Daugiakalbei auditorijai nereikia kabinos kiekvienai kalbai. Reikia vieno švaraus garso srauto iš pulto, vienos nuorodos, kurią klausytojai atidaro savo telefonuose, ir būdo ištaisyti netinkamai išgirstą vardą, kol kalba dar vyksta.
Kalba, pamokslas, paskaita ar savivaldybės posėdis turi vieną kalbantį asmenį ir auditoriją, kurios ne visi galvoja ta kalba. Įprasti sprendimai brangūs, nepilni arba asmeniniai.
Brangiausias sprendimas – vertėjas kiekvienai kalbai. Net ir turint po vertėją kiekvienai kalbai, reikia kabinos, imtuvų ir specialisto kiekvienai salės kalbai, o specialistai nesako to paties. Kiekvienas vertėjas spaudimo sąlygomis priima savus sprendimus: kokį žodį pasirinkti terminui, ką suglaustai perteikti, ką praleisti, kai kalbėtojas pagreitėja. Įprastoje paskaitoje skirtumai beveik nesvarbūs. Teismo posėdyje, savivaldybės balsavime ar techniniame brifinge jie svarbūs: apibrėžtas terminas, dozė ar sąlyga prancūzų kalba kalbantiems klausytojams gali reikšti viena, o arabų kalba kalbantiems – kita, ir niekas salėje to negali pastebėti. Dalinis sprendimas – subtitrų srautas viename ekrane, tik vienai antrajai kalbai. Asmeninis – penkiasdešimt telefonų, iškeltų į salę: penkiasdešimt šiek tiek klaidingų nuorašų, nes kiekvienas telefonas girdi aidą ir kosėjimą lygiai taip pat aiškiai kaip kalbėtoją.
Alternatyva – vieną kartą transkribuoti kalbėtoją iš švaraus šaltinio, tą vieną nuorašą išversti į visas auditorijai reikalingas kalbas, kad kiekviena kalba prasidėtų nuo tų pačių žodžių, ir leisti kiekvienam klausytojui pasirinkti savo įrenginyje. Įrašas išsaugomas renginiui pasibaigus. Štai kaip šeimininkas ir klausytojas viską nustato ir kiek tai kainuoja.
Tiesioginis transkribavimas gali klausytis bet kurio įrenginio mikrofono, RTMP srauto iš OBS ar kito kodavimo įrenginio, kuris priima serverio URL ir transliacijos raktą, tiesioginės YouTube transliacijos, interneto radijo stoties ar bet kurio URL, teikiančio srautą. Srautui VocalStack pats paima garsą; jūsų pusėje nieko nereikia paleisti.
Šaltinis svarbiau nei bet kuris nustatymas. Salės mikrofonas arba ant stalo padėtas telefonas girdi kalbėtoją ir patalpą: atšvaitus nuo sienų, kėdžių, auditoriją. Kalbos atpažinimas smarkiai prastėja, kai balsas tampa tylesnis už tą triukšmą, todėl tie penkiasdešimt telefonų ir nesutampa. Garso srautas iš maišymo pulto perduoda paties kalbėtojo mikrofoną su nedideliu patalpos kiekiu, todėl nuorašas seka kalbėtoją, o ne patalpą. Jei renginio vietoje yra pultas, imkite srautą iš jo.
Kalbos kalba aptinkama automatiškai, o kalbėtojas gali ją bet kada pakeisti; iš anksto nurodžius kalbą, pagalbos sulaukiama triukšminguose įrašuose ir stipriai akcentuojant. Kalbėtojų žymos gali būti išjungtos, įjungtos arba When Needed, kuris jas įjungia, kai išgirstamas antras kalbėtojas. Kai garsas jau ateina, auditorijai reikia vietos, kur jį rasti.
Transliacija yra nuoroda: vienas adresas ir QR kodas, kurį klausytojai nuskenuoja, kad atidarytų tiesioginį vertimą ir pasirinktų savo kalbą. Nuoroda sudaroma iš pavadinimo, kurį suteikiate transliacijai. Vėliau pervadinus senoji nuoroda tebeveikia, todėl programoje atspausdintas QR kodas nepasens.
Transliacija pagal numatytuosius nustatymus yra vieša: nuoroda atvers bet kas, turintis ją. Jei padarysite ją privačią ir nustatysite slaptažodį, klausytojų prašys jį įvesti prieš rodant nuorašą.
Vieną transliaciją gali maitinti keli tiesioginiai transkribavimai, todėl konferencija su dviem scenomis vis tiek naudoja vieną nuorodą. Nuoroda pritraukia žmones, o juos išlaiko teisingai užrašyti vardai.
Kalbos atpažintuvai mokomi pagal tai, kaip žmonės paprastai kalba, todėl kai garsas dviprasmiškas, jie renkasi įprastą žodį. Gaminio pavadinimas, pavardė, kaimas, cheminė medžiaga – kiekvienas turi dažnesnį beveik vienodai skambantį žodį, ir būtent jis ir pasirodo, nebent atpažintuvui pasakoma, kad ateina retas žodis. Tam ir skirtas scenarijus. Prieš pradėdami pridėkite scenarijų ar skaidres, ir juose esantys vardai bei terminai laimės prieš klaidingai išgirstus. Būtent šiuose vardose ir terminuose kalbos atpažinimas specializuotoje paskaitoje dažniausiai klysta. Įrašymo metu skirtukas Script seka kaip teleprompteris ir paryškina jau ištartus žodžius.
Tai ir visas nustatymas. Kitoje nuorodos pusėje dar mažiau ką daryti.
Klausytojui reikia nuorodos ar QR kodo ir telefono. Jis atidaro nuorodą naršyklėje ir mato Transliacija dar neprasidėjusi, kol šeimininkas nepaspaus įrašymo, tada – Tiesiogiai. Pirmoji eilutė pasirodys netrukus. Jis pasirenka iš šeimininko nurodytų kalbų (iki 10 vienai transkripcijai, iš 100 galimų) ir skaito nuorašą, kai kalbėtojas kalba. Šeimininkas kalba savo kalba. Klausytojas bet kada gali pakeisti kalbą; iki tol buvęs nuorašas parodomas nauja kalba iš naujo.
Jei klausytojas renkasi klausyti, kiekviena išversta eilutė perskaitoma garsiai. Pagal numatytuosius nustatymus kiekvienas kalbėtojas gauna atskirą standartinį atitinkamos lyties balsą, todėl diskusija vis tiek skamba kaip diskusija.
Trys etapai vyksta eilės tvarka, ir kiekvienas laukia prieš jį esančio. Atpažinimui reikia kalbos atkarpos, kol galima patikimai nustatyti žodžius, todėl nuorašas atsilieka nuo kalbėtojo per dalį sekundės. Vertimui reikia visos frazės, nes žodžių tvarka skirtingose kalbose nevienoda, o sakinio pabaiga gali pakeisti pradžią, todėl jis seka sekundę ar dvi vėliau. Kalbai reikia išversto sakinio, kad galėtų prasidėti, todėl įgarsinta eilutė ateina paskutinė. Tai nėra trūkumas, kurio reikėtų atsikratyti; tai tiesiog tai, ką turi daryti bet kuri sistema, atliekanti šiuos tris veiksmus, įskaitant žmogų vertėją, kuris taip pat laukia veiksmažodžio.
Gavęs kalbėtojo sutikimą, šeimininkas gali klonuoti kalbėtojo balsą iš trisdešimt sekundžių, kai tas asmuo kalba vienas (MP3, M4A ar WAV; geriau keli minučių). Vertimas tada perskaitomas paties kalbėtojo balsu visomis kalbomis. Balsą reikia traktuoti kaip tai, kuo jis yra – biometriniais duomenimis. Pagal BDAR balso duomenys, tvarkomi asmens tapatybei nustatyti, paprastai priskiriami 9 straipsnio specialiųjų kategorijų duomenims, o kai kurios JAV valstijos, tarp jų Ilinojus, balso atspaudus reglamentuoja atskirai. Sutikimą kalbėtojas turi išreikšti aiškiai dar prieš įrašant pavyzdį, o ne po to; balsą galima bet kada ištrinti. Klonavimas taip pat įregistruoja kalbėtoją, todėl ateities įrašuose jis bus pažymėtas vardu. Šeimininkas gali priskirti balsą kiekvienam kalbėtojui arba vieną nutildyti.
Vėliau atėjęs klausytojas mato viską, kas buvo pasakyta prieš jam įeinant, ir toliau seka tiesiogiai. Jei ryšys nutrūksta, puslapis pats pasivejas, kai ryšys grįžta. Kai šeimininkas pristabdo, klausytojai mato Pristabdyta. Nuorašas tęsiamas, kai šeimininkas tęsia. Kai šeimininkas baigia, puslapyje rodoma įrašo data ir trukmė, o transliacija rodo savo buvusius įrašus peržiūrai.
