ಪುಟವನ್ನಲ್ಲ, ಸ್ಟ್ರೀಮ್ ಅನ್ನು ಅಂಟಿಸಿ. ನಿಲ್ದಾಣದ ನಿಜವಾದ ಆಡಿಯೊ .mp3, .aac ಅಥವಾ .m3u8 ನಲ್ಲಿ ಕೊನೆಗೊಳ್ಳುವ ವಿಳಾಸದಲ್ಲಿರುತ್ತದೆ, ಮತ್ತು ಒಮ್ಮೆ ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಅದನ್ನು ಪಡೆದ ನಂತರ, ಯಾರೂ ಕೇಳುತ್ತಿರಬೇಕಾಗಿಲ್ಲ.
ಮೂರು ರೇಡಿಯೊ ನಿಲ್ದಾಣಗಳು, ಎರಡು ದೂರದರ್ಶನ ಸ್ಟ್ರೀಮ್‌ಗಳು ಮತ್ತು ಕೆಲವು YouTube ಲೈವ್‌ಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವ ಸುದ್ದಿ ಕೊಠಡಿಗೆ, ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಸಮಸ್ಯೆಗೆ ಮುಂಚೆಯೇ ಸಿಬ್ಬಂದಿ ಸಮಸ್ಯೆ ಇರುತ್ತದೆ. ಯಾರಾದರೂ ಕೇಳುತ್ತಿರಬೇಕು, ಮತ್ತು ಯಾರಾದರೂ ರೆಕಾರ್ಡ್ ಒತ್ತಬೇಕು. ಸ್ಟ್ರೀಮ್ ಅನ್ನು ಮೂಲವಾಗಿ ಹೊಂದಿರುವ ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಈ ಎರಡೂ ಕೆಲಸಗಳನ್ನು ವಹಿಸಿಕೊಳ್ಳುತ್ತದೆ: ಸ್ಟ್ರೀಮ್‌ನ ವಿಳಾಸವನ್ನು ನೀಡಿದರೆ, ಸರ್ವರ್ ಅದನ್ನು ತೆರೆದು, ಡಿಕೋಡ್ ಮಾಡಿ, ಪ್ರಸಾರವಾಗುತ್ತಿದ್ದಂತೆಯೇ ಟ್ರಾನ್ಸ್‌ಕ್ರೈಬ್ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಪತ್ರಿಕಾಗೋಷ್ಠಿ ಬೇಗ ಆರಂಭವಾದಾಗ ಯಾರೂ ಮೇಜಿನ ಬಳಿ ಇರಬೇಕಾಗಿಲ್ಲ. ಕಷ್ಟದ ಭಾಗವೆಂದರೆ ಆ ವಿಳಾಸವನ್ನು ಹುಡುಕುವುದು.
ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ತನ್ನ ಆಡಿಯೊವನ್ನು ಸರ್ವರ್ ತಾನೇ ಎಳೆದುಕೊಳ್ಳುವ ಸ್ಟ್ರೀಮ್‌ನಿಂದ ಪಡೆಯಬಹುದು: ಇಂಟರ್ನೆಟ್ ರೇಡಿಯೊ ನಿಲ್ದಾಣ, HLS ಪ್ಲೇಲಿಸ್ಟ್ (.m3u8), DASH ಮ್ಯಾನಿಫೆಸ್ಟ್ (.mpd), ಅಥವಾ YouTube ಲೈವ್. ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ನಲ್ಲಿ, ಇದು Transcriptions → New → Live ನಲ್ಲಿರುವ ಹೊಸ ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಆಗಿದ್ದು, ಅದರ ಮೂಲ ಮೈಕ್ರೊಫೋನ್ ಅಲ್ಲ ಬದಲಿಗೆ ಸ್ಟ್ರೀಮ್ ಆಗಿರುತ್ತದೆ. ವಿಳಾಸವನ್ನು ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ರಚಿಸಿದಾಗ ನಿಗದಿಪಡಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಎಂದಿಗೂ ಬದಲಾಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ಮಾನಿಟರ್ ಅನ್ನು ಒಮ್ಮೆ ಸ್ಥಾಪಿಸಿದರೆ, ನಿಲ್ದಾಣ ದಾಖಲಿಸಲು ಯೋಗ್ಯವಾದಾಗ ಪ್ರಾರಂಭಿಸಬಹುದು.
