A beszéd, egyszerűen

Gyakran ismételt kérdések

A telefonomban már van élő fordítás – minek nekem a VocalStack?

A telefon egy kicsi beszédmodellt futtat, amelynek el kell férnie az eszközön és az akkumulátor mellett. Rövid, tiszta, mindennapi mondatoknál ez rendben van. Nem jó viszont ott, ahol a valódi beszédben tényleg baj szokott lenni: ritka szavaknál és neveknél, hangzásra egyformáknál (például „their” és „there”, „sail” és „sale”), szakkifejezéseknél, akcentusnál, átfedő beszédnél és háttérzajnál. A modell tippel, a fordítás erre a tippre épül, és a teremben senki nem látja, hogy téves volt.

A VocalStack szervereken fut, így a modellek teljes méretűek, és a felismerés után minden sort összevetünk a kontextussal. Tölts fel előbb szöveget vagy diákat, és a bennük szereplő nevek és kifejezések felülírják a félreértett szavakat. Ha mégis hibás valami, élőben is javíthatod a sort, és minden hallgató látja a javítást.

A telefon a beszélő helyett a termet hallja, és egy emberre fordít, ezért ötven telefon ötven különböző átiratot ad. A VocalStack közvetlenül a keverőpultból, streamből vagy mikrofonból veszi a hangot, a beszélőt egyszer írja át, és mindenki ugyanazt olvassa vagy hallgatja a saját nyelvén. A fordítást a beszélő saját hangján olvassuk fel, így a hallgatók a színpadon álló embert hallják, nem egy általános robothangot.

Fizetnem kell hallgatónként? Hogyan működik az árazás?

Nem. A hallgatók ingyenesek, bármennyien is vannak, bármilyen nyelven olvassák vagy hallgatják. Az átírt hangért fizetsz, másodpercre számolva, átíratonként legalább 5 perc után, és ez az egész számla: a fordítás legfeljebb 10 nyelvre, a hangos fordítások, a közvetítés, az összefoglalók és az exportok benne vannak.

Árak és csomagok megtekintése

A fájlok és az élő átiratok eltérő díjon készülnek, ez minden csomagban ugyanaz, a Premium pedig havonta 50 $ kreditet tartalmaz. Minden csomagban ugyanazok a funkciók vannak, az API-t pedig ugyanazon az áron számlázzuk, mint a Dashboardot.

Mire van szükség a hallgatóknak a követéshez?

Egy link vagy egy QR-kód, és egy telefon. Nincs mit telepíteni, és fiókot sem kell létrehozni. A hallgató megnyitja a linket a böngészőben, választ egy nyelvet, és az átiratot olvassa, ahogy elhangzik. Ha inkább hallgatna, minden lefordított sort fel is olvasunk. Bármikor válthat nyelvet; az addigi átiratot újra felolvassuk az új nyelven.

Aki később csatlakozik, mindent lát, ami addig elhangzott, utána pedig élőben követi. Ha megszakad a kapcsolat, az oldal visszatéréskor magától utoléri a szöveget.

Kell, hogy a hang mikrofonról érkezzen?

Nem. Az élő átirat bármely eszköz mikrofonját, OBS-ből vagy közvetítő kódolóból érkező RTMP-folyamot, YouTube-élő adást, internetes rádióállomást vagy bármely streamet szolgáltató URL-t hallhat. Streamnél a VocalStack maga húzza le a hangot: nálad semmit sem kell futtatni.

Egy közvetítési linket több átirat is táplálhat, így a két színpados konferencia, vagy a rádiós streamet és a YouTube-élő adást is futtató állomás is egyetlen linket oszt meg.

Szabályozhatom, ki látja az átiratot?

Igen. A közvetítés alapértelmezetten nyilvános: bárki, akinél a link van, követheti. Tedd privátté, és állíts be jelszót, így csak azok lépnek be, akiknek mindkettőt megadod. A linket később átnevezheted, a régi link pedig tovább működik. Azt is látod, ki hallgat, milyen nyelven, és mikor csatlakozott.

A hallgató a valódi beszélőt hallja, vagy szintetikus hangot?

Mindkettő. Alapértelmezésben minden beszélő saját, a nemének megfelelő beépített hangot kap, így egy panel továbbra is panelnek hangzik. A beszélő engedélyével harminc másodpercnyi hangból klónozhatod a hangját, és ekkor a fordítást minden nyelven a saját hangján olvassuk fel. A klónozott hang azt is jelenti, hogy a beszélőt a jövőbeli felvételekben név szerint felismerjük és címkézzük. Minden beszélőhöz rendelhetsz hangot, vagy némíthatsz egyet.

Mi marad meg az esemény után?

Minden. A felvétel, az átirat a javításokkal és fordításokkal, valamint a hang a könyvtáradban marad. Cím és összefoglaló készül, amint a szöveg véglegessé vált, minden nyelven. Pontosan úgy játszhatod vissza, ahogy érkezett, kereshetsz minden átiratban a saját nyelveden, és exportálhatod SRT-feliratként, PDF-, Excel- vagy JSON-formátumban.

Beépíthetem ezt a saját termékembe?

Igen. Mindent, amit a Dashboard tud, elérsz az API-n keresztül, ugyanazon az áron: valós idejű átírás WebSocketen, élő átiratok közvetítéssel, fordítás és hangos fordítás, fájl- és linkfeladatok, valamint MCP-szerver. A TypeScripthez és Pythonhoz hivatalos SDK-k is járnak. A hallgatók megosztókóddal, API-kulcs nélkül is feliratkozhatnak egy felvételre a saját alkalmazásodból.