คำบรรยายที่ดีเริ่มจากโต๊ะมิกซ์เสียงและสไลด์ของผู้พูด ให้รับสัญญาณจากไมโครโฟนของผู้พูดหนึ่งชุดต่อเวที และโหลดชื่อกับตัวย่อทั้งหมดก่อนที่ใครจะขึ้นเวที ส่วนที่เหลือของวันคือการแก้สิ่งที่สองขั้นตอนนี้พลาดไป
งานส่วนใหญ่ของการทำคำบรรยายในการประชุมเกิดขึ้นก่อนที่ใครจะขึ้นเวที และงานส่วนใหญ่นั้นไม่ใช่งานซอฟต์แวร์
โทรศัพท์ที่วางบนแท่นปาฐกถาจะได้ยินเสียงทั้งห้อง ส่วนโต๊ะมิกซ์เสียงจะได้ยินเสียงของผู้พูดโดยตรง ให้รับสัญญาณจากโต๊ะ และระบุให้ชัดว่าเป็นสัญญาณไหน ขอให้วิศวกรเสียงจัดช่องส่งแบบ aux หรือ matrix ที่มีเฉพาะไมโครโฟนของผู้พูด ได้แก่ แท่นปาฐกถา ไมโครโฟนติดปกเสื้อ และไมโครโฟนของแผงผู้อภิปราย เพลงตอนผู้ฟังเดินเข้างาน วิดีโอ และเสียงปรบมือต้องไม่อยู่ในสัญญาณนี้ การรู้จำเสียงที่ต้องฟังผ่านเพลงประกอบจะเดาเนื้อเพลงผิดอย่างมั่นใจ
ทดสอบช่องส่งนี้ในการซ้อมทางเทคนิค ใช้ไมโครโฟนและลำโพงจริงถ้าทำได้ ไม่เช่นนั้นคุณอาจพบตอน 8:55 ของเช้าวันงานว่าเอาต์พุต matrix เป็นแบบ post-fader และวิศวกรปิดเสียงแท่นปาฐกถาระหว่างการพูดแต่ละช่วง
ส่งสัญญาณนั้นให้ VocalStack ได้สองวิธี วิธีแรกคือเอนโค้ดเดอร์ RTMP ที่โต๊ะ เมื่อคุณเพิ่มสตรีม RTMP เป็นแหล่งของการถอดเสียงสด แดชบอร์ดจะแสดง URL ของเซิร์ฟเวอร์และ stream key ที่เอนโค้ดเดอร์ต้องใช้ บอกว่าเริ่มมีเสียงเข้ามาหรือยังและเป็นรูปแบบใด และให้คุณฟังเสียงนั้นได้ วิธีที่สองคือที่อยู่ของสตรีม ถ้าเวทีกำลังออกอากาศเป็น YouTube live หรือสตรีมเสียงอยู่แล้ว ให้วางลิงก์นั้น แล้ว VocalStack จะดึงเสียงมาเอง โดยไม่ต้องติดตั้งอะไรฝั่งคุณ วางที่อยู่ของสตรีมโดยตรง ไม่ใช่หน้าเว็บที่ใช้เล่นสตรีมนั้น ถ้าวางลิงก์หน้าเว็บโดยผิดพลาด แดชบอร์ดจะแจ้งให้ทราบ
ไม่ว่าจะเลือกวิธีใด ให้ใช้ไมโครโฟนหนึ่งตัวต่อหนึ่งเวที ไมโครโฟนของผู้ชมและเสียงซ้อนจากการพูดพร้อมกันทำให้ความแม่นยำลดลง และไม่มีการตั้งค่าใดชดเชยคืนได้ ไมโครโฟนที่ดีที่สุดในอาคารกลับเป็นของผู้ร่วมอภิปรายที่ชอบเอนตัวหนีจากมันอยู่เสมอ
เมื่อเสียงเข้ามาแล้ว ผู้เข้าร่วมก็ต้องมีที่สำหรับอ่านคำบรรยาย