Klausytojas gali skaityti tik tai, ką variklis išgirdo, o tiesioginis atpažinimas dalį jo supranta klaidingai.
Šeimininko ekrane yra skirtukas Fix būtent tam. Mark uncertain words nuspalvina ir pabraukia žodžius, dėl kurių variklis nebuvo tikras; Click to correct atveria eilutę peržiūrai. Skirtukas veda per abejotinus segmentus po vieną, todėl antras žmogus prie pulto gali juos peržiūrėti, kol kalbėtojas tęsia.
Kai šeimininkas perrašo žodį ar eilutę, net dar kalbamą, kiekvienas klausytojas mato taisymą. Eilutė, kurios patikimumas per mažas, klausytojams paslepiama kaip Garsas neaiškus, o ne rodoma klaidinga; šeimininkas vis tiek mato kiekvieną žodį. Tuščia vieta yra žinoma spraga; užtikrintai klaidingas žodis – gandas.
Tie taisymai nedingsta pasibaigus kalbai.
Viskas išsaugoma. Įrašas, jo nuorašas su taisymais ir vertimais bei garsas patenka į šeimininko biblioteką. Peržiūra atkuria įrašą tiksliai taip, kaip jis buvo gautas, eilutė po eilutės, su garsu. Kai žodžiai galutiniai, pavadinimas ir santrauka parašomi visomis kalbomis, o šeimininko ekrano skirtukai Summary ir Export juos iškart perduoda iš renginio.
Eksportuojami SRT subtitrai, PDF, Excel arba JSON failai su taisymais ir vertimais, o garsas atsisiunčiamas kaip MP3. Kiekvieną nuorašą galima ieškoti bet kuria kalba.
Skirtukas Audience rodo, kas klausėsi, kuria kalba ir kada prisijungė: dažnai tai pirmasis tikras organizatoriaus skaičius, kiek žmonių kuriai kalbai reikėjo. Iki tol įprastas įvertinimas buvo tie, kas pakėlė ranką, kai angliškai paklausta, ar jiems reikia vertimo. Klausytojų identifikatoriai ištrinami kartu su įrašu.
Kalbos atpažinimas, kalbėtojų atpažinimas ir balso sintezė veikia mūsų valdomuose serveriuose, o jūsų garsas trečiosioms šalims apdoroti neperduodamas. Savo garso, nuorašų ar balsų modeliams mokyti nenaudojame.
Saugojimo laikotarpis priklauso nuo plano: su mokėjimu pagal naudojimą šaltinio garsas ir balsai saugomi 7 dienas, o transkripcijos – 30 dienų; Premium ir Enterprise juos saugo visą paskyros laikotarpį. Kitas dalykas, kurį nulemia planas, yra sąskaita.
Svarbūs du skaičiai. Mokėjimo pagal naudojimą ir Premium planuose tiesioginis transkribavimas kainuoja $0.60 per valandą garso, mokama už sekundę su 5 minučių minimumu kiekvienai transkripcijai, tiek valdymo skydelyje, tiek per API. Enterprise taikomi kiekio įkainiai. Klausytojai ir kalbos nemokami: valandos trukmės renginys, perteikiamas penkiomis kalbomis dviem šimtams žmonių, kainuoja $0.60. Įrašai pigesni ($0.20 per valandą), nes tiesioginis transkribavimas veikia realiuoju laiku visą renginį. Planai skiriasi lygiagrečiu veikimu, maksimalia įrašo trukme ir paleidimo greičiu; mokėjimo pagal naudojimą plane šaltas paleidimas gali užtrukti iki 15 sekundžių, todėl paspauskite įrašymą šiek tiek anksčiau nei kalbėtojas – maždaug likus vienam „Ar visi galinėje eilėje mane girdi?“. Pilna lentelė – kainų puslapyje.
Pradžios puslapyje yra dviejų telefonų demonstracija, o nauja paskyra valdymo skydelyje gauna $5 registracijos kreditą ir nereikalauja kortelės. Pagal tiesioginę kainą tas kreditas padengia daugiau nei aštuonias valandas transliavimo.
Svarstote, ar rinktis šį sprendimą, ar įmontuotą tiesioginį vertimą, kurį turi visų telefonai? Perskaitykite kodėl telefono nepakanka salei. Visam renginiui daugiakalbės konferencijos kontrolinis sąrašas apima garso kelią, kelias scenas vienoje nuorodoje ir biudžetą. Kūrėjai visa tai gali atlikti iš kodo per API nuorodą, tuo pačiu įkainiu.
