Usahihi wa tafsiri ya moja kwa moja unaamuliwa zaidi kabla modeli yoyote haijafanya kazi, na unategemea mahali kipaza sauti kilipo. Chukua sauti kutoka kwenye meza ya kuchanganya sauti, si kutoka kiti cha safu ya kumi na mbili, nukuu mara moja, na kosa litakuwa mstari mmoja ambao mtu anaweza kurekebisha kwa kila mtu.
Programu za tafsiri zilizojengwa kwenye simu ni mafanikio ya kweli. Mara nyingi huendesha modeli ya utambuzi wa usemi ndogo ya kutosha kukaa kwenye kifaa na betri yake (baadhi hutuma sauti kwenye seva pale kuna mtandao), na kwa sentensi fupi, wazi za kila siku zinafanya kazi: kuuliza njia, kusoma menyu, mazungumzo kwenye kaunta.
Chumba kilichojaa watu wanaomsikiliza msemaji mmoja ni tatizo tofauti. Mambo yanayoharibika katika usemi halisi ndiyo hasa mambo ambayo modeli ndogo inayapata kwa shida zaidi: maneno adimu na majina, maneno yanayofanana kwa sauti (kwa Kiingereza, "their" na "there", "sail" na "sale"), istilahi za kiufundi, lafudhi, watu wanaozungumza kwa wakati mmoja, na kelele za nyuma. Kwenye klabu ya kupiga meli, modeli inayosikia "sale" imekisia kwa busara, lakini imekosea kwa kujiamini.
Mambo mawili yanaifanya modeli ndogo kukisia zaidi. Imebanwa ili itoshe kwenye simu, kwa hiyo inajua maneno machache na njia chache za kuyasema; inakadiria jina la ukoo ambalo haijawahi kuliona kwa kutumia sauti pekee. Pia utambuzi wa moja kwa moja lazima uchague neno kabla sentensi nzima haijafika, kwa hiyo modeli haiwezi kutumia kile ambacho kingeamua kati ya "sail" na "sale": maneno yanayofuata, au hati inayoeleza mada ya hotuba. Katika utambuzi wa usemi, muktadha una maana hasa mambo hayo mawili: maneno yanayouzunguka, na kile kinachojulikana mapema.
Modeli isipokuwa na uhakika, inakisia. Tafsiri inajengwa juu ya kisio hilo, na mtu anayeisoma hana njia ya kujua. Hakuna mtu chumbani anayeweza kuona kwamba mstari ulikuwa na makosa, achilia mbali kuurekebisha. Na chumba si msikilizaji mmoja bali hamsini.
Simu inasikia chumba, si msemaji. Umbali ndio sababu: kipaza sauti cha kifuani au cha meza kiko sentimita chache kutoka mdomoni, wakati simu iliyo safu ya kumi na mbili iko mita kumi au zaidi, na sauti nyingi inayofika kwake imeruka kwenye kuta, dari na migongo ya viti kwanza. Sauti iliyoakisiwa hufika kwa kuchelewa na kuchanganyika. Juu ya hayo, simu inachukua mtu anayekohoa safu mbili nyuma, mnong'ono wa jirani, na kile ambacho spika zinafanya kwa sauti ya msemaji anapovuka ukumbi. Kila kiti kinapata rekodi kidogo tofauti, kwa hiyo kila kiti kinapata nakala kidogo tofauti.
Simu pia inatafsiri kwa mtu mmoja tu. Washiriki hamsini wakinyanyua simu hamsini wanazalisha nakala hamsini huru za hotuba hiyo hiyo, zenye makosa hamsini tofauti. Watu wawili wakilinganisha maelezo yao baadaye hawatakubaliana kilichosemwa. Msemaji, wakati huo, anazungumza na ukuta wa simu zilizonyanyuliwa, ambayo ni hadhira ngumu kusoma.
Kwa baadhi ya watu chumbani hili ni zaidi ya usumbufu; ndilo linaloamua kama wanaweza kufuatilia hotuba kabisa. Mshiriki mwenye ulemavu wa kusikia, au anayefuatilia kwa lugha ya tatu, anahitaji maandishi moja sahihi yanayoshirikiwa, si juhudi hamsini za kadri. Hiyo inamaanisha kumnukuu msemaji mara moja na kumpa kila mtu matokeo yaleyale. Kunukuu mara moja kunalipa tu kukifanywa vizuri, na kinaanzia na mahali sauti inapotoka.
Nakala haiwezi kuwa bora kuliko sauti iliyotengenezwa nayo. Kwa hiyo uamuzi wa kwanza si modeli ipi itumike, bali ishara ipi ilishwe kwake. Wa pili ni kumwambia modeli nini kabla haijaanza.
Unukuu wa moja kwa moja huchukua sauti kutoka mahali ishara safi tayari ilipo:
VocalStack huvuta mtiririko wa URL yenyewe, kwa hiyo hakuna kinachoendeshwa upande wako. Mlisho wa RTMP unafanya kazi kinyume: kisimbaji chako ndicho kinachoutuma. Lugha ya msemaji hutambuliwa kiotomatiki, na anaweza kubadilisha lugha wakati wowote. Ukijua lugha na rekodi ina kelele nyingi au lafudhi nzito, kuitaja kunaboresha usahihi.
