Monikielinen huone ei tarvitse koppia jokaiselle kielelle. Se tarvitsee yhden puhtaan äänisyötteen pöydältä, yhden linkin, jonka yleisö avaa omilla puhelimillaan, ja tavan korjata väärin kuultu nimi puheen jatkuessa.
Puheessa, jumalanpalveluksessa, luennossa tai kunnanvaltuuston kokouksessa on yksi puhuja ja yleisö, joka ei kaikki ajattele sillä kielellä. Tavalliset ratkaisut ovat kalliita, puutteellisia tai yksityisiä.
Kallis ratkaisu on tulkki jokaiselle kielelle. Jopa yhdellä tulkilla per kieli tarvitaan koppi, kuulokkeet ja asiantuntija jokaiselle huoneessa puhutulle kielelle, eivätkä asiantuntijat sano samaa. Jokainen tulkki tekee omat valintansa paineen alla: mitä sanaa käyttää termistä, mitä tiivistää, mitä jättää pois, kun puhuja kiihtyy. Tavallisessa puheessa erot tuskin merkitsevät mitään. Oikeudenkäynnissä, kunnan äänestyksessä tai teknisessä tiedotustilaisuudessa ne merkitsevät: määritelty termi, annos tai lauseke voi tarkoittaa ranskankielisille kuulijoille yhtä ja arabiankielisille toista, eikä kukaan huoneessa pysty huomaamaan eroa. Osittainen ratkaisu on tekstitysvirta yhdelle näytölle yhdellä toisella kielellä. Yksityinen ratkaisu on viisikymmentä puhelinta ojossa kohti huonetta: viisikymmentä hieman väärää litteraattia, joista jokainen puhelin kuulee kaiun ja yskimisen yhtä selvästi kuin puhujan.
Vaihtoehto on litteroida puhuja kerran puhtaasta lähteestä, kääntää tämä yksi litteraatti yleisön tarvitsemille kielille, jolloin jokainen kieli lähtee samoista sanoista, ja antaa jokaisen kuuntelijan valita omalla laitteellaan. Tallenne säilytetään tilaisuuden päättyessä. Seuraavassa kerrotaan, miten isäntä ja kuuntelija ottavat tämän käyttöön ja mitä se maksaa.
Suora litterointi voi kuunnella minkä tahansa laitteen mikrofonia, RTMP-syötettä OBS:stä tai muusta enkooderista, joka ottaa palvelimen osoitteen ja stream-avaimen, YouTube-suoraa, internet-radioaseman tai minkä tahansa URL-osoitteen, joka tarjoaa virran. Virran kohdalla VocalStack hakee äänen itse; sinun puolellasi ei tarvitse ajaa mitään.
Lähde merkitsee enemmän kuin mikään asetus. Huoneen mikrofoni tai pöydällä oleva puhelin kuulee puhujan ja huoneen: seinistä, tuoleista ja yleisöstä heijastuvan kaiun. Puheentunnistus heikkenee jyrkästi, kun ääni käy hiljaisemmaksi suhteessa tähän kohinaan, ja siksi ne viisikymmentä puhelinta ovat eri mieltä keskenään. Sekoituspöydän syöte kuljettaa puhujan oman mikrofonin, ja siinä on vain vähän huonetta mukana, joten litteraatti seuraa puhujaa eikä huonetta. Jos tilassa on pöytä, ota syöte sieltä.
Puhuttu kieli tunnistetaan automaattisesti, ja puhuja voi vaihtaa kieltä milloin tahansa. Kielen nimeäminen etukäteen auttaa kohinaisissa tallenteissa ja vahvoilla aksenteilla. Puhujatunnisteet voi pitää pois päältä, päällä tai asetuksella When Needed, joka kytkee ne päälle, kun toinen puhuja kuuluu. Kun ääni tulee sisään, yleisön täytyy löytää se jostain.
Lähetys on linkki: yksi osoite ja QR-koodi, jonka kuuntelijat skannaavat avatakseen suoran käännöksen ja valitakseen kielensä. Linkki tehdään antamastasi lähetyksen nimestä. Kun nimeä muutetaan myöhemmin, vanha linkki toimii edelleen, joten ohjelmaan painettu QR-koodi ei vanhene.
Lähetys on oletuksena julkinen: kuka tahansa linkin omistava voi avata sen. Jos teet siitä yksityisen ja asetat salasanan, kuuntelijoilta pyydetään se ennen kuin litteraatti näkyy.