ವಿಳಾಸ ಆ ಸ್ಟ್ರೀಮ್ ಸ್ವತಃ ಆಗಿರಬೇಕು, ಅದನ್ನು ಪ್ಲೇ ಮಾಡುವ ವೆಬ್ ಪುಟವಲ್ಲ. ನಿಲ್ದಾಣದ ಪುಟ HTML ಆಗಿರುತ್ತದೆ; ಅದು ಪ್ಲೇ ಮಾಡುವ ಆಡಿಯೊ ಬೇರೆಡೆಯಿಂದ ಬರುತ್ತದೆ, ಸಾಮಾನ್ಯವಾಗಿ Icecast ಅಥವಾ Shoutcast ಸರ್ವರ್‌ನಿಂದ, ಮತ್ತು ಪುಟದ ಪ್ಲೇಯರ್ ಪುಟ ಲೋಡ್ ಆದ ನಂತರ JavaScript ಮೂಲಕ ಆ ವಿಳಾಸವನ್ನು ಹುಡುಕುತ್ತದೆ. ಸೈಟ್‌ನಲ್ಲಿ "Listen", "Direct stream" ಅಥವಾ "Other players" ಲಿಂಕ್ ನೋಡಿ: ಅದು .mp3, .aac, .m3u, .m3u8 ಅಥವಾ .pls ನಲ್ಲಿ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ. .pls ಅಥವಾ .m3u ಕೂಡ ಆಡಿಯೊ ಅಲ್ಲ. ಇದು ಕೆಲವು ಸಾಲುಗಳ ಸಣ್ಣ ಪಠ್ಯ ಫೈಲ್ ಆಗಿದ್ದು, ಪ್ರತಿ ಸಾಲು ಒಂದು ಸ್ಟ್ರೀಮ್‌ನ ವಿಳಾಸವನ್ನು ನೀಡುತ್ತದೆ; ಡೆಸ್ಕ್‌ಟಾಪ್ ಪ್ಲೇಯರ್‌ಗಳಿಗೆ ಒಂದೇ ಲಿಂಕ್ ನೀಡಲು ಇದು ಇರುತ್ತದೆ, ಮತ್ತು VocalStack ಅದು ಹೆಸರಿಸುವ ಸ್ಟ್ರೀಮ್ ಅನ್ನು ಟ್ರಾನ್ಸ್‌ಕ್ರೈಬ್ ಮಾಡುತ್ತದೆ. ಬದಲಿಗೆ ಪುಟವನ್ನು ಅಂಟಿಸಿದರೆ, VocalStack ಅದನ್ನು ವಿನಂತಿಸಿ, HTML ಹಿಂತಿರುಗುತ್ತಿರುವುದನ್ನು ನೋಡಿ ನಿಮಗೆ ಹೇಳುತ್ತದೆ. ಪ್ರತಿ ನಿಲ್ದಾಣ ತನ್ನ ಸ್ಟ್ರೀಮ್ ಅನ್ನು ಸ್ವಲ್ಪ ವಿಭಿನ್ನವಾಗಿ ಮರೆಮಾಡುತ್ತದೆ; ಹೆಚ್ಚಿನವು "Listen" ಎಂದು ಗುರುತಿಸಲಾದ ಬಟನ್ ಹಿಂದೆ ಮರೆಮಾಡುತ್ತವೆ, ಅದು ಪುಟದಲ್ಲಿ ಕ್ಲಿಕ್ ಮಾಡಲು ಯೋಗ್ಯವಲ್ಲದ ಏಕೈಕ ವಿಷಯ.
ಎರಡು ರೀತಿಯ ಲಿಂಕ್‌ಗಳನ್ನು ನೇರವಾಗಿ ನಿರಾಕರಿಸಲಾಗುತ್ತದೆ. Spotify, SoundCloud ಅಥವಾ Twitch ನಂತಹ ಮಾಧ್ಯಮವನ್ನು ಪ್ಲೇ ಮಾಡುವ ಪುಟಗಳ ಲಿಂಕ್‌ಗಳನ್ನು ಯಾವುದೇ ಸಂಪರ್ಕ ಮಾಡುವ ಮೊದಲೇ ತಿರಸ್ಕರಿಸಲಾಗುತ್ತದೆ. ಕಾಪಿ-ರಕ್ಷಿತ ಸ್ಟ್ರೀಮ್‌ಗಳನ್ನೂ ಬೆಂಬಲಿಸಲಾಗುವುದಿಲ್ಲ: DRM ಪರವಾನಗಿ ಬೇಕಾಗುವ ಪ್ಲೇಲಿಸ್ಟ್ ಅಥವಾ ಮ್ಯಾನಿಫೆಸ್ಟ್ ಅದನ್ನು ಹೇಳುವ ಸಂದೇಶದೊಂದಿಗೆ ವಿಫಲವಾಗುತ್ತದೆ. ಕೆಲವು ಸ್ಟ್ರೀಮ್‌ಗಳು ನಿಲ್ದಾಣದ ದೇಶದ ಹೊರಗಿನ ವಿನಂತಿಗಳನ್ನು ನಿರಾಕರಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ ಕಚೇರಿಯಲ್ಲಿ ಪ್ಲೇ ಆಗುವ ವಿಳಾಸ ವಿದೇಶದ ಸರ್ವರ್‌ನಿಂದ ಪ್ಲೇ ಆಗದಿರಬಹುದು. ಸ್ಟ್ರೀಮ್ ಬ್ರೌಸರ್‌ನಲ್ಲಿ ಪ್ಲೇ ಆಗುತ್ತಿದ್ದರೂ VocalStack ನಲ್ಲಿ ಆಗದಿದ್ದರೆ, ನಿಲ್ದಾಣ ಇತರ ಪ್ಲೇಯರ್‌ಗಳನ್ನು ದೂರವಿಡುತ್ತಿದೆ; ಇತರ ಆ್ಯಪ್‌ಗಳು ಬಳಸಲು ಅನುಮತಿಸಿದ ವಿಳಾಸವನ್ನು ನಿಲ್ದಾಣದಿಂದ ಕೇಳಿ. ಹೆಚ್ಚಿನವು MP3, AAC ಅಥವಾ HLS ಸ್ಟ್ರೀಮ್ ನೀಡುತ್ತವೆ. ಸರಿಯಾದ ವಿಳಾಸ ಸಿಕ್ಕ ನಂತರ, ಮುಂದಿನ ಪ್ರಶ್ನೆ ಅದು ಎಂದಾದರೂ ಕೊನೆಗೊಳ್ಳುತ್ತದೆಯೇ ಎಂಬುದು.
ಲೈವ್ ಸ್ಟ್ರೀಮ್ ಎಂದಿಗೂ ಮುಗಿಯುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ಅದು ಫೈಲ್ ಅಲ್ಲ. ಈ ವ್ಯತ್ಯಾಸ YouTube ಗೆ ವಿಶೇಷವಾಗಿ ಮುಖ್ಯ. ಪ್ರಸಾರದಲ್ಲಿರುವ YouTube ಲೈವ್ ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್‌ಗೆ ಸೇರಿದೆ, ಮತ್ತು ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಅದು ಪ್ರಸಾರವಾಗುತ್ತಿದ್ದಂತೆ ಅದನ್ನು ಅನುಸರಿಸುತ್ತದೆ. ನಿಗದಿಯಾಗಿದ್ದರೂ ಇನ್ನೂ ಆರಂಭವಾಗದ YouTube ಲೈವ್ Not live yet ಎಂದು ತೋರಿಸಲ್ಪಡುತ್ತದೆ ಮತ್ತು ಪ್ರಸಾರವಾದ ನಂತರ ದಾಖಲಿಸಬಹುದು. ಮುಗಿದ ವೀಡಿಯೊ ಬೇರೆ ವಸ್ತು: ಅದಕ್ಕೆ ಉದ್ದವಿದೆ, ಆದ್ದರಿಂದ ಅದನ್ನು ಫೈಲ್ ಆಗಿ ಟ್ರಾನ್ಸ್‌ಕ್ರೈಬ್ ಮಾಡಲಾಗುತ್ತದೆ: ಲಿಂಕ್ ಅನ್ನು Transcriptions → New ಗೆ ಅಂಟಿಸಿ.
ಪ್ಲೇಲಿಸ್ಟ್ ಸ್ವತಃ ಅದು ಯಾವುದು ಎಂದು ಹೇಳುತ್ತದೆ, ಮತ್ತು ಯಾವುದೇ ಪ್ಲೇಯರ್ ವ್ಯತ್ಯಾಸವನ್ನು ಹೇಳುವುದು ಇದರಿಂದಲೇ. ಮುಗಿದ HLS ಪ್ಲೇಲಿಸ್ಟ್‌ನಲ್ಲಿ #EXT-X-ENDLIST ಟ್ಯಾಗ್ ಅಥವಾ #EXT-X-PLAYLIST-TYPE:VOD ಇರುತ್ತದೆ; ಲೈವ್ ಒಂದರಲ್ಲಿ ಇವೆರಡೂ ಇರುವುದಿಲ್ಲ ಮತ್ತು ಅದು ಬೆಳೆಯುತ್ತಲೇ ಇರುತ್ತದೆ, ಆದ್ದರಿಂದ ಪ್ಲೇಯರ್ ಹೊಸ ಸೆಗ್ಮೆಂಟ್‌ಗಳಿಗಾಗಿ ಪ್ರತಿ ಕೆಲವು ಸೆಕೆಂಡ್‌ಗಳಿಗೊಮ್ಮೆ ಅದನ್ನು ಮರು ತರುತ್ತದೆ. DASH ಮ್ಯಾನಿಫೆಸ್ಟ್ ಪ್ರಸಾರ ನಡೆಯುತ್ತಿರುವಾಗ type="dynamic" ಎಂದು ಘೋಷಿಸುತ್ತದೆ ಮತ್ತು ಅದು ರೆಕಾರ್ಡಿಂಗ್ ಆದ ನಂತರ type="static" ಆಗುತ್ತದೆ. Icecast ಸರ್ವರ್‌ನ MP3 ಅಥವಾ AAC ಸ್ಟ್ರೀಮ್‌ಗೆ ಯಾವುದೇ ಉದ್ದವೇ ಇರುವುದಿಲ್ಲ; ಅದು ಎಂದಿಗೂ ನಿಲ್ಲುವುದಿಲ್ಲ.
ಕೋಡ್‌ನಿಂದ, GET /v1/transcriptions/probe?url= ಯಾವುದನ್ನೂ ಸಂಗ್ರಹಿಸುವ ಮೊದಲೇ ಇದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ಪ್ರತಿಕ್ರಿಯೆಯ kind ಲೈವ್ ಆಗಿದ್ದರೆ live: ಪ್ರಸಾರದಲ್ಲಿರುವ ಅಥವಾ ನಿಗದಿಯಾದ YouTube ಲೈವ್, ಅಂತ್ಯವಿಲ್ಲದ HTTP ಸ್ಟ್ರೀಮ್, ಅಂತ್ಯವಿಲ್ಲದ HLS ಪ್ಲೇಲಿಸ್ಟ್, ಅಥವಾ ಡೈನಾಮಿಕ್ DASH ಮ್ಯಾನಿಫೆಸ್ಟ್. ಕೊನೆಯಿರುವ ಯಾವುದಕ್ಕಾದರೂ file, ಮತ್ತು probe ಹೇಳಲಾಗದಿದ್ದಾಗ unknown. ಲಿಂಕ್ ಮೀಡಿಯಾವಾಗಿ ತೆರೆಯದಿದ್ದರೆ ok false ಆಗಿರುತ್ತದೆ ಮತ್ತು problem ನೀವು ತೋರಿಸಬಹುದಾದ ವಾಕ್ಯವಾಗಿರುತ್ತದೆ. Probe ಯಾವುದನ್ನೂ ಉಳಿಸುವುದಿಲ್ಲ ಮತ್ತು ನಿಮಿಷಕ್ಕೆ 60 ಕರೆಗಳಿಗೆ ಸೀಮಿತವಾಗಿದೆ.
ಮುಗಿದ ಫೈಲ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್‌ಗಳು ಆಡಿಯೊ ಪ್ಲೇ ಆಗುವ ವೇಗಕ್ಕಿಂತ ಹಲವು ಪಟ್ಟು ವೇಗವಾಗಿ ನಡೆಯುತ್ತವೆ, ಆದ್ದರಿಂದ ಮುಗಿದ ಒಂದು ಗಂಟೆಯ ದೂರದರ್ಶನ ಒಂದು ಗಂಟೆ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ. ಲೈವ್ ಸ್ಟ್ರೀಮ್ ನೈಜ ಸಮಯದಲ್ಲಿ ಟ್ರಾನ್ಸ್‌ಕ್ರೈಬ್ ಆಗುತ್ತದೆ, ಆದರೆ "ನೈಜ ಸಮಯ" ಈಗಾಗಲೇ ಪ್ರಸಾರಕ್ಕಿಂತ ಹಿಂದಿರುತ್ತದೆ, ಮತ್ತು ಎಷ್ಟು ಹಿಂದೆ ಎಂದು ತಿಳಿದಿರುವುದು ಯೋಗ್ಯ. Icecast ಸ್ಟ್ರೀಮ್ ಮೈಕ್ರೊಫೋನ್‌ನ ನಂತರ ಕೆಲವು ಸೆಕೆಂಡ್‌ಗಳಲ್ಲಿ ಪ್ಲೇಯರ್ ತಲುಪುತ್ತದೆ. HLS ಮತ್ತು DASH ಸೆಗ್ಮೆಂಟ್ ಆಧಾರಿತವಾಗಿದ್ದು, ಪ್ಲೇಯರ್ ಸುಮಾರು ಆರು ಸೆಕೆಂಡ್‌ಗಳ ಎರಡು ಅಥವಾ ಮೂರು ಸೆಗ್ಮೆಂಟ್‌ಗಳನ್ನು ಹೊಂದುವವರೆಗೆ ಆರಂಭವಾಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ HLS ಸ್ಟ್ರೀಮ್ ಸಾಮಾನ್ಯವಾಗಿ ಪ್ರಸಾರಕ್ಕಿಂತ 10 ರಿಂದ 30 ಸೆಕೆಂಡ್ ಹಿಂದಿರುತ್ತದೆ, ಜೊತೆಗೆ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ತನ್ನದೇ ವಿಳಂಬ ಸೇರಿಸುತ್ತದೆ. ತಡವಾಗಿ ಬರುವಂತೆ ಕಾಣುವ ಸಾಲು ಸಾಮಾನ್ಯವಾಗಿ ನಿಲ್ದಾಣದ ವಿಳಂಬ, ಟ್ರಾನ್ಸ್‌ಕ್ರೈಬರ್‌ನದಲ್ಲ. ಒಂದು ಸ್ಟ್ರೀಮ್ ಒಂದು ರೆಕಾರ್ಡಿಂಗ್ ಮಾಡುತ್ತದೆ; ಒಂದು ಮೇಜು ಹಲವು ನಡೆಸುತ್ತದೆ, ಮತ್ತು ಅವೆಲ್ಲವೂ ಒಂದೇ ಕಡೆ ಸೇರುತ್ತವೆ.
ಪ್ರತಿ ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಎಲ್ಲಾ ಫೈಲ್‌ಗಳ ಜೊತೆಗೆ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್‌ಗಳ ಲೈಬ್ರರಿಗೆ ಸೇರುತ್ತದೆ. ಪ್ರತಿ ರೆಕಾರ್ಡಿಂಗ್ ತನ್ನ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ನೊಂದಿಗೆ ಉಳಿಯುತ್ತದೆ, ಮತ್ತು ಪದಗಳು ಅಂತಿಮವಾದ ನಂತರ ಅದಕ್ಕೆ ಶೀರ್ಷಿಕೆ ಮತ್ತು ಸಾರಾಂಶ ಎಲ್ಲಾ ಭಾಷೆಗಳಲ್ಲಿ ಬರೆಯಲಾಗುತ್ತದೆ. ಮಾತನಾಡುವ ಭಾಷೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಗುರುತಿಸಲಾಗುತ್ತದೆ, ಮತ್ತು ಭಾಷಿಕರು ಯಾವಾಗ ಬೇಕಾದರೂ ಭಾಷೆ ಬದಲಿಸಬಹುದು. ಭಾಷೆ ಗೊತ್ತಿದ್ದರೆ, ಅದನ್ನು ಹೆಸರಿಸಿದರೆ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಗುಣಮಟ್ಟ ಸುಧಾರಿಸುತ್ತದೆ.
