Een meertalige zaal heeft geen cabine per taal nodig. Ze heeft één schone audiofeed van de regietafel nodig, één link die het publiek op de eigen telefoon opent, en een manier om een verkeerd verstane naam te corrigeren terwijl de lezing nog doorgaat.
Een lezing, een dienst, een college of een raadsvergadering heeft één persoon die spreekt en een publiek dat niet allemaal in die taal denkt. De gebruikelijke oplossingen zijn duur, onvolledig of privé.
Het dure antwoord is een tolk per taal. Ook met één tolk per taal heb je een cabine, een set ontvangers en een specialist voor elke taal in de zaal, en die specialisten zeggen niet hetzelfde. Elke tolk maakt onder tijdsdruk eigen keuzes: welk woord ze voor een term gebruiken, wat ze inkorten, wat ze weglaten als de spreker versnelt. Bij een gewone lezing maakt dat nauwelijks uit. Bij een rechtszitting, een gemeenteraadsvote of een technische briefing wel: een gedefinieerde term, een dosering of een clausule kan bij de Franstalige luisteraars één betekenis krijgen en bij de Arabischtalige luisteraars een andere, en niemand in de zaal is in de positie dat op te merken. Het gedeeltelijke antwoord is een ondertitelfeed op één scherm, in slechts één tweede taal. Het privé-antwoord is vijftig telefoons die naar de zaal worden gehouden: vijftig licht verkeerde transcripties, waarbij elke telefoon de echo en het gehoest even duidelijk hoort als de spreker.
Het alternatief is de spreker één keer transcriberen, vanuit een schone bron, dat ene transcript vertalen naar wat het publiek nodig heeft, zodat elke taal van dezelfde woorden uitgaat, en elke luisteraar op zijn eigen apparaat kiest. De opname wordt bewaard als het evenement eindigt. Hier is hoe de host en de luisteraar het instellen, en wat het kost.
Een livetranscriptie kan luisteren naar een microfoon op elk apparaat, een RTMP-feed van OBS of een andere encoder die een server-URL en een streamsleutel vraagt, een YouTube-livestream, een internetradiostation of elke URL die een stream aanbiedt. Voor een stream haalt VocalStack de audio zelf op; aan jouw kant hoeft niets te draaien.
De bron is belangrijker dan elke instelling. Een microfoon in de zaal, of een telefoon op tafel, hoort de spreker plus de zaal: nagalm van de muren, stoelen, het publiek. Spraakherkenning verslechtert sterk naarmate de stem stiller is ten opzichte van dat geluid, en daarom zijn die vijftig telefoons het onderling oneens. Een feed van het mengpaneel bevat de microfoon van de spreker zelf met weinig van de zaal erin, dus het transcript volgt de spreker, niet de zaal. Heeft de locatie een mengpaneel, neem de feed dan daarvandaan.
De gesproken taal wordt automatisch herkend, en de spreker mag op elk moment wisselen; die vooraf opgeven helpt bij luidruchtige opnames en sterke accenten. Sprekerlabels kunnen uit, aan of When Needed staan; die laatste zet ze aan zodra een tweede spreker te horen is. Zodra er audio binnenkomt, moet het publiek ergens kunnen vinden waar het die kan volgen.
Een uitzending is de link: één adres en een QR-code die luisteraars scannen om de live vertaling te openen en hun taal te kiezen. De link wordt gemaakt van de naam die je aan de uitzending geeft. Hernoem hem later en de oude link blijft werken, zodat een QR-code die op een programmaboekje is afgedrukt niet verouderd raakt.
Een uitzending is standaard openbaar: iedereen met de link kan hem openen. Maak hem privé en stel een wachtwoord in, dan wordt om het wachtwoord gevraagd voordat het transcript verschijnt.
Eén uitzending kan worden gevoed door meerdere livetranscripties, zodat een conferentie met twee podia nog steeds één link deelt. De link haalt mensen binnen; wat ze erbij houdt, is dat de namen goed komen.
Spraakherkenners zijn getraind op hoe mensen gewoonlijk praten, dus bij een ambigu geluid grijpen ze naar het gangbare woord. Een productnaam, een achternaam, een dorp, een scheikundige stof: elk heeft een frequenter bijna-homofoon, en dat is wat eruit komt tenzij de herkenner te horen krijgt dat het zeldzame woord eraan komt. Daarvoor dient een script. Voeg voor de start een script of dia's toe, en de namen en termen daarin winnen het van wat verkeerd is verstaan. Juist die namen en termen zijn waar herkenning bij een gespecialiseerde lezing meestal tekortschiet. Tijdens de opname volgt het tabblad Script als een teleprompter en licht het de woorden op die tot dan toe zijn uitgesproken.
Dat is de hele opzet. Aan de andere kant van de link valt nog minder te doen.
Een luisteraar heeft een link of een QR-code nodig, en een telefoon. Ze openen de link in een browser en zien The broadcast hasn't started yet totdat de host op opnemen drukt, daarna Live. The first line appears in a moment. Ze kiezen uit de talen die de host heeft gekozen (tot 10 per transcriptie, uit 100 beschikbaar) en lezen het transcript terwijl de spreker praat. De host blijft in de eigen taal spreken. Een luisteraar kan op elk moment van taal wisselen; het transcript tot dan wordt in de nieuwe taal opnieuw getoond.
Als een luisteraar liever luistert, wordt elke vertaalde regel hardop voorgelezen. Standaard krijgt elke spreker een eigen standaardstem van passend geslacht, zodat een paneel nog steeds als een paneel klinkt.
