Mitmekeelses ruumis ei ole vaja iga keele jaoks eraldi tõlkekabiini. Piisab ühest puhtast helivoost helipultilt, ühest lingist, mille publik avab oma telefonis, ning võimalusest parandada valesti kuuldud nimi, kui kõne veel käib.
Ettekandel, jumalateenistusel, loengul või volikogu istungil on üks kõneleja ja publik, kes kõik ei mõtle sellel keelel. Tavalised lahendused on kallid, osalised või eraviisilised.
Kallis lahendus on iga keele jaoks eraldi tõlkija. Isegi kui igaks keeleks on oma tõlkija, vajab see tõlkekabiini, kuulurite komplekti ja spetsialisti iga keele jaoks, ning need spetsialistid ei ütle ühte ja sama asja. Igaüks teeb ajasurve all omi valikuid: millist sõna kasutada mõiste puhul, mida kokku suruda, mida jätta välja, kui kõneleja kiireneb. Tavalises jutus pole erinevustel suurt tähtsust. Juriidilisel istungil, volikogu hääletusel või tehnilises ülevaates on neil tähtsus: määratletud mõiste, annus või lepingupunkt võib prantsuse kuulajatele tähendada üht ja araabia kuulajatele teist, ning keegi ruumis ei ole selles olukorras, et seda märgata. Osaline lahendus on ühel ekraanil kuvatav subtiitrivoog ühes teises keeles. Eraviisiline lahendus on viiskümmend telefoni, mis on tõstetud saali poole: viiskümmend veidi valesti transkripti, kus iga telefon kuuleb kaja ja köhimist sama selgelt kui kõnelejat.
Alternatiiv on transkribeerida kõneleja üks kord puhtast allikast, tõlkida see üks transkript publiku vajadustele vastavasse keelde, nii et iga keel algab samadest sõnadest, ning lasta igal kuulajal valida oma seadmes. Salvestis jäetakse alles, kui sündmus lõpeb. Järgnevalt on kirjeldatud, kuidas korraldaja ja kuulaja seda seadistavad ja mis see maksab.
Reaalajas transkribeerimine võib kuulata mis tahes seadme mikrofoni, RTMP-voogu OBS-ist või mõnest muust enkoodrist, mis võtab vastu serveri URL-i ja voogesituse võtme, YouTube'i otseülekannet, internetiraadiojaama või mis tahes URL-i, mis edastab voogu. Voo puhul tõmbab VocalStack heli ise; sinu poolel ei pea midagi käima.
Allika valik kaalub rohkem kui ükski seade. Ruumi mikrofon või lauale jäetud telefon kuuleb kõnelejat koos ruumiga: seinadelt, toolidelt ja publikult peegelduvat kaja. Kõnetuvastus halveneb järsult, kui hääl muutub müra suhtes vaiksemaks, ja sellepärast ei ole need viiskümmend telefoni omavahel nõus. Helipultilt tulev signaal kannab kõneleja enda mikrofoni, milles on vähe ruumi; transkript järgib seega kõnelejat, mitte ruumi. Kui kohal on helipult, võta signaal sealt.
Kõnekeel tuvastatakse automaatselt ja kõneleja võib keelt igal ajal vahetada; keele ette nimetamine aitab müraste salvestiste ja tugeva aktsendi korral. Kõnelejate sildid võivad olla väljas, sees või When Needed, mis lülitab need sisse, kui kuuldakse teist kõnelejat. Kui heli on tulnud, vajab publik kohta, kust seda leida.
Ülekanne on link: üks aadress ja QR-kood, mille kuulajad skännivad, et avada reaalajas tõlge ja valida oma keel. Link tehakse sinu antud ülekande nime järgi. Kui nime hiljem muudad, jääb vana link toimima, nii et programmile trükitud QR-kood ei aegu.
Ülekanne on vaikimisi avalik: igaüks, kellel on link, saab selle avada. Kui teed ülekande privaatseks ja määrad parooli, küsitakse kuulajatelt parooli enne, kui transkript ilmub.
