Говор постао једноставан

Најчешће постављана питања

Мој телефон има уграђен превод уживо – зашто ми је потребан VocalStack?

Телефон покреће мали модел за препознавање говора који мора да стане у уређај и у батерију. То је у реду за кратке, јасне, свакодневне реченице. Није у реду за оно што стварно пође наопако у правом говору: необичне речи и имена, речи које звуче слично (“their” и “there”, “sail” и “sale”), технички појмови, акценти, људи који говоре један преко другог и позадинска бука. Модел погађа, превод се гради на том погађању, а нико у просторији не може да види да је погрешно.

VocalStack ради на серверима, па су модели пуне величине, а свака реплика се проверава у контексту после препознавања. Прво отпремите текст или слајдове, па имена и појмови из њих имају предност над погрешно чујеним. Ако нешто и даље испадне погрешно, можете исправити реплику док је уживо и сваки слушалац види исправку.

Телефон такође чује просторију, а не говорника, и преводи за једну особу, па педесет телефона даје педесет различитих транскрипата. VocalStack узима аудио право са миксета, стрима или микрофона, транскрибује говорника једном, а сви читају или слушају исту ствар на свом језику. Превод се чита наглас гласом самог говорника, па слушаоци чују особу на бини, а не општи роботски глас.

Наплаћује ли се по слушаоцу? Како функционише цена?

Не. Слушаоци су бесплатни, ма колико их било, на ма ком језику читали или слушали. Плаћате аудио који се транскрибује, по секунди, најмање 5 минута по транскрипцији, и то је цео рачун: превод на до 10 језика, говорни преводи, пренос, резимеи и извоз су укључени.

Погледајте цене и пакете

Фајлови и транскрипције уживо имају различите цене, исте на сваком пакету, а пакет Premium укључује кредит од $50 месечно. Сваки пакет има исте функције, а API се наплаћује по истој цени као контролна табла.

Шта слушаоцима треба да би пратили?

Линк или QR код и телефон. Ништа није потребно инсталирати и не треба налог. Слушалац отвори линк у прегледачу, изабере језик и чита транскрипт док се говори. Ако радије слушају, сваки преведени ред се такође чита наглас. Језик можете променити у било ком тренутку; досадашњи транскрипт се поново чита на новом.

Слушалац који се касније придружи види све речено пре доласка, па прати уживо. Ако веза прекине, страница се сама надокнађује кад се врати.

Да ли аудио мора да долази са микрофона?

Не. Транскрипција уживо може да слуша микрофон на било ком уређају, RTMP feed из OBS-а или енкодера за пренос, YouTube уживо, интернет радио станицу или било који URL који служи стрим. За стрим VocalStack сам преузима аудио: ништа није покренуто на вашој страни.

Један линк за пренос може да се храни са више транскрипција, па конференција са две бине или станица са радио стримом и YouTube уживо и даље дели један линк.

Могу ли да контролишем ко види транскрипт?

Да. Пренос је јаван подразумевано: свако са линком може да га прати. Учините га приватним и поставите лозинку, па улазе само људи којима дате обоје. Линк можете касније преименовати, а стари и даље ради. Можете видети и ко слуша, на ком језику и кад се придружио.

Да ли слушалац чује правог говорника или синтетички глас?

Једно или друго. Подразумевано сваки говорник добија посебан стандардни глас одговарајућег пола, па панел и даље звучи као панел. Уз дозволу говорника, његов глас можете клонирати из тридесет секунди аудија, а превод се онда чита његовим гласом на сваком језику. Клонирани глас значи и да се говорник препознаје и означава именом у будућим снимцима. Глас можете доделити сваком говорнику или искључити једног.

Шта се чува после догађаја?

Све. Снимак, његов транскрипт са исправкама и преводима и аудио чувају се у вашој библиотеци. Наслов и резиме се пишу једном, кад су речи коначне, на сваком језику. Можете га пустити тачно онако како је стигао, претраживати све транскрипте на свом језику и извести као SRT титлове, PDF, Excel или JSON.

Могу ли ово да уградим у свој производ?

Да. Све што контролна табла ради доступно је преко API-ја, по истој цени: транскрипција у реалном времену преко WebSocket-а, транскрипције уживо са преносима, превод и говорни преводи, послови са фајловима и линковима и MCP сервер. Укључени су званични SDK-ови за TypeScript и Python. Слушаоци могу да се претплате на снимак из ваше апликације са кодом за дељење и без API кључа.