การถ่ายทอดสดคือลิงก์ที่ผู้เข้าร่วมเปิด สร้างได้ที่ Broadcasts ตั้งชื่อ แล้วเลือกลิงก์ แดชบอร์ดจะเสนอลิงก์จากชื่อ คุณแก้ไขได้ตราบใดที่ยังมีอย่างน้อยหกตัวอักษร หน้าจอเดียวกันยังแสดงคิวอาร์โค้ดที่ผู้เข้าร่วมสแกนเพื่อเปิดการแปลสดและเลือกภาษาของตน
ตัดสินใจตั้งแต่ตอนนี้ว่าการถ่ายทอดสดจะเป็นสาธารณะหรือส่วนตัว สาธารณะหมายความว่าทุกคนที่มีลิงก์เปิดดูได้ ส่วนส่วนตัวหมายความว่าผู้เข้าร่วมต้องกรอกรหัสผ่านสั้น ๆ ก่อนที่ข้อความถอดเสียงจะปรากฏ ถ้าภายหลังต้องเปลี่ยนลิงก์ ก็เปลี่ยนได้ ลิงก์เดิมยังคงใช้งานได้อยู่
จากนั้นคิดว่าจะทำให้ลิงก์ไปถึงผู้คนในกระเป๋าเป็นพันได้อย่างไร วางคิวอาร์โค้ดบนสไลด์รอก่อนแต่ละเซสชัน บนป้ายหน้าประตูห้อง และบนบัตรห้อยคอถ้ามี โทรศัพท์หลายร้อยเครื่องที่เข้าพร้อมกันสร้างภาระจริงให้กับ Wi-Fi ของสถานที่ ดังนั้นให้ถามทางสถานที่ว่าจุดเชื่อมต่อถูกออกแบบมาสำหรับอะไร และเครือข่ายสำหรับแขกจำกัดความเร็วต่ออุปกรณ์หรือไม่ ถ้าคำตอบคือไม่ทราบ ให้บอกผู้เข้าร่วมให้ใช้อินเทอร์เน็ตมือถือ หน้าเว็บมีขนาดเล็ก ความเสี่ยงอยู่ที่ Wi-Fi
การประชุมที่มีสองเวทีไม่จำเป็นต้องมีสองลิงก์ การถ่ายทอดสดหนึ่งรายการรับสัญญาณจากการถอดเสียงสดหลายรายการพร้อมกันได้ เวที A และเวที B จะเป็นการถอดเสียงสองรายการที่แนบกับการถ่ายทอดสดเดียวกัน และหน้าจอของผู้เข้าร่วมจะแสดงทั้งสองเวทีในหน้าเดียว แต่ละเวทีคือการถอดเสียงสดของตัวเอง และแต่ละแพ็กเกจจำกัดจำนวนที่รันพร้อมกันได้ (1 รายการใน Pay as you go, 5 รายการใน Premium และไม่จำกัดใน Enterprise) ข้อจำกัดนี้จะกลับมาอีกครั้งในหัวข้องบประมาณด้านล่าง
ลิงก์ดีได้เพียงเท่าที่ข้อความเบื้องหลังมันดี
ในทุกระบบ การรู้จำเสียงสดมักสะดุดกับชื่อ คำเฉพาะทาง และตัวย่อ เพิ่มสคริปต์หรือสไลด์ของผู้พูดแต่ละคนก่อนเริ่ม แล้วชื่อและคำในนั้นจะมีความสำคัญเหนือสิ่งที่เอนจินคิดว่าได้ยิน ระหว่างการพูด แท็บ Script จะตามคำพูดเหมือนเครื่องช่วยพูด (teleprompter)
