کسی عبادت یا کونسل کے اجلاس میں جن الفاظ کو اسپیچ ریکگنیشن غلط سمجھتا ہے وہ عموماً پہلے ہی کاغذ پر لکھے ہوتے ہیں۔ ایجنڈا دیں، آواز کمرے سے نہیں بلکہ میکسنگ ڈیسک سے لیں، اور ہفتہ وار تقریب کا خرچ تقریب کے بعد کی چائے سے بھی کم رہے گا۔
ایک اتوار کی عبادت، ایک منگل کا لیکچر اور ماہانہ کونسل کا اجلاس، دیکھنے میں جتنے مختلف لگتے ہیں اندر سے اتنے ہی ملتے جلتے ہیں۔ ہر ایک بار بار اُسی کمرے میں ہوتا ہے، ہر ایک کو کوئی رضاکار یا کلرک چلاتا ہے نہ کہ کوئی AV کمپنی، اور ہر ایک میں ایسے لوگ آتے ہیں جنہیں کسی اور زبان میں بہتر سمجھ آتی ہے، جو اچھی طرح نہیں سن سکتے، یا جو آ ہی نہیں سکتے۔ بجٹ محدود ہوتا ہے اور چلانے والے لوگ بدلتے رہتے ہیں۔ جس شخص نے پچھلے سال اسے ترتیب دیا تھا وہ عموماً اب پھولوں کی ڈیوٹی کی فہرست پر جا چکا ہوتا ہے۔
یہ مضمون ایسے کمرے کے لیے VocalStