Çok dilli bir salonun her dil için ayrı bir kabine ihtiyacı yoktur. Masadan tek ve temiz bir ses akışına, dinleyicilerin kendi telefonlarında açtığı tek bir bağlantıya ve konuşma sürerken yanlış duyulan bir adı düzeltme yoluna ihtiyacı vardır.
Bir konuşma, bir ayin, bir ders ya da bir belediye meclisi toplantısında bir kişi konuşur ve dinleyicilerin hepsi o dilde düşünmez. Alışılmış çözümler ya pahalıdır, ya eksiktir ya da herkese özeldir.
Pahalı çözüm, her dil için bir tercüman demektir. Dil başına bir tercüman bile olsa bu bir kabin, bir dizi alıcı ve salondaki her dil için bir uzman demektir; uzmanlar da aynı şeyi söylemez. Her tercüman zaman baskısı altında kendi tercihlerini yapar: bir terim için hangi kelimeyi seçeceği, neyi kısaltacağı, konuşmacı hızlandığında neyi bırakacağı. Sıradan bir konuşmada bu farklar pek önemli değildir. Bir hukuk duruşmasında, belediye oylamasında ya da teknik bir brifingde önemlidir: tanımlı bir terim, bir doz ya da bir madde Fransızca dinleyicilere bir anlamla, Arapça dinleyicilere başka bir anlamla ulaşabilir ve salondaki hiç kimse bunu fark edecek durumda olmaz. Eksik çözüm, tek bir ekranda, tek bir ikinci dilde verilen bir altyazı akışıdır. Özel çözüm ise salondaki herkesin telefonunu havaya kaldırmasıdır: her telefon yankıyı ve öksürükleri konuşmacının sesi kadar net duyar ve elli telefonun her biri biraz yanlış bir döküm üretir.
Alternatif, konuşmacıyı temiz bir kaynaktan bir kez deşifre etmek, bu tek dökümü dinleyicilerin ihtiyacı olan her dile çevirmek ve her dinleyicinin kendi cihazında dili seçmesine izin vermektir. Böylece her dil aynı kelimelerle başlar. Kayıt, etkinlik bittiğinde saklanır. Ev sahibinin ve dinleyicinin her birinin nasıl kurduğunu ve maliyetin ne olduğunu aşağıda görebilirsiniz.
Canlı transkripsiyon, herhangi bir cihazdaki mikrofonu, sunucu adresi ve yayın anahtarı alan bir OBS ya da başka bir kodlayıcıdan gelen RTMP akışını, bir YouTube canlı yayınını, bir internet radyosunu ya da bir akış sunan herhangi bir URL'yi dinleyebilir. Bir akış için VocalStack sesi kendisi çeker; sizin tarafınızda hiçbir şeyin çalışması gerekmez.
Kaynak, herhangi bir ayardan daha önemlidir. Salondaki bir mikrofon ya da masada duran bir telefon, konuşmacının sesinin yanında salonu da duyar: duvarlardan, sandalyelerden, dinleyicilerden yansıyan yankıyı. Konuşma tanıma, ses bu gürültüye göre zayıfladıkça keskin biçimde bozulur; bu yüzden o elli telefon birbiriyle tutarsız sonuçlar verir. Karıştırma masasından gelen bir akış, konuşmacının kendi mikrofonunu taşır ve içinde çok az salon sesi bulunur; böylece döküm salonu değil konuşmacıyı izler. Mekânın bir karıştırma masası varsa sesi oradan alın.
Konuşulan dil otomatik algılanır ve konuşmacı istediği zaman dil değiştirebilir; dili önceden belirtmek gürültülü kayıtlarda ve ağır aksanlarda yardımcı olur. Konuşmacı etiketleri kapalı, açık ya da When Needed olarak ayarlanabilir; bu seçenek ikinci bir konuşmacı duyulduğunda etiketleri açar. Ses gelmeye başladığında dinleyicilerin onu bulabileceği bir yere ihtiyaç vardır.
Yayın, bağlantının kendisidir: dinleyicilerin canlı çeviriyi açıp dillerini seçmek için taradığı bir adres ve bir QR kodu. Bağlantı, yayına verdiğiniz addan oluşturulur. Yayını sonra yeniden adlandırsanız bile eski bağlantı çalışmaya devam eder; böylece bir programa basılmış QR kodu eskimez.
Yayın varsayılan olarak herkese açıktır: bağlantıyı bilen herkes açabilir. Yayını özel yapıp bir şifre belirlerseniz, dinleyicilerden döküm görünmeden önce şifre istenir.
