Pinadaling pananalita

Mga Madalas Itanong

May built-in na live translation ang phone ko, bakit kailangan ko pa ang VocalStack?

Gumagamit ang phone ng maliit na speech model na kailangang kasya sa device at sa baterya. Sapat na iyon para sa maiikli, malinaw, at pang-araw-araw na pangungusap. Hindi iyon sapat para sa mga bagay na talagang nagkakamali sa totoong pagsasalita: mga bihirang salita at pangalan, mga salitang magkatunog (“their” at “there”, “sail” at “sale”), teknikal na termino, accent, mga taong sabay-sabay na nagsasalita, at ingay sa paligid. Hinuhulaan lang ng model, nakabase ang pagsasalin sa hula, at walang nasa kuwarto ang makakakita na mali ito.

Tumatakbo ang VocalStack sa mga server, kaya full-size ang mga model at sinusuri ang bawat linya laban sa konteksto pagkatapos ng recognition. Mag-upload muna ng script o slides, at mas uunahin ang mga pangalan at termino rito kaysa sa narinig nang mali. Kung may lumabas pa ring mali, puwede mong ayusin ang linya habang live, at makikita ito ng bawat tagapakinig.

Ang phone ay naririnig ang kuwarto, hindi ang nagsasalita, at para sa isang tao lang ito nagsasalin, kaya ang limampung phone ay magbibigay ng limampung magkakaibang transcript. Kinukuha ng VocalStack ang audio direkta mula sa mixing desk, stream, o mikropono, ina-transcribe ang nagsasalita nang minsan, at ang lahat ay bumabasa o nakikinig ng iisang bagay sa sarili nilang wika. Binibigkas nang malakas ang pagsasalin sa sariling boses ng nagsasalita, kaya naririnig ng mga tagapakinig ang taong nasa entablado, hindi isang generic na robot na boses.

Sinisingil ba ako kada tagapakinig? Paano gumagana ang presyo?

Hindi. Libre ang mga tagapakinig, gaano man sila karami, sa anumang wikang binabasa o pinapakinggan nila. Nagbabayad ka para sa audio na na-transcribe, bawat segundo, na may minimum na 5 minuto kada transcription, at iyon lang ang bayarin: kasama na ang pagsasalin sa hanggang 10 wika, binibigkas na pagsasalin, broadcasting, buod, at export.

Tingnan ang presyo at mga plan

Magkaiba ang rate ng mga file at live transcription, pareho sa bawat plan, at may kasamang $50 na credit kada buwan ang Premium. Pareho ang features ng bawat plan, at pareho ang singil ng API sa Dashboard.

Ano ang kailangan ng mga tagapakinig para makasunod?

Isang link o QR code, at phone. Walang ii-install at walang account na kailangang gawin. Bubuksan ng tagapakinig ang link sa browser, pipili ng wika, at babasahin ang transcript habang sinasalita. Kung mas gusto nilang makinig, binabasa rin nang malakas ang bawat isinaling linya. Puwede silang magpalit ng wika anumang oras; babasahin muli ang transcript hanggang sa puntong iyon sa bagong wika.

Makikita ng tagapakinig na huli na sumali ang lahat ng sinabi bago siya dumating, at saka susunod nang live. Kung mawala ang koneksyon, kusang nakakahabol ang page kapag bumalik ito.

Kailangan bang galing sa mikropono ang audio?

Hindi. Puwedeng makinig ang live transcription sa mikropono ng alinmang device, RTMP feed mula sa OBS o broadcast encoder, YouTube live, internet radio station, o anumang URL na naghahatid ng stream. Para sa stream, ang VocalStack mismo ang kumukuha ng audio: walang tumatakbo sa panig mo.

Puwedeng pakainin ng ilang transcription ang iisang broadcast link, kaya ang kumperensyang may dalawang entablado, o istasyong may radio stream at YouTube live, ay nagbabahagi pa rin ng iisang link.

Makokontrol ko ba kung sino ang makakakita ng transcript?

Oo. Public bilang default ang broadcast: sinumang may hawak ng link ay makakasunod dito. Gawin itong private at maglagay ng password, at ang mga binigyan mo lang ng pareho ang makakapasok. Puwede mong palitan ng pangalan ang link anumang oras, at gagana pa rin ang luma. Makikita mo rin kung sino ang nakikinig, sa anong wika, at kailan sila sumali.

Naririnig ba ng tagapakinig ang totoong nagsasalita o synthetic na boses?

Alinman. Bilang default, may kanya-kanyang stock na boses ang bawat nagsasalita na tugma ang kasarian, para mukha pa ring panel ang panel. Kapag pumayag ang nagsasalita, puwede mong i-clone ang boses niya mula sa tatlumpung segundong audio, at babasahin na ang pagsasalin sa sarili niyang boses sa bawat wika. Ibig sabihin din ng cloned na boses na makikilala at lalagyan ng pangalan ang nagsasalita sa mga susunod na recording. Puwede kang magtalaga ng boses sa bawat nagsasalita, o i-mute ang isa.

Ano ang nananatili pagkatapos ng event?

Lahat. Naka-save sa library mo ang recording, ang transcript nito na may mga correction at pagsasalin, at ang audio. Isinusulat ang pamagat at buod kapag tapos na ang mga salita, sa lahat ng wika. Puwede mo itong i-play muli nang eksakto sa pagdating nito, maghanap sa lahat ng transcript sa sarili mong wika, at i-export bilang SRT subtitles, PDF, Excel, o JSON.

Puwede ko bang ilagay ito sa sarili kong product?

Oo. Available sa API ang lahat ng ginagawa ng Dashboard, sa parehong rate: realtime transcription sa WebSocket, live transcription kasama ang broadcast, pagsasalin at binibigkas na pagsasalin, file at link job, at MCP server. May kasamang opisyal na SDK para sa TypeScript at Python. Puwedeng mag-subscribe ang mga tagapakinig sa recording mula sa sarili mong app gamit ang share code at walang API key.