گفتار، به همین سادگی

پرسش‌های متداول

گوشی من ترجمه زنده دارد؛ پس چرا به VocalStack نیاز دارم؟

گوشی یک مدل گفتار کوچک را اجرا می‌کند که باید در خود دستگاه و در محدودیت باتری جا شود. این برای جمله‌های کوتاه، واضح و روزمره خوب است. اما برای مشکلاتی که در گفتار واقعی پیش می‌آید مناسب نیست: کلمات و نام‌های غیرمعمول، کلمات هم‌صدا («sail» و «sale»)، اصطلاحات فنی، لهجه‌ها، افرادی که روی هم صحبت می‌کنند و صدای پس‌زمینه. مدل حدس می‌زند، ترجمه بر پایه همان حدس ساخته می‌شود، و کسی در سالن نمی‌فهمد که اشتباه بوده است.

VocalStack روی سرورها اجرا می‌شود، بنابراین مدل‌ها کامل‌اند و هر جمله پس از بازشناسی با متن اطراف بررسی می‌شود. اگر ابتدا یک متن یا اسلاید بارگذاری کنید، نام‌ها و اصطلاحات آن، به‌جای کلمات اشتباه‌شنیده‌شده پذیرفته می‌شوند. اگر باز هم چیزی اشتباه درآمد، می‌توانید همان جمله را هنگام زنده بودن اصلاح کنید و همه شنوندگان اصلاح را می‌بینند.

گوشی هم صدای سالن را می‌شنود، نه صدای گوینده، و فقط برای یک نفر ترجمه می‌کند؛ پس پنجاه گوشی پنجاه متن متفاوت می‌دهند. VocalStack صدا را مستقیم از میز صداگیری، جریان یا میکروفون می‌گیرد، گوینده را یک بار رونویسی می‌کند، و همه همان متن را به زبان خودشان می‌خوانند یا می‌شنوند. ترجمه با صدای خود گوینده خوانده می‌شود، پس شنوندگان صدای فرد روی صحنه را می‌شنوند، نه یک صدای عمومی و رباتیک.

آیا برای هر شنونده هزینه دریافت می‌کنم؟ قیمت‌گذاری چگونه است؟

نه. شنوندگان، هر تعدادی که باشند و به هر زبانی که بخوانند یا بشنوند، رایگان‌اند. شما برای صدایی که رونویسی می‌شود هزینه می‌دهید، به‌ازای هر ثانیه، با حداقل 5 دقیقه برای هر رونویسی، و کل صورت‌حساب همین است: ترجمه تا ۱۰ زبان، ترجمه گفتاری، پخش، خلاصه‌ها و خروجی‌ها همه در آن گنجانده شده‌اند.

مشاهده قیمت‌ها و طرح‌ها

فایل‌ها و رونویسی‌های زنده نرخ‌های متفاوتی دارند که در همه طرح‌ها یکسان است، و طرح Premium هر ماه شامل $50 اعتبار است. همه طرح‌ها امکانات یکسانی دارند و API با همان نرخ داشبورد محاسبه می‌شود.

شنوندگان برای دنبال کردن چه چیزی نیاز دارند؟

یک لینک یا کد QR، و یک گوشی. چیزی برای نصب و حسابی برای ساختن لازم نیست. شنونده لینک را در مرورگر باز می‌کند، زبان را انتخاب می‌کند و متن را همزمان با گفته شدنش می‌خواند. اگر ترجیح دهد بشنود، هر جمله ترجمه‌شده هم با صدای بلند خوانده می‌شود. زبان را هر زمان بخواهد عوض کند؛ متنی که تاکنون آمده، به زبان جدید دوباره خوانده می‌شود.

شنونده‌ای که دیرتر می‌پیوندد، هر آنچه پیش از ورودش گفته شده را می‌بیند و سپس به‌صورت زنده دنبال می‌کند. اگر اتصال قطع شود، وقتی برگردد صفحه خودبه‌خود به‌روز می‌شود.

آیا صدا حتماً باید از میکروفون بیاید؟

نه. یک رونویسی زنده می‌تواند میکروفون هر دستگاهی، جریان RTMP از OBS یا یک انکودر پخش، یوتیوب زنده، ایستگاه رادیوی اینترنتی یا هر نشانی اینترنتی که جریان پخش می‌کند را بشنود. برای یک جریان، VocalStack خودش صدا را دریافت می‌کند: چیزی در سمت شما اجرا نمی‌شود.

یک لینک پخش می‌تواند از چند رونویسی تغذیه شود؛ بنابراین یک کنفرانس با دو صحنه، یا یک ایستگاه با جریان رادیویی و یوتیوب زنده، باز هم یک لینک مشترک دارد.

آیا می‌توانم تعیین کنم چه کسی متن را ببیند؟

بله. پخش به‌طور پیش‌فرض عمومی است: هر کسی که لینک را داشته باشد می‌تواند دنبالش کند. آن را خصوصی کنید و رمز عبور بگذارید، آنگاه فقط کسانی که هر دو را داشته باشند می‌توانند وارد شوند. بعداً می‌توانید نام لینک را تغییر دهید و لینک قدیمی همچنان کار می‌کند. همچنین می‌توانید ببینید چه کسی، به چه زبانی و چه زمانی پیوسته است.

آیا شنونده، صدای خود گوینده را می‌شنود یا یک صدای مصنوعی؟

هر دو. به‌طور پیش‌فرض هر گوینده یک صدای آماده متمایز با جنسیت مناسب دارد، تا پنل همچنان مثل یک پنل به نظر برسد. با اجازه گوینده، می‌توانید صدای او را از سی ثانیه صدا شبیه‌سازی کنید، و آنگاه ترجمه به همه زبان‌ها با صدای خودش خوانده می‌شود. صدای شبیه‌سازی‌شده همچنین یعنی گوینده در ضبط‌های آینده با نام شناخته و برچسب‌گذاری می‌شود. می‌توانید به هر گوینده صدایی اختصاص دهید یا صدای یکی را قطع کنید.

بعد از رویداد چه چیزی نگه داشته می‌شود؟

همه چیز. ضبط، متن رونویسی آن با اصلاحات و ترجمه‌ها، و صدا در کتابخانه شما ذخیره می‌شوند. وقتی کلمات قطعی شدند، عنوان و خلاصه به همه زبان‌ها نوشته می‌شود. می‌توانید آن را دقیقاً همان‌طور که آمده بود بازپخش کنید، در همه متن‌های رونویسی به زبان خودتان جستجو کنید، و آن را به‌صورت زیرنویس SRT، PDF، Excel یا JSON خروجی بگیرید.

آیا می‌توانم این را در محصول خودم بسازم؟

بله. هر کاری که داشبورد انجام می‌دهد از طریق API و با همان نرخ در دسترس است: رونویسی بلادرنگ از طریق WebSocket، رونویسی زنده همراه با پخش، ترجمه و ترجمه گفتاری، کارهای فایل و لینک، و یک سرور MCP. SDKهای رسمی برای TypeScript و Python هم شامل‌اند. شنوندگان می‌توانند با یک کد اشتراک و بدون کلید API، از برنامه خودتان مشترک یک ضبط شوند.