Słowa, które rozpoznawanie myli podczas nabożeństwa albo posiedzenia rady, to te, które już są na kartce. Daj mu porządek obrad, weź dźwięk z pulpitu miksera zamiast z sali, a cotygodniowe wydarzenie kosztuje mniej niż kawa po nim.
Niedzielne nabożeństwo, wtorkowy wykład i miesięczne posiedzenie rady mają więcej wspólnego, niż się wydaje. Każde odbywa się w tej samej sali raz za razem, każde prowadzi wolontariusz lub urzędnik, a nie firma od nagłośnienia, i każde służy ludziom, którzy lepiej zrozumieliby w innym języku, ludziom słabo słyszącym i tym, którzy w ogóle nie mogli przyjść. Budżet jest niewielki, a osoby, które to prowadzą, się zmieniają. Ktoś, kto konfigurował to w zeszłym roku, zwykle przeszedł już do dyżurów przy kwiatach.
Ten artykuł opisuje, jak skonfigurować VocalStack raz dla takiej sali, tak aby każdy kolejny tydzień sprowadzał się do naciśnięcia Start. Omawia też kilka rzeczy, które decydują o tym, czy słowa na ekranie są poprawne. Jeśli szukasz wersji jednorazowej, czyli konferencji z kilkoma scenami, zobacz Prowadzenie wielojęzycznej konferencji z napisami na żywo. Zacznij od tego, co wydrukujesz.
Transmisja to jeden publiczny link i kod QR. Każdy może otworzyć link w przeglądarce, wybrać język i czytać na bieżąco, gdy mówca przemawia. Nie trzeba niczego instalować ani zakładać konta. Jedną transmisję może zasilać dowolna liczba transkrypcji na żywo, więc nagranie z tej niedzieli i z następnej pojawiają się pod tym samym adresem.
Wydrukuj kod QR raz i umieść go na tablicy ogłoszeń, w porządku nabożeństwa, na slajdach wykładu albo na ścianie galerii dla publiczności. Słuchacze skanują go, aby otworzyć przekład na żywo i wybrać język. Jeśli kiedykolwiek zmienisz link, stary nadal będzie otwierał tę samą transmisję, więc ulotki z zeszłego roku też będą działać.
Słuchacz, który otworzy link wcześnie, zobaczy informację, że transmisja jeszcze się nie zaczęła. Ktoś, kto dołączy w trakcie, zobaczy wszystko, co zostało powiedziane przed jego przyjściem, a potem będzie śledził tekst na żywo. Słuchacz, którego połączenie się przerwie, sam nadrobi zaległości.
Transmisja jest domyślnie publiczna, co jest właściwe dla nabożeństwa czy posiedzenia rady, a niewłaściwe dla zamkniętego spotkania lub seminarium. W takich przypadkach przełącz ją na prywatną i ustaw hasło: link otworzą tylko osoby z hasłem, a przed pojawieniem się transkryptu zostaną o nie poproszone. W każdym razie napisz w widocznym miejscu, że pomieszczenie jest transkrybowane i dokąd trafia tekst. Ludzie modlący się na głos albo mówiący przez trzy minuty w czasie uwag publicznych niekoniecznie spodziewali się transkryptu. Jedno zdanie w porządku nabożeństwa lub w porządku obrad to niewielki koszt. Utwórz transmisję pod adresem {{app}}/broadcasts/new.
Sam link to tylko połowa sprawy; ktoś musi jeszcze wprowadzić na nim słowa.
Zanim zajmiesz się oprogramowaniem, zajmij się dźwiękiem. Sale budowane z myślą o wspólnotach wiernych i radach są projektowane pod pogłos: kamień, wysokie sklepienia, drewniane ławki. Telefon lub laptop na pulpicie słyszy mówcę raz bezpośrednio, a potem jeszcze kilka razy odbite od ścian. Odległość plus echo to najważniejsza przyczyna błędów rozpoznawania, zdecydowanie przed akcentem. Jeśli sala ma mikser, pobierz sygnał stamtąd (wyjście aux lub nagraniowe), tak aby rozpoznawanie słyszało to, co słyszą mikrofony. Każdy, kto się porusza, na przykład kaznodzieja schodzący z ambony albo wykładowca przy tablicy, powinien nosić mikrofon przypinany do klapy lub zestaw nagłowny, a nie polegać na jednym mikrofonie na statywie. Ten jeden krok rozwiązuje większość problemów; reszta to już strojenie.
