I sottotitoli si giocano al banco di regia e nelle slide dei relatori. Prendi un unico segnale pulito dai microfoni dei relatori per ogni palco e carica ogni nome e ogni acronimo prima che qualcuno salga sul palco; il resto della giornata serve a correggere ciò che quei due passaggi hanno mancato.
La maggior parte del lavoro per sottotitolare una conferenza si svolge prima che qualcuno salga sul palco, e gran parte di esso non riguarda il software.
Un telefono sul leggio sente la sala; il banco di regia sente il relatore. Prendi il segnale dal banco, e sii preciso su quale segnale. Chiedi al fonico un invio aux o matrix dedicato che trasporti solo i microfoni del parlato: leggio, microfoni lavalier, microfoni del panel. La musica d'ingresso, la riproduzione video e lo stem degli applausi restano fuori. Il riconoscimento che deve ascoltare attraverso un jingle fa una supposizione sicura sul testo delle canzoni.
Verifica quell'invio alla prova tecnica, con i microfoni reali e, se è possibile, con gli altoparlanti reali. Altrimenti scoprirai alle 8:55 della mattina dell'evento che l'uscita matrix è post-fader e che il fonico silenzia il leggio tra un intervento e l'altro.
Dai a VocalStack quel segnale in uno di due modi. Il primo è un encoder RTMP al banco. Quando aggiungi un flusso RTMP come sorgente di una trascrizione in diretta, la Dashboard mostra l'URL del server e la chiave di streaming di cui l'encoder ha bisogno, ti dice se l'audio sta già arrivando e in che formato, e ti permette di ascoltarlo. Il secondo è un indirizzo di streaming. Se il palco viene già trasmesso come diretta YouTube o come flusso audio, incolla quel link e VocalStack recupera l'audio da solo; non devi far girare nulla dal tuo lato. Incolla l'indirizzo del flusso stesso, non la pagina su cui viene riprodotto. Se incolli per errore una pagina web, la Dashboard te lo segnala.
In ogni caso, usa un solo segnale di microfono per palco. I microfoni del pubblico e le interferenze tra canali costano precisione, e nessuna impostazione la recupera. Il microfono migliore dell'edificio appartiene al panelista che continua a inclinarsi lontano da esso.
Una volta che l'audio arriva, i partecipanti hanno bisogno di un posto dove leggere i sottotitoli.
Una trasmissione è il link che i partecipanti aprono. Creala in Broadcasts, dalle un nome e scegli il suo link. La Dashboard propone un link basato sul nome; puoi modificarlo, purché resti di almeno sei caratteri. La stessa schermata mostra il codice QR che i partecipanti scansionano per aprire la traduzione in diretta e scegliere la propria lingua.
Decidi ora se la trasmissione è pubblica o privata. Pubblica significa che chiunque abbia il link può aprirla. Privata significa che i partecipanti inseriscono una password breve prima che compaia la trascrizione. Se il link dovrà cambiare più avanti, cambialo; quello vecchio continua a funzionare.
Poi pensa a come il link arriva a mille tasche. Metti il codice QR sulla slide di attesa prima di ogni sessione, sulla segnaletica alle porte e sul cartellino da appendere al collo, se ce n'è uno. Centinaia di telefoni che si collegano nello stesso momento mettono un carico reale sul Wi-Fi della sede, quindi chiedi alla sede per quanti access point è stata dimensionata la rete e se la rete per gli ospiti limita la banda per dispositivo. Se la risposta è un'alzata di spalle, invita i partecipanti a usare i dati mobili. Le pagine sono leggere; il rischio è il Wi-Fi.
Una conferenza con due palchi non ha bisogno di due link. Una sola trasmissione può essere alimentata da più trascrizioni in diretta contemporaneamente. Palco A e Palco B diventano due trascrizioni collegate alla stessa trasmissione, e il telefono del partecipante mostra entrambe in un'unica pagina. Ogni palco è una trascrizione in diretta a sé, e ogni piano limita quante ne possono girare insieme (1 con Pay as you go, 5 con Premium, illimitate con Enterprise). Quel limite ritorna nella sezione sul budget più avanti.