Tek bir yayını birden fazla canlı transkripsiyon besleyebilir; iki sahneli bir konferans yine tek bir bağlantıyı paylaşır. Bağlantı insanları içeri alır; onları orada tutan şey ise isimlerin doğru yazılmasıdır.
Konuşma tanıyıcılar insanların genelde nasıl konuştuğu üzerine eğitilir; bu yüzden bir ses belirsiz olduğunda en yaygın kelimeye yönelirler. Bir ürün adı, bir soyadı, bir köy, bir kimyasal madde: her birinin daha sık görülen, neredeyse aynı sesli bir kelimesi vardır ve tanıyıcıya nadir kelimenin geleceği söylenmedikçe çıkan o olur. Metin tam da bunun için vardır. Başlamadan önce bir metin ya da slayt ekleyin; içindeki adlar ve terimler yanlış duyulanların önüne geçer. Uzmanlık gerektiren konuşmalarda tanıma genellikle bu adlarda ve terimlerde bozulur. Kayıt sırasında Script sekmesi bir teleprompter gibi izler ve şimdiye kadar söylenen kelimeleri aydınlatır.
Hepsi bu kadar kurulum. Bağlantının diğer tarafında yapılacak iş daha da azdır.
Dinleyicinin bir bağlantıya ya da QR koduna ve bir telefona ihtiyacı vardır. Bağlantıyı bir tarayıcıda açar ve ev sahibi kaydı başlatana kadar The broadcast hasn't started yet yazısını görür; ardından Live. The first line appears in a moment. görünür. Ev sahibinin seçtiği dillerden birini seçer (transkripsiyon başına en fazla 10 dil, toplam 100 dil arasından) ve konuşmacı konuşurken dökümü okur. Ev sahibi kendi dilinde konuşmaya devam eder. Dinleyici istediği zaman dil değiştirebilir; o ana kadarki döküm yeni dilde yeniden gösterilir.
Dinleyici dinlemeyi tercih ederse, çevrilen her satır sesli olarak okunur. Varsayılan olarak her konuşmacı, cinsiyeti uyan ayrı bir hazır ses alır; böylece bir panel hâlâ bir panel gibi duyulur.
Üç aşama sırayla gerçekleşir ve her biri bir öncekini bekler. Tanıma, kelimeleri kesinleştirmeden önce bir süre konuşma gerektirir; bu yüzden döküm konuşmacının saniyenin bir kesri gerisinde kalır. Çeviri tüm bir ifadeye ihtiyaç duyar, çünkü diller arasında kelime sırası farklıdır ve cümlenin sonu başlangıcını değiştirebilir; bu yüzden bir ya da iki saniye sonra gelir. Konuşma, çevrilmiş cümle hazır olmadan başlayamaz; bu yüzden sesli satır en sonda gelir. Bunların hiçbiri ayarlanarak ortadan kaldırılması gereken bir kusur değildir; bu üç işi yapan her sistemin yapması gerekenidir, fiili bekleyen bir insan tercüman da dahil.
Konuşmacının izniyle ev sahibi, yalnızca o kişinin konuştuğu otuz saniyelik bir kayıttan konuşmacının sesini klonlayabilir (MP3, M4A ya da WAV; birkaç dakika daha iyidir). Çeviri daha sonra her dilde konuşmacının kendi sesiyle okunur. Bir sesi, sahip olduğu biyometrik veri olarak ele alın. GDPR kapsamında, bir kişiyi tanımak için işlenen ses verisi genellikle 9. madde kapsamındaki özel kategorilere girer ve Illinois dahil bazı ABD eyaletleri ses izlerini ayrıca düzenler. Örnek kaydedilmeden önce, sonra değil, konuşmacının açık rızasını alın; ses istediğiniz zaman silinebilir. Klonlama konuşmacıyı ayrıca sisteme kaydeder, bu yüzden gelecekteki kayıtlarda adıyla etiketlenir. Ev sahibi her konuşmacıya bir ses atayabilir ya da birini sessize alabilir.
Geç gelen dinleyici, içeri girmeden önce söylenen her şeyi görür, sonra canlı takip eder. Bağlantı koparsa sayfa, bağlantı geri geldiğinde kendi kendine yetişir. Ev sahibi duraklattığında dinleyiciler Paused. The transcript continues when the host resumes. görür. Ev sahibi durdurduğunda sayfa kaydın tarihini ve süresini gösterir, yayın da geçmiş kayıtlarını tekrar oynatma için listeler.