Większość kościołów, uczelni i rad ma już gdzieś ten dźwięk z pulpitu, a transkrypcja na żywo może pobrać go stamtąd, zamiast z urządzenia w sali.
W przypadku strumienia VocalStack sam pobiera dźwięk; po twojej stronie nic nie działa. Adres musi być osiągalny z internetu. Strumień istniejący tylko w twojej sieci lokalnej trzeba nagrać z urządzenia w sali. Uruchom transkrypcję na żywo pod adresem {{app}}/transcriptions/new/live i podłącz ją do transmisji.
Gdy dobry dźwięk już dociera, zauważysz wciąż te same przewidywalne błędy.
Słowa, których rozpoznawanie mowy myli w kościele, na wykładzie czy na sali obrad, są przewidywalne: nazwiska i nazwy miejsc, odniesienia do Pisma, terminy fachowe, punkty porządku obrad. Powód jest strukturalny. Rozpoznawanie wybiera najbardziej prawdopodobne słowa przy danym dźwięku, a prawdopodobieństwa uczy się z tego, co ludzie zwykle mówią. Dlatego rzadkie nazwisko za każdym razem przegrywa z częstym słowem, które brzmi podobnie. Odpowiedzią branży, znaną jako biasing lub słownik niestandardowy, jest powiedzenie systemowi, jakich rzadkich słów się spodziewać. Przydatna obserwacja przy cotygodniowym spotkaniu jest taka, że właśnie te słowa są już zapisane przed wydarzeniem.
Dodaj skrypt lub slajdy przed rozpoczęciem. Nazwy i terminy z nich mają wtedy pierwszeństwo przed tym, co rozpoznawanie źle usłyszało. Nikt nie musi czytać słowo w słowo; zarys kazania, materiał do rozdania czy opublikowany porządek obrad już zawierają większość nazw własnych. Podczas nagrywania zakładka Script na ekranie prowadzącego podąża za mówcą jak prompter, podświetlając już wypowiedziane słowa.
Skrypty można przygotować z wyprzedzeniem i ustawić im godzinę startu; biblioteka wyświetla je w sekcji Upcoming z przyciskiem Start. To pasuje do dyżurów: jedna osoba dodaje tekst w piątek, inna naciska Start w niedzielę.
Jeśli jakieś słowo nadal wyjdzie błędnie, zakładka Fix zaznacza niepewne słowa i pozwala prowadzącemu kliknąć wiersz, aby go poprawić w trakcie nagrania; słuchacze widzą poprawkę.
Poprawne słowa to jedna połowa sprawy; druga to wiedza, kto je powiedział.
Przełącznik oznaczania mówców ma trzy położenia. When Needed dodaje etykietę mówcy do każdego wiersza, gdy słychać więcej niż jeden głos; w przeciwnym razie transkrypt jest zwykłym tekstem. On oznacza każdy wiersz, nawet gdy mówi jedna osoba. Off daje zwykły tekst. Przy kazaniu tryb When Needed oznacza, że jeden głos czyta się jak prozę; przy radzie dwunastu członków każdy wiersz nosi nazwisko mówcy.
Etykiety na początku są numerami. W nagraniu możesz nazwać mówcę, a nazwa obowiązuje w każdym jego wierszu. Dla osób, które mówią co tydzień, zrób krok dalej i zapisz ich głos. Możesz utworzyć głos z każdego mówcy, który mówi przez co najmniej trzydzieści sekund w nagraniu, albo z krótkiego nagrania, które sam dostarczy. Mówca jest wtedy rozpoznawany i oznaczany nazwiskiem w przyszłych nagraniach, a jeśli słuchacze wybiorą odczytywanie przekładu na głos, jest on czytany w każdym języku głosem tego mówcy. Bez klonowania każdy mówca dostaje odrębny głos standardowy o pasującej płci, a każdego można wyciszyć.
Sklonowany głos to dane biometryczne. VocalStack tworzy go tylko za wyraźną zgodą mówcy, używa wyłącznie do odczytywania na głos jego wypowiedzi i pozwala go usunąć w dowolnym momencie. Radni i duchowni są osobami publicznymi w swoich salach; to nie to samo co zgoda, więc zapytaj.