Yhteen lähetykseen voi syöttää useampi suora litterointi, joten konferenssi, jossa on kaksi lavaa, jakaa yhden linkin. Linkki saa ihmiset paikalle; se, että nimet ovat oikein, pitää heidät siellä.
Puheentunnistimet on koulutettu sen mukaan, miten ihmiset yleensä puhuvat, joten kun ääni on epäselvä, ne tarttuvat yleiseen sanaan. Tuotenimi, sukunimi, kylä tai kemiallinen yhdiste: jokaisella on yleisempi lähes samanlainen sana, ja juuri se tulee ulos, ellei tunnistimelle kerrota, että harvinainen sana on tulossa. Siihen käsikirjoitus on tarkoitettu. Lisää käsikirjoitus tai diat ennen aloitusta, niin niissä olevat nimet ja termit voittavat väärin kuullut sanat. Juuri nimet ja termit ovat kohtia, joissa tunnistus yleensä pettää erikoisaiheisessa puheessa. Tallennuksen aikana Script-välilehti seuraa mukana kuin teleprompteri ja valaisee tähän mennessä puhutut sanat.
Siinä on koko asennus. Linkin toisella puolella on vielä vähemmän tehtävää.
Kuuntelija tarvitsee linkin tai QR-koodin ja puhelimen. Hän avaa linkin selaimessa ja näkee tekstin The broadcast hasn't started yet, kunnes isäntä painaa tallennusta, minkä jälkeen näkyy teksti Live. The first line appears in a moment. Hän valitsee isännän valitsemista kielistä (enintään 10 litterointia kohden, 100:sta saatavilla) ja lukee litteraatin puhujan puhuessa. Isäntä puhuu edelleen omalla kielellään. Kuuntelija voi vaihtaa kieltä milloin tahansa; tähän asti kerätty litteraatti näytetään uudelleen uudella kielellä.
Jos kuuntelija haluaa kuunnella, jokainen käännetty rivi luetaan ääneen. Oletuksena jokainen puhuja saa oman valmisäänen, jonka sukupuoli vastaa puhujaa, joten paneeli kuulostaa edelleen paneelilta.
Kolme vaihetta tapahtuvat järjestyksessä, ja jokainen odottaa edellistä. Tunnistus tarvitsee hetken puhetta ennen kuin se voi vahvistaa sanat, joten litteraatti jää puhujasta jälkeen sekunnin murto-osan. Käännös tarvitsee kokonaisen lauseen, koska sanajärjestys vaihtelee kielten välillä ja lauseen loppu voi muuttaa alkua, joten se seuraa sekunnin tai kahden myöhemmin. Puhe tarvitsee käännetyn lauseen ennen kuin se voi alkaa, joten puhuttu rivi tulee viimeisenä. Tätä viivettä ei tarvitse korjata pois; se on se, mihin kaikki näitä kolmea asiaa tekevät järjestelmät ovat pakotettuja, myös ihmistulkki, joka odottaa verbiäkin.
Puhujan luvalla isäntä voi kloonata puhujan äänen 30 sekunnista, joissa puhuja puhuu yksin (MP3, M4A tai WAV; muutama minuutti on parempi). Käännös luetaan sitten puhujan omalla äänellä jokaisella kielellä. Käsittele ääntä biometrisena tietona, koska se sellaista on. GDPR:n mukaan henkilön tunnistamiseen käsitelty ääni kuuluu yleensä 9 artiklan erityisryhmiin, ja jotkin Yhdysvaltain osavaltiot, muun muassa Illinois, säätelevät äänitunnisteita erikseen. Hanki puhujan nimenomainen suostumus ennen kuin näyte tallennetaan, ei sen jälkeen; äänen voi poistaa milloin tahansa. Kloonaus rekisteröi myös puhujan, joten hänet merkitään nimellä tuleviin tallenteisiin. Isäntä voi antaa jokaiselle puhujalle oman äänen tai mykistää yhden.
Myöhään saapuva kuuntelija näkee kaiken, mitä on sanottu ennen hänen tuloaan, ja seuraa sen jälkeen suoraa lähetystä. Jos yhteys katkeaa, sivu saavuttaa itsestään, kun yhteys palaa. Kun isäntä keskeyttää, kuuntelijat näkevät tekstin Paused. The transcript continues when the host resumes. Kun isäntä lopettaa, sivu näyttää tallenteen päivämäärän ja pituuden, ja lähetys listaa menneet tallenteet toistettaviksi.
Kuuntelija voi lukea vain sen, minkä moottori kuuli, ja suora tunnistus osuu osaan siitä väärin.
