நிகழ்நேர டிரான்ஸ்கிரிப்ஷனும் மொழிபெயர்ப்பும்: நேரலைப் பேச்சு உரை எப்படி வேலை செய்கிறது, எவ்வளவு பின்தங்குகிறது, துல்லியத்தை எது பாதிக்கிறது, செலவு என்ன.
நிகழ்நேர டிரான்ஸ்கிரிப்ஷன் ஒருவர் இன்னும் பேசிக்கொண்டிருக்கும்போதே பேச்சை உரையாக மாற்றுகிறது. சொற்கள் பேசிய சில கணங்களில் திரையில் தோன்றி, இறுதி வரிகளாகக் குடியேறி, பின்தொடரும் எவராலும் படிக்கப்படலாம். நிகழ்நேர மொழிபெயர்ப்பையும் சேர்த்தால், ஒவ்வொரு வாசகரும் அதே பேச்சைத் தம் மொழியில், உரையாகவோ உரக்க வாசிக்கப்பட்டதாகவோ பின்தொடரலாம்.
இந்த வழிகாட்டி நிகழ்நேர டிரான்ஸ்கிரிப்ஷனையும் மொழிபெயர்ப்பையும் இரு பக்கங்களிலிருந்தும் பார்க்கிறது: கேட்பவர் என்ன பார்க்கிறார், ஒலி எங்கிருந்து வரலாம், துல்லியத்தை எது தீர்மானிக்கிறது, டெவலப்பர்கள் API-இலிருந்து என்ன பெறுகிறார்கள், செலவு என்ன.
நிகழ்நேர டிரான்ஸ்கிரிப்ஷன், நேரலை டிரான்ஸ்கிரிப்ஷன் அல்லது நேரலைப் பேச்சு-உரை எனவும் அழைக்கப்படுகிறது; ஒலி இன்னும் வந்துகொண்டிருக்கும்போதே இயங்கும் பேச்சு அறிதல். பதிவுசெய்த கோப்பை முழுப் பதிவும் கையில் இருக்கும்போது டிரான்ஸ்கிரைப் செய்யலாம். நேரலை டிரான்ஸ்கிரிப்ஷன் கடைசி சில வினாடிகளை மட்டுமே வைத்துக்கொண்டு சொற்களை உறுதிசெய்ய வேண்டும்; பேச்சாளர் பேசும் வரை அவருடன் ஈடுகொடுக்க வேண்டும்.
நேரலை வசனங்களும் அதே; வீடியோவின் மேலோ திரையிலோ சிறிய வரிகளாகக் காட்டப்படுகின்றன.
VocalStack-இல் ஒரு நேரலை டிரான்ஸ்கிரிப்ஷன் 100 மொழிகளில் கேட்க முடியும். பேசப்படும் மொழியைத் தானே கண்டறிந்து, பேச்சாளர் மாறினால் பின்தொடர்கிறது; மொழியை முன்கூட்டியே எப்போது குறிப்பிட வேண்டும் என்பதுடன் சேர்த்து இதை தானியங்கி மொழிக் கண்டறிதல் எப்படி வேலை செய்கிறது விளக்குகிறது.
உரை இரண்டு கட்டங்களில் வருகிறது. புதிய சொற்கள் முதலில் வரைவாகத் தோன்றும்; மேலும் ஒலி வரும்போது அது இன்னும் மாறக்கூடும். சிறிது நேரம் கழித்து, வரைவு இனி மாறாத இறுதி வரியாகக் குடியேறுகிறது.
வரைவு இருப்பதற்குக் காரணம், ஒரு சொல்லை அறிதல் அமைப்பு அதற்குப் பின் வருவதையும் வைத்துப் பகுதியாகத் தீர்மானிக்கிறது. அடுத்த சொல் வரும் வரை «ice cream», «I scream» இரண்டும் ஒரே மாதிரி ஒலிக்கின்றன. ஊகத்தை முன்கூட்டியே காட்டுவதே டிரான்ஸ்கிரிப்டை நேரலையாக உணர வைக்கிறது.