Dla rady to właśnie tutaj transkrypt staje się protokołem. Gdy każdy wiersz nosi nazwisko, protokół wreszcie pokazuje, kto po raz czwarty powiedział „Myślę, że to już omawialiśmy”. Co rodzi pytanie, dla kogo jest ten zapis.
Pierwszymi beneficjentami są stali bywalcy, którzy są głusi lub słabosłyszący, a nie goście czytający w innym języku, choć oni też są mile widziani. Pętla indukcyjna pomaga osobom z aparatami słuchowymi i nic nie daje nikomu innemu; napisy na telefonie pomagają reszcie, a te dwa rozwiązania się uzupełniają, zamiast konkurować. Instytucje publiczne w wielu krajach mają obowiązki dotyczące dostępności i jawności posiedzeń, a transkrypt, który publiczność może czytać na bieżąco i później, znacznie w tym pomaga. Sprawdź, co obowiązuje u ciebie.
Bądź uczciwy wobec tego, czym są automatyczne napisy. Człowiek-stenograf (w niektórych krajach usługa nazywa się CART) słucha, rozumie i pisze. Podczas gorącej debaty w radzie, gdy trzech członków mówi naraz, człowiek nadal przewyższy maszynę. Nakładające się wypowiedzi generują błędy w każdym automatycznym systemie, tak samo jak przewodniczący mówiący pod nosem poza mikrofonem. Tam, gdzie istnieje prawny wymóg napisów dosłownych, automatyczne są uzupełnieniem, a nie zamiennikiem; tam, gdzie alternatywą jest nic, są dużą poprawą.
Transkrypt jest wart więcej także następnego dnia.
Każde nagranie trafia do twojej biblioteki, a strona transmisji wyświetla minione nagrania każdemu, kto ma link. Ktoś, kto przegapił posiedzenie, może je odtworzyć dokładnie tak, jak zostało nadane, wiersz po wierszu, z dźwiękiem.
Gdy słowa są już ostateczne, tytuł i podsumowanie powstają w każdym języku. Wyszukiwanie w twoim języku znajduje też nagrania zrobione w innym, więc urzędnik może znaleźć miesiąc, w którym omawiano dany punkt, a student wykład, który obejmował dany temat. Eksporty są dostępne jako napisy SRT, PDF, Excel lub JSON, z poprawkami i tłumaczeniami; PDF przetłumaczonego transkryptu dobrze pasuje do protokołu. Jeśli część tego ma się dziać bez udziału człowieka, API robi wszystko, co panel, w tej samej stawce i na każdym planie: zobacz {{api}}/docs.
Wszystko to musi zmieścić się w budżecie parafii albo komitetu.
Transkrypcja na żywo kosztuje $0.60 za godzinę dźwięku, rozliczana za sekundę z minimum 5 minut na transkrypcję, na każdym planie. Słuchacze są bezpłatni, bez względu na liczbę, a tłumaczenie na maksymalnie 10 języków na transkrypcję jest wliczone.
Nowe konto dostaje $5 jednorazowych środków na start i nie wymaga karty. Te środki wystarczają na ponad miesiąc niedziel. Potem doładowujesz na bieżąco albo wybierasz Premium za $50 miesięcznie ($40 miesięcznie w planie rocznym). Premium zawiera co miesiąc $50 środków, czyli 83 godziny transmisji na żywo. Zachowuje też każde nagranie przez cały okres istnienia konta, a nie 30 dni, i nie przerywa transkrypcji, jeśli środki skończą się w połowie posiedzenia. Dwie praktyczne uwagi dla skarbnika. W planie Pay as you go transkrypcja może wystartować nawet 15 sekund z zimnego startu, więc naciśnij start przed hymnem otwierającym, a nie w jego trakcie. A zakończona transmisja YouTube na żywo jest już nagraniem wideo, więc transkrybowana jest jak plik, według znacznie niższej stawki za pliki.
Dla jednego pomieszczenia i jednego cyklicznego wydarzenia wystarczy Pay as you go. Dla instytucji, która chce, aby każde nagranie dało się przeszukać po latach, albo prowadzi kilka sal naraz, wybierz Premium. Pełna tabela, z limitami i okresami przechowywania, jest na stronie cennika, a interaktywne demo pokazuje, co widzi słuchacz.