นี่ก็เป็นช่วงเวลาที่ต้องซื่อสัตย์เกี่ยวกับสิ่งที่การถอดเสียงด้วยเครื่องคือ การรู้จำเสียงพูดบวกกับการแปลด้วยเครื่องไม่ใช่ CART (Communication Access Realtime Translation ซึ่งเป็นคำบรรยายที่นักคำบรรยายที่ผ่านการฝึกพิมพ์แบบสด) และไม่ใช่การแปลล่าม มันเร็ว ถูก และไม่เหนื่อย แต่บางครั้งอาจกลับความหมายของประโยคปฏิเสธ ปัดตัวเลข หรือแปลมุกตลกให้กลายเป็นข้อเท็จจริง สำหรับปาฐกถาหลัก ผลิตภัณฑ์ หรือแผงอภิปราย การแลกเปลี่ยนนี้มักถูกต้อง แต่สำหรับเซสชันที่คำผิดคำเดียวมีผลตามมา (กฎหมาย การแพทย์ หรือการลงคะแนน) ให้จองนักคำบรรยายหรือล่ามที่เป็นมนุษย์ และให้เครื่องทำงานควบคู่ไปเป็นบันทึกข้อความ พื้นฐานด้านการเข้าถึงก็ควรรู้เช่นกัน WCAG 2.x กำหนดให้มีคำบรรยายสำหรับเสียงสดในระดับ AA (เกณฑ์ 1.2.4) และสัญญาภาครัฐและสถานที่จำนวนมากขึ้นเรื่อย ๆ อ้างถึงเกณฑ์นี้ตรง ๆ
เมื่อคำพูดลงตัวแล้ว การเตรียมการขั้นสุดท้ายคือเรื่องว่าใครเป็นคนพูดคำเหล่านั้น
ป้ายชื่อผู้พูดบอกผู้ฟังว่าใครกำลังพูด ตั้งสวิตช์เป็น When Needed แล้วป้ายจะปรากฏเฉพาะเมื่อได้ยินผู้พูดคนที่สองแล้ว ดังนั้นปาฐกถาจะอ่านเป็นข้อความธรรมดา ส่วนแผงอภิปรายจะอ่านเป็นบทสนทนา
เพื่อให้จดจำผู้พูดด้วยชื่อตั้งแต่บรรทัดแรก ให้ลงทะเบียนเสียงของพวกเขาไว้ล่วงหน้าภายใต้ Voices คลิปเสียงของคนคนเดียวที่กำลังพูดก็เพียงพอ เป็น MP3, M4A หรือ WAV ยาวอย่างน้อยสามสิบวินาที แต่หลายนาทีจะดีกว่า บุคคลนั้นต้องให้ความยินยอม และแดชบอร์ดจะขอให้คุณยืนยันว่าได้รับอนุญาตก่อนสร้างเสียงนั้น อย่ามองเรื่องนี้เป็นแค่ช่องติ๊ก ภายใต้ GDPR voiceprint ที่ใช้ระบุตัวบุคคลโดยทั่วไปถือเป็นข้อมูลชีวมิติ (Article 9) ซึ่งหมายถึงต้องได้รับความยินยอมอย่างชัดแจ้ง และมีสิทธิ์ให้ลบ voiceprint นั้น มีกฎที่คล้ายกันในที่อื่น ๆ และข้อตกลงกับผู้พูดคือจุดที่ง่ายที่สุดในการครอบคลุมเรื่องนี้ เสียงโคลนลบได้ทุกเวลา แต่ตราบใดที่มันยังอยู่ ผู้ฟังก็สามารถฟังการแปลของผู้พูดคนนั้นด้วยเสียงที่ตรงกันได้
เมื่อแผนลงตัวแล้ว ที่เหลือก็คือวันงานจริง
การถอดเสียงสดทุกรายการมีแท็บ Speed ที่มีโหมดความหน่วงและกราฟความล่าช้าตามเวลา มีสามตั้งค่า:
