Večjezična dvorana ne potrebuje kabine za vsak jezik. Potrebuje en čist zvočni signal z mize, eno povezavo, ki si jo poslušalci odprejo na svojih telefonih, in možnost, da med govorom popravite napačno slišano ime.
Predavanje, bogoslužje, seminar ali seja občinskega sveta ima eno osebo, ki govori, in poslušalstvo, ki vso ne misli v tem jeziku. Običajni odgovori so dragi, delni ali zasebni.
Drag odgovor je tolmač za vsak jezik. Tudi z enim tolmačem na jezik gre za kabino, sprejemnike in strokovnjaka za vsak jezik v dvorani, tolmači pa ne povejo vsi enako. Vsak tolmač pod časovnim pritiskom sam odloča: katero besedo uporabiti za izraz, kaj skrajšati, kaj izpustiti, ko govorec pospeši. Pri običajnem predavanju razlike skoraj ne štejejo. Pri pravni obravnavi, glasovanju občinskega sveta ali tehničnem brifingu pa štejejo: določen izraz, odmerek ali klavzula lahko francoske poslušalce doseže z enim pomenom, arabske pa z drugim, pri tem pa tega v dvorani nihče ne more opaziti. Delni odgovor je podnapisna linija na enem zaslonu, v samo enem drugem jeziku. Zasebni odgovor je petdeset telefonov, dvignjenih proti dvorani: petdeset rahlo napačnih prepisov, vsak telefon pa sliši odmev in kašljanje prav tako jasno kot govorca.
Druga možnost je, da govorca enkrat prepišete iz čistega vira, ta en prepis prevedete v vse, kar poslušalstvo potrebuje, tako da se vsi jeziki začnejo pri istih besedah, vsak poslušalec pa izbere na svoji napravi. Posnetek se ob koncu dogodka ohrani. Tukaj je opisano, kako gostitelj in poslušalec vsak nastavi to in kaj stane.
Prepis v živo lahko posluša mikrofon na katerikoli napravi, RTMP vir iz OBS ali drugega kodirnika, ki sprejme naslov strežnika in ključ pretoka, YouTube v živo, internetno radijsko postajo ali kateri koli URL, ki streže pretok. Pri pretoku VocalStack zvok pobere sam; na vaši strani ni treba ničesar zagnati.
Vir je pomembnejši od katerekoli nastavitve. Sobni mikrofon ali telefon na mizi sliši govorca in prostor: odmev od sten, stolov, občinstva. Razpoznavanje govora močno upade, ko glas postane tišji glede na ta hrup, zato se tistih petdeset telefonov med seboj ne ujema. Signal z mešalne mize nosi govorčev lastni mikrofon z malo prostora, zato prepis sledi govorcu, ne prostoru. Če ima prizorišče mešalno mizo, vzemite signal od tam.
Govorni jezik se zazna samodejno, govorec pa lahko kadarkoli preklopi; če ga vnaprej navedete, pomaga pri hrupnih posnetkih in močnih naglasih. Oznake govorcev so lahko izklopljene, vklopljene ali When Needed, kar jih vklopi, ko se sliši drugi govorec. Ko zvok prihaja, mora poslušalstvo imeti kje to najti.
Prenos je povezava: en naslov in QR-koda, ki jo poslušalci skenirajo, da odprejo prevod v živo in izberejo svoj jezik. Povezava nastane iz imena, ki ga daste prenosu. Če ga kasneje preimenujete, stara povezava ostane delujoča, zato QR-koda, natisnjena na programu, ne zastari.
Prenos je privzeto javen: kdorkoli s povezavo ga lahko odpre. Če ga naredite zasebnega in nastavite geslo, morajo poslušalci vnesti geslo, preden se prikaže prepis.
En prenos lahko napajajo več prepisov v živo, tako da konferenca z dvema odroma še vedno deli eno povezavo. Povezava ljudi privabi v prostor; tisto, kar jih v njem obdrži, je pravilno zapisano ime.