உரை பேச்சாளரை விட எவ்வளவு பின்தங்குகிறது என்பது கட்டத்தைப் பொறுத்தது:
அந்தச் சங்கிலிக்கு வெளியே இரண்டு தாமதங்கள் உண்டு. மூலம் ஒலிவாங்கியாக இல்லாமல் பொது ஸ்ட்ரீமாக இருக்கும்போது, ஸ்ட்ரீமே தன் நேரலை முனையைவிட ஏற்கெனவே பின்தங்கியிருக்கும்: சாதாரண இணைய வானொலி ஸ்ட்ரீமுக்கு ஒன்று முதல் மூன்று வினாடிகள், HLS-க்கு பல வினாடிகள் முதல் அரை நிமிடம் வரை. மேலும் Pay as you go-வில் ஒரு நேரலை டிரான்ஸ்கிரிப்ஷன் தொடங்க 15 வினாடிகள் வரை ஆகலாம். Auto, Fast, Accuracy தாமத முறைகள் உட்பட முழு விவரம் நேரலை மொழிபெயர்ப்புத் தாமதம், விளக்கம் கட்டுரையில் உள்ளது.
மொழிபெயர்ப்பு டிரான்ஸ்கிரிப்டின் மேல் இயங்குகிறது. ஒரு நேரலை டிரான்ஸ்கிரிப்ஷனை ஒரே நேரத்தில் 10 மொழிகள் வரை மொழிபெயர்க்கலாம்; அவை 100-இலிருந்து தேர்ந்தெடுக்கப்படுகின்றன. ஒவ்வொரு கேட்பவரும் தம் சாதனத்தில் அவற்றில் ஒன்றைத் தேர்ந்தெடுத்து, எப்போது வேண்டுமானாலும் மாற்றலாம்; இதுவரையிலான டிரான்ஸ்கிரிப்ட் புதிய மொழியில் மீண்டும் காட்டப்படும்.
ஒவ்வொரு மொழியும் அதே டிரான்ஸ்கிரிப்டிலிருந்து மொழிபெயர்க்கப்படுகிறது; எனவே ஒவ்வொரு கேட்பவருக்கும் ஒரே சொற்கள் கிடைக்கின்றன; ஒரு திருத்தம் அனைவரையும் சென்றடைகிறது.
படிப்பதைவிடக் கேட்க விரும்பும் கேட்பவர், மொழிபெயர்க்கப்பட்ட ஒவ்வொரு வரியையும் உரக்க வாசிக்கச் செய்யலாம். இயல்பாக ஒவ்வொரு பேச்சாளருக்கும் அவரது பாலினத்துக்குப் பொருந்தும் தனித்துவமான ஸ்டாக் குரல் கிடைக்கிறது; எனவே ஒரு குழு விவாதம் பல நபர்களைப் போலவே ஒலிக்கிறது. ஒரு பேச்சாளரின் ஒப்புதலுடன், அவர் தனியாகப் பேசும் சுமார் 30 வினாடிகளிலிருந்து நிகழ்த்துபவர் அவர் குரலை குளோன் செய்யலாம்; பிறகு மொழிபெயர்ப்பு அவருடைய சொந்தக் குரலில் வாசிக்கப்படுகிறது.
குரல்களுக்கான விதி வேண்டுமென்றே குறுகியது. ஒரு குரல் அதே நபர் சொன்னதை மட்டுமே, கேட்பவர் தேர்ந்தெடுத்த மொழியில் மொழிபெயர்த்து வாசிக்கும். யாராவது தட்டச்சு செய்யும் உரையை அது ஒருபோதும் வாசிக்காது; ஒரு பேச்சாளரின் சொற்களை இன்னொருவரின் குரலில் ஒருபோதும் வாசிக்காது.
இது ஒரு முழு அறைக்கு எப்படி வேலை செய்கிறது என்பது, நிகழ்த்துபவரின் அமைப்பிலிருந்து தாமதமாக வருபவர் வரை, ஒரு இணைப்பு, ஒவ்வொரு மொழி கட்டுரையில் உள்ளது.