สำหรับปาฐกถาที่มีสคริปต์และสัญญาณจากโต๊ะที่สะอาด Auto เป็นตัวเลือกที่ถูกต้อง แต่สำหรับแผงอภิปรายทางเทคนิคที่มีสำเนียงสี่แบบและไม่มีสคริปต์ Accuracy คุ้มค่ากับความล่าช้าที่เพิ่มขึ้น
การเริ่มต้นระบบคืออีกช่วงเวลาที่ต้องวางแผน บน Pay as you go การเริ่มจากสถานะเย็นอาจใช้เวลาถึง 15 วินาทีก่อนการถอดเสียงจะเริ่ม Premium มักเริ่มในสถานะอุ่นอยู่แล้ว และ Enterprise เริ่มอุ่นเสมอ กดเริ่มตอนผู้เข้าร่วมกำลังเดินเข้างาน ไม่ใช่รอถึงคำแรก
ไม่ว่าจะเป็นโหมดใด คำบางคำจะผิดเสมอ ดังนั้นควรมีคนคอยดูอยู่
ควรมีคนที่โต๊ะเปิดแท็บ Fix ไว้ตลอด แท็บนี้มีสวิตช์สองตัว: Mark uncertain words ใส่สีและขีดเส้นใต้คำที่เอนจินไม่แน่ใจ และ Click to correct เปิดบรรทัดให้ตรวจแก้เมื่อคุณคลิก แท็บจะพาคุณดูทีละส่วนที่ไม่แน่นอน และการแก้ไขจะไปถึงผู้ฟังทุกคนในทุกภาษา
จุดอ่อนของทุกห้องคือไมโครโฟนของผู้ชม และช่วงถามตอบคือที่ที่เห็นมันชัดที่สุด ขอให้ผู้ดำเนินรายการพูดคำถามทุกข้อของผู้ชมซ้ำในไมโครโฟนของตัวเองก่อนตอบ คำบรรยายจะขอบคุณ และแถวหลังสุดที่ไม่ได้ยินเหมือนกันก็จะขอบคุณเช่นกัน
ระหว่างเซสชัน โต๊ะจะมีหน้าที่อีกอย่างหนึ่ง
หน้าจอโฮสต์สามารถหยุดชั่วคราวและเล่นต่อการบันทึกได้ และหน้าของผู้ฟังจะแสดงข้อความแจ้งว่า "หยุดชั่วคราว ข้อความถอดเสียงจะดำเนินต่อเมื่อโฮสต์เล่นต่อ" การหยุดชั่วคราวใช้สำหรับการเปลี่ยนเซสชัน ไม่ใช่พักกลางวัน บันทึกแต่ละรายการมีเวลาหยุดชั่วคราวสูงสุดซึ่งตั้งค่าในแดชบอร์ดได้เป็น 30 วินาที 1 นาที หรือ 3 นาที และการบันทึกที่หยุดค้างนานกว่านั้นจะสิ้นสุดเอง
สำหรับช่วงพักที่นานกว่านั้น ให้หยุดการบันทึกแล้วเริ่มการบันทึกใหม่เมื่อเซสชันถัดไปเริ่ม การบันทึกทุกรายการจะยังแสดงอยู่ในหน้าของการถ่ายทอดสด ดังนั้นในช่วงบ่ายผู้เข้าร่วมก็เลื่อนกลับไปดูเซสชันช่วงเช้าได้ การบันทึกสดหนึ่งรายการมีเพดานความยาวไม่กี่ชั่วโมงใน Pay as you go และนานกว่านั้นใน Premium (ตัวเลขที่แน่นอนอยู่ที่หน้าราคา) ดังนั้นวันที่ยาวนั้นจะเป็นการบันทึกหลายรายการอยู่ดี
กลางเช้า ให้ตรวจสอบว่าใครกำลังอ่านอยู่จริง