Un link vale quanto le parole che porta.
In qualsiasi sistema, il riconoscimento in diretta inciampa su nomi, termini di prodotto e acronimi. Aggiungi il copione o le slide di ogni relatore prima di iniziare, e i nomi e i termini presenti al loro interno prevalgono su ciò che il motore crede di aver sentito. Durante l'intervento la scheda Script segue le parole come un gobbo elettronico.
Questo è anche il momento di essere onesti su cosa sia la sottotitolazione automatica. Il riconoscimento vocale più la traduzione automatica non è CART (Communication Access Realtime Translation, cioè sottotitoli digitati dal vivo da un sottotitolatore umano formato), e non è interpretariato. È veloce, economico e instancabile, e occasionalmente invertirà una negazione, arrotonderà un numero o trasformerà una battuta in un'affermazione di fatto. Per una keynote, una sessione di prodotto o un panel, quel compromesso di solito è giusto. Per una sessione in cui una parola sbagliata ha conseguenze (legali, mediche, un voto), prenota un sottotitolatore o un interprete umano e lascia che la macchina giri in parallelo come registro scritto. Vale la pena conoscere anche la base di accessibilità: WCAG 2.x chiede i sottotitoli sull'audio dal vivo al livello AA (criterio 1.2.4), e un numero crescente di contratti della pubblica amministrazione e delle sedi li cita semplicemente.
Con le parole sistemate, l'ultima preparazione riguarda chi le pronuncia.
Le etichette dei parlanti dicono al pubblico chi sta parlando. Imposta l'interruttore su When Needed e le etichette compaiono solo dopo che si è sentito un secondo parlante, così una keynote si legge come testo semplice e un panel si legge come una conversazione.
Per far riconoscere i relatori per nome fin dalla prima riga, registra in anticipo le loro voci in Voices. Basta una clip di una persona che parla: MP3, M4A o WAV, di almeno trenta secondi, anche se è meglio qualche minuto. La persona deve aver acconsentito, e la Dashboard ti chiede di confermare di avere il permesso prima di creare la voce. Trattalo come qualcosa di più di una casella da spuntare. Ai sensi del GDPR, un'impronta vocale usata per identificare una persona è generalmente trattata come dato biometrico (articolo 9). Ciò significa consenso esplicito e il diritto di ottenere la cancellazione dell'impronta. Esistono norme simili anche altrove, e gli accordi con i relatori sono il posto più semplice per coprire tutto questo. Una voce clonata può essere eliminata in qualsiasi momento. Finché esiste, consente anche agli ascoltatori di sentire le traduzioni di quel relatore con una voce corrispondente.
Con il piano definito, il resto è la giornata stessa.
Ogni trascrizione in diretta ha una scheda Speed con una modalità di latenza e un grafico del ritardo nel tempo. Tre impostazioni:
Per una keynote con un segnale pulito dal banco e un copione, Auto è la scelta giusta; per un panel tecnico con quattro accenti e nessun copione, Accuracy vale il ritardo in più.
L'avvio è l'altro aspetto temporale da pianificare. Con Pay as you go, un avvio a freddo può richiedere fino a 15 secondi prima che inizi la trascrizione. Premium di solito parte già caldo, ed Enterprise lo fa sempre. Avvia durante l'ingresso dei relatori, non alla prima parola.
Qualunque sia la modalità, alcune parole saranno sbagliate, quindi qualcuno deve tenerle sotto controllo.
Qualcuno al banco dovrebbe tenere aperta la scheda Fix. Ha due interruttori: Mark uncertain words colora e sottolinea le parole di cui il motore non era sicuro, e Click to correct apre una riga per la revisione quando la clicchi. La scheda ti guida tra i segmenti incerti uno alla volta, e una correzione raggiunge ogni ascoltatore in ogni lingua.