ஒரு நேரலை டிரான்ஸ்கிரிப்ஷனுக்கு ஒலி மூலம் தேவை. இன்று VocalStack ஏற்கும் மூலங்கள் இவை:
YouTube-இன் சொந்த பிளேயருக்குள், அதன் CC பொத்தான் வழியாக வசனங்கள் விரைவில். அதுவரை, YouTube ஸ்ட்ரீமின் பார்வையாளர்கள் ஒளிபரப்பு இணைப்பில் வசனங்களைப் பின்தொடர்கிறார்கள்.
இன்றே Windows-இல் நேரலை டிரான்ஸ்கிரிப்ஷன் தேவைப்பட்டால், Chrome அல்லது Edge நீட்டிப்பு, OBS செருகுநிரல், உலாவியில் Dashboard அனைத்தும் அங்கே வேலை செய்கின்றன.
ஒளிபரப்பு என்பது மற்றவர்கள் ஒரு நேரலை டிரான்ஸ்கிரிப்ஷனைப் பின்தொடரும் வழி. அது ஓர் இணைப்பும் ஒரு QR குறியீடும். கேட்பவர்கள் அதை உலாவியில் திறந்து, மொழியைத் தேர்ந்தெடுத்துப் படிக்கிறார்கள். அவர்களுக்குக் கணக்கு தேவையில்லை, எதையும் நிறுவ வேண்டியதில்லை, செலவும் இல்லை: கேட்பவர்கள் எண்ணிக்கையோ மொழிகளோ கட்டணத்தை மாற்றுவதில்லை.
ஒளிபரப்பு இயல்பாகப் பொதுவானது; கடவுச்சொல் மூலம் பாதுகாக்கலாம். அதன் இணைப்புக்குப் பெயர் மாற்றினால், பழையது தொடர்ந்து வேலை செய்யும்; எனவே நிகழ்ச்சி நிரலில் அச்சிட்ட QR குறியீடு காலாவதியாகாது. ஓர் ஒளிபரப்பு பல நேரலை டிரான்ஸ்கிரிப்ஷன்களைக் கொண்டு செல்ல முடியும்; எனவே இரண்டு மேடைகள் ஒரே இணைப்பைப் பகிரலாம்.
தாமதமாக வரும் கேட்பவர் தாம் வருவதற்கு முன் சொல்லப்பட்ட அனைத்தையும் பார்க்கிறார்; பிறகு நேரலையில் பின்தொடர்கிறார். அதன் பிறகு Audience காட்சி யார் கேட்டார்கள், எந்த மொழியில், எப்போது இணைந்தார்கள் என்பதைக் காட்டுகிறது.
நிகழ்வுகளுக்கு, பல மொழி மாநாட்டுச் சரிபார்ப்புப் பட்டியல் ஒலி, மேடைகள், வரவுசெலவுத் திட்டத்தை விளக்குகிறது; தேவாலயங்கள், விரிவுரை அரங்குகள், மன்ற அறைகளுக்கான நேரலை டிரான்ஸ்கிரிப்ஷன் அதே அமைப்பின் வாராந்திரப் பதிப்பை விளக்குகிறது.
மேலே உள்ள அனைத்தையும் குறியீட்டிலிருந்து செய்யலாம். உங்கள் சொந்தச் செயலியில் நேரலை ஒலிக்கு, API-இல் நிகழ்நேர அமர்வுகள் உள்ளன: உங்கள் சர்வர் API விசையுடன் POST /v1/realtime/sessions-க்கு ஒரு அழைப்பு செய்து, குறுகிய ஆயுள் கொண்ட streamUrl-ஐப் பெறுகிறது. உங்கள் கிளையன்ட் அதற்கு ஒரு WebSocket திறந்து, பிடிக்கப்படும்போதே மூல ஒலியை அனுப்பி, டிரான்ஸ்கிரிப்டை JSON ஃபிரேம்களாகத் திரும்பப் படிக்கிறது.
ஃபிரேம்கள் வாசகர் பார்க்கும் அதே இரண்டு கட்டங்களைப் பின்பற்றுகின்றன. transcript.draft நேரலை வாலை மாற்றுகிறது, transcript.committed ஓர் இறுதி வரியைச் சேர்க்கிறது; மொழிபெயர்ப்பு இயக்கப்பட்டிருந்தால், முழு வாக்கியங்கள் அவற்றின் மொழிபெயர்ப்புகளுடன் வருகின்றன. இலக்கு மொழிகள், பேச்சாளர் லேபல்கள், தாமத முறை ஆகியவற்றை அமர்வின்போது session.update மூலம் மாற்றலாம்.
நிகழ்நேர அமர்வு எதையும் சேமிப்பதில்லை. சொற்கள் சேமிக்கப்பட்டு, திருத்தப்பட்டு, பார்வையாளர்களுடன் பகிரப்பட வேண்டுமெனில், அதற்குப் பதிலாக ஒலியை ஒரு நேரலை டிரான்ஸ்கிரிப்ஷனுக்கும் ஒளிபரப்புக்கும் வெளியிடுகிறீர்கள். TypeScript, Python, PHP-க்கான அதிகாரப்பூர்வ SDK-கள் இரண்டையும் சுற்றுகின்றன; ஒரு MCP சர்வர் ஒரு AI உதவியாளரை அதே கணக்கைப் பயன்படுத்த அனுமதிக்கிறது.
WebSocket பயிற்சி வேலை செய்யும் வசனக் காட்சியைப் படிப்படியாக உருவாக்குகிறது; API குறிப்பு ஒவ்வொரு புலத்தையும் கொண்டுள்ளது. API பயன்பாடு Dashboard-ஐப் போன்ற அதே கட்டணத்தில் கணக்கிடப்படுகிறது.
துல்லியம் பெரும்பாலும் எந்த அறிதல் அமைப்பும் இயங்கும் முன்பே, அது பெறும் ஒலியால் தீர்மானிக்கப்படுகிறது. நான்கு விஷயங்கள் அதிகம் வேறுபாட்டை ஏற்படுத்துகின்றன.
ஒலிவாங்கி. பேச்சாளருக்கு அருகில் உள்ள ஒலிவாங்கி, அல்லது அரங்கின் ஒலிக் கலவை மேசையிலிருந்து வரும் ஊட்டம், அறையின் ஒலி குறைவாகக் கலந்த குரலைக் கொண்டு செல்கிறது. மேசையில் உள்ள கைபேசி பேச்சாளருடன் சேர்த்து எதிரொலி, நாற்காலிகள், இருமலையும் கேட்கிறது. இதுவே மிகப் பெரிய ஒற்றைக் காரணி; ஓர் அறைக்குக் கைபேசி ஏன் போதாது ஏன் என்பதை விளக்குகிறது.
இரைச்சலும் ஒன்றன்மேல் ஒன்று பேசுவதும். பின்னணி இரைச்சல் தவறிய சொற்களையும் கற்பனைச் சொற்களையும் உண்டாக்குகிறது; இருவர் ஒரே நேரத்தில் பேசுவது சொற்களையும் அவற்றைச் சொன்னவரையும் குழப்புகிறது. ஒலி டிரான்ஸ்கிரிப்ஷன் தவறுகள் ஏழு பொதுவான காரணங்களையும், ஒவ்வொன்றும் எப்படித் தெரியும், எப்படிச் சரிசெய்வது என்பதையும் பட்டியலிடுகிறது.
ஒரு குறிப்பு ஸ்கிரிப்ட். நன்கு அறியப்பட்ட பெயர்களும் சொற்களும் அப்படியே அடையாளம் காணப்படுகின்றன. ஒரு நிறுவனத்தின் தயாரிப்புப் பெயர்கள், உள்ளக சுருக்கம் அல்லது ஒரு விருந்தினரின் அசாதாரணக் குடும்பப் பெயரை முன்கூட்டியே அறிய முடியாது; எனவே தொடங்கும் முன் ஒரு ஸ்கிரிப்ட் அல்லது ஸ்லைடுகளைச் சேருங்கள்; அவற்றிலுள்ள பெயர்களும் சொற்களும் நீங்கள் எழுதியபடியே எழுதப்படும்.
பேச்சாளர் லேபல்கள். லேபல்கள் Off, On அல்லது When Needed ஆக இருக்கலாம்; When Needed இரண்டாவது பேச்சாளர் கேட்டதும் அவற்றை இயக்கும். என்ன சொல்லப்பட்டது, யார் சொன்னார் என்ற இரண்டு பதில்களும் தனித்தனியானவை, தனித்தனியாகச் சரிசெய்யப்படுபவை என்பதை பேச்சாளர் டையரைசேஷன் vs பேச்சு அறிதல் விளக்குகிறது.
தாமத முறையும் முக்கியம்: Fast உரையை விரைவாக வெளியிடுகிறது, ஆனால் அதில் அதிகம் திருத்துகிறது; Accuracy சற்று நீண்ட நேரம் காத்திருக்கிறது.
ஒரே துல்லிய எண் தோன்றுவதைவிடக் குறைவாகவே சொல்கிறது. சொல் பிழை விகிதம் தவறான பெயரையும் விடுபட்ட «the»-வையும் ஒரே மாதிரி எண்ணுகிறது; அதனால்தான் சொல் பிழை விகிதம் எதை அளக்கிறது, எதைத் தவறவிடுகிறது ஒரு அமைப்பை, அது எந்தத் தவறுகளைப் பிடித்துத் திருத்த அனுமதிக்கிறது என்பதைக் கொண்டு மதிப்பிடுமாறு வாதிடுகிறது.
எந்த நேரலை டிரான்ஸ்கிரிப்டும் முழுமையானது அல்ல; எனவே நிகழ்த்துபவர் திரையில் Fix தாவல் உள்ளது. அறிதல் அமைப்பு உறுதியில்லாத சொற்களை அது குறிக்க முடியும்; எந்த வரியையும் திறந்து திருத்தலாம். பேச்சாளர் தொடர்ந்து பேசும்போது மேசையில் உள்ள இரண்டாவது நபர் அவற்றை ஒவ்வொன்றாகப் பார்க்கலாம்.
நிகழ்த்துபவர் ஒரு சொல்லையோ வரியையோ, இன்னும் சொல்லப்பட்டுக்கொண்டிருப்பதையும்கூட, மாற்றி எழுதும்போது, ஒவ்வொரு கேட்பவரும் திருத்தத்தை ஒவ்வொரு மொழியிலும் பார்க்கிறார். மிகக் குறைந்த உறுதியுடன் கேட்கப்பட்ட வரி தவறாகக் காட்டப்படாமல், கேட்பவர்களிடமிருந்து «Audio unclear» எனச் சொல்லி மறைக்கப்படும்; நிகழ்த்துபவர் இன்னும் அதைப் பார்க்கிறார்.
பதிவு அதன் டிரான்ஸ்கிரிப்ட், திருத்தங்கள், மொழிபெயர்ப்புகளுடன் சேமிக்கப்படுகிறது. பிறகு நீங்கள்:
ஒலியும் டிரான்ஸ்கிரிப்டுகளும் எவ்வளவு காலம் வைக்கப்படும் என்பது திட்டத்தைப் பொறுத்தது; விலைப் பக்கம் அதைப் பட்டியலிடுகிறது.
பெரும்பாலான நேரலை டிரான்ஸ்கிரிப்ஷன் கருவிகள் டெமோவில் ஒரே மாதிரித் தெரிகின்றன; வேறுபாடுகள் கீழே உள்ள கேள்விகளில் தெரியும். வலது நெடுவரிசை இன்றைய நிலையில் VocalStack-ஐ விவரிக்கிறது.