มุมมองผู้ชมในแท็บ Broadcast แสดงว่าใครเข้ามาแล้ว มีกี่คนกำลังฟังอยู่ตอนนี้ เปิดภาษาอะไรอยู่บ้าง และผู้ฟังตามเวลา การถอดเสียงแต่ละรายการรองรับได้สูงสุด 10 ภาษา และผู้ฟังแต่ละคนเลือกหนึ่งภาษาบนอุปกรณ์ของตนเอง มุมมองนี้จึงบอกให้คุณรู้ว่าห้องนั้นอ่านภาษาอะไรจริง ๆ ซึ่งมักไม่ตรงกับรายการที่ผู้จัดคาดเดาไว้ ผู้เข้าร่วมที่ลงทะเบียนจากมาดริดกลับกลายเป็นอ่านภาษาอังกฤษ ส่วนแถวภาษาโปรตุเกสเต็มขึ้นจากตารางที่ไม่มีใครคาดคิด เก็บรายการนี้ไว้ใช้ในปีหน้า
ผู้ฟังทุกคนเหล่านั้นใช้งานได้ฟรี สิ่งที่มีค่าใช้จ่ายคือเสียง
การถอดเสียงสดคิด $0.60 ต่อชั่วโมงของเสียง เรียกเก็บตามวินาที โดยมีขั้นต่ำ 5 นาทีต่อการถอดเสียงหนึ่งรายการ ในทุกแพ็กเกจและผ่าน API สองเวทีที่ทำงานเวทีละแปดชั่วโมงคือเสียงสด 16 ชั่วโมง หรือ $9.60 การแปล การถ่ายทอดสด บทสรุป และการส่งออกรวมอยู่แล้ว ไม่ว่าจะมีผู้ฟังกี่คน
แพ็กเกจส่งผลต่อความสามารถในการรองรับ ไม่ใช่อัตรา Pay as you go ให้เครดิตเริ่มต้นครั้งเดียว $5 โดยไม่ต้องใช้บัตร การถอดเสียงสดได้ทีละหนึ่งรายการ และการบันทึกสูงสุด 5 ชั่วโมง การถอดเสียงสดจะหยุดทันทีเมื่อเครดิตหมด ดังนั้นให้เติมก่อนประตูเปิด Premium ราคา $50 ต่อเดือน ($40 ต่อเดือนในแพ็กเกจรายปี) และรวมเครดิต $50 ทุกเดือน ซึ่งครอบคลุม 83 ชั่วโมงสด รองรับการถอดเสียงสดพร้อมกันได้ห้ารายการและการบันทึก 10 ชั่วโมง และมีช่วงผ่อนผัน การถอดเสียงสดจะทำงานต่อไปอีกระยะหนึ่งแม้เครดิตจะเป็นศูนย์แล้ว โดยนาทีส่วนเกินคิดในอัตราเดียวกัน สองเวทีคู่ขนานต้องใช้ Premium Enterprise มีราคาตามข้อตกลง ไม่จำกัดการทำงานพร้อมกัน การบันทึก 24 ชั่วโมง และกลุ่มเอนจินเฉพาะ
ดูตารางเต็มได้ที่หน้าราคา และตรวจยอดคงเหลือของคุณภายใต้ Billing ในแดชบอร์ดสัปดาห์ก่อนงาน
การเรียกเก็บเงินหยุดเมื่อเสียงหยุด แต่ข้อความถอดเสียงไม่หยุด
ข้อความถอดเสียงจะถูกเก็บไว้ 30 วันใน Pay as you go และไม่จำกัดใน Premium และ Enterprise ใน Pay as you go เสียงต้นฉบับจะถูกเก็บไว้เพียง 7 วัน ถ้าคุณใช้แพ็กเกจฟรี ให้ส่งออกภายในสัปดาห์นั้น
สำหรับวิธีที่ลิงก์ปรากฏจากมุมของผู้เข้าร่วม ดูลิงก์เดียว ทุกภาษา หรือลองเดโมสด บนหน้าแรก