ಲೈಬ್ರರಿಯನ್ನು ಭಾಷೆಗಳಾದ್ಯಂತ ಹುಡುಕಬಹುದು: ಯಾವುದೇ ಭಾಷೆಯ ಎಲ್ಲಾ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗಳಲ್ಲಿ ಹುಡುಕಿ, ಫಲಿತಾಂಶಗಳನ್ನು ನಿಮ್ಮ ಭಾಷೆಯಲ್ಲಿ ಪಡೆಯಿರಿ. ಇಂಗ್ಲಿಷ್ ಮಾತ್ರ ಓದುವ ವರದಿಗಾರ ರೊಮೇನಿಯನ್ ನಿಲ್ದಾಣದ ಬೆಳಗಿನ ಕಾರ್ಯಕ್ರಮದಲ್ಲಿ ಒಬ್ಬ ಮಂತ್ರಿಯ ಹೆಸರನ್ನು ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ ಹುಡುಕಬಹುದು, ಮತ್ತು ಪ್ರತಿ ಹೊಂದಾಣಿಕೆಯನ್ನು ಅದು ಬಂದ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಮತ್ತು ಅದು ಹೇಳಿದ ಸಮಯದೊಂದಿಗೆ ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ ಓದಬಹುದು. ಆ ಮಂತ್ರಿಯ ಹೆಸರನ್ನು ಮೂರು ನಿಲ್ದಾಣಗಳಲ್ಲಿ ಮೂರು ರೀತಿಯಲ್ಲಿ ಬರೆಯಬಹುದು; ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ ಹುಡುಕುವುದರಿಂದ ಮೂರನ್ನೂ ಓದುವ ಶ್ರಮ ಉಳಿಯುತ್ತದೆ.
ಒಂದು ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಒಂದೇ ಸಮಯದಲ್ಲಿ 10 ಭಾಷೆಗಳಿಗೆ ಅನುವಾದಿಸಬಹುದು, ಆದ್ದರಿಂದ ಅದೇ ರೆಕಾರ್ಡಿಂಗ್ ಮೇಜು ಕೆಲಸ ಮಾಡುವ ಪ್ರತಿ ಭಾಷೆಯಲ್ಲಿ ಓದಬಹುದು. ಹುಡುಕಾಟದ ಹೊಂದಾಣಿಕೆ ಉಲ್ಲೇಖಿಸಲು ಸಾಧ್ಯವಾದರೆ ಮಾತ್ರ ಉಪಯುಕ್ತ.
ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಪಠ್ಯದ ಗೋಡೆಯಲ್ಲ. API ಯ GET /v1/recordings/{id}/transcript sentences, ಪದಗಳ ಸಮಯದೊಂದಿಗೆ segments, ಮತ್ತು speakers ಅನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಒಂದು ಉಲ್ಲೇಖವನ್ನು ರೆಕಾರ್ಡಿಂಗ್‌ನಲ್ಲಿ ಸೆಕೆಂಡಿನ ನಿಖರತೆಯೊಂದಿಗೆ ಇಡಬಹುದು. ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಲೈವ್ ರೆಕಾರ್ಡಿಂಗ್ ಬಂದ ಹಾಗೆಯೇ, ಅದರ ಆಡಿಯೊ ಸಹಿತ ಮರುಪ್ಲೇ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಉಲ್ಲೇಖಿಸುವ ಮೊದಲು ವಾಕ್ಯವನ್ನು ಕೇಳಬಹುದು.
ರೇಡಿಯೊ ಆಡಿಯೊದ ಯಾವುದೇ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಅನ್ನು ನಂಬುವ ಮೊದಲು, ಯಾವುದೇ ವ್ಯವಸ್ಥೆಯಿಂದ ಬಂದಿದ್ದರೂ, ಎರಡು ವಿಷಯ ತಿಳಿದಿರುವುದು ಯೋಗ್ಯ. ಸ್ಪೀಚ್ ರೆಕಗ್ನಿಷನ್ ಸಾಮಾನ್ಯ ಹೆಸರುಗಳು, ಸ್ಥಳಗಳು ಮತ್ತು ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಹೆಚ್ಚು ಎಡವುತ್ತದೆ, ಅವೇ ವರದಿಗಾರ ಹುಡುಕುವ ವಿಷಯಗಳು. ರೆಕಗ್ನೈಸರ್ ಎಂದೂ ನೋಡಿರದ ಹೆಸರು ಹತ್ತಿರದ ಸಾಮಾನ್ಯ ಪದವಾಗಿ ಬರುತ್ತದೆ, ಮತ್ತು ಸರಿಯಾದ ಕಾಗುಣಿತಕ್ಕಾಗಿ ಹುಡುಕಿದರೆ ಅದು ಸಿಗುವುದಿಲ್ಲ. ಅದರ ಬದಲು ಅದೇ ಉಸಿರಿನಲ್ಲಿ ಹೇಳಿದ ವಿಶಿಷ್ಟ ಪದವನ್ನು ಹುಡುಕಿ, ನಂತರ ಹೊಂದಾಣಿಕೆಯ ಸುತ್ತಲೂ ಓದಿ. ರೇಡಿಯೊ ಎಂದರೆ ಕೇವಲ ಭಾಷಣವಲ್ಲ: ಸಂಗೀತದ ಹಿನ್ನೆಲೆ, ಜಿಂಗಲ್‌ಗಳು ಮತ್ತು ಜಾಹೀರಾತು ವಿರಾಮಗಳು ವಾಕ್ಯಗಳಂತೆ ಕಾಣುವ ಸಾಲುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ, ಆದರೆ ಅವು ವಾಕ್ಯಗಳಲ್ಲ. ಉಲ್ಲೇಖಿಸುವ ಮೊದಲು ಆಡಿಯೊ ಪರಿಶೀಲಿಸಿ.