| கேள்வி | ஏன் முக்கியம் | VocalStack |
|---|---|---|
| எந்த மொழிகளைக் கேட்க முடியும்? | பேச்சாளரின் மொழியை டிரான்ஸ்கிரைப் செய்ய முடியாத கருவி, மொழிபெயர்ப்பு எவ்வளவு நன்றாக இருந்தாலும் உதவாது. | 100 மொழிகள், தானாகக் கண்டறியப்படும், உரையாடலின் நடுவில் மாறலாம் |
| உரை பேச்சாளரைவிட எவ்வளவு பின்தங்குகிறது? | அவ்வப்போது வரும் தவறான சொல்லைவிட வளரும் இடைவெளியையே வாசகர்கள் அதிகம் கவனிக்கிறார்கள். | மூல உரை ஒரு வினாடியின் சிறு பகுதி பின்தங்கும், மொழிபெயர்ப்பு ஓரிரு வினாடிகள் கழித்து; மூன்று தாமத முறைகள் |
| மொழிபெயர்க்குமா, மொழியை யார் தேர்ந்தெடுக்கிறார்கள்? | ஒரு திரையில் ஒரு வசன மொழி மற்ற அனைவரையும் விட்டுவிடுகிறது. | ஒரு டிரான்ஸ்கிரிப்ஷனுக்கு 10 மொழிகள் வரை, ஒவ்வொரு கேட்பவரும் தம் மொழியைத் தேர்ந்தெடுக்கிறார் |
| மொழிபெயர்ப்பை உரக்கச் சொல்ல முடியுமா? | சில கேட்பவர்களால் படிக்க முடியாது, அல்லது படிக்க விரும்ப மாட்டார்கள். | இயல்பாக ஸ்டாக் குரல்கள்; ஒப்புதலுடன் பேச்சாளரின் சொந்த குளோன் குரல் |
| பார்வையாளர்களுக்கு எப்படிச் சென்றடைகிறது? | செயலிகளும் கணக்குகளும் வாசலிலேயே மக்களை இழக்கின்றன. | ஓர் இணைப்பும் QR குறியீடும், கணக்கு இல்லை, விருப்பமான கடவுச்சொல் |
| நேரலையில் தவறுகளைத் திருத்த முடியுமா? | ஒரு மணி நேரம் திரும்பத் திரும்பத் தவறாகக் கேட்ட பெயர் உண்மையான சேதம் செய்கிறது. | ஒவ்வொரு கேட்பவருக்கும் அனுப்பப்படும் நேரலைத் திருத்தங்கள் |
| ஒலி எங்கிருந்து வரலாம்? | கருவிக்குப் பொருந்த உங்கள் அமைப்பு மாற வேண்டியதில்லை. | ஒலிவாங்கி, உலாவி நீட்டிப்புகள், டெஸ்க்டாப் செயலி, OBS, RTMP, ஸ்ட்ரீம் இணைப்புகள் |
| API உண்டா? | உங்கள் சொந்தத் தயாரிப்புக்குள் வசனங்கள் வேண்டியிருக்கலாம். | REST, WebSocket API, SDK-கள், MCP சர்வர், Dashboard-ஐப் போன்ற அதே கட்டணம் |
| விலை எப்படி? | ஒரு கேட்பவருக்கோ இருக்கைக்கோ விலை உங்கள் பார்வையாளர்களுடன் வளரும். | ஒலியின் வினாடிக்கு; கேட்பவர்களும் மொழிகளும் இலவசம் |
VocalStack-இல் டிரான்ஸ்கிரைப் செய்த ஒலியின் ஒவ்வொரு வினாடிக்கும் செலுத்துகிறீர்கள். இதை எழுதும் நேரத்தில், நேரலை டிரான்ஸ்கிரிப்ஷன் ஒரு மணி நேரத்துக்கு $0.60, கோப்புகள் ஒரு மணி நேரத்துக்கு $0.20; ஒவ்வொரு திட்டத்திலும், Dashboard-இலும் API வழியாகவும் சமமாக. மொழிபெயர்ப்பு, குரல்கள், சுருக்கங்கள், ஒளிபரப்பு, கேட்பவர்கள் ஆகியவை கட்டணத்தில் எதையும் கூட்டுவதில்லை; எனவே ஐந்து மொழிகளில் 200 பேர் படிக்கும் ஒரு மணி நேர உரைக்கு, யாரும் படிக்காத உரைக்கு ஆகும் அதே $0.60 தான்.
