Субтитры выигрываются на микшерном пульте и в слайдах спикеров. Выведите один чистый сигнал речевых микрофонов на каждую сцену и загрузите все имена и аббревиатуры до выхода первого докладчика; остальная часть дня уходит на исправление того, что эти два шага пропустили.
Большая часть работы по субтитрированию конференции происходит до того, как кто-либо выйдет на сцену, и большая её часть не связана с программным обеспечением.
Телефон на кафедре слышит зал; микшерный пульт слышит докладчика. Берите сигнал с пульта и уточняйте, какой именно. Попросите звукорежиссёра выделить отдельную aux- или matrix-отправку, которая несёт только речевые микрофоны: кафедры, петличные микрофоны, микрофоны панели. Музыка при входе, воспроизведение видео и отдельная дорожка аплодисментов в неё не попадают. Распознавание, которое пытается слушать сквозь джингл, уверенно угадывает слова песни.
Проверьте эту отправку на техрепетиции, с настоящими микрофонами и, если получится, с настоящими колонками. Иначе вы узнаете в 8:55 утра в день мероприятия, что выход matrix идёт после фейдера, а звукорежиссёр выключает кафедру между выступлениями.
Передать VocalStack этот сигнал можно двумя способами. Первый — RTMP-энкодер на пульте. Когда вы добавляете RTMP-поток как источник живой транскрибации, Dashboard показывает адрес сервера и ключ потока, которые нужны энкодеру, сообщает, поступает ли уже звук и в каком формате, и позволяет его прослушать. Второй — адрес потока. Если сцена уже выходит как прямой эфир YouTube или аудиопоток, вставьте эту ссылку, и VocalStack сам заберёт звук; с вашей стороны ничего не запускается. Вставляйте собственный адрес потока, а не страницу, на которой он воспроизводится. Если вы по ошибке вставили веб-страницу, Dashboard сообщит об этом.
В любом случае используйте один микрофонный сигнал на сцену. Микрофоны зала и перекрёстные помехи снижают точность так, что никакая настройка её не вернёт. Лучший микрофон в здании принадлежит участнику панели, который всё время отклоняется от него.
Когда звук поступает, зрителям нужно место, где читать субтитры.
Трансляция — это ссылка, которую открывают участники. Создайте её в разделе Broadcasts, задайте название и выберите ссылку. Dashboard предлагает ссылку на основе названия; её можно изменить, если она содержит не меньше шести символов. На том же экране показан QR-код, который участники сканируют, чтобы открыть живой перевод и выбрать язык.
Решите заранее, будет ли трансляция публичной или приватной. Публичная означает, что любой, у кого есть ссылка, может её открыть. Приватная означает, что участникам нужно ввести короткий пароль, прежде чем появится расшифровка. Если ссылку придётся поменять позже, поменяйте её; старая продолжит работать.
Затем подумайте о том, как ссылка попадёт в тысячи карманов. Разместите QR-код на слайде ожидания перед каждой сессией, на указателях у дверей и на карточке для бейджа, если она есть. Сотни телефонов, подключающихся одновременно, создают реальную нагрузку на Wi-Fi площадки, поэтому спросите у площадки, на какое количество точек доступа рассчитана сеть и ограничивает ли гостевая сеть скорость для каждого устройства. Если в ответ пожимают плечами, попросите участников использовать мобильный интернет. Страницы маленькие; риск — Wi-Fi.
Конференции с двумя сценами не нуждаются в двух ссылках. Одну трансляцию могут питать несколько живых транскрибаций одновременно. Сцена A и сцена B становятся двумя транскрибациями в реальном времени, привязанными к одной трансляции, и телефон участника показывает обе на одной странице. Каждая сцена — отдельная транскрибация в реальном времени, и каждый тариф ограничивает, сколько их может работать одновременно (1 на Pay as you go, 5 на Premium, без ограничения на Enterprise). Это ограничение вернётся в разделе о бюджете ниже.
Ссылка стоит ровно столько, сколько слова за ней.
В любой системе живое распознавание спотыкается на именах, терминах продукта и аббревиатурах. Добавьте сценарий или слайды каждого спикера до начала, и имена и термины из них будут важнее того, что движок, как ему кажется, услышал. Во время выступления вкладка Script следует за словами, как телесуфлёр.
Это также момент честно сказать, что такое машинные субтитры. Распознавание речи плюс машинный перевод — это не CART (Communication Access Realtime Translation, субтитры, которые в реальном времени печатает обученный человек-субтитровщик), и это не устный перевод. Это быстро, дёшево и неутомимо, и время от времени оно будет инвертировать отрицание, округлять число или переводить шутку в утверждение о фактах. Для основного доклада, сессии о продукте или панельной дискуссии такой компромисс обычно оправдан. Для сессии, где ошибочное слово имеет последствия (юридические, медицинские, голосование), закажите живого субтитровщика или переводчика, а машина пусть работает параллельно как письменная запись. Стоит также знать базовый стандарт доступности: WCAG 2.x требует субтитры для живого звука на уровне AA (критерий 1.2.4), и всё больше государственных и площадочных контрактов просто ссылаются на него.
Когда слова согласованы, последняя подготовка касается того, кто их произносит.
Метки говорящих показывают аудитории, кто говорит. Переключите тумблер в положение When Needed, и метки появятся только после того, как будет услышан второй говорящий, поэтому основной доклад читается как обычный текст, а панель — как беседа.
