Ուղիղ թարգմանության ճշգրտությունը հիմնականում որոշվում է ցանկացած մոդել աշխատելուց առաջ՝ կախված նրանից, թե որտեղ է միկրոֆոնը։ Վերցրեք աուդիոն խառնման վահանակից, ոչ թե տասներկուերորդ շարքի աթոռից, տառադարձեք այն մեկ անգամ, և սխալը կդառնա մի տող, որը ինչ-որ մեկը կարող է բոլորի համար ուղղել։
Հեռախոսներում ներկառուցված թարգմանչական հավելվածները իրական նվաճում են։ Դրանք հաճախ աշխատեցնում են այնքան փոքր խոսքի մոդել, որ տեղավորվի սարքի վրա և չսպառի մարտկոցը (ոմանք աուդիոն փոխանցում են սերվերին, երբ կապ կա), և կարճ, պարզ, ամենօրյա նախադասությունների դեպքում լավ են աշխատում՝ ուղղություն հարցնելը, ճաշացանկը կարդալը, վաճառասեղանի շուրջ զրույցը։
Լսարանով լի սենյակը, որտեղ մարդիկ լսում են մեկ խոսնակի, այլ խնդիր է։ Իրական խոսքում ամենից շատ սխալվում են հենց այն բաները, որոնց հետ փոքր մոդելը ամենաթույլն է՝ հազվագյուտ բառերը և անունները, իրար նման հնչող բառերը («their» և «there», «sail» և «sale»), տեխնիկական տերմինները, առոգանությունները, մարդկանց միաժամանակ խոսելը և ֆոնային աղմուկը։ Առագաստային ակումբում մոդելը, որը լսում է «sale», ողջամիտ ենթադրություն է անում և վստահորեն սխալվում է։
Երկու բան ավելի շատ ենթադրության է մղում փոքր մոդելին, քան մեծը։ Այն սեղմված է, որպեսզի տեղավորվի հեռախոսում, ուստի քիչ բառ է գիտի և դրանք արտասանելու քիչ եղանակ՝ և անծանոթ ազգանունը միայն ձայնից է մոտավորապես վերարտադրում։ Իսկ ուղիղ ճանաչումը պետք է բառի վրա որոշվի մինչև նախադասության մնացած մասի գալը, ուստի մոդելը չի կարող օգտագործել այն, ինչ կլուծեր «sail»-ը «sale»-ից՝ հաջորդող բառերը կամ այն սցենարը, որը ասում է, թե ինչի մասին է խոսքը։ Խոսքի ճանաչման մեջ համատեքստը հենց այս երկուսն է՝ շրջապատող բառերը և նախապես հայտնի բաները։
Երբ մոդելը համոզված չէ, այն ենթադրում է։ Թարգմանությունը այդ ենթադրության վրա է կառուցվում, և այն մարդը, ով կարդում է, չի կարող իմանալ դա։ Սենյակում ոչ ոք չի տեսնում, որ տողը սխալ է եղել, չխոսած այն ուղղելու մասին։ Եվ սենյակը ոչ թե մեկ ունկնդիր է, այլ հիսուն։
Հեռախոսը լսում է սենյակը, ոչ թե խոսնակին։ Պատճառը հեռավորությունն է․ օձիքի կամ սեղանի միկրոֆոնը բերանից մի քանի սանտիմետր հեռավորության վրա է, մինչդեռ տասներկուերորդ շարքում գտնվող հեռախոսը տասը մետր կամ ավելի հեռու է, և այն, ինչ հասնում է նրան, նախ պատերից, առաստաղից և աթոռների թիկունքներից է արտացոլվել։ Արտացոլված ձայնը ուշանում և խառնվում է։ Դրան ավելանում է այն մարդը, որ երկու շարք հետո հազում է, հարևանի մրմունջը և այն, ինչ բարձրախոսները անում են ձայնի հետ՝ սրահով անցնելիս։ Յուրաքանչյուր աթոռ ստանում է մի փոքր այլ ձայնագրություն, ուստի յուրաքանչյուր աթոռ ստանում է մի փոքր այլ տառադարձում։
