De ord, en talegenkender tager fejl af i en gudstjeneste eller et byrådsmøde, er netop dem, der allerede står på papiret. Giv den dagsordenen, tag lyden fra mixerpulten i stedet for fra lokalet, så koster en ugentlig begivenhed mindre end kaffen bagefter.
En søndagsgudstjeneste, en tirsdagsforelæsning og et månedligt byrådsmøde har mere til fælles, end man skulle tro. Alle tre gentager sig selv i det samme lokale, alle køres af en frivillig eller en sekretær i stedet for et AV-firma, og alle tjener folk, der ville følge bedre på et andet sprog, folk, der ikke hører godt, og folk, der slet ikke kunne være til stede. Budgettet er småt, og de mennesker, der kører det, skifter. Den, der satte det op sidste år, er som regel flyttet over til blomsterrotaen.
Denne artikel handler om at sætte VocalStack op én gang for et rum som dette, så hver uge efter bare er et spørgsmål om at trykke på start. Den dækker også de få ting, der afgør, om ordene på skærmen er rigtige. Hvis det drejer sig om en enkelt begivenhed, fx en konference med flere scener, se Afvikling af en flersproget konference med live-undertekster. Start med det, du vil printe.
En udsendelse er ét offentligt link og en QR-kode. Alle kan åbne linket i en browser, vælge et sprog og læse med, mens taleren taler. Der skal ikke installeres noget, og der skal ikke oprettes en konto. En udsendelse kan forsynes af så mange live-transskriptioner, du vil, så denne søndags optagelse og den næste begge dukker op på samme adresse.
Print QR-koden én gang, og hæng den op på opslagstavlen, i gudstjenestens program, på forelæsningens slides eller på den offentlige galleriuvæg. Lyttere scanner den for at åbne live-oversættelsen og vælge deres sprog. Hvis du en dag omdøber linket, åbner det gamle stadig den samme udsendelse, så sidste års løbesedler virker stadig.
En lytter, der åbner linket tidligt, ser, at udsendelsen endnu ikke er startet. Den, der kommer sent, ser alt, der er sagt, før de ankom, og følger derefter live. En lytter, hvis forbindelse brydes, henter selv det, de er gået glip af.
En udsendelse er offentlig som standard, hvilket er rigtigt til en gudstjeneste eller et byrådsmøde og forkert til et lukket møde eller et seminar. Til dem skifter du den til privat og sætter en adgangskode: kun personer med adgangskoden kan åbne linket, og de bliver bedt om den, før transskriptionen vises. Uanset hvad skal du et synligt sted skrive, at lokalet bliver transskriberet, og hvor teksten ender. Folk, der beder højt, eller taler i tre minutter under offentlig kommentar, har ikke nødvendigvis regnet med en transskription. En linje om det i gudstjenestens program eller på dagsordenen koster ingenting. Opret udsendelsen på {{app}}/broadcasts/new.
Et link er kun den halve del; noget skal også sætte ord på det.
Før al software kommer lyden. Rum bygget til menigheder og råd er bygget til efterklang: sten, høje lofter, træbænke. En telefon eller bærbar på talerstolen hører taleren én gang direkte og derefter flere gange fra væggene. Afstand plus ekko er den enkeltstående største årsag til genkendelsesfejl, langt foran accenter. Har lokalet en mixerpult, så tag signalet derfra (en aux- eller optageudgang), så talegenkenderen hører det, mikrofonerne hører. Den, der bevæger sig rundt, fx præsten, der forlader prædikestolen, eller forelæseren ved tavlen, bør bære en knapmikrofon eller headsetmikrofon i stedet for at stole på én på et stativ. Ret det, så er resten for det meste finjustering.
De fleste kirker, universiteter og råd sender allerede den lyd et sted hen, og en live-transskription kan tage den derfra i stedet for fra en enhed i lokalet.
Ved en stream henter VocalStack selv lyden; der kører intet på din side. Adressen skal være nåelig fra internettet. En stream, der kun findes på dit eget netværk, må optages fra en enhed i lokalet. Start en live-transskription på {{app}}/transcriptions/new/live og knyt den til udsendelsen.
Når der kommer god lyd, er de fejl, du stadig vil bemærke, de forudsigelige.
De ord, en talegenkender tager fejl af i en kirke, på en forelæsning eller i et råd, er forudsigelige: navne på personer og steder, skriftsteder, fagudtryk og punkterne på en dagsorden. Årsagen er strukturel. En talegenkender vælger de mest sandsynlige ord ud fra lyden, og den lærer sandsynlighederne af det, folk normalt siger. Et sjældent efternavn taber derfor hver gang til et almindeligt ord, der lyder ens. Branchens svar, kaldet biasing eller tilpasset ordforråd, er at fortælle systemet, hvilke sjældne ord det skal forvente. Den nyttige pointe for et ugentligt rum er, at det netop er de ord, der allerede er skrevet ned før begivenheden.
Tilføj et manuskript eller slides, før du starter. Navne og termer derfra går så forud for det, genkenderen hørte forkert. Ingen skal læse det ord for ord; en prædikendisposition, et hæfte eller den offentliggjorte dagsorden indeholder allerede de fleste egennavne. Under optagelsen følger fanen Script på værtsskærmen med som en teleprompter og markerer de ord, der er sagt indtil nu.
Manuskripter kan skrives på forhånd og få et starttidspunkt; biblioteket viser dem under Upcoming med en knap Start. Det passer til en vagtplan: én person skriver teksten fredag, en anden trykker på Start søndag.
