பல மொழி அறைக்கு மொழிக்கு ஒரு சாவடி தேவையில்லை. மேசையிலிருந்து ஒரு சுத்தமான ஒலி ஊட்டம், கேட்போர் தங்கள் சொந்தக் கைபேசிகளில் திறக்கும் ஒரு இணைப்பு, பேச்சு தொடரும்போதே தவறாகக் கேட்ட பெயரைச் சரிசெய்யும் வழி ஆகியவையே தேவை.
ஓர் உரை, ஆராதனை, விரிவுரை அல்லது மாநகரசபைக் கூட்டத்தில் ஒருவர் பேசுவார்; அவருடைய பேச்சை அனைத்துக் கேட்போரும் அந்த மொழியில் சிந்திப்பதில்லை. வழக்கமான தீர்வுகள் விலை உயர்ந்தவை, முழுமையற்றவை அல்லது தனிப்பட்டவை.
விலை உயர்ந்த தீர்வு, ஒவ்வொரு மொழிக்கும் ஒரு மொழிபெயர்ப்பாளர். ஒவ்வொரு மொழிக்கும் ஒருவர் இருந்தாலும், அதற்கென ஒரு சாவடி, ஒரு தொகுப்பு பெறும் கருவிகள், அறையில் உள்ள ஒவ்வொரு மொழிக்கும் ஒரு நிபுணர் தேவைப்படுவார்கள்; அந்த நிபுணர்கள் ஒரே விஷயத்தைச் சொல்வதில்லை. ஒவ்வொரு மொழிபெயர்ப்பாளரும் நெருக்கடியான நேரத்தில் தங்கள் சொந்த முடிவுகளை எடுக்கிறார்கள்: ஒரு சொல்லுக்கு எந்தச் சொல்லைப் பயன்படுத்துவது, எதைச் சுருக்குவது, பேச்சாளர் வேகமாகப் பேசும்போது எதை விட்டுவிடுவது. சாதாரண உரையில் இந்த வேறுபாடுகள் பெரிதாகத் தெரிவதில்லை. ஆனால் சட்ட விசாரணை, மாநகரசபை வாக்கெடுப்பு அல்லது தொழில்நுட்ப விளக்கத்தில் இவை முக்கியம்: ஒரு வரையறுக்கப்பட்ட சொல், ஒரு மருந்தளவு அல்லது ஒரு பிரிவு, பிரெஞ்சு கேட்போருக்கு ஒரு பொருளிலும் அரபு கேட்போருக்கு வேறு பொருளிலும் சென்றடையலாம்; அறையில் உள்ள யாருக்கும் அதைக் கவனிக்கும் நிலை இருக்காது. பகுதியான தீர்வு, ஒரே திரையில் ஒரு துணைத்தலைப்பு ஓட்டம், அதுவும் ஒரே ஒரு இரண்டாம் மொழியில். தனிப்பட்ட தீர்வு, அறையை நோக்கி ஐம்பது கைபேசிகளைப் பிடித்துக்கொள்வது: ஐம்பது சற்றுத் தவறான டிரான்ஸ்கிரிப்ட்கள், ஒவ்வொரு கைபேசியும் எதிரொலியையும் இருமலையும் பேச்சாளரின் குரலைப் போலவே தெளிவாகக் கேட்கும்.
மாற்று வழி, பேச்சாளரை ஒரே ஒரு முறை சுத்தமான மூலத்திலிருந்து டிரான்ஸ்கிரைப் செய்வது; அந்த ஒரே டிரான்ஸ்கிரிப்டை கேட்போருக்குத் தேவையான ஒவ்வொரு மொழிக்கும் மொழிபெயர்ப்பது. இதனால் ஒவ்வொரு மொழியும் ஒரே சொற்களிலிருந்து தொடங்குகிறது; ஒவ்வொரு கேட்பவரும் தங்கள் சொந்தச் சாதனத்தில் மொழியைத் தேர்வு செய்யலாம். நிகழ்வு முடிந்ததும் பதிவு வைத்துக்கொள்ளப்படும். நிகழ்த்துபவரும் கேட்பவரும் இதை எப்படி அமைக்கிறார்கள், அதற்கு என்ன செலவாகும் என்பதை இங்கே பார்க்கலாம்.
