Unha tarifa. Todo incluído.

Preguntas frecuentes

Como se factura unha transcrición en directo?

Por segundo de audio, a $0.60 por hora en todos os plans, cun mínimo de 5 minutos por transcrición. A tradución a ata 10 idiomas, as traducións faladas e as emisións están incluídas nesa tarifa, non son extras.

O número de oíntes e de idiomas non cambia a factura. Unha sesión que len 5 persoas nun idioma custa o mesmo que unha que len 500 persoas en dez.

Arrastra o control deslizante para ver canto custa o audio en directo dunha duración determinada:

30 minutos

Ficheiro, en calquera plan

$0.1000

Transcrición en directo, en calquera plan

$0.3000

As voces clonadas, os resumos e as exportacións son extra?

Non. Unha voz clonada le en voz alta a transcrición traducida coa propia voz dese falante, en calquera idioma. Trinta segundos de audio limpo bastan para crear unha. Unha vez que existe a voz, o falante tamén se recoñece e se etiqueta polo seu nome nas gravacións futuras de xeito automático.

Cando remata unha gravación, o resumo redáctase por ti, e a transcrición pode exportarse como PDF con marcas de tempo e etiquetas de falante, ou como Excel con unha fila por segmento. As correccións feitas despois do evento gárdanse na mesma transcrición. Nada disto se mide por separado; o único que se factura é o propio audio.

Por que o directo custa máis que subir un ficheiro?

Unha transcrición en directo ten que seguir ao falante durante todo o evento, para que as palabras cheguen aos oíntes momentos despois de pronunciarse, en todos os idiomas á vez. Ese traballo se fai de xeito continuo, incluso nas pausas e nos aplausos.

Os ficheiros non teñen público esperando. Procésanse varias veces máis rápido que o tempo real, en paralelo, e por iso unha hora de audio gravado custa $0.20 en vez de $0.60. Se ninguén necesita seguir o texto segundo se produce, sube a gravación despois e paga a tarifa de ficheiro.

Os modos Velocidade e Precisión cambian o prezo?

Non. Cada transcrición en directo pode funcionar en modo Automático, Velocidade ou Precisión, e os tres se facturan á mesma tarifa de $0.60 por hora.

Velocidade pon as palabras diante dos oíntes o máis rápido posible. Precisión pon en primeiro lugar a transcrición máis exacta. Automático equilíbraos por ti a medida que avanza o evento. Escolle o que mellor se adapte á sala; o modo é unha opción de calidade, non un nivel de prezo.

Cal é a taxa de erro por palabra (WER) e a latencia?

Os benchmarks publicados chegarán en breve. Mentres tanto: a taxa de erro por palabra está á altura dos principais modelos de transcrición do sector, así que o que aparece na pantalla é o que se dixo.

A latencia é de nivel medio, por deseño. O motor de VocalStack está pensado para transcricións que a xente le en varios idiomas, así que confirma unha frase de cada vez, nas pausas naturais como unha coma ou o final dunha oración, cando xa escoitou contexto suficiente para acertar nomes, números e puntuación, en lugar de mostrar adiviñas palabra a palabra que se reescriben a si mesmas. Os oíntes reciben liñas estables e definitivas que se traducen limpamente a todos os idiomas á vez, e a transcrición que seguen en directo é a que ti conservas.

Podo emitir unha radio e un directo de YouTube nunha única ligazón sen pagar dúas veces polos oíntes?

Si. Unha emisión é unha única ligazón pública, e a ela pode vincularse calquera número de transcricións en directo: un micrófono no escenario, unha emisión de radio, un canal HLS ou DASH, ou un directo de YouTube. Os oíntes abren a mesma ligazón e escollen o idioma unha única vez.

Cada transcrición vinculada se factura polos seus propios minutos de audio, cun mínimo de 5 minutos cada unha. A propia emisión, a ligazón, o código QR e todas as persoas que a len non custan nada. Unha emisión privada, protexida cun contrasinal, factúrase do mesmo xeito.

Que pasa se se me acaba o crédito no medio dunha conferencia maxistral?

No pagamento por uso, unha transcrición en directo detense en canto o saldo chega a cero, e os oíntes ven como a transcrición remata onde rematou o crédito. Engade crédito para volver comezar; a ligazón da emisión mantense igual, así que ninguén ten que volver a entrar.

En Premium e Enterprise hai un período de graza. A transcrición segue en marcha para que o evento non se corte, e os minutos extra se facturan despois á mesma tarifa. Nada da sesión cambia para o falante nin para o público.

Durante canto tempo se conservan as miñas gravacións, transcricións e voces?

No pagamento por uso, as transcricións se conservan 30 días, e o audio orixinal e as voces clonadas, 7 días. Exporta o que queiras conservar antes dese prazo.

En Premium e Enterprise, todo se conserva ata que o borres. Ao eliminar unha gravación, desaparecen de xeito definitivo o audio e a súa transcrición.

Estou integrando VocalStack no meu propio produto. A API custa máis?

Non. A API, o servidor MCP e os SDK están incluídos en todos os plans e facturanse exactamente ás mesmas tarifas que o panel: $0.20 por hora para ficheiros e $0.60 por hora para o directo, co mesmo mínimo de 5 minutos por transcrición. O crédito do plan aplícase tamén ao uso da API.

Fala co equipo comercial sobre Enterprise cando precises tarifas por volume, transcricións simultáneas ilimitadas, gravacións en directo de 24 horas, un conxunto de motores dedicado, arranques sempre en quente, un xestor de conta ou un SLA personalizado.