Հեռախոսով թարգմանությունը նաև մեկ մարդու համար է։ Եթե հիսուն մասնակից հիսուն հեռախոս բարձրացնի, նույն ելույթի հիսուն անկախ տառադարձում կստացվի, յուրաքանչյուրը իր սխալների հավաքածուով։ Հետո երկու մարդ, որ համեմատում են նշումները, չեն համաձայնվի, թե ինչ է ասվել։ Խոսնակը, իր հերթին, խոսում է բարձրացված հեռախոսների պատի առաջ, ինչը դժվար լսարան է կարդալու համար։
Սենյակի ոմանց համար սա ավելին է, քան անհարմարություն․ դա որոշում է, կարող են արդյոք նրանք ընդհանրապես հետևել ելույթին։ Լսողության խնդիր ունեցող մասնակցին կամ երրորդ լեզվով հետևողին անհրաժեշտ է մեկ ճիշտ, ընդհանուր տեքստ, ոչ թե հիսուն լավագույն ջանք։ Դա նշանակում է խոսնակին մեկ անգամ տառադարձել և բոլորին տալ նույն արդյունքը։ Մեկ անգամ տառադարձելը միայն այն դեպքում է արժանի, եթե արվում է լավ, և դա սկսվում է աուդիոյի աղբյուրից։
Տառադարձումը միայն այնքան լավն է, որքան աուդիոն, որից այն է կազմված։ Ուստի առաջին որոշումը ոչ թե այն է, թե որ մոդելն օգտագործել, այլ թե ինչ ազդանշան տալ դրան։ Երկրորդը՝ ինչ ասել մոդելին, նախքան այն կսկսի։
Ուղիղ տառադարձումը աուդիոն վերցնում է այնտեղից, որտեղ մաքուր ազդանշանն արդեն կա․
VocalStack-ն ինքը քաշում է URL-հոսքը, ուստի ձեր կողմից ոչինչ չի աշխատում։ RTMP հոսքը հակառակ ուղղությամբ է աշխատում․ այն ձեր կոդավորիչն է ուղարկում։ Խոսնակի լեզուն ավտոմատ հայտնաբերվում է, և նա կարող է ցանկացած պահի լեզու փոխել։ Եթե գիտեք լեզուն, և ձայնագրությունը աղմկոտ է կամ ուժեղ առոգանությամբ, դրա նշումը բարելավում է ճշգրտությունը։
Մաքուր աուդիոն վերացնում է սենյակից եկող սխալները։ Այն ոչինչ չի անում բառապաշարից եկող սխալների դեմ, և դրանց համար այլ տեսակի օգնություն է պետք։
Հեռախոսը չգիտի, թե ով է խոսում կամ ինչի մասին է ելույթը, ուստի արտադրանքի անունը կամ ազգանունը նրա համար պարզապես ևս մեկ հնչյուն է, որը պետք է մոտավորապես վերարտադրել։ Հեռարձակումը կարող է նախապես տեղեկացվել, թե ինչ է սպասվում։
Եթե մեկնարկից առաջ ավելացնեք սցենար կամ սլայդներ, դրանցում եղած անունները և տերմինները գերադասելի կլինեն այն բանից, ինչ շարժիչը սխալ է լսել։ Ձայնագրության ընթացքում Script ներդիրը խոսնակին հետևում է որպես տելեպրոմպտեր։ Սա ամենամեծ ճշգրտության բարելավումն է այն խոսքի համար, որը լցնում է համաժողովներն ու դասախոսությունները․ այն խիտ է հատուկ անուններով և բառապաշարով, որ ոչ մի ընդհանուր մոդել բավականաչափ հաճախ չի լսել։
Լավ աուդիոն և բառարանը վերացնում են սխալների մեծ մասը։ Հարցն այն է, թե ինչ է լինում մնացած սխալների հետ։
Նույնիսկ լավ աուդիոյով և սցենարով, որոշ տողեր սխալ կստացվեն։ Տարբերությունը հետագա քայլում է։
Հեռախոսում ոչինչ։ Սխալ տողը ոլորվում է և անցնում, և նրա վրա հիմնված թարգմանությունը նույնպես։
Հեռարձակման դեպքում չափազանց անհասկանալի տողը ունկնդիրներից թաքցվում է «Audio unclear» պիտակով, այլ ոչ թե ներկայացվում է որպես փաստ։