நேரலை டிரான்ஸ்கிரிப்ஷன் எந்தச் சாதனத்திலுள்ள ஒலிவாங்கியையும் கேட்க முடியும்; சர்வர் URL மற்றும் ஸ்ட்ரீம் விசை கேட்கும் OBS அல்லது வேறு எந்த என்கோடரிலிருந்து வரும் RTMP ஊட்டத்தையும், YouTube நேரலையையும், இணைய வானொலி நிலையத்தையும், ஸ்ட்ரீமை வழங்கும் எந்த URL-ஐயும் கேட்க முடியும். ஸ்ட்ரீமுக்கு, ஒலியை VocalStack தானே இழுத்துக்கொள்ளும்; உங்கள் பக்கத்தில் எதுவும் இயங்க வேண்டியதில்லை.
எந்த அமைப்பையும் விட மூலம்தான் அதிக முக்கியம். அறை ஒலிவாங்கி, அல்லது மேசையில் வைத்த கைபேசி, பேச்சாளரையும் அறையையும் சேர்த்துக் கேட்கும்: சுவர்கள், நாற்காலிகள், கேட்போரிடமிருந்து எதிரொலிக்கும் ஒலி. அந்த இரைச்சலுடன் ஒப்பிடும்போது குரல் குறையும்போது பேச்சு அறிதல் கடுமையாகப் பாதிக்கப்படும்; அதனால்தான் அந்த ஐம்பது கைபேசிகளும் ஒன்றுக்கொன்று முரண்படுகின்றன. ஒலிக் கலவை மேசையிலிருந்து வரும் ஊட்டத்தில் பேச்சாளரின் சொந்த ஒலிவாங்கி மட்டுமே இருக்கும், அறையின் ஒலி அதில் குறைவாகவே இருக்கும்; அதனால் டிரான்ஸ்கிரிப்ட் அறையைப் பின்தொடராமல் பேச்சாளரைப் பின்தொடரும். இடத்தில் மேசை இருந்தால், அங்கிருந்தே ஊட்டத்தை எடுங்கள்.
பேசப்படும் மொழி தானாகக் கண்டறியப்படும்; பேச்சாளர் எப்போது வேண்டுமானாலும் மொழியை மாற்றலாம். இரைச்சலான பதிவுகளிலும் கனமான உச்சரிப்புகளிலும், முன்கூட்டியே மொழியைக் குறிப்பிடுவது உதவும். பேச்சாளர் குறிப்புகளை off, on, அல்லது When Needed என அமைக்கலாம்; When Needed என்பது இரண்டாம் பேச்சாளர் கேட்டவுடன் அவற்றை இயக்கும். ஒலி வரத் தொடங்கியதும், கேட்போர் அதைக் கண்டறிய ஓர் இடம் வேண்டும்.
ஒளிபரப்பே இணைப்பு: ஒரு முகவரியும், கேட்போர் நேரடி மொழிபெயர்ப்பைத் திறந்து தங்கள் மொழியைத் தேர்ந்தெடுக்க ஸ்கேன் செய்யும் ஒரு QR குறியீடும். இணைப்பு, ஒளிபரப்புக்கு நீங்கள் கொடுக்கும் பெயரிலிருந்து உருவாக்கப்படுகிறது. பின்னர் பெயரை மாற்றினாலும் பழைய இணைப்பு தொடர்ந்து வேலை செய்யும்; அதனால் நிகழ்ச்சி நிரலில் அச்சிட்ட QR குறியீடு காலாவதியாகாது.
ஒளிபரப்பு இயல்பாகவே பொதுவானது: இணைப்பு உள்ள எவரும் அதைத் திறக்கலாம். தனிப்பட்டதாக்கி கடவுச்சொல் அமைத்தால், டிரான்ஸ்கிரிப்ட் தோன்றுவதற்கு முன் கேட்போரிடம் அது கேட்கப்படும்.