Isännän näytöllä on tätä varten Fix-välilehti. Mark uncertain words värittää ja alleviivaa sanat, joista moottori oli epävarma; Click to correct avaa rivin tarkistettavaksi. Välilehti käy epävarmat kohdat läpi yksi kerrallaan, joten pöydän ääressä oleva toinen henkilö voi käydä ne läpi, kun puhuja jatkaa.
Kun isäntä kirjoittaa sanan tai rivin uudelleen, vaikka sitä vielä puhuttaisiin, jokainen kuuntelija näkee korjauksen. Rivi, jonka luottamus on liian matala, piilotetaan kuuntelijoilta nimellä Audio unclear sen sijaan, että se näytettäisiin väärin; isäntä näkee silti jokaisen sanan. Tyhjä kohta on tunnettu aukko, varma väärä sana on huhu.
Nämä korjaukset eivät katoa, kun puhe päättyy.
Kaikki säilyy. Tallenne, sen litteraatti korjauksineen ja käännöksineen sekä ääni päätyvät isännän kirjastoon. Toisto soittaa sen täsmälleen niin kuin se saapui, rivi riviltä, äänen kanssa. Kun sanat ovat lopulliset, otsikko ja yhteenveto kirjoitetaan jokaiselle kielelle, ja isännän näytön välilehdet Summary ja Export vievät ne suoraan tilaisuudesta ulos.
Viennit ovat SRT-tekstityksiä, PDF:ää, Exceliä tai JSON:ia, korjaukset ja käännökset mukaan lukien, ja ääni latautuu MP3-muodossa. Jokainen litteraatti on haettavissa millä tahansa kielellä.
Audience-näkymä näyttää, kuka kuunteli, millä kielellä ja milloin hän liittyi: usein se on ensimmäinen todellinen lukumäärä siitä, kuka tarvitsi mitäkin kieltä. Tähän asti yleinen arvio oli se, kuka nosti kätensä, kun englanniksi kysyttiin, tarvitseeko joku käännöstä. Kuuntelijatunnisteet poistetaan tallenteen mukana.
Puheentunnistus, puhujantunnistus ja puhesynteesi toimivat palvelimilla, joita me ylläpidämme, eikä ääntäsi lähetetä kolmannelle osapuolelle käsiteltäväksi. Emme käytä ääntäsi, litteraattejasi tai ääniäsi mallien koulutukseen.
Säilytysaika noudattaa pakettia: Pay as you go -paketissa lähdeääni ja äänet säilytetään 7 päivää ja litteraatit 30 päivää; Premium ja Enterprise säilyttävät ne tilin koko eliniän. Toinen asia, jonka paketti määrää, on lasku.
Kaksi lukua ratkaisee. Pay as you go -paketilla ja Premiumilla suora litterointi maksaa $0.60 tunnilta äänestä, laskutettuna sekunnin tarkkuudella ja litterointia kohden vähintään 5 minuutin minimiveloituksella, sekä hallintapaneelissa että API:n kautta; Enterprisellä on volyymihinnat. Kuuntelijat ja kielet ovat ilmaisia: yhden tunnin tilaisuus, joka käännetään viidelle kielelle ja jota kuuntelee kaksisataa ihmistä, maksaa $0.60. Tiedostot ovat halvempia ($0.20 tunnilta), koska suora litterointi kulkee reaaliajassa koko tilaisuuden ajan. Paketit eroavat samanaikaisuudessa, tallenteen enimmäispituudessa ja käynnistysnopeudessa; Pay as you go -paketilla kylmäkäynnistys voi kestää jopa 15 sekuntia, joten paina tallennusta hieman ennen puhujaa, noin yhden kysymyksen "Kuuleeko takana oleva kaikki minut?" verran aiemmin. Täysi taulukko on hinnoittelusivulla.
Etusivulla on kahden puhelimen demo, ja uusi tili hallintapaneelissa saa $5 rekisteröitymiskrediitin eikä vaadi korttia. Suoralla hinnalla tuo krediitti riittää yli kahdeksaan tuntiin lähetystä.
Harkitsetko tätä vai kaikkien puhelimeen sisäänrakennettua suoraa käännöstä? Lue miksi puhelin ei riitä huoneelle. Kokonaiseen tilaisuuteen monikielisen konferenssin tarkistuslista kattaa äänipolun, useat vaiheet yhdellä linkillä ja budjetin. Kehittäjät voivat tehdä kaiken tämän koodista API-viitteen kautta samalla hinnalla.