Il microfono del pubblico è l'anello debole di qualsiasi sala, e il Q&A è dove questo si vede. Chiedi al moderatore di ripetere ogni domanda del pubblico nel proprio microfono prima di rispondere. I sottotitoli gliene saranno grati, e così chi siede in fondo, che non l'ha sentita nemmeno lui.
Tra una sessione e l'altra, il banco ha un compito diverso.
La schermata dell'host può mettere in pausa e riprendere una registrazione, e la pagina dell'ascoltatore mostra un avviso: "In pausa. La trascrizione continua quando l'host riprende." La pausa serve per un cambio di sessione, non per la pausa pranzo. Ogni registrazione ha un tempo massimo di pausa, impostato nella Dashboard a 30 secondi, 1 minuto o 3 minuti; una registrazione lasciata in pausa più a lungo termina da sola.
Per un intervallo più lungo, interrompi la registrazione e avviane una nuova quando inizia la sessione successiva. Ogni registrazione resta elencata nella pagina della trasmissione, quindi nel pomeriggio i partecipanti possono scorrere indietro alle sessioni del mattino. Una singola registrazione in diretta ha un limite di alcune ore con Pay as you go e più lungo con Premium (le cifre esatte sono nella pagina dei prezzi), quindi una giornata lunga è comunque composta da più registrazioni.
A metà mattinata, controlla chi sta davvero leggendo.
La vista del pubblico nella scheda Broadcast mostra chi è entrato, quanti stanno ascoltando adesso, le lingue che hanno aperto e gli ascoltatori nel tempo. Ogni trascrizione include fino a 10 lingue, e ogni ascoltatore ne sceglie una sul proprio dispositivo. La vista quindi ti dice quali lingue legge davvero la sala, che raramente coincide con l'elenco che gli organizzatori avevano immaginato. I delegati registrati da Madrid risultano leggere l'inglese; la riga del portoghese si riempie a partire da una tabella che nessuno si aspettava. Porta a casa l'elenco per l'anno prossimo.
Ognuno di quegli ascoltatori è gratuito. Ciò che costa è l'audio.
La trascrizione in diretta costa $0.60 all'ora di audio, fatturata al secondo con un minimo di 5 minuti per trascrizione, in ogni piano e tramite API. Due palchi in funzione per otto ore ciascuno fanno 16 ore di audio dal vivo, ovvero $9.60. Traduzioni, trasmissioni, riepiloghi ed esportazioni sono inclusi, indipendentemente da quanti ascoltano.
Il piano conta per la capacità più che per la tariffa. Pay as you go offre $5 di credito una tantum all'iscrizione senza carta di credito richiesta, una trascrizione alla volta e una registrazione massima di 5 ore. Una trascrizione in diretta si ferma immediatamente quando il credito arriva a zero, quindi ricarica prima che le porte si aprano. Premium costa $50 al mese ($40 al mese con il piano annuale) e include ogni mese $50 di credito, che coprono 83 ore in diretta. Consente cinque trascrizioni simultanee e registrazioni di 10 ore, e aggiunge un periodo di tolleranza: una trascrizione in diretta continua a girare per un po' dopo lo zero, e i minuti extra sono fatturati alla stessa tariffa. Due palchi paralleli richiedono Premium. Enterprise ha prezzi personalizzati, concorrenza illimitata, registrazioni da 24 ore e un pool di motori dedicato.
Per la tabella completa, consulta la pagina dei prezzi, e controlla il tuo saldo in Billing nella Dashboard la settimana prima.
La fatturazione si ferma quando si ferma l'audio; la trascrizione no.
Le trascrizioni vengono conservate per 30 giorni con Pay as you go e senza limiti con Premium ed Enterprise. Con Pay as you go, l'audio originale viene conservato solo per 7 giorni. Esporta entro la settimana se sei sul piano gratuito.
Per capire come appare il link dal posto dell'ascoltatore, vedi Un link, ogni lingua, oppure prova la demo dal vivo nella home page.