ஒரே ஒளிபரப்புக்கு பல நேரலை டிரான்ஸ்கிரிப்ஷன்கள் ஊட்டம் தரலாம்; அதனால் இரண்டு மேடைகள் கொண்ட மாநாடும் ஒரே இணைப்பைப் பகிர்ந்துகொள்ளும். இணைப்பு மக்களை உள்ளே கொண்டுவரும்; அவர்களை அங்கேயே வைத்திருப்பது பெயர்களைச் சரியாக எழுதுவதுதான்.
பேச்சு அறிதல் கருவிகள் மக்கள் வழக்கமாகப் பேசும் விதத்தின் அடிப்படையில் பயிற்சி பெற்றவை; ஓர் ஒலி தெளிவற்றதாக இருக்கும்போது அவை பொதுவான சொல்லையே எடுக்கும். ஒரு தயாரிப்புப் பெயர், குடும்பப் பெயர், ஓர் ஊர், ஒரு வேதிப்பொருள்: ஒவ்வொன்றுக்கும் அடிக்கடி வரும் ஒலியொத்த வேறு சொல் இருக்கும்; அரிய சொல் வரப்போகிறது என்று அறிதலுக்குச் சொல்லப்படாவிட்டால், அதுவே வெளியே வரும். அதற்காகத்தான் ஸ்கிரிப்ட். தொடங்குவதற்கு முன் ஒரு ஸ்கிரிப்ட்டையோ ஸ்லைடுகளையோ சேருங்கள்; அவற்றில் உள்ள பெயர்களும் சொற்களும் தவறாகக் கேட்கப்பட்டவற்றை வென்றுவிடும். சிறப்புத் தலைப்புகளின் உரைகளில் அறிதல் பொதுவாகத் தவறுவது இந்தப் பெயர்களிலும் சொற்களிலும்தான். பதிவின் போது Script தாவல் டெலிப்ராம்ப்டர் போலப் பின்தொடரும்; இதுவரை பேசப்பட்ட சொற்களை ஒளிரச் செய்யும்.
இவ்வளவுதான் அமைப்பு. இணைப்பின் மறுபக்கத்தில் செய்ய இன்னும் குறைவே உள்ளது.
கேட்பவருக்கு ஓர் இணைப்போ QR குறியீடோ, ஒரு கைபேசியோ போதும். உலாவியில் இணைப்பைத் திறந்ததும், நிகழ்த்துபவர் பதிவைத் தொடங்கும் வரை The broadcast hasn't started yet என்பதைக் காண்பார்கள்; பிறகு Live. The first line appears in a moment. என்பது தெரியும். நிகழ்த்துபவர் தேர்ந்த மொழிகளிலிருந்து (ஒரு டிரான்ஸ்கிரிப்ஷனுக்கு அதிகபட்சம் 10, கிடைக்கும் 100இலிருந்து) ஒன்றைத் தேர்ந்தெடுத்து, பேச்சாளர் பேசும்போதே டிரான்ஸ்கிரிப்டைப் படிக்கலாம். நிகழ்த்துபவர் தம் சொந்த மொழியிலேயே தொடர்ந்து பேசுவார். கேட்பவர் எப்போது வேண்டுமானாலும் மொழியை மாற்றலாம்; இதுவரையுள்ள டிரான்ஸ்கிரிப்ட் புதிய மொழியில் மீண்டும் காட்டப்படும்.
கேட்பவர் கேட்கவே விரும்பினால், மொழிபெயர்க்கப்பட்ட ஒவ்வொரு வரியும் உரக்கப் படிக்கப்படும். இயல்பாக, ஒவ்வொரு பேச்சாளருக்கும் அவர்களின் பாலினத்துடன் பொருந்தும் வேறுபட்ட ஆயத்தக் குரல் கிடைக்கும்; அதனால் குழு விவாதம் இன்னும் குழு விவாதம் போலவே ஒலிக்கும்.
