Говорот, едноставно

Најчесто поставувани прашања

Мојот телефон има вграден превод во живо – зошто ми треба VocalStack?

Телефонот работи со мал говорен модел, кој мора да стане на уредот и на батеријата. Тоа е во ред за кратки, јасни, секојдневни реченици. Не е во ред за она што навистина се расипува во вистинскиот говор: ретки зборови и имиња, зборови што звучат слично („their“ и „there“, „sail“ и „sale“), технички термини, акценти, луѓе што зборуваат еден преку друг и позадинска бучава. Моделот погодува, преводот се гради врз погодокот, а никој во просторијата не може да види дека е погрешен.

VocalStack работи на сервери, па моделите се со полна големина, а секоја реплика се проверува во контекст по препознавањето. Прво прикачете текст или слајдови и имињата и термините во нив имаат предност над погрешно чуеното. Ако нешто сепак излезе погрешно, можете да ја поправите репликата додека е во живо, а секој слушател ја гледа поправката.

Телефонот, исто така, ја слуша просторијата, а не говорникот, и преведува за една личност, па педесет телефони даваат педесет различни транскрипти. VocalStack аудиото го зема директно од миксетата, стримот или микрофонот, го транскрибира говорникот еднаш, а сите читаат или слушаат исто, на својот јазик. Преводот се чита наглас со гласот на самиот говорник, па слушателите го слушаат човекот на сцената, а не општ робот глас.

Се наплаќа ли по слушател? Како функционира цената?

Не. Слушателите се бесплатни, без оглед на бројот и на јазикот на кој читаат или слушаат. Плаќате за аудиото што се транскрибира, по секунда, најмалку 5 минути по транскрипција, и тоа е целата сметка: превод на до 10 јазици, говорни преводи, пренос, резимеа и извоз се вклучени.

Погледнете ги цените и плановите

Датотеките и транскрипциите во живо имаат различни тарифи, исти на секој план, а Premium вклучува кредит од $50 секој месец. Секој план ги има истите функции, а API-то се наплатува по иста тарифа како контролната табла.

Што им треба на слушателите за да следат?

Линк или QR код и телефон. Нема што да се инсталира и нема сметка за создавање. Слушателот го отвора линкот во прелистувач, избира јазик и го чита транскриптот додека се изговара. Ако претпочита да слуша, секоја преведена реплика се чита наглас. Јазикот можете да го промените во секое време; досегашниот транскрипт се чита повторно на новиот.

Слушател што се приклучува подоцна ќе ја види сета досегашна содржина, а потоа ќе следи во живо. Ако врската падне, страницата сама се доведува во тек кога ќе се врати.

Мора ли аудиото да доаѓа од микрофон?

Не. Транскрипцијата во живо може да слуша микрофон на кој било уред, RTMP проток од OBS или енкодер за пренос, YouTube во живо, интернет радио станица или кој било URL што нуди стрим. За стрим, VocalStack самиот го повлекува аудиото: на вашата страна не работи ништо.

Еден линк за пренос може да се храни со неколку транскрипции, па конференција со две сцени или станица со радио стрим и YouTube во живо сепак споделуваат еден линк.

Можам ли да контролирам кој го гледа транскриптот?

Да. Преносот е јавен по стандард: секој со линкот може да го следи. Направете го приватен и поставете лозинка, а влез имаат само луѓето на кои ќе им ги дадете двете. Линкот можете подоцна да го преименувате, а стариот продолжува да работи. Можете да видите и кој слуша, на кој јазик и кога се приклучил.

Слушателот го слуша вистинскиот говорник или синтетички глас?

Едно или друго. По стандард, секој говорник добива посебен стандарден глас со соодветен пол, па панелот сè уште звучи како панел. Со дозвола на говорникот, неговиот глас можете да го клонирате од триесет секунди аудио, а преводот потоа се чита со неговиот глас на секој јазик. Клонираниот глас значи и дека говорникот ќе биде препознаен и означен по име во идните снимки. На секој говорник можете да му доделите глас или да исклучите еден.

Што се чува по настанот?

Сè. Снимката, нејзиниот транскрипт со поправки и преводи и аудиото се чуваат во вашата библиотека. Наслов и резиме се пишуваат штом зборовите ќе бидат конечни, на секој јазик. Можете да ја пуштите точно како што пристигнала, да пребарувате низ секој транскрипт на вашиот јазик и да ја извезете како SRT титлови, PDF, Excel или JSON.

Можам ли ова да го вградам во мојот производ?

Да. Сè што прави контролната табла е достапно преку API-то, по иста тарифа: транскрипција во реално време преку WebSocket, транскрипции во живо со преноси, превод и говорни преводи, работи со датотеки и линкови и MCP сервер. Вклучени се официјалните SDK-а за TypeScript и Python. Слушателите можат да се претплатат на снимка од вашата апликација со код за споделување и без API клуч.