Razpoznavalniki govora so naučeni, kako ljudje običajno govorijo, zato pri dvoumnem zvoku posežejo po pogostejši besedi. Ime izdelka, priimek, vas, kemikalija: vsaka ima pogostejšo skoraj enako zveneče besedo, ta pa pride ven, razen če razpoznavalnik ni obveščen, da prihaja redka beseda. Prav za to je scenarij. Pred začetkom dodajte scenarij ali diapozitive, in imena ter izrazi iz njih prevladajo nad napačno slišanim. Prav ta imena in izrazi so tam, kjer razpoznavanje pri strokovnem predavanju navadno odpove. Med snemanjem zavihek Script sledi kot teleprompter in osvetljuje besede, izgovorjene doslej.
To je celotna priprava. Na drugi strani povezave je še manj dela.
Poslušalec potrebuje povezavo ali QR-kodo in telefon. Povezavo odpre v brskalniku in vidi Prenos se še ni začel, dokler gostitelj ne pritisne snemanja, nato pa V ŽIVO. Prva vrstica se bo pojavila čez trenutek. Izbere med jeziki, ki jih je izbral gostitelj (do 10 na prepis, od 100 na voljo), in bere prepis, medtem ko govorec govori. Gostitelj govori v svojem jeziku. Poslušalec lahko kadarkoli preklopi jezik; dosedanji prepis se pokaže znova v novem jeziku.
Če poslušalec raje posluša, se vsaka prevedena vrstica glasno prebere. Privzeto dobi vsak govorec drugačen standardni glas ustreznega spola, tako da panel še vedno zveni kot panel.
Tri faze potekajo po vrsti, in vsaka čaka na prejšnjo. Razpoznavanje potrebuje nekaj govora, preden se lahko zaveže besedam, zato prepis zaostaja za govorcem za delček sekunde. Prevajanje potrebuje celoten stavek, ker se besedni red med jeziki razlikuje in konec stavka lahko spremeni začetek, zato sledi za sekundo ali dve. Govor potrebuje prevedeni stavek, preden se lahko začne, zato vrstica v govoru pride na vrsto zadnja. Tega ni treba odpravljati; to je tisto, kar mora storiti vsak sistem, ki opravlja te tri stvari, tudi človeški tolmač, ki prav tako počaka na glagol.
Z dovoljenjem govorca lahko gostitelj iz trideset sekund govorca, ki govori sam (MP3, M4A ali WAV; bolje je nekaj minut), klonira govorčev glas. Prevod se nato prebere v govorčevem lastnem glasu v vseh jezikih. Glas obravnavajte kot biometrične podatke, kakršni so. Po GDPR glasovni podatki, obdelani za prepoznavo osebe, na splošno spadajo v posebne vrste iz 9. člena, nekatere ameriške zvezne države, med njimi Illinois, pa glasovne odtise urejajo posebej. Pridobite govorčevo izrecno soglasje, preden se vzorec posname, ne po tem; glas je mogoče kadarkoli izbrisati. Kloniranje govorca ga tudi vpiše v sistem, zato bo v prihodnjih posnetkih označen z imenom. Gostitelj lahko vsakemu govorcu dodeli glas ali ga utiša.
Poslušalec, ki pride pozno, vidi vse, kar je bilo rečeno pred njegovim prihodom, nato pa sledi v živo. Če se povezava prekine, se stran sama dohiti, ko se povezava vrne. Ko gostitelj postavi prenos na premor, poslušalci vidijo Premor. Prepis se nadaljuje, ko gostitelj nadaljuje. Ko gostitelj ustavi prenos, stran prikaže datum in dolžino posnetka, prenos pa našteje svoje pretekle posnetke za ponovno predvajanje.
Poslušalec lahko bere samo to, kar je motor slišal, razpoznavanje v živo pa nekaj tega zmoti.
Gostiteljev zaslon ima zavihek Fix prav za to. Mark uncertain words obarva in podčrta besede, pri katerih je motor negotov; Click to correct odpre vrstico za pregled. Zavihek vodi skozi negotove odseke enega za drugim, tako da lahko druga oseba za mizo dela skozi njih, medtem ko govorec nadaljuje.
Ko gostitelj prepiše besedo ali vrstico, tudi tisto, ki se še izgovarja, vsak poslušalec vidi popravek. Vrstica, katere zaupanje je prenizko, je poslušalcem skrita kot Zvok nejasen namesto da bi bila prikazana napačno; gostitelj še vedno vidi vsako besedo. Prazno mesto je znana vrzel; samozavestno napačna beseda pa je govorica.
Ti popravki ob koncu govora ne izginejo.
Vse se ohrani. Posnetek, njegov prepis s popravki in prevodi ter zvok pristanejo v knjižnici gostitelja. Ponovitev predvaja vse natanko tako, kot je prišlo, vrstico za vrstico, z zvokom. Ko so besede dokončne, se naslov in povzetek napišeta v vseh jezikih, zavihka Summary in Export na gostiteljevem zaslonu pa ju prineseta naravnost iz dogodka.
Izvozi so podnapisi SRT, PDF, Excel ali JSON, vključno s popravki in prevodi, zvok pa se prenese kot MP3. Vsak prepis je mogoče iskati v katerem koli jeziku.
Pogled Audience pokaže, kdo je poslušal, v katerem jeziku in kdaj se je pridružil: pogosto prvo pravo štetje, ki ga organizator dobi o tem, kdo je potreboval kateri jezik. Do takrat je običajna ocena bila število tistih, ki so na vprašanje v angleščini, ali potrebujejo prevod, dvignili roko. Identifikatorji poslušalcev se izbrišejo skupaj s posnetkom.
Razpoznavanje govora, razpoznavanje govorcev in sinteza glasu tečejo na strežnikih, ki jih upravljamo, in vaš zvok se za obdelavo ne pošilja nobeni tretji osebi. Vašega zvoka, prepisov ali glasov ne uporabljamo za učenje modelov.
Hramba sledi paketu: na Pay as you go se izvorni zvok in glasovi hranijo 7 dni, prepisi pa 30 dni; Premium in Enterprise jih hranita, dokler traja račun. Drugo, kar paket določi, je račun.
Pomembni sta dve številki. Pri Pay as you go in Premium stane prepis v živo $0.60 na uro zvoka, zaračunan na sekundo s 5-minutnim minimumom na prepis, enako na nadzorni plošči kot prek API-ja; Enterprise ima količinske cene. Poslušalci in jeziki so brezplačni: enourni dogodek, prebran v petih jezikih, ki mu prisluhne dvesto ljudi, stane $0.60. Datoteke so cenejše ($0.20 na uro), ker prepis v živo teče v realnem času ves čas dogodka. Paketi se razlikujejo po sočasnosti, največji dolžini posnetka in hitrosti zagona; pri Pay as you go lahko hladen zagon traja do 15 sekund, zato pritisnite snemanje malo prej, kot začne govorec, približno en stavek »Ali me slišijo tisti zadaj?« prej. Celotna tabela je na strani s cenami.
Domača stran ima demo z dvema telefonoma, novi račun na nadzorni plošči pa ob registraciji dobi dobroimetje $5 in ne potrebuje kartice. Po tarifi za živo to dobroimetje pokrije več kot osem ur oddajanja.
Ali se odločate med to rešitvijo in prevajanjem v živo, ki je vgrajeno v telefon vsakogar? Preberite zakaj telefon ni dovolj za sobo. Za celoten dogodek kontrolni seznam za večjezične konference pokrije zvočno pot, več stopenj na eni povezavi in proračun. Razvijalci lahko vse to naredijo iz kode prek reference API-ja po isti tarifi.