மூன்று நிலைகளும் வரிசையாக நடக்கும்; ஒவ்வொன்றும் அதற்கு முந்தையதற்காகக் காத்திருக்கும். அறிதல் சொற்களை உறுதிப்படுத்துவதற்கு முன் சிறிது பேச்சு தேவை; அதனால் டிரான்ஸ்கிரிப்ட் பேச்சாளரை விடச் சில பகுதி நொடிகள் பின்தங்கும். மொழிபெயர்ப்புக்கு ஒரு முழுச் சொற்றொடர் தேவை, ஏனெனில் மொழிகளுக்கு இடையே சொல் வரிசை வேறுபடும், வாக்கியத்தின் முடிவு ஆரம்பத்தையே மாற்றக்கூடும்; அதனால் அது ஒன்று அல்லது இரண்டு நொடிகள் கழித்து வரும். மொழிபெயர்க்கப்பட்ட வாக்கியம் கிடைத்த பின்தான் பேச்சு தொடங்க முடியும்; அதனால் பேசப்படும் வரி கடைசியாக வரும். இதில் எதுவும் சரிசெய்ய வேண்டிய குறை அல்ல; இந்த மூன்று வேலைகளையும் செய்யும் எந்த அமைப்புக்கும், வினைச்சொல் வரும் வரை காத்திருக்கும் மனித மொழிபெயர்ப்பாளருக்கும் கூட, இது தேவைதான்.
பேச்சாளரின் அனுமதியுடன், அந்த நபர் மட்டும் பேசும் முப்பது நொடிகளிலிருந்து நிகழ்த்துபவர் பேச்சாளரின் குரலைக் குளோன் செய்யலாம் (MP3, M4A அல்லது WAV; சில நிமிடங்கள் இன்னும் சிறந்தது). அதன் பிறகு, மொழிபெயர்ப்பு ஒவ்வொரு மொழியிலும் பேச்சாளரின் சொந்தக் குரலிலேயே படிக்கப்படும். குரலை அது என்ன என்பதைப் போல, அதாவது உயிரளவியல் தரவாகவே கருதுங்கள். GDPR-இன்கீழ், ஒருவரை அடையாளம் காண்பதற்காகச் செயலாக்கப்படும் குரல் தரவு பொதுவாகப் பிரிவு 9-இன் சிறப்புப் பிரிவுகளுக்குள் வரும்; இல்லினாய்ஸ் உட்பட சில அமெரிக்க மாநிலங்கள் குரல் அச்சுகளை தனியாக ஒழுங்குபடுத்துகின்றன. மாதிரி பதிவு செய்யப்படுவதற்கு முன்பே பேச்சாளரின் தெளிவான ஒப்புதலைப் பெறுங்கள், பின்னர் அல்ல; குரலை எப்போது வேண்டுமானாலும் நீக்கலாம். குளோனிங் பேச்சாளரைப் பதிவு செய்வதும் ஆகும்; அதனால் எதிர்காலப் பதிவுகளில் அவர்கள் பெயரால் குறிக்கப்படுவார்கள். ஒவ்வொரு பேச்சாளருக்கும் ஒரு குரலை நிகழ்த்துபவர் ஒதுக்கலாம், அல்லது ஒருவரை முடக்கலாம்.
தாமதமாக வரும் கேட்பவர் அவர்கள் வருவதற்கு முன் சொல்லப்பட்ட அனைத்தையும் பார்ப்பார், பிறகு நேரடியாகப் பின்தொடர்வார். இணைப்பு துண்டித்தால், அது மீண்டும் வந்ததும் பக்கம் தானாகவே பிடித்துக்கொள்ளும். நிகழ்த்துபவர் இடைநிறுத்தினால், கேட்போர் Paused. The transcript continues when the host resumes. என்பதைக் காண்பார்கள். நிகழ்த்துபவர் நிறுத்தினால், பக்கம் பதிவின் தேதியையும் நீளத்தையும் காட்டும்; ஒளிபரப்பு மீண்டும் இயக்குவதற்காக அதன் கடந்தகாலப் பதிவுகளைப் பட்டியலிடும்.