Чтобы спикеров узнавали по имени с первой реплики, зарегистрируйте их голоса заранее в разделе Voices. Достаточно одного фрагмента речи одного человека: MP3, M4A или WAV, длиной не менее тридцати секунд, хотя лучше несколько минут. Человек должен дать согласие, а Dashboard просит вас подтвердить, что у вас есть разрешение, прежде чем создать голос. Относитесь к этому как к большему, чем галочка. По GDPR голосовой отпечаток, который используется для идентификации человека, как правило, считается биометрическими данными (статья 9). Это означает явное согласие и право на удаление голосового отпечатка. Аналогичные правила существуют и в других странах, а соглашения со спикерами — удобное место, чтобы это оговорить. Клонированный голос можно удалить в любой момент. Пока он существует, слушатели также могут слышать переводы этого спикера голосом, похожим на его собственный.
С согласованным планом остальное — сам день.
У каждой живой транскрибации есть вкладка Speed с режимом задержки и графиком задержки во времени. Три настройки:
Для основного доклада по сценарию с чистым сигналом с пульта подходит Auto; для технической панели с четырьмя акцентами и без сценария режим Accuracy стоит дополнительной задержки.
Ещё одно время, которое нужно планировать, — запуск. На Pay as you go холодный старт может занять до 15 секунд до начала транскрибации. Premium обычно стартует с прогретым движком, а Enterprise всегда. Нажимайте старт во время входа гостей, а не на первом слове.
Как бы ни был настроен режим, некоторые слова будут неверными, поэтому кто-то должен следить.
Кто-то за столом должен держать вкладку Fix открытой. У неё два переключателя: Mark uncertain words окрашивает и подчёркивает слова, в которых движок не уверен, а Click to correct открывает строку для проверки при щелчке по ней. Вкладка проводит вас по неуверенным сегментам один за другим, и исправление доходит до каждого слушателя на каждом языке.
Микрофон аудитории — слабое звено в любом зале, и вопросы из зала выявляют это лучше всего. Попросите модератора повторять каждый вопрос из зала в собственный микрофон, прежде чем отвечать. Субтитры скажут спасибо, и спасибо скажет последний ряд, который тоже его не расслышал.
Между сессиями у стола другая работа.
Экран ведущего может приостановить и возобновить запись, а страница слушателя показывает уведомление: «Пауза. Расшифровка продолжится, когда ведущий возобновит запись.» Пауза нужна для смены докладчиков, а не для обеденного перерыва. Для каждой записи в Dashboard задаётся максимальное время паузы: 30 секунд, 1 минута или 3 минуты; запись, оставшаяся на паузе дольше, завершается сама.
При более длинном перерыве остановите запись и начните новую, когда начнётся следующая сессия. Каждая запись остаётся в списке на странице трансляции, поэтому после обеда участники могут прокрутить назад к утренним сессиям. Одна живая запись имеет потолок в несколько часов на Pay as you go и больше на Premium (точные цифры — на странице цен), так что длинный день в любом случае — это несколько записей.
В середине утра проверьте, кто на самом деле читает.
Вкладка Broadcast показывает, кто в трансляции, сколько людей слушают сейчас, какие языки они открыли и число слушателей во времени. Каждая транскрибация включает до 10 языков, и каждый слушатель выбирает свой на своём устройстве. Поэтому представление показывает, какие языки на самом деле читает зал, и это редко совпадает со списком, который угадали организаторы. Делегаты, зарегистрировавшиеся из Мадрида, оказываются читающими по-английски; строка с португальским заполняется из таблицы, которой никто не ожидал. Заберите этот список домой для следующего года.
Каждый из этих слушателей бесплатен. Платят за звук.
Живая транскрибация стоит $0.60 за час звука, оплачивается посекундно с минимумом 5 минут на транскрибацию, на всех тарифах и через API. Две сцены по восемь часов каждая — это 16 часов живого звука, или $9.60. Переводы, трансляции, сводки и экспорт включены, сколько бы людей ни слушало.
Тариф влияет на пропускную способность, а не на ставку. Pay as you go даёт $5 единовременного кредита при регистрации без карты, одну транскрибацию за раз и максимальную запись 5 часов. Живая транскрибация останавливается сразу, как только кредит доходит до нуля, поэтому пополните баланс до открытия дверей. Premium стоит $50 в месяц ($40 в месяц при годовом тарифе) и включает $50 кредита каждый месяц, что покрывает 83 часа живой транскрибации. Он позволяет пять одновременных транскрибаций и записи по 10 часов и добавляет льготный период: живая транскрибация продолжает работать некоторое время после нуля, а дополнительные минуты оплачиваются по той же ставке. Для двух параллельных сцен нужен Premium. Enterprise — индивидуальная цена, неограниченная параллельность, записи по 24 часа и выделенный пул движков.
Полную таблицу см. на странице цен, а баланс проверьте в разделе Billing в Dashboard за неделю до мероприятия.
Счёт останавливается вместе со звуком; расшифровка — нет.
Расшифровки хранятся 30 дней на Pay as you go и без ограничения на Premium и Enterprise. На Pay as you go исходное аудио хранится только 7 дней. Если вы на бесплатном тарифе, экспортируйте в течение недели.
О том, как ссылка выглядит с места участника, см. Одна ссылка, все языки, или попробуйте живую демонстрацию на главной странице.