Ühte ülekannet võib toita mitu reaalajas transkriptsiooni, nii et kahe laval toimuva konverentsi jaoks jagub üks link. Link toob inimesed kohale; neid kohal hoiab see, kas nimed on õigesti kirjutatud.
Kõnetuvastajad on treenitud sellel, kuidas inimesed tavaliselt räägivad, nii et ebaselge heli korral valivad nad tavalisema sõna. Tootenimi, perekonnanimi, küla või keemiline aine – igaühel on sagedasem sarnase kõlaga sõna, ja just see tuleb välja, kui tuvastajale ei öelda ette, et tulemas on harv sõna. Selleks skript ongi. Lisa enne alustamist skript või slaidid, ja seal olevad nimed ja terminid võidavad valesti kuuldud sõnad. Just nimed ja terminid on need kohad, kus tuvastus spetsialistliku ettekande puhul tavaliselt läbi kukub. Salvestamise ajal järgib vahekaart Script kõnelejat nagu teleprompter ja tõstab esile seni öeldud sõnad.
Sellega on seadistus lõpetatud. Lingi teisel poolel on veelgi vähem tegemist.
Kuulaja vajab linki või QR-koodi ja telefoni. Ta avab lingi brauseris ja näeb teksti The broadcast hasn't started yet, kuni korraldaja vajutab salvestamist, ja seejärel teksti Live. The first line appears in a moment. Ta valib korraldaja valitud keelte hulgast (kuni 10 ühe transkriptsiooni kohta, saadaval on 100) ja loeb transkripti, kui kõneleja räägib. Korraldaja räägib jätkuvalt oma keeles. Kuulaja võib keelt igal ajal vahetada; seni öeldu kuvatakse uues keeles uuesti.
Kui kuulaja eelistab kuulata, loetakse iga tõlgitud rida valjusti ette. Vaikimisi saab iga kõneleja erineva valmishääle sooga sobivalt, nii et paneel kõlab ikka paneelina.
Kolm etappi toimuvad järjekorras ja iga üks ootab eelmist. Kõnetuvastus vajab sõnade kindlaks tegemiseks veidi kõnet, nii et transkript jääb kõneleja järel mõne kümnendiku sekundi võrra. Tõlge vajab kogu lauset, sest sõnajärg erineb keeltes ja lause lõpp võib muuta algust, nii et see järgneb sekund või kaks hiljem. Kõne vajab tõlgitud lauset, et alata, nii et räägitud rida tuleb viimasena. Selles pole viga, mida tuleks häälestada; see on see, mida iga süsteem, mis neid kolme asja teeb, peab tegema, sealhulgas inimtõlk, kes samuti ootab tegusõna ära.
Kõneleja loal saab korraldaja kloonida kõneleja hääle 30 sekundist, mil see isik räägib üksi (MP3, M4A või WAV; parem on mõni minut). Tõlge loetakse siis igas keeles kõneleja enda häälega. Käsitle häält biomeetrilise andmena, milleks see tegelikult on. GDPR-i järgi kuulub isiku tuvastamiseks töödeldud häälandmete puhul üldiselt artikli 9 eriliikide hulka ning mõned USA osariigid, sealhulgas Illinois, reguleerivad häälejäljed eraldi. Hanki kõneleja selgesõnaline nõusolek enne, kui proov salvestatakse, mitte pärast; häält saab igal ajal kustutada. Hääle kloonimine registreerib ka kõneleja, nii et tulevastes salvestistes on ta nime järgi märgitud. Korraldaja saab määrata igale kõnelejale oma hääle või ühe neist vaigistada.
Hiljem tulnud kuulaja näeb kõike, mis enne tema saabumist öeldi, ja jälgib seejärel otsest edastust. Kui ühendus katkeb, saab leht ise järele, kui ühendus taastub. Kui korraldaja peatab ülekande, näevad kuulajad teksti Paused. The transcript continues when the host resumes. Kui korraldaja lõpetab, näitab leht salvestise kuupäeva ja pikkust ning ülekanne loetleb oma varasemad salvestised tagasivaatamiseks.