Dinleyici yalnızca motorun duyduklarını okuyabilir ve canlı tanıma bunların bir kısmını yanlış anlar.
Ev sahibinin ekranında tam bu iş için Fix sekmesi vardır. Mark uncertain words motorun emin olamadığı kelimeleri renklendirip altlarını çizer; Click to correct inceleme için bir satır açar. Sekme belirsiz bölümleri tek tek gezer; böylece masadaki ikinci bir kişi konuşmacı devam ederken bunları sırayla düzeltebilir.
Ev sahibi bir kelimeyi ya da satırı yeniden yazdığında, hâlâ konuşulan bir satır bile olsa, her dinleyici düzeltmeyi görür. Güven düzeyi çok düşük olan bir satır, yanlış gösterilmek yerine dinleyicilerden Audio unclear olarak gizlenir; ev sahibi yine her kelimeyi görür. Boşluk bilinen bir eksikliktir; emin olunan yanlış bir kelime ise bir söylentidir.
Bu düzeltmeler konuşma bittiğinde kaybolmaz.
Her şey saklanır. Kayıt, düzeltmeler ve çevirilerle birlikte döküm ve ses, ev sahibinin kitaplığına düşer. Tekrar, kaydı geldiği gibi, satır satır ve sesiyle birlikte oynatır. Kelimeler kesinleştiğinde her dilde bir başlık ve özet yazılır; ev sahibi ekranındaki Summary ve Export sekmeleri bunları doğrudan etkinlikten dışarı taşır.
Dışa aktarımlar SRT altyazıları, PDF, Excel ya da JSON biçimindedir; düzeltmeler ve çeviriler dahildir ve ses MP3 olarak indirilir. Her döküm herhangi bir dilde aranabilir.
Audience görünümü kimin dinlediğini, hangi dilde dinlediğini ve ne zaman katıldığını gösterir: çoğu zaman bir organizatörün kimin hangi dile ihtiyacı olduğuna dair ilk gerçek sayımı. O zamana kadar kullanılan tahmin, İngilizce olarak çeviriye ihtiyacı olup olmadığı sorulduğunda el kaldıranların sayısıydı. Dinleyici tanımlayıcıları kayıtla birlikte silinir.
Konuşma tanıma, konuşmacı tanıma ve ses sentezi, işlettiğimiz sunucularda çalışır; sesiniz işlenmek üzere hiçbir üçüncü tarafa gönderilmez. Ses, döküm ya da seslerinizi modelleri eğitmek için kullanmayız.
Saklama süresi plana göre belirlenir: Kullandıkça Öde'de kaynak ses ve sesler 7 gün, dökümler 30 gün tutulur; Premium ve Enterprise bunları hesabın ömrü boyunca saklar. Planın belirlediği bir diğer şey ise faturadır.
İki sayı önemlidir. Kullandıkça Öde ve Premium'da canlı transkripsiyon, ses süresi başına $0.60 per hour tutar; faturalandırma saniye bazındadır, transkripsiyon başına 5 dakikalık bir asgari süre vardır ve bu, Panel'de de API üzerinden de aynıdır. Enterprise'da hacim fiyatları vardır. Dinleyiciler ve diller ücretsizdir: beş dilde okunan, iki yüz kişinin dinlediği bir saatlik etkinlik $0.60 tutar. Dosyalar daha ucuzdur ($0.20 per hour), çünkü canlı transkripsiyon etkinliğin tamamı boyunca gerçek zamanlı çalışır. Planlar eşzamanlı çalışma sayısı, azami kayıt uzunluğu ve başlatma hızında farklılık gösterir; Kullandıkça Öde'de soğuk başlatma 15 saniyeye kadar sürebilir, bu yüzden kaydı konuşmacıdan biraz önce, kabaca "Arkadaki herkes beni duyabiliyor mu?" sorusundan bir cümle önce başlatın. Tam tablo fiyatlandırma sayfasında.
Ana sayfada iki telefonlu bir demo var; yeni bir hesap ise Panel içinde kart gerektirmeden $5 kayıt kredisiyle gelir. Canlı oranla bu kredi sekiz saatten fazla yayın yapmaya yeter.
Bunu, herkesin telefonunda bulunan canlı çeviriyle karşılaştırıyor musunuz? Bir salon için telefon neden yetmez yazısını okuyun. Tam bir etkinlik için çok dilli konferans kontrol listesi ses yolunu, tek bağlantıda birden fazla aşamayı ve bütçeyi kapsar. Geliştiriciler bunların tümünü koddan, aynı oranla, API başvurusu üzerinden yapabilir.
