Undertekster vindes ved mixerbordet og i talernes slides. Tag ét rent signal fra talemikrofonerne per scene, og indlæs alle navne og forkortelser, før nogen går på scenen; resten af dagen går med at rette det, de to ikke fangede.
Det meste af arbejdet med at undertekste en konference sker, før nogen går på scenen, og det meste af det er ikke software.
En telefon på en talerstol hører rummet; mixerbordet hører taleren. Tag signalet fra bordet, og vær præcis om hvilket signal. Bed lydteknikeren om en dedikeret aux- eller matrix-send, der kun indeholder talemikrofonerne: talerstolen, lavalier-mikrofonerne og panelmikrofonerne. Indgangsmusik, videoafspilning og applausstemmen skal holdes ude af den. Genkendelse, der skal lytte gennem et jingle, gætter selvsikkert på teksten.
Test den send ved den tekniske prøve, med de rigtige mikrofoner og de rigtige højttalere, hvis du kan få dem. Ellers opdager du det kl. 8:55 på eventets morgen, at matrix-udgangen er post-fader, og at lydteknikeren dæmper talerstolen mellem indlæggene.
Giv VocalStack det signal på en af to måder. Den første er en RTMP-encoder ved bordet. Når du tilføjer en RTMP-stream som kilde til en live-transskription, viser Dashboardet den server-URL og stream-nøgle, encoderen har brug for, fortæller dig, om lyd allerede ankommer, og i hvilket format, og lader dig lytte til den. Den anden er en stream-adresse. Hvis scenen allerede sendes ud som en YouTube-live eller en lydstream, indsæt linket, så henter VocalStack lyden selv; der kører intet på din side. Indsæt streamens egen adresse, ikke siden den afspilles på. Hvis du ved en fejl indsætter en webside, fortæller Dashboardet dig det.
Uanset hvad: brug ét mikrofonsignal per scene. Publikumsmikrofoner og krydstale koster nøjagtighed, som ingen indstilling kan hente igen. Den bedste mikrofon i bygningen tilhører den panelist, der hele tiden lænes væk fra den.
Når lyden kommer ind, har deltagerne brug for et sted at læse underteksterne.
En udsendelse er det link, deltagerne åbner. Opret den under Broadcasts, giv den et navn, og vælg dens link. Dashboardet foreslår et link ud fra navnet; du kan redigere det, så længe det har mindst seks tegn. Samme skærm viser QR-koden, deltagerne scanner for at åbne live-oversættelsen og vælge deres sprog.
Beslut nu, om udsendelsen er offentlig eller privat. Offentlig betyder, at alle med linket kan åbne den. Privat betyder, at deltagerne skal indtaste en kort adgangskode, før transskriptionen vises. Hvis linket skal ændres senere, så skift det; det gamle virker stadig.
Tænk derefter over, hvordan linket når tusind lommer. Sæt QR-koden på holdeskærmen før hver session, på skiltningen ved dørene og på deltagerkortet i snoren, hvis der er et. Hundredvis af telefoner, der logger på samtidig, belaster venuets wi-fi markant, så spørg venuet, hvad adgangspunkterne er dimensioneret til, og om gæstenetværket begrænser per enhed. Hvis svaret er et skuldertræk, så bed deltagerne om at bruge mobildata. Siderne er små; det er wi-fi'et, der er risikoen.
En konference med to scener behøver ikke to links. Én udsendelse kan forsynes af flere live-transskriptioner samtidigt. Scene A og Scene B bliver to transskriptioner knyttet til samme udsendelse, og deltagerens telefon viser begge på én side. Hver scene er sin egen live-transskription, og hvert abonnement begrænser, hvor mange der kan køre samtidig (1 på Pay as you go, 5 på Premium, ubegrænset på Enterprise). Den grænse vender tilbage i budgetafsnittet nedenfor.
Et link er kun så godt som ordene bag det.
I ethvert system snubler live-genkendelse over navne, produktbegreber og forkortelser. Tilføj hver talers manuskript eller slides, før du starter, så har de navne og begreber i dem forrang frem for det, motoren mener at have hørt. Under oplægget følger Script-fanen ordene som en teleprompter.
Det er også tidspunktet at være ærlig om, hvad maskinel undertekstning er. Tale-til-tekst kombineret med maskinoversættelse er ikke CART (Communication Access Realtime Translation, undertekster skrevet live af en uddannet menneskelig captioner), og det er heller ikke tolkning. Det er hurtigt, billigt og udtrætteligt, og det vil af og til vende en negation om, runde et tal af eller oversætte en joke til en faktuel påstand. Til en keynote, en produktsession eller et panel er den afvejning som regel den rigtige. Til en session, hvor et forkert ord har konsekvenser (juridisk, medicinsk, en afstemning), så book en menneskelig captioner eller tolk, og lad maskinen køre ved siden af som den skriftlige optegnelse. Tilgængelighedsgrundlaget er også værd at kende: WCAG 2.x kræver undertekster på live-lyd på niveau AA (kriterie 1.2.4), og et stigende antal offentlige kontrakter og venue-kontrakter henviser simpelthen til det.
Når ordene er på plads, handler den sidste forberedelse om, hvem der siger dem.
Talerlabels fortæller publikum, hvem der taler. Sæt kontakten til When Needed, så vises labels først, når en anden taler er hørt; en keynote læses dermed som almindelig tekst, og et panel læses som en samtale.
For at talere kan genkendes ved navn fra første linje, indlæs deres stemmer på forhånd under Voices. Et klip af én person, der taler, er nok: MP3, M4A eller WAV, mindst tredive sekunder langt, men et par minutter er bedre. Personen skal have givet sit samtykke, og Dashboardet beder dig bekræfte, at du har tilladelse, før det opretter stemmen. Tag det som mere end et afkrydsningsfelt. Under GDPR betragtes et stemmeaftryk, der bruges til at identificere en person, generelt som biometriske data (artikel 9). Det betyder udtrykkeligt samtykke og en ret til at få stemmeaftrykket slettet. Tilsvarende regler findes andre steder, og aftaler med talerne er det nemme sted at dække det. En klonet stemme kan slettes når som helst. Mens den findes, gør den det også muligt for lyttere at høre den pågældende talers oversættelser i en tilsvarende stemme.
Med abonnementet på plads er resten selve dagen.
Hver live-transskription har en Speed-fane med en latenstilstand og en graf over forsinkelsen over tid. Der er tre indstillinger:
Til en manuskriptbaseret keynote med et rent signal fra bordet er Auto det rigtige; til et teknisk panel med fire accenter og intet manuskript er Accuracy den ekstra forsinkelse værd.
Opstarten er den anden timing, du skal planlægge for. På Pay as you go kan en kold start tage op til 15 sekunder, før transskriptionen begynder. Premium starter som regel varmt, og Enterprise gør altid. Tryk på start under indgangen, ikke ved det første ord.
Uanset tilstand vil nogle ord være forkerte, så nogen bør holde øje.
Nogen ved bordet bør have Fix-fanen åben. Den har to kontakter: Mark uncertain words farver og understreger de ord, motoren var usikker på, og Click to correct åbner en linje til gennemgang, når du klikker på den. Fanen fører dig gennem de usikre segmenter ét ad gangen, og en rettelse når alle lyttere på alle sprog.
Publikumsmikrofonen er det svage led i ethvert rum, og Q&A er der, det viser sig. Bed moderatoren gentage hvert publikumsspørgsmål i sin egen mikrofon, før der svares. Underteksterne takker, og det gør rækken bagest også, for de hørte heller ikke spørgsmålet.
Mellem sessionerne har bordet en anden opgave.
Værtsskærmen kan sætte en optagelse på pause og genoptage den, og lytterens side viser en besked: "Sat på pause. Transskriptionen fortsætter, når værten genoptager." Pausen er til et skift af oplægsholder, ikke til frokost. Hver optagelse har en maksimal pausetid, sat i Dashboardet til 30 sekunder, 1 minut eller 3 minutter; en optagelse, der står på pause længere end det, slutter af sig selv.
Ved en længere pause stopper du optagelsen og starter en ny, når den næste session begynder. Hver optagelse forbliver på listen på udsendelsens side, så deltagerne om eftermiddagen kan rulle tilbage til formiddagens sessioner. En enkelt live-optagelse har et loft på nogle få timer på Pay as you go og længere på Premium (de præcise tal står på prissiden), så en lang dag er under alle omstændigheder flere optagelser.
Midt på formiddagen kontrollerer du, hvem der faktisk læser med.
Broadcast-fanens publikumsvisning viser, hvem der er med, hvor mange der lytter nu, hvilke sprog de har åbnet, og lyttere over tid. Hver transskription omfatter op til 10 sprog, og hver lytter vælger ét på sin egen enhed. Visningen fortæller dig derfor, hvilke sprog rummet faktisk læser, og det er sjældent den liste, arrangørerne gættede på. Delegerede, der er tilmeldt fra Madrid, viser sig at læse engelsk; rækken for portugisisk fylder sig op fra en tabel, ingen havde regnet med. Tag listen med hjem til næste år.
Hver eneste af de lyttere er gratis. Det, der koster penge, er lyden.
Live-transskription koster $0.60 per time lyd, faktureret per sekund med et minimum på 5 minutter per transskription, i alle abonnementer og via API'et. To scener, der kører otte timer hver, er 16 timers live-lyd, eller $9.60. Oversættelser, udsendelser, resuméer og eksporter er inkluderet, uanset hvor mange der lytter.
Abonnementet betyder noget for kapacitet snarere end pris. Pay as you go giver $5 i engangskredit ved tilmelding uden krav om kort, én transskription ad gangen og en maksimal optagelse på 5 timer. En live-transskription stopper straks, når kreditten når nul, så tank op, før dørene åbnes. Premium koster $50 om måneden ($40 om måneden på det årlige abonnement) og inkluderer $50 i kredit hver måned, hvilket dækker 83 live-timer. Det tillader fem samtidige transskriptioner og 10-timers optagelser og tilføjer en nådeperiode: en live-transskription kører videre i et stykke tid, efter at kreditten er nul, og de ekstra minutter faktureres til samme sats. To parallelle scener kræver Premium. Enterprise har tilpasset prissætning, ubegrænset samtidighed, 24-timers optagelser og en dedikeret motorpulje.
Se prissiden for den fulde tabel, og tjek din saldo under Billing i Dashboardet ugen før.
Regningen stopper, når lyden gør; transskriptionen gør ikke.
Transskriptioner gemmes i 30 dage på Pay as you go og uden grænse på Premium og Enterprise. På Pay as you go gemmes kildelyden kun i 7 dage. Eksportér inden for ugen, hvis du er på gratisabonnementet.
Se, hvordan linket ser ud fra deltagerens plads, i Ét link, alle sprog, eller prøv live-demoen på forsiden.