கேட்பவர் இயந்திரம் கேட்டதை மட்டுமே படிக்க முடியும்; நேரடி அறிதல் அதில் சிலவற்றைத் தவறாகக் கேட்கும்.
நிகழ்த்துபவர் திரையில் அதற்கென Fix தாவல் உள்ளது. Mark uncertain words இயந்திரம் உறுதியில்லாமல் இருந்த சொற்களுக்கு நிறம் கொடுத்து அடிக்கோடிடும்; Click to correct மதிப்பாய்வுக்காக ஒரு வரியைத் திறக்கும். தாவல் உறுதியற்ற பகுதிகளை ஒவ்வொன்றாக வழிநடத்தும்; அதனால் பேச்சாளர் தொடர்ந்து பேசும்போது மேசையில் இருக்கும் இரண்டாம் நபர் அவற்றைச் சரிபார்க்கலாம்.
நிகழ்த்துபவர் ஒரு சொல்லையோ ஒரு வரியையோ மீண்டும் எழுதினால், இன்னும் பேசப்பட்டுக்கொண்டிருந்தாலும், ஒவ்வொரு கேட்பவரும் திருத்தத்தைக் காண்பார். நம்பகத்தன்மை மிகக் குறைவான வரி, தவறாகக் காட்டப்படுவதற்குப் பதிலாக கேட்போரிடமிருந்து Audio unclear என மறைக்கப்படும்; நிகழ்த்துபவர் இன்னும் ஒவ்வொரு சொல்லையும் பார்ப்பார். வெற்றிடம் அறியப்பட்ட இடைவெளி; நம்பிக்கையுடன் சொல்லப்படும் தவறான சொல் ஒரு வதந்தி.
உரை முடிந்த பின்னும் அந்தத் திருத்தங்கள் மறைவதில்லை.
எல்லாம் வைத்துக்கொள்ளப்படும். பதிவு, திருத்தங்களும் மொழிபெயர்ப்புகளும் கொண்ட அதன் டிரான்ஸ்கிரிப்ட், ஒலி ஆகியவை நிகழ்த்துபவரின் நூலகத்தில் சேரும். மீண்டும் இயக்கம், அது வந்த விதத்திலேயே வரி வரியாக, அதன் ஒலியுடன் இயக்கும். சொற்கள் இறுதியானதும், ஒவ்வொரு மொழியிலும் தலைப்பும் சுருக்கமும் எழுதப்படும்; நிகழ்த்துபவர் திரையின் Summary மற்றும் Export தாவல்கள் அவற்றை நேரடியாக நிகழ்விலிருந்து கொண்டுசெல்லும்.
ஏற்றுமதிகள் SRT துணைத்தலைப்புகள், PDF, Excel அல்லது JSON வடிவில் இருக்கும்; திருத்தங்களும் மொழிபெயர்ப்புகளும் சேர்க்கப்படும்; ஒலி MP3 ஆகப் பதிவிறக்கம் ஆகும். ஒவ்வொரு டிரான்ஸ்கிரிப்டிலும் எந்த மொழியிலும் தேடலாம்.
Audience காட்சி யார் கேட்டார்கள், எந்த மொழியில், எப்போது இணைந்தார்கள் என்பதைக் காட்டும்; யாருக்கு எந்த மொழி தேவைப்பட்டது என்பதை ஏற்பாட்டாளர் முதன்முறையாக உண்மையாக எண்ணிப் பார்ப்பது பெரும்பாலும் இதன் மூலம்தான். அதுவரை வழக்கமான மதிப்பீடு, மொழிபெயர்ப்பு தேவையா என்று ஆங்கிலத்தில் கேட்கும்போது கை உயர்த்தியவர்களின் எண்ணிக்கையாக இருந்தது. கேட்போரின் அடையாளங்காட்டிகள் பதிவுடன் நீக்கப்படும்.
