudio; la transcripció no.
Les transcripcions es conserven 30 dies amb Pagament per ús i sense límit amb Premium i Enterprise. Amb Pagament per ús, l'àudio original només es conserva 7 dies. Exporta dins la setmana si ets al pla gratuït.
Per veure com es veu l'enllaç des del seient de l'assistent, consulta Un enllaç, tots els idiomes, o prova la demo en directe a la pàgina d'inici.