Ապա կա հոստը, ով ունի Fix ներդիրը․ այն բառերը, որոնց վերաբերյալ շարժիչը վստահ չէր, կարելի է գունավորել և ընդգծել, սեղմումով բացել տողը վերանայման համար, և ցանկացած բառ կամ տող կարելի է վերագրել, մինչ տառադարձումը դեռ ուղիղ է։ Յուրաքանչյուր ունկնդիր տեսնում է ուղղումը իր լեզվով։ Յուրաքանչյուր ուղղում նշված է և կարող է հետ վերցվել։
Կետը ոչ թե այն է, որ սերվերը երբեք սխալ չի անում։ Այն է, որ սխալը տեսանելի է, պատկանում է սենյակում գտնվող մեկին և շտկվում է մեկ անգամ բոլորի համար։
Ուղղումները շտկում են այն, ինչ կարդում են ունկնդիրները։ Նրանք, ովքեր նախընտրում են լսել ելույթը, նույն ուղղված տեքստն են ստանում, բայց բարձրաձայն։
Ունկնդիրը, ով նախընտրում է լսել, քան կարդալ, կարող է ունենալ յուրաքանչյուր թարգմանված տողը բարձրաձայն կարդացված։ Լռելյայն յուրաքանչյուր խոսնակ ստանում է տարբեր ստանդարտ ձայն՝ համապատասխան սեռի, այնպես որ մի վահանակ դեռ վահանակի պես է հնչում։ Խոսնակին կարող եք ձայն նշանակել կամ մեկին անջատել։
Խոսնակի թույլտվությամբ կարող եք ավելի հեռու գնալ և կլոնավորել նրա ձայնը 30 վայրկյան խոսքից՝ կամ վերբեռնված հատվածով, կամ ուղղակի ձայնագրությունից։ Մի քանի րոպեն ավելի լավ արդյունք է տալիս։ Թարգմանությունը այնուհետև կարդացվում է խոսնակի սեփական ձայնով բոլոր լեզուներով։ Պահպանված ձայն ունեցող խոսնակը կարող է ճանաչվել հետագա ձայնագրություններում, թեև համակարգը նախընտրում է խոսնակին անանուն թողնել, քան սխալ մարդուն անվանել։
Երկու կանոն կիրառվում է, և դրանք դիտավորյալ են։ Կլոնավորված ձայնը կենսաչափական տվյալ է. այն պատրաստվում է միայն խոսնակի բացահայտ համաձայնությամբ և կարող է ցանկացած պահի ջնջվել։ Եվ ձայնը երբեք չի խոսում այլ բան, քան իր սեփականատիրոջ տառադարձումը կամ դրա թարգմանությունը․ այն չի կարող ստիպվել ասել այն, ինչ նրա սեփականատերը երբեք չի ասել։
Այս ամենը տեղի է ունենում, երբ խոսնակը խոսում է։ Վերջին տարբերությունը երևում է նրանից հետո, երբ նա լռում է։
Հեռախոսի տառադարձումները անհետանում են, երբ հավելվածները փակվում են։ Հեռարձակումը ձայնագրությունը պահում է ձեր գրադարանում՝ աուդիոն և տառադարձումը բոլոր ուղղումներով ու թարգմանություններով։ Այնտեղից այն կարող է վերարտադրվել տող առ տող, որոնվել ցանկացած լեզվով և արտահանվել․ գրադարանի աշխատանքը ներկայացված է Մեկ հղում՝ բոլոր լեզուներով հոդվածում։ Ունկնդիրների համար վճար չկա, որքան էլ որ լինեն։ Վճարում եք տառադարձված աուդիոյի համար՝ ուղիղ եթերի համար $0.60 ժամը, յուրաքանչյուր տառադարձման համար 5 րոպե նվազագույնով, իսկ գների էջում կա սակագնի ցուցակը։
Հեռախոսը բոլորի ձեռքում դեռ լավ պահուստային միջոց է միջանցքային զրույցի համար։ Սենյակի համար, որը պետք է միասին հասկանա մեկ խոսնակին, խոսնակը պետք է մեկ անգամ տառադարձվի աղբյուրից, և մեկը, ով կարող է ուղղել այն, ինչ սխալ է ընթանում։ Տեսնել, թե ինչ է դա, կարող եք գլխավոր էջի ինտերակտիվ ցուցադրության մեջ։