பேச்சு அறிதல், பேச்சாளர் அறிதல் மற்றும் குரல் உருவாக்கம் ஆகியவை நாங்கள் இயக்கும் சர்வர்களில் இயங்குகின்றன; உங்கள் ஒலி செயலாக்கத்துக்காக எந்த மூன்றாம் தரப்புக்கும் அனுப்பப்படுவதில்லை. உங்கள் ஒலியையோ டிரான்ஸ்கிரிப்ட்களையோ குரல்களையோ மாதிரிகளைப் பயிற்றுவிக்கப் பயன்படுத்துவதில்லை.
திட்டத்தைப் பொறுத்து வைத்திருக்கும் காலம்: Pay as you go திட்டத்தில் மூல ஒலியும் குரல்களும் 7 நாட்களுக்கும், டிரான்ஸ்கிரிப்ஷன்கள் 30 நாட்களுக்கும் வைத்திருக்கப்படும்; Premium மற்றும் Enterprise கணக்கின் ஆயுள் முழுவதும் வைத்திருக்கும். திட்டம் தீர்மானிக்கும் மற்றொன்று கட்டணம்.
இரண்டு எண்கள் முக்கியம். Pay as you go மற்றும் Premium திட்டங்களில், நேரலை டிரான்ஸ்கிரிப்ஷன் ஒலியின் ஒரு மணி நேரத்துக்கு $0.60 ஆகும்; ஒவ்வொரு நொடிக்கும் கட்டணம் விதிக்கப்படும், ஒவ்வொரு டிரான்ஸ்கிரிப்ஷனுக்கும் குறைந்தபட்சம் 5 நிமிடங்கள்; டாஷ்போர்டிலும் API வழியாகவும் ஒரே முறையில். Enterprise-க்கு அளவு வீதங்கள் உண்டு. கேட்போரும் மொழிகளும் இலவசம்: இருநூறு பேர் ஐந்து மொழிகளில் படிக்கும் ஒரு மணி நேர நிகழ்வுக்கு $0.60 மட்டுமே ஆகும். கோப்புகள் மலிவானவை ($0.20 ஒரு மணி நேரத்துக்கு), ஏனெனில் நேரலை டிரான்ஸ்கிரிப்ஷன் முழு நிகழ்வின் நேரத்திலும் நிகழ்நேரத்தில் ஓடுகிறது. திட்டங்கள் ஒரே நேரத்தில் நடக்கும் பணிகள், அதிகபட்சப் பதிவு நீளம், தொடக்க வேகம் ஆகியவற்றில் வேறுபடும்; Pay as you go-வில் குளிர் தொடக்கத்துக்கு 15 நொடிகள் வரை ஆகலாம், அதனால் பேச்சாளர் பேசுவதற்கு சற்று முன்பே பதிவைத் தொடங்குங்கள், ஏறக்குறைய "பின்னால் இருப்பவர்களுக்கு என் குரல் கேட்கிறதா?" என்பதற்கு ஒரு வாக்கியம் முன்னதாக. முழு அட்டவணை விலைப் பக்கத்தில் உள்ளது.
முகப்புப் பக்கத்தில் இரண்டு கைபேசி டெமோ உள்ளது; டாஷ்போர்டில் ஒரு புதிய கணக்கு $5 பதிவுக் கிரெடிட்டுடன் வருகிறது, அட்டை தேவையில்லை. நேரலை வீதத்தில், அந்தக் கிரெடிட் எட்டு மணி நேரத்துக்கும் மேல் ஒளிபரப்புக்குப் போதுமானது.
இதற்கும் எல்லோருடைய கைபேசியிலும் உள்ள நேரடி மொழிபெயர்ப்புக்கும் இடையே முடிவெடுக்கிறீர்களா? ஓர் அறைக்கு கைபேசி ஏன் போதாது என்பதைப் படியுங்கள். முழு நிகழ்வுக்கு, பல மொழி மாநாட்டுச் சரிபார்ப்புப் பட்டியல் ஒலிப் பாதை, ஓர் இணைப்பில் பல மேடைகள் மற்றும் பட்ஜெட் ஆகியவற்றை விவரிக்கிறது. டெவலப்பர்கள் இவை அனைத்தையும் API குறிப்பு வழியாகக் குறியீட்டிலிருந்து, அதே வீதத்தில் செய்யலாம்.