ಸ್ಪೀಕರ್ ಲೇಬಲ್‌ಗಳಿಗೆ ಮೂರು ಸೆಟ್ಟಿಂಗ್‌ಗಳಿವೆ: off, on, ಅಥವಾ When Needed, ಇದು ಎರಡನೇ ಸ್ಪೀಕರ್ ಕೇಳಿಸಿದ ನಂತರ ಲೇಬಲ್‌ಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. ರೆಕಾರ್ಡಿಂಗ್‌ನಲ್ಲಿ ಒಬ್ಬ ಸ್ಪೀಕರ್‌ಗೆ ಹೆಸರು ಇಡಬಹುದು (PUT /v1/recordings/{id}/speakers/{idx}), ಮತ್ತು ಒಬ್ಬ ಸ್ಪೀಕರ್‌ನ ಧ್ವನಿ ನೋಂದಾಯಿಸಿದ ನಂತರ, ಮುಂದಿನ ರೆಕಾರ್ಡಿಂಗ್‌ಗಳು ಅವರನ್ನು ಹೆಸರಿನಿಂದ ಗುರುತಿಸುತ್ತವೆ. ಪ್ರತಿ ಬೆಳಗ್ಗೆ ಬರುವ ನಿಲ್ದಾಣದ ನಿರೂಪಕರಿಗೆ, ಮೊದಲ ವಾರದ ನಂತರ ಲೇಬಲ್‌ಗಳು "Speaker 2" ಆಗಿರುವುದು ನಿಲ್ಲುತ್ತದೆ. ಉಲ್ಲೇಖವನ್ನು ಪರಿಶೀಲಿಸಿದ ನಂತರ, ಅದು ಕಟ್ಟಡದಿಂದ ಹೊರಹೋಗಬೇಕು.
ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್‌ನ Export ಟ್ಯಾಬ್‌ನಲ್ಲಿರುವ ಪ್ರತಿ ಫಾರ್ಮ್ಯಾಟ್‌ಗೆ ಸುದ್ದಿ ಕೊಠಡಿಯಲ್ಲಿ ಒಂದು ಕೆಲಸವಿದೆ. SRT ವೀಡಿಯೊ ಸಂಪಾದಕರ ಬಳಿಗೆ ಹೋಗುತ್ತದೆ, ಆದ್ದರಿಂದ ಸ್ಟ್ರೀಮ್‌ನ ಕ್ಲಿಪ್‌ಗೆ ಉಪಶೀರ್ಷಿಕೆಗಳಿರುತ್ತವೆ; ಅನುವಾದಿಸಿದ SRT ಇತರ ಭಾಷೆಯಲ್ಲಿ ಉಪಶೀರ್ಷಿಕೆ ಹೊಂದಿರುತ್ತದೆ. Excel ಸಂಶೋಧಕರ ಬಳಿಗೆ ಹೋಗುತ್ತದೆ, ಪ್ರತಿ ವಾಕ್ಯಕ್ಕೆ ಒಂದು ಸಾಲು ಅದರ ಸಮಯದೊಂದಿಗೆ, ಫಿಲ್ಟರ್ ಮಾಡಿ ಟಿಪ್ಪಣಿ ಹಾಕಲು. PDF ರೈಲಿನಲ್ಲಿ ಇಡೀ ಗಂಟೆಯನ್ನು ಓದಲು ಬಯಸುವ ಸಂಪಾದಕರಿಗೆ ಹೋಗುತ್ತದೆ. JSON ಆ ಮೇಜಿನ ಸ್ವಂತ ಉಪಕರಣಗಳನ್ನು ಬರೆಯುವವರಿಗೆ ಹೋಗುತ್ತದೆ. API ಮೂಲಕ, ರಫ್ತು GET /v1/recordings/{id}/export?format=srt|json|xlsx|pdf ಆಗಿದೆ, ಅನುವಾದಿತ ಆವೃತ್ತಿಗೆ lang= ಸಹಿತ. Download audio ಪ್ಯಾಕೇಜ್‌ಗಾಗಿ ರೆಕಾರ್ಡಿಂಗ್ ಅನ್ನು MP3 ಆಗಿ ನೀಡುತ್ತದೆ.
ವರದಿಗಾರಿಕೆಗಾಗಿ ಪ್ರಸಾರವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವುದು ಸುದ್ದಿ ಕೊಠಡಿಯ ಸಾಮಾನ್ಯ ಅಭ್ಯಾಸ. ಅದರ ಕ್ಲಿಪ್ ಅನ್ನು ಮರುಪ್ರಕಟಿಸುವುದು ಬೇರೆ ಕೆಲಸ. ಅದು ನೀವಿರುವ ಸ್ಥಳದ ನ್ಯಾಯೋಚಿತ ವ್ಯವಹಾರ (fair dealing) ಅಥವಾ ನ್ಯಾಯೋಚಿತ ಬಳಕೆ (fair use) ನಿಯಮಗಳಿಂದ ಮತ್ತು ನಿಲ್ದಾಣದ ಸ್ವಂತ ನಿಯಮಗಳಿಂದ ನಿಯಂತ್ರಿತವಾಗಿದೆ, ಆದ್ದರಿಂದ ಸ್ಪರ್ಧಿಯನ್ನು ಉಲ್ಲೇಖಿಸುವ ಮೇಜಿನ ಸಾಮಾನ್ಯ ನಿಯಮಗಳು ಸ್ಪರ್ಧಿಯ ಆಡಿಯೊಗೂ ಅನ್ವಯಿಸುತ್ತವೆ. ಮೇಲಿನ ಎಲ್ಲವೂ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ನಲ್ಲಿ ಕೆಲವು ಕ್ಲಿಕ್‌ಗಳು; ಇಪ್ಪತ್ತು ನಿಲ್ದಾಣಗಳಿರುವ ಮೇಜಿಗೆ, ಸ್ಕ್ರಿಪ್ಟ್ ಮೂಲಕ ಮಾಡುವುದು ಉತ್ತಮ.