திட்டங்கள் சில விஷயங்களில் வேறுபடுகின்றன:
அது நடக்கும்போதே யாரும் படிக்கத் தேவையில்லை என்றால், பதிவை பிறகு கோப்புக் கட்டணத்தில் பதிவேற்றுங்கள். ஒவ்வொரு திட்டத்தின் தற்போதைய விலைகள், தக்கவைப்பு, வரம்புகள் விலைப் பக்கத்தில் உள்ளன.
ஒரு புதிய VocalStack கணக்குக்கு $5 பதிவுக் கிரெடிட் கிடைக்கிறது; அட்டை தேவையில்லை. ஒரு மணி நேரத்துக்கு $0.60 என்றால் அது மொழிபெயர்ப்பும் ஒளிபரப்பும் சேர்ந்த சுமார் எட்டு மணி நேர நேரலை டிரான்ஸ்கிரிப்ஷன். அதன் பிறகு வினாடிக்குச் செலுத்துகிறீர்கள். கேட்பவர்கள் எப்போதும் இலவசம்.
முடியும். ஒரு நேரலை டிரான்ஸ்கிரிப்ஷனை, நபர் பேசும்போதே ஒரே நேரத்தில் 10 மொழிகள் வரை மொழிபெயர்க்கலாம். மொழிபெயர்ப்பு மூல உரைக்குப் பிறகு ஓரிரு வினாடிகளில் தோன்றும்; ஒவ்வொரு கேட்பவரும் தம் மொழியைத் தேர்ந்தெடுக்கிறார்.
அது பெரும்பாலும் ஒலியைப் பொறுத்தது. நெருக்கமான ஒலிவாங்கி அல்லது மேசை ஊட்டம், குறைந்த பின்னணி இரைச்சல், ஒரே நேரத்தில் ஒருவர் பேசுவது, பெயர்களுடன் கூடிய குறிப்பு ஸ்கிரிப்ட் ஆகியவை சிறந்த முடிவுகளைத் தரும். உரை தொடரும்போதே, இன்னும் தவறாக இருப்பதை நிகழ்த்துபவர் நேரலைத் திருத்தங்களால் சரிசெய்யலாம்.
மூல மொழி உரை பேச்சாளரைவிட ஒரு வினாடியின் சிறு பகுதி பின்தங்குகிறது; மொழிபெயர்ப்புகள் ஓரிரு வினாடிகள் கழித்துத் தொடர்கின்றன. ஒரு பொது ஸ்ட்ரீம், ஒலி VocalStack-ஐ அடையும் முன் தன் சொந்தத் தாமதத்தைச் சேர்க்கிறது.
முடியும்; Chrome அல்லது Edge நீட்டிப்பு, OBS Studio செருகுநிரல் அல்லது உலாவியில் Dashboard மூலம். டெஸ்க்டாப் செயலி இன்று macOS-இல் உள்ளது; Windows விரைவில்.
இல்லை. கேட்பவர்கள் ஒளிபரப்பு இணைப்பைத் திறக்கிறார்கள் அல்லது அதன் QR குறியீட்டை உலாவியில் ஸ்கேன் செய்கிறார்கள், மொழியைத் தேர்ந்தெடுத்துப் படிக்கிறார்கள். நிறுவ எதுவும் இல்லை.
Dashboard-ஐத் திறந்து, உங்கள் ஒலிவாங்கியிலிருந்து ஒரு நேரலை டிரான்ஸ்கிரிப்ஷனைத் தொடங்கி, அதன் ஒளிபரப்பு இணைப்பை உங்கள் கைபேசியில் திறவுங்கள். பதிவுக் கிரெடிட் உங்கள் முதல் சில மணி நேரங்களை ஈடுசெய்கிறது; வரைவுகள் குடியேறுவதையும் மொழிபெயர்ப்பு பின்தொடர்வதையும் நீங்களே பார்க்கலாம்.