Hvis et ord stadig kommer forkert ud, markerer fanen Fix usikre ord, og værten kan klikke på en linje for at rette den, mens optagelsen kører; lytterne ser rettelsen.
At få ordene rigtige er den ene halvdel; den anden er at vide, hvem der sagde dem.
Knappen for talermærkning har tre positioner. When Needed mærker hver linje med sin taler, så snart mere end én stemme høres; ellers er transskriptionen ren tekst. On mærker hver linje, selv for én enkelt taler. Off giver ren tekst. Til en prædiken betyder When Needed, at én stemme læses som prosa; til et råd med et dusin medlemmer bærer hver linje sin taler.
Mærkaterne starter som tal. I en optagelse kan du give en taler et navn, og navnet gælder for alle deres linjer. For personer, der taler hver uge, kan du tage et skridt videre og gemme deres stemme. Du kan lave en stemme ud fra enhver taler, der taler i mindst tredive sekunder i en optagelse, eller ud fra en kort optagelse, de selv leverer. Taleren genkendes og mærkes derefter med navn i kommende optagelser, og hvis lytterne vælger at få oversættelsen læst op, læses den i den pågældendes egen stemme på hvert sprog. Uden kloning får hver taler en særskilt standardstemme af samme køn, og enhver taler kan slås fra.
En klonet stemme er biometriske data. VocalStack laver kun en med talerens udtrykkelige samtykke, bruger den kun til at læse netop den talers linjer op og lader dig slette den når som helst. Rådsmedlemmer og gejstlige er offentlige personer i deres lokaler; det er ikke det samme som samtykke, så spørg.
For et råd er det her, transskriptionen bliver til en protokol. Når hver linje er mærket med navn, viser referatet endelig, hvem der sagde »jeg synes, vi har været igennem det her« for fjerde gang. Og det rejser spørgsmålet om, hvem optegnelsen er til.
De første, der får gavn af det, er de faste medlemmer, der er døve eller hørehæmmede, ikke de besøgende, der læser på et andet sprog, selvom de er lige så velkomne. En høreslynge (en induktionsslynge) hjælper folk med høreapparater og gør ingenting for andre; undertekster på en telefon hjælper resten, og de to supplerer hinanden i stedet for at konkurrere. Offentlige myndigheder mange steder har forpligtelser om tilgængelighed og åbne møder, og en transskription, offentligheden kan læse live og bagefter, bidrager langt til begge. Tjek, hvad der gælder lokalt.
Vær ærlig om, hvad automatiske undertekster er. En menneskelig undertekster (tjenesten kaldes CART i nogle lande) lytter, forstår og skriver. Ved en hed debat i et råd, hvor tre medlemmer taler i munden på hinanden, slår et menneske stadig en maskine. Overlappende tale giver fejl i ethvert automatisk system, og det gør formanden, der mumler uden for mikrofonen. Hvor der er et lovkrav om ordrette undertekster, er automatiske undertekster et supplement, ikke en erstatning; hvor alternativet er ingenting, er de en stor forbedring af ingenting.
Transskriptionen er også mere værd dagen efter.
Hver optagelse havner i dit bibliotek, og udsendelsessiden viser tidligere optagelser for enhver, der har linket. Den, der missede mødet, kan afspille det præcis, som det kom, linje for linje, med lyden.
Når ordene er endelige, skrives en titel og et resumé på alle sprog. En søgning på dit eget sprog finder også optagelser lavet på et andet, så en sekretær kan finde den måned, et punkt blev drøftet, og en studerende den forelæsning, der dækkede et emne. Eksport kommer som SRT-undertekster, PDF, Excel eller JSON, med rettelser og oversættelser med; en PDF af den oversatte transskription passer fint ved siden af referatet. Hvis noget af dette skal ske uden, at et menneske klikker, gør API'en alt, hvad Dashboardet gør, til samme pris og i alle abonnementer: se {{api}}/docs.
Alt dette skal kunne overleve et sogns eller et udvalgs budget.
Live-transskription koster $0,60 per time lyd, faktureret per sekund med et minimum på 5 minutter per transskription, i alle abonnementer. Lyttere er gratis, uanset hvor mange der er, og oversættelse til op til 10 sprog per transskription er inkluderet.
En ny konto får $5 i engangskredit ved tilmelding og kræver intet kort. Den kredit dækker mere end en måned med søndage. Derefter tanker du op, efterhånden som du bruger, eller tager Premium til $50 om måneden ($40 om måneden på det årlige abonnement). Premium inkluderer $50 i kredit hver måned, hvilket svarer til 83 live-timer. Det beholder også alle optagelser i hele kontoens levetid i stedet for 30 dage, og det afbryder ikke en transskription, hvis krediten løber tør midt i et møde. To praktiske bemærkninger til kassereren. På Pay as you go kan en transskription bruge op til 15 sekunder på at starte fra kold, så tryk på Start, før salmen begynder, ikke under den. Og en YouTube-live, der allerede er slut, er en video, så den transskriberes som en fil, til den langt lavere filpris.
Til ét rum og én tilbagevendende begivenhed er Pay as you go nok. For en institution, der vil have alle optagelser søgbare år senere, eller har flere rum kørende på én gang, er Premium det rigtige valg. Den fulde oversigt, med grænser og opbevaringstid, står på prissiden, og den interaktive demo viser, hvad en lytter ser.
