Kalba paprastai

Dažniausiai užduodami klausimai

Mano telefone jau yra tiesioginis vertimas – kam man reikia VocalStack?

Telefone veikia nedidelis kalbos modelis, kuris turi tilpti į įrenginį ir baterijos ribas. Tai tinka trumpiems, aiškiems, kasdieniams sakiniams. Tačiau tai netinka tam, kas iš tiesų nutinka tikroje kalboje: retiems žodžiams ir vardams, panašiai skambantiems žodžiams („their“ ir „there“, „sail“ ir „sale“), techniniams terminams, akcentams, žmonėms, kalbantiems vienas per kitą, ir fono triukšmui. Modelis spėja, vertimas remiasi spėjimu, o niekas salėje nemato, kad jis buvo klaidingas.

VocalStack veikia serveriuose, todėl modeliai yra viso dydžio, o kiekviena eilutė po atpažinimo tikrinama pagal kontekstą. Pirmiausia įkelkite scenarijų ar skaidres – juose esantys vardai ir terminai laimi prieš neteisingai išgirstus žodžius. Jei vis tiek kas nors neteisingai, eilutę galite ištaisyti tiesiogiai, ir kiekvienas klausytojas matys taisymą.

Telefonas girdi patalpą, o ne kalbėtoją, ir verčia vienam žmogui, todėl penkiasdešimt telefonų duoda penkiasdešimt skirtingų nuorašų. VocalStack garsą paima tiesiai iš garso pulto, srauto ar mikrofono, kalbėtoją transkribuoja vieną kartą, o visi skaito arba klausosi to paties savo kalba. Vertimas perskaitomas garsiai kalbėtojo paties balsu, todėl klausytojai girdi scenos žmogų, o ne bendrą robotišką balsą.

Ar moku už kiekvieną klausytoją? Kaip veikia kainodara?

Ne. Klausytojai nemokami, kiek jų bebūtų ir kokia kalba jie skaito ar klausosi. Mokate už transkribuojamą garsą, pagal sekundę, bent 5 minutes vienam transkribavimui, ir tai visa sąskaita: vertimas į iki 10 kalbų, įgarsinti vertimai, transliacija, santraukos ir eksportai įtraukti.

Žr. kainas ir planus

Failų ir tiesioginių transkribavimų kainos skiriasi, visuose planuose jos vienodos, o Premium kiekvieną mėnesį įtraukia $50 kreditą. Visi planai turi tas pačias funkcijas, o API mokama tokia pati kaina kaip valdymo skydelyje.

Ko klausytojams reikia, kad galėtų sekti?

Nuorodos ar QR kodo ir telefono. Nieko įdiegti ar paskyros kurti nereikia. Klausytojas atidaro nuorodą naršyklėje, pasirenka kalbą ir skaito nuorašą, kai kalbama. Jei nori klausytis, kiekviena išversta eilutė taip pat perskaitoma garsiai. Kalbą galima keisti bet kada; iki tol įvykęs nuorašas perskaitomas nauja kalba.

Klausytojas, prisijungęs vėliau, mato viską, kas buvo pasakyta prieš jam atvykstant, o tada seka tiesiogiai. Jei ryšys nutrūksta, puslapis, grįžus ryšiui, atsinaujina pats.

Ar garsas turi ateiti iš mikrofono?

Ne. Tiesioginis transkribavimas gali klausytis bet kurio įrenginio mikrofono, RTMP srauto iš OBS ar transliacijos kodavimo įrenginio, YouTube tiesioginės transliacijos, interneto radijo stoties ar bet kurios URL, kuri pateikia srautą. Srauto atveju VocalStack garsą pats pasiima: jūsų pusėje nieko nevykdoma.

Viena transliacijos nuoroda gali būti maitinama keliais transkribavimais, todėl konferencija su dviem scenomis ar stotis su radijo srautu ir YouTube tiesiogiai vis tiek bendrina vieną nuorodą.

Ar galiu kontroliuoti, kas mato nuorašą?

Taip. Transliacija pagal numatytuosius nustatymus yra vieša: ją gali sekti kiekvienas, turintis nuorodą. Padarykite ją privačią ir nustatykite slaptažodį – tada įeis tik tie, kuriems duosite abu. Nuorodą galima vėliau pervadinti, o sena nuoroda ir toliau veiks. Taip pat matote, kas klausosi, kokia kalba ir kada prisijungė.

Ar klausytojas girdi tikrą kalbėtoją, ar sintetinį balsą?

Abu variantai. Pagal numatytuosius nustatymus kiekvienas kalbėtojas gauna atskirą standartinį atitinkamos lyties balsą, todėl diskusija vis tiek skamba kaip diskusija. Gavus kalbėtojo leidimą, jo balsą galima klonuoti iš trisdešimties sekundžių garso, ir vertimas tada bet kuria kalba skaitomas jo paties balsu. Klonuotas balsas taip pat reiškia, kad kalbėtojas atpažįstamas ir ateities įrašuose pažymimas vardu. Kiekvienam kalbėtojui galite priskirti balsą arba jį nutildyti.

Kas išsaugoma po renginio?

Viskas. Įrašas, jo nuorašas su taisymais ir vertimais bei garsas saugomi jūsų bibliotekoje. Pavadinimas ir santrauka parašomi, kai žodžiai galutiniai – visomis kalbomis. Galite atkurti įrašą tiksliai taip, kaip jis buvo gautas, ieškoti visuose nuorašuose savo kalba ir eksportuoti kaip SRT subtitrus, PDF, Excel ar JSON.

Ar galiu tai įdiegti į savo produktą?

Taip. Viską, ką atlieka valdymo skydelis, galima pasiekti per API tokia pačia kaina: realiojo laiko transkribavimas per WebSocket, tiesioginiai transkribavimai su transliacijomis, vertimas ir įgarsinti vertimai, failų ir nuorodų užduotys bei MCP serveris. Įtraukti oficialūs TypeScript ir Python SDK. Klausytojai gali prenumeruoti įrašą iš savo programos su bendrinimo kodu ir be API rakto.