Sauti safi huondoa makosa yanayosababishwa na chumba. Haisaidii makosa yanayotokana na msamiati, na hayo yanahitaji msaada wa aina nyingine.
Simu haijui nani anazungumza wala hotuba inahusu nini, kwa hiyo jina la bidhaa au jina la ukoo ni sauti tu ya kukisia. Matangazo yanaweza kuambiwa mapema cha kutarajia.
Ukiongeza hati au slaidi kabla ya kuanza, majina na istilahi zilizomo ndani yake zinashinda kile injini ilichosikia vibaya. Wakati wa rekodi, kichupo cha Script kinamfuata msemaji kama kiteleprompta. Hii ndiyo faida kubwa zaidi ya usahihi kwa aina ya usemi unaojaza mikutano na mihadhara: usemi uliojaa nomino za pekee na msamiati ambao modeli ya jumla haijausikia mara za kutosha.
Sauti nzuri na kamusi ya istilahi huondoa makosa mengi. Swali ni nini kinatokea kwa makosa yaliyobaki.
Hata kwa sauti nzuri na hati, baadhi ya mistari itatoka vibaya. Tofauti ni kinachotokea baadaye.
Kwenye simu, hakuna kitu. Mstari uliokosewa unapita, na tafsiri iliyojengwa juu yake inapita nao.
Katika matangazo, mstari ambao hauko wazi vya kutosha kustahili kuonyeshwa unafichwa kwa wasikilizaji kama "Audio unclear" badala ya kuwasilishwa kama ukweli.
Kisha kuna mwenyeji, ambaye ana kichupo cha Fix: maneno ambayo injini haikuwa na uhakika nayo yanaweza kupakwa rangi na kupigiwa mstari, kubofya kunafungua mstari kwa ukaguzi, na neno au mstari wowote unaweza kuandikwa upya huku unukuzi ukiwa bado moja kwa moja. Kila msikilizaji anaona masahihisho kwa lugha yake. Kila marekebisho yanaonyeshwa alama na yanaweza kutenduliwa.
Hoja si kwamba seva haifanyi makosa kamwe. Ni kwamba kosa linaonekana, linamilikiwa na mtu chumbani, na linarekebishwa mara moja kwa kila mtu.
Masahihisho yanarekebisha kile wasikilizaji wanachosoma. Wasikilizaji ambao wangependa kusikia hotuba wanapata maandishi yaleyale yaliyosahihishwa, yakisomwa kwa sauti.
Msikilizaji anayependa kusikiliza kuliko kusoma anaweza kusomewa kwa sauti kila mstari uliotafsiriwa. Kwa chaguo-msingi kila msemaji hupewa sauti ya kawaida tofauti ya jinsia inayolingana, ili jopo bado lisikike kama jopo. Unaweza kumpa kila msemaji sauti yake, au kumnyamazisha mmoja.
Kwa ruhusa ya msemaji, unaweza kwenda mbele zaidi na kuiga sauti yake kutoka sekunde thelathini za usemi wake, iwe kwa kupakia klipu au kuichukua moja kwa moja kutoka kwa msemaji kwenye rekodi; dakika chache zinatoa matokeo bora zaidi. Tafsiri kisha inasomwa kwa sauti ya msemaji mwenyewe katika kila lugha. Msemaji mwenye sauti iliyohifadhiwa anaweza pia kutambuliwa katika rekodi za baadaye, ingawa mfumo ungependelea kuacha msemaji bila jina kuliko kumtaja mtu asiye sahihi.
Kanuni mbili zinatumika, na ni za makusudi. Sauti iliyoigwa ni data ya kibayometriki: inatengenezwa tu kwa makubaliano ya wazi ya msemaji na inaweza kufutwa wakati wowote. Na sauti haisemi kamwe chochote isipokuwa nakala au tafsiri yake; haiwezi kufanywa kusema kitu ambacho mmiliki wake hakukisema.
Kila kitu hadi sasa kinatokea msemaji anapozungumza. Tofauti ya mwisho inaonekana baada ya kuacha.
Nakala za simu hamsini hupotea programu zikifungwa. Matangazo huhifadhi rekodi kwenye maktaba yako: sauti, na nakala yenye kila masahihisho na tafsiri. Hapo inaweza kuchezwa tena mstari kwa mstari, kutafutwa kwa lugha yoyote na kuhamishwa. Mwongozo wa Kiungo kimoja, lugha zote unaeleza kile maktaba inachofanya. Wasikilizaji hawagharimu chochote, bila kujali ni wangapi. Unalipia sauti iliyonukuliwa, kwa $0.60 kwa saa kwa moja kwa moja, na dakika 5 za chini kwa kila unukuzi, na ukurasa wa Bei una orodha kamili ya viwango.
Simu kila mkononi bado ni mbadala mzuri kwa mazungumzo ya ukumbi wa kuingia. Kwa chumba kinachohitaji kumwelewa msemaji mmoja pamoja, msemaji anapaswa kunukuliwa mara moja, kutoka chanzo, na mtu mwenye uwezo wa kurekebisha kinachoharibika. Unaweza kuona jinsi hilo linavyoonekana katika onyesho shirikishi kwenye ukurasa wa mwanzo.