Kuulaja saab lugeda vaid seda, mida mootor kuulis, ja reaalajas tuvastus eksib osa sellest.
Korraldaja ekraanil on selle jaoks vahekaart Fix. Mark uncertain words värvib ja joonib alla sõnad, milles mootor ei olnud kindel; Click to correct avab rea ülevaatamiseks. Vahekaart käib ebakindlad lõigud ükshaaval läbi, nii et laua taga teine inimene saab neid töödelda, kui kõneleja jätkab.
Kui korraldaja parandab sõna või rida, isegi veel räägitavat, näeb iga kuulaja parandust. Liiga madala kindlusega rida peidetakse kuulajatelt, kuvatakse Audio unclear ja ei näidata valesti; korraldaja näeb ikka iga sõna. Tühi koht on teadaolev lünk, kindel vale sõna aga kuulujutt.
Need parandused ei kao ka siis, kui ettekanne lõppeb.
Kõik säilib. Salvestis, selle transkript koos parandustega ja tõlgetega ning heli jõuavad korraldaja teeki. Tagasivaatamine mängib salvestise täpselt nii, nagu see saabus, rida-realt koos heliga. Kui sõnad on lõplikud, kirjutatakse igas keeles pealkiri ja kokkuvõte, ning korraldaja ekraani vahekaardid Summary ja Export viivad need sündmuselt otse välja.
Eksport on SRT-subtiitrid, PDF, Excel või JSON, kus on parandused ja tõlked sees, ning heli laaditakse alla MP3-vormingus. Iga transkript on otsitav mis tahes keeles.
Vaade Audience näitab, kes kuulasid, mis keeles ja millal liitusid: sageli on see korraldaja esimene tõeline arv selle kohta, kes millist keelt vajas. Seni oli hinnang tavaliselt see, kes tõstis käe, kui inglise keeles küsiti, kas tõlge on vaja. Kuulajate identifikaatorid kustutatakse koos salvestisega.
Kõnetuvastus, kõneleja tuvastamine ja kõnesüntees töötavad meie haldatud serverites ning sinu heli ei saadeta analüüsiks kolmandatele osapooltele. Me ei kasuta sinu heli, transkripte ega hääli mudelite treenimiseks.
Säilitamine järgib paketti: Maksa kasutuse järgi puhul hoitakse allikaheli ja hääli 7 päeva ning transkripte 30 päeva; Premium ja Enterprise hoiavad neid konto kogu eluea. Teine, mida pakett otsustab, on arve suurus.
Olulised on kaks numbrit. Maksa kasutuse järgi ja Premium puhul maksab reaalajas transkribeerimine $0.60 tunnis heli eest, arveldatakse sekundipõhiselt, transkriptsiooni kohta 5-minutise miinimumiga, nii töölaual kui ka API kaudu. Enterprise'il on mahuhinnad. Kuulajad ja keeled on tasuta: ühe tunni pikkune üritus, mida loetakse viies keeles ja mida jälgib kakssada inimest, maksab $0.60. Failid on odavamad ($0.20 tunnis), sest reaalajas transkribeerimine töötab kogu ürituse aja reaalajas. Paketid erinevad samaaegsuse, maksimaalse salvestuspikkuse ja käivitumiskiiruse poolest; Maksa kasutuse järgi võib külmkäivitus võtta kuni 15 sekundit, nii et vajuta salvestust veidi enne, kui kõneleja alustab, umbes ühe lausega „Kas tagumised read kuulevad mind?” ees. Täielik tabel on hinnalehel.
Avalehel on kahe telefoniga demo ning uus konto töölaual saab 5 dollari suuruse registreerimiskrediidi, kaarti pole vaja. Reaalajas hinnaga katab see krediit üle kaheksa tunni ülekandeid.
Kas kaalud seda ja kõigi telefonidesse sisseehitatud reaalajas tõlget? Loe miks telefon ruumi jaoks ei piisa. Terve ürituse jaoks katab mitmekeelse konverentsi kontrollnimekiri helitee, mitu etappi ühe lingi taga ja eelarve. Arendajad saavad kõike seda koodist teha API viite kaudu samas hinnas.