De drie stappen gebeuren in volgorde, en elke stap wacht op de vorige. Herkenning heeft een stuk spraak nodig voordat ze de woorden kan vastleggen, dus het transcript loopt een fractie van een seconde achter de spreker. Vertaling heeft een hele zin nodig, want de woordvolgorde verschilt per taal en het eind van een zin kan het begin veranderen, dus die volgt een seconde of twee later. Spraak heeft de vertaalde zin nodig voordat ze kan beginnen, dus een gesproken regel komt als laatste. Dit is geen fout die je weg moet tunen; het is wat elk systeem dat deze drie dingen doet moet doen, inclusief een menselijke tolk, die ook op het werkwoord wacht.
Met toestemming van de spreker kan een host de stem van die spreker klonen op basis van dertig seconden van die persoon alleen aan het woord (een MP3, M4A of WAV; een paar minuten is beter). De vertaling wordt dan in elke taal voorgelezen met de eigen stem van de spreker. Behandel een stem als de biometrische gegevens die het is. Onder de AVG (GDPR) vallen stemgegevens die worden verwerkt om een persoon te herkennen over het algemeen onder de bijzondere categorieën van artikel 9, en sommige Amerikaanse staten, waaronder Illinois, regelen stemafdrukken apart. Vraag de uitdrukkelijke toestemming van de spreker voordat het monster wordt opgenomen, niet erna; de stem kan op elk moment worden verwijderd. Klonen registreert de spreker ook, zodat die in toekomstige opnames bij naam wordt aangeduid. Een host kan een stem per spreker toewijzen, of er een dempen.
Een luisteraar die te laat komt, ziet alles wat er al gezegd is voordat die binnenkwam, en volgt daarna live. Valt de verbinding weg, dan haalt de pagina zelf de achterstand in zodra de verbinding terug is. Pauzeert de host, dan ziet de luisteraar Paused. The transcript continues when the host resumes. Stopt de host, dan toont de pagina de datum en de lengte van de opname, en somt de uitzending de eerdere opnames op om terug te kijken.
Een luisteraar kan alleen lezen wat de engine heeft gehoord, en live herkenning haalt een deel daarvan verkeerd.
Het hostscherm heeft hiervoor een tabblad Fix. Mark uncertain words kleurt en onderstreept de woorden waar de engine onzeker over was; Click to correct opent een regel om na te kijken. Het tabblad loopt de onzekere fragmenten één voor één langs, zodat een tweede persoon aan de tafel ze kan doorwerken terwijl de spreker doorgaat.
Wanneer een host een woord of een regel herschrijft, ook als die nog wordt uitgesproken, ziet elke luisteraar de correctie. Een regel waarvan de betrouwbaarheid te laag is, wordt voor luisteraars verborgen als Audio unclear in plaats van verkeerd getoond; de host ziet nog wel elk woord. Een lege plek is een bekende lacune; een zelfverzekerd verkeerd woord is een gerucht.
Die correcties verdwijnen niet als de lezing voorbij is.
Alles blijft bewaard. De opname, het transcript met correcties en vertalingen, en de audio komen in de bibliotheek van de host terecht. Terugkijken speelt alles af zoals het binnenkwam, regel voor regel, met de audio. Zodra de woorden definitief zijn, worden in elke taal een titel en een samenvatting geschreven, en de tabbladen Summary en Export op het hostscherm nemen die direct mee uit het evenement.
Exports zijn SRT-ondertitels, PDF, Excel of JSON, met correcties en vertalingen erin, en de audio downloadt als MP3. Elk transcript is in elke taal doorzoekbaar.
De weergave Audience laat zien wie er luisterde, in welke taal, en wanneer ze zich aansloten: vaak de eerste echte telling die een organisator krijgt van wie welke taal nodig had. Tot dan was de gebruikelijke schatting wie de hand opstak toen er in het Engels werd gevraagd of ze vertaling nodig hadden. Luisteraar-identificatoren worden samen met de opname verwijderd.
Spraakherkenning, sprekerherkenning en stemsynthese draaien op servers die wij beheren, en je audio wordt voor verwerking niet naar een derde partij gestuurd. Wij gebruiken je audio, transcripten of stemmen niet om modellen te trainen.
Bewaartermijnen volgen het abonnement: bij Pay as you go worden bronaudio en stemmen 7 dagen bewaard en transcripties 30 dagen; Premium en Enterprise bewaren ze zolang het account bestaat. Het andere wat een abonnement bepaalt, is de rekening.
Twee getallen tellen. Bij Pay as you go en Premium kost livetranscriptie $0.60 per uur audio, gefactureerd per seconde met een minimum van 5 minuten per transcriptie, zowel in het Dashboard als via de API; Enterprise heeft volumetarieven. Luisteraars en talen zijn gratis: een evenement van een uur, in vijf talen gelezen door tweehonderd mensen, kost $0.60. Bestanden zijn goedkoper ($0.20 per uur), omdat een livetranscriptie het hele evenement in realtime draait. Abonnementen verschillen in gelijktijdigheid, maximale opnamelengte en starttijd; bij Pay as you go kan een koude start tot 15 seconden duren, dus druk een beetje voordat de spreker begint op opnemen, ongeveer één "Kan iedereen achterin me horen?" vooraf. De volledige tabel staat op de prijspagina.
De startpagina heeft een demo met twee telefoons, en een nieuw account in het Dashboard krijgt een registratietegoed van $5 en heeft geen creditcard nodig. Tegen het livetarief dekt dat tegoed meer dan acht uur uitzenden.
Twijfel je tussen dit en de livevertaling die in ieders telefoon zit? Lees waarom een telefoon niet genoeg is voor een zaal. Voor een volledig evenement behandelt de checklist voor meertalige conferenties het audiopad, meerdere fasen op één link en het budget. Ontwikkelaars kunnen dit alles vanuit code doen via de API-referentie, tegen hetzelfde tarief.