ಸಂಪೂರ್ಣ ಮಾರ್ಗ API ಯಲ್ಲಿದೆ, ಪ್ರತಿ ಪ್ಲಾನ್‌ನಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ ಮತ್ತು ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ನ ಅದೇ ದರದಲ್ಲಿ ಬಿಲ್ ಮಾಡಲಾಗುತ್ತದೆ. ಸ್ಟ್ರೀಮ್ ಮೂಲವನ್ನು ಹೊಂದಿರುವ ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ನಿಷ್ಕ್ರಿಯವಾಗಿ ರಚಿಸಲಾಗುತ್ತದೆ, ಮೊದಲ ರೆಕಾರ್ಡಿಂಗ್ ಮೂಲಕ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ ಮತ್ತು HTTP ಮೂಲಕ ನಿಯಂತ್ರಿಸಲ್ಪಡುತ್ತದೆ. ಸರ್ವರ್ ಆಡಿಯೊ ಎಳೆಯುವುದರಿಂದ, ರೆಕಾರ್ಡಿಂಗ್ ಪ್ರಾರಂಭಿಸಿದಾಗ ನಿಮಗೆ ಪ್ರಕಟಿಸಲು ಯಾವ ಸ್ಟ್ರೀಮ್ ಸಿಗುವುದಿಲ್ಲ: ನಿಮ್ಮ ಕಡೆಯಿಂದ ಆಡಿಯೊ ಕಳುಹಿಸುವ ಯಾವುದೂ ಇಲ್ಲ.
API=$VOCALSTACK_API_ORIGIN # the origin shown in the API reference
AUTH="Authorization: Bearer $VOCALSTACK_API_KEY"
# A live transcription whose source the server pulls itself.
TX=$(jq -n '{name: "Morning show", source: {kind: "stream", url: "https://example.org/live.mp3"},
settings: {speakerLabels: "auto"}}' \
| curl -sSf "$API/v1/transcriptions/live" -H "$AUTH" -H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" -d @- | jq -r .id)
# Start recording: the server opens the stream now.
REC=$(curl -sSf -X POST "$API/v1/transcriptions/$TX/recordings" -H "$AUTH" \
-H "Content-Type: application/json" -d '{}' | jq -r .recording.id)
# Later: pause, then stop (a live recording must be paused before it is stopped).
curl -sSf -X POST "$API/v1/recordings/$REC/pause" -H "$AUTH"
curl -sSf -X POST "$API/v1/recordings/$REC/stop" -H "$AUTH" -H "Content-Type: application/json" -d '{}'
# Search everything that was said, in English.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=budget" --data-urlencode "lang=en"
Idempotency-Key ಮರುಪ್ರಯತ್ನಿಸಿದ ಸೃಷ್ಟಿಯು ಎರಡನೆಯದನ್ನು ಬದಲಿಗೆ ಮೊದಲ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಅನ್ನು ಹಿಂತಿರುಗಿಸುವಂತೆ ಮಾಡುತ್ತದೆ. TypeScript ಮತ್ತು Python SDK ಗಳು ಅದೇ ಕರೆಗಳನ್ನು ಸುತ್ತುತ್ತವೆ ಮತ್ತು Developers area ನಿಂದ ಡೌನ್‌ಲೋಡ್ ಮಾಡಬಹುದು; API reference ಪ್ರತಿ ರೂಟ್ ಮತ್ತು ಅದರ frames ಅನ್ನು ಹೊಂದಿದೆ.
AI ಏಜೆಂಟ್ ಯಾವುದೇ ಕೋಡ್ ಇಲ್ಲದೆ ಲೈಬ್ರರಿಯನ್ನು ನಿರ್ವಹಿಸಬಹುದು. /v1/mcp ನಲ್ಲಿರುವ MCP ಸರ್ವರ್ ಏಜೆಂಟ್‌ಗೆ ಉಪಕರಣಗಳ ಗುಂಪನ್ನು ನೀಡುತ್ತದೆ; ಅವುಗಳಲ್ಲಿ ಇಲ್ಲಿ ಮುಖ್ಯವಾದ ನಾಲ್ಕು. search_transcriptions ಖಾತೆಯ ಎಲ್ಲಾ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್‌ಗಳಲ್ಲಿ ಯಾವುದೇ ಭಾಷೆಯಲ್ಲಿ ಹೇಳಿದ್ದನ್ನು ಹುಡುಕುತ್ತದೆ ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಸಾಲುಗಳನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ, ಪ್ರತಿಯೊಂದೂ ಅದು ಇರುವ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಮತ್ತು ಹೇಳಿದ ಸಮಯದೊಂದಿಗೆ. get_summary ರೆಕಾರ್ಡಿಂಗ್‌ನ ಸಾರಾಂಶವನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ. transcribe_url ಮತ್ತು wait_for_transcription ಮುಗಿದ ವೀಡಿಯೊ ಅಥವಾ ರೆಕಾರ್ಡಿಂಗ್‌ನ ಲಿಂಕ್ ಅನ್ನು ಟ್ರಾನ್ಸ್‌ಕ್ರೈಬ್ ಮಾಡಿ ಫಲಿತಾಂಶಕ್ಕಾಗಿ ಕಾಯುತ್ತವೆ. ಲೈವ್ ಸ್ಟ್ರೀಮ್ ಮೇಲ್ವಿಚಾರಕವನ್ನು ಪ್ರಾರಂಭಿಸುವುದು ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಅಥವಾ ಮೇಲಿನ API ಯಲ್ಲಿಯೇ ಉಳಿಯುತ್ತದೆ. Claude Code, Cursor ಅಥವಾ ಯಾವುದೇ Streamable HTTP ಕ್ಲೈಂಟ್‌ಗಾಗಿನ ಸೆಟಪ್ Developers → Connect an AI agent ಅಡಿಯಲ್ಲಿದೆ; MCP ಲೇಖನ ಅದನ್ನು ಹಂತ ಹಂತವಾಗಿ ವಿವರಿಸುತ್ತದೆ. ಸ್ಕ್ರಿಪ್ಟ್ ನಡೆಸಲು ಎಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ ಎಂಬುದು ಕೊನೆಯ ಪ್ರಶ್ನೆ.
ಲೈವ್ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್ ಆಡಿಯೊ ಪ್ರತಿ ಗಂಟೆಗೆ $0.60, ಪ್ರತಿ ಸೆಕೆಂಡ್‌ಗೆ ಬಿಲ್ ಮಾಡಲಾಗುತ್ತದೆ ($0.01 ಪ್ರತಿ ನಿಮಿಷ), ಪ್ರತಿ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಷನ್‌ಗೆ 5 ನಿಮಿಷದ ಕನಿಷ್ಠದೊಂದಿಗೆ. ಲೈವ್ ಫೈಲ್‌ಗಿಂತ ಹೆಚ್ಚು ವೆಚ್ಚವಾಗುತ್ತದೆ ಏಕೆಂದರೆ ಅದು ನಡೆಯುತ್ತಿರುವಾಗಲೇ ಟ್ರಾನ್ಸ್‌ಕ್ರೈಬ್ ಆಗುತ್ತದೆ, ಎಷ್ಟು ಹೊತ್ತು ನಡೆದರೂ. ಫೈಲ್‌ಗಳು ಪ್ರತಿ ಗಂಟೆಗೆ $0.20 ($0.0033 ಪ್ರತಿ ನಿಮಿಷ; 30 ನಿಮಿಷದ ಫೈಲ್‌ಗೆ $0.10). ದರಗಳು ಪ್ರತಿ ಪ್ಲಾನ್‌ನಲ್ಲಿ ಮತ್ತು API ಮೂಲಕ ಒಂದೇ ಆಗಿವೆ, ಮತ್ತು ಅನುವಾದಗಳು, ಸಾರಾಂಶಗಳು, ಸ್ಪೀಕರ್ ಹೆಸರಿಡುವಿಕೆ, ಪ್ರಸಾರ ಮತ್ತು ಹಂಚಿಕೆ ಎಂದಿಗೂ ಬಿಲ್‌ಗೆ ಸೇರಿಸುವುದಿಲ್ಲ.
ದಿನಕ್ಕೆ ಎಂಟು ಗಂಟೆ, ವಾರಕ್ಕೆ ಐದು ದಿನ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲಾಗುವ ನಿಲ್ದಾಣ 40 ಲೈವ್ ಗಂಟೆಗಳು: ವಾರಕ್ಕೆ $24, ಮೇಜು ಅದನ್ನು ಎಷ್ಟು ಭಾಷೆಗಳಲ್ಲಿ ಓದಿದರೂ.
ಮೇಲ್ವಿಚಾರಣೆಗೆ ಮುಖ್ಯವಾದ ಮಿತಿಗಳು ಪ್ಲಾನ್‌ಗೆ ಅನುಗುಣವಾಗಿ ಬದಲಾಗುತ್ತವೆ. ಪ್ರತಿಯೊಂದನ್ನು Pay as you go (ಬಳಸಿದಷ್ಟು ಪಾವತಿಸಿ), Premium, Enterprise ಕ್ರಮದಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಲಾಗಿದೆ:
ಹೊಸ ಖಾತೆ $5 ಸೈನ್ ಅಪ್ ಕ್ರೆಡಿಟ್ ಮತ್ತು ಕಾರ್ಡ್ ಇಲ್ಲದೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ; ಇದು ಪ್ರಯತ್ನಿಸಲು ಎಂಟು ಗಂಟೆಗಳಿಗಿಂತ ಹೆಚ್ಚು ಲೈವ್ ಮೇಲ್ವಿಚಾರಣೆ. ಪೂರ್ಣ ಕೋಷ್ಟಕ ಬೆಲೆ ಪುಟ ದಲ್ಲಿದೆ.