Orden en taligenkänning missar i en gudstjänst eller på ett kommunfullmäktigemöte är de som redan står på papper. Ge den dagordningen, ta ljudet från mixerbordet i stället för från rummet, så kostar en återkommande vecka mindre än kaffet efteråt.
En söndagsgudstjänst, en tisdagsföreläsning och ett månatligt fullmäktigemöte har mer gemensamt än man tror. Var och en återkommer om och om igen i samma lokal, var och en drivs av en frivillig eller en tjänsteman snarare än av ett AV-företag, och var och en vänder sig till människor som skulle följa bättre på ett annat språk, till människor som inte hör väl och till människor som inte kunde vara där alls. Budgeten är liten och personerna som sköter det byts ut. Den som satte upp allt förra året har oftast flyttat till blomsterturordningen.
Den här artikeln handlar om hur du sätter upp VocalStack en gång för en lokal som den här, så att varje vecka därefter bara är att trycka på start. Den går också igenom de få saker som avgör om orden på skärmen blir rätt. För den engångsversion, en konferens med flera scener, se Så kör du en flerspråkig konferens med livetextning. Börja med det du kommer att skriva ut.
En sändning är en publik länk och en QR-kod. Vem som helst kan öppna länken i en webbläsare, välja språk och läsa medan talaren talar. Det finns inget att installera och inget konto att skapa. En sändning kan matas av hur många livetranskriberingar du vill, så att den här söndagens inspelning och nästa båda dyker upp på samma adress.
Skriv ut QR-koden en gång och sätt upp den på anslagstavlan, i gudstjänstordningen, på föreläsningens bildspel eller på väggen i publikutrymmet. Lyssnare skannar den för att öppna livetolkningen och välja språk. Om du någon gång byter namn på länken fortsätter den gamla att öppna samma sändning, så förra årets blad fungerar fortfarande.
En lyssnare som öppnar länken tidigt ser att sändningen inte har börjat än. Den som ansluter sent ser allt som sagts före anslutningen och följer sedan live. En lyssnare vars anslutning bryts hämtar upp det missade på egen hand.
En sändning är offentlig som standard, vilket är rätt för en gudstjänst eller ett fullmäktigemöte och fel för ett stängt möte eller ett seminarium. För dem växlar du till privat och sätter ett lösenord: bara personer med lösenordet kan öppna länken, och de får ange det innan texten visas. Oavsett vilket, säg någonstans synligt att rummet transkriberas och vart texten går. Personer som ber högt, eller talar i tre minuter under allmänhetens yttranderätt, har inte nödvändigtvis väntat sig ett transkript. En rad om det i gudstjänstordningen eller på dagordningen kostar lite. Skapa sändningen på {{app}}/broadcasts/new.
En länk är bara halva saken; något måste fylla den med ord.
Före all programvara, ljudet. Lokaler byggda för församlingar och fullmäktige är byggda för efterklang: sten, höga tak, träbänkar. En telefon eller bärbar dator på talarstolen hör talaren en gång direkt och sedan flera gånger till från väggarna. Avstånd plus eko är den enskilt största orsaken till igenkänningsfel, långt före brytning. Om rummet har ett mixerbord, ta signalen därifrån (en aux- eller inspelningsutgång), så att taligenkänningen hör det mikrofonerna hör. Den som rör sig, till exempel prästen som lämnar predikstolen eller föreläsaren vid whiteboarden, bör bära en slipsmikrofon eller headsetmikrofon i stället för att förlita sig på en mikrofon på stativ. Åtgärda detta så är större delen av resten bara finjustering.
De flesta kyrkor, universitet och kommuner har redan sitt bordsljud någonstans, och en livetranskribering kan ta det därifrån i stället för från en enhet i rummet.
För en ström hämtar VocalStack ljudet själv; ingenting behöver köras på din sida. Adressen måste gå att nå från internet. En ström som bara finns på ditt eget nätverk måste spelas in från en enhet i rummet. Starta en livetranskribering på {{app}}/transcriptions/new/live och koppla den till sändningen.
När bra ljud väl kommer fram är felen du ändå märker de förutsägbara.
De ord en taligenkänning missar i en kyrka, en föreläsningssal eller en kammare är förutsägbara: namn på personer och platser, bibelhänvisningar, facktermer, punkterna på en dagordning. Orsaken är strukturell. En taligenkänning väljer de mest sannolika orden givet ljudet, och den lär sig sannolikheterna av vad människor brukar säga. Ett ovanligt efternamn förlorar därför alltid mot ett vanligt ord som låter likadant. Branschens svar, kallat biasing eller anpassat ordförråd, är att tala om för systemet vilka ovanliga ord det ska förvänta sig. Den användbara iakttagelsen för ett veckovis återkommande möte är att just dessa ord redan är nedskrivna före evenemanget.
Lägg till ett manus eller bildspel innan du startar. Namn och termer ur det går då före det som taligenkänningen missuppfattade. Ingen behöver läsa upp det ord för ord; en predikoplan, ett utdelningsblad eller den publicerade dagordningen bär redan de flesta egennamnen. Under inspelningen följer fliken Script på värdens skärm med som en teleprompter och markerar orden som hittills sagts.
Manus kan skrivas i förväg och få en starttid; biblioteket listar dem under Upcoming med en Start-knapp. Det passar en turordning: en person lägger in texten på fredag, en annan trycker på Start på söndag.
Om ett ord ändå blir fel markerar fliken Fix osäkra ord, och värden kan klicka på en rad för att rätta den medan inspelningen pågår; lyssnarna ser rättelsen.
Att få orden rätt är den ena halvan; den andra är att veta vem som sa dem.
Reglaget för talarmarkeringar har tre lägen. When Needed märker varje rad med dess talare när mer än en röst hörs; annars är transkriptet vanlig text. On märker varje rad även när det bara är en talare. Off ger vanlig text. För en predikan innebär When Needed att en röst läses som prosa; för ett fullmäktige med ett dussin ledamöter bär varje rad sin talare.
Etiketterna börjar som siffror. I en inspelning kan du ge en talare ett namn, och namnet gäller för alla talarens rader. För personer som talar varje vecka kan du gå ett steg längre och spara deras röst. Du kan skapa en röst av vilken talare som helst som talar i minst trettio sekunder i en inspelning, eller av en kort inspelning som personen själv tillhandahåller. Talaren känns sedan igen och märks med namn i framtida inspelningar, och om lyssnarna väljer att höra översättningen uppläst, läses den upp med talarens egen röst på varje språk. Utan någon klonad röst får varje talare en egen standardröst av matchande kön, och vilken talare som helst kan tystas.
En klonad röst är biometrisk data. VocalStack skapar bara en sådan med talarens uttryckliga samtycke, använder den bara för att läsa upp just den talarens repliker och låter dig ta bort den när som helst. Ledamöter och präster är offentliga personer i sina lokaler; det är inte detsamma som samtycke, så fråga.
För ett fullmäktige är det här vad som gör transkriptet till ett protokoll. När varje rad är märkt med namn visar protokollet äntligen vem som sa ”Jag tror vi har gått igenom det här” för fjärde gången. Vilket väcker frågan om vem protokollet är till för.
De främsta mottagarna är de återkommande besökarna som är döva eller hörselskadade, inte de besökare som läser på ett annat språk, även om de är lika välkomna. En induktionsslinga hjälper personer med hörapparat och gör ingenting för någon annan; textning i en telefon hjälper resten, och de två kompletterar varandra snarare än konkurrerar. Offentliga organ har i många länder tillgänglighets- och öppenhetsskyldigheter, och ett transkript som allmänheten kan läsa live och i efterhand bidrar långt till båda. Kontrollera vad som gäller för dig lokalt.
Var ärlig om vad automatisk textning är. En mänsklig textare (tjänsten kallas CART i vissa länder) lyssnar, förstår och skriver. Under en hetsig fullmäktigedebatt där tre ledamöter talar i munnen på varandra slår en människa fortfarande en maskin. Överlappande tal ger fel i alla automatiska system, och det gör ordföranden som mumlar utanför mikrofonen också. Där det finns ett lagkrav på ordagrann textning är automatisk textning ett komplement, inte en ersättning; där alternativet är ingenting är den en stor förbättring mot ingenting.
Transkriptet är också mer värt dagen efter.
Varje inspelning hamnar i ditt bibliotek, och sändningssidan listar tidigare inspelningar för alla som har länken. Någon som missade mötet kan spela upp det exakt som det kom, rad för rad, med ljudet.
När orden är slutgiltiga skrivs en titel och en sammanfattning på varje språk. En sökning på ditt språk hittar även inspelningar gjorda på ett annat, så att en handläggare kan hitta månaden då ett ärende diskuterades och en student föreläsningen som tog upp en termin. Exporter kommer som SRT-undertexter, PDF, Excel eller JSON, med rättelser och översättningar inkluderade; en PDF av det översatta transkriptet passar bra bredvid protokollet. Om något av detta ska ske utan att en person klickar gör API:et allt som dashboarden gör, till samma pris, i alla abonnemang: se {{api}}/docs.
Allt detta måste klara en församlings eller nämnds budget.
Livetranskribering kostar $0.60 per timme ljud, faktureras per sekund med en minimiavgift på 5 minuter per transkribering, i alla abonnemang. Lyssnare är gratis, hur många de än är, och översättning till upp till 10 språk per transkribering ingår.
Ett nytt konto får $5 i engångskredit vid registrering och kräver inget kort. Den krediten räcker för mer än en månad av söndagar. Därefter fyller du på allt eftersom, eller tar Premium för $50 i månaden ($40 i månaden på årsabonnemanget). Premium inkluderar $50 i kredit varje månad, vilket är 83 livetimmar. Det behåller också varje inspelning under hela kontots livstid i stället för 30 dagar, och det avbryter inte en transkribering om krediten tar slut mitt i ett möte. Två praktiska noter till kassören. På Pay as you go kan en transkribering ta upp till 15 sekunder att starta från kallt läge, så tryck på start innan öppningssången i stället för under den. Och en YouTube-livesändning som redan har avslutats är en video, så den transkriberas som en fil, till den betydligt lägre filtaxan.
För ett rum och en återkommande händelse räcker Pay as you go. För en institution som vill att varje inspelning ska gå att söka i flera år senare, eller som driver flera lokaler samtidigt, är Premium det du ska välja. Hela tabellen, med gränser och lagringstid, finns på prissidan, och den interaktiva demon visar vad en lyssnare ser.
