Govor bez muke

Često postavljana pitanja

Moj telefon ima ugrađen prijevod uživo – zašto mi treba VocalStack?

Telefon pokreće mali model za prepoznavanje govora koji mora stati u uređaj i u bateriju. To je u redu za kratke, jasne, svakodnevne rečenice. Nije u redu za ono što zapravo pođe po zlu u pravom govoru: rijetke riječi i imena, riječi koje zvuče slično („their” i „there”, „sail” i „sale”), stručne pojmove, naglaske, ljude koji govore jedni preko drugih i pozadinsku buku. Model pogađa, prijevod se gradi na pogođenom, a nitko u prostoriji ne vidi da je pogriješio.

VocalStack radi na poslužiteljima, pa su modeli puni, a svaka se replika nakon prepoznavanja provjerava u kontekstu. Prvo učitajte scenarij ili slajdove, pa imena i pojmovi iz njih imaju prednost pred pogrešno čujenim. Ako nešto ipak ispadne krivo, repliku možete ispraviti dok je još uživo, a svaki slušatelj vidi ispravak.

Telefon čuje prostoriju, a ne govornika, i prevodi za jednu osobu, pa pedeset telefona daje pedeset različitih transkripata. VocalStack uzima zvuk izravno s miksete, streama ili mikrofona, transkribira govornika jednom, a svi čitaju ili slušaju istu stvar na svom jeziku. Prijevod se čita naglas glasom samog govornika, pa slušatelji čuju osobu na pozornici, a ne generički robotski glas.

Naplaćuje li se po slušatelju? Kako funkcionira cijena?

Ne. Slušatelji su besplatni, bez obzira koliko ih ima i na kojem jeziku čitaju ili slušaju. Plaćate zvuk koji se transkribira, po sekundi, uz najmanje 5 minuta po transkripciji, i to je cijeli račun: prijevod na do 10 jezika, govoreni prijevodi, prijenosi, sažeci i izvozi su uključeni.

Pogledajte cijene i pakete

Datoteke i transkripcije uživo imaju različite cijene, iste na svakom paketu, a paket Premium uključuje kredit od $50 svakog mjeseca. Svaki paket ima iste značajke, a API se naplaćuje po istoj cijeni kao nadzorna ploča.

Što slušatelji trebaju za praćenje?

Poveznica ili QR kod i telefon. Ništa se ne instalira i ne treba stvarati račun. Slušatelj otvara poveznicu u pregledniku, odabire jezik i čita transkript dok se govori. Ako radije sluša, svaka se prevedena replika čita i naglas. Jezik možete promijeniti u bilo kojem trenutku; dosadašnji transkript ponovno se čita na novom.

Slušatelj koji se pridruži kasnije vidi sve što je rečeno prije njegova dolaska, a zatim prati uživo. Ako veza pukne, stranica se sama sustigne kad se vrati.

Mora li zvuk dolaziti s mikrofona?

Ne. Transkripcija uživo može slušati mikrofon na bilo kojem uređaju, RTMP tok iz OBS-a ili emiterskog enkodera, YouTube uživo, internet radio postaju ili bilo koji URL koji isporučuje stream. Za stream VocalStack sam povlači zvuk: na vašoj strani ništa ne radi.

Jednu poveznicu za prijenos može napajati više transkripcija, pa konferencija s dvije pozornice ili postaja s radio streamom i YouTube uživo i dalje dijeli jednu poveznicu.

Mogu li kontrolirati tko vidi transkript?

Da. Prijenos je javan prema zadanim postavkama: svatko s poveznicom može ga pratiti. Učinite ga privatnim i postavite lozinku, pa ulaze samo oni kojima date oboje. Poveznicu kasnije možete preimenovati, a stara i dalje radi. Također možete vidjeti tko sluša, na kojem jeziku i kada se pridružio.

Čuje li slušatelj pravog govornika ili sintetski glas?

Jedno ili drugo. Prema zadanim postavkama svaki govornik dobija zaseban standardni glas odgovarajućeg spola, pa panel i dalje zvuči kao panel. Uz dopuštenje govornika možete klonirati glas govornika iz trideset sekundi zvuka, a prijevod se tada čita tim glasom na svim jezicima. Klonirani glas znači i da se govornik u budućim snimkama prepoznaje i označava imenom. Glas možete dodijeliti svakom govorniku ili isključiti jednog.

Što se zadržava nakon događaja?

Sve. Snimka, njezin transkript s ispravcima i prijevodima te zvuk spremaju se u vašu knjižnicu. Naslov i sažetak napišu se kad su riječi konačne, na svim jezicima. Možete je reproducirati točno onako kako je stigla, pretraživati sve transkripte na svom jeziku i izvesti kao SRT titlove, PDF, Excel ili JSON.

Mogu li ovo ugraditi u vlastiti proizvod?

Da. Sve što nadzorna ploča radi dostupno je putem API-ja, po istoj cijeni: transkripcija u stvarnom vremenu putem WebSocketa, transkripcije uživo s prijenosima, prijevod i govoreni prijevodi, poslovi s datotekama i poveznicama te MCP poslužitelj. Službeni SDK-ovi za TypeScript i Python su uključeni. Slušatelji se mogu pretplatiti na snimku iz vaše aplikacije pomoću koda za dijeljenje i bez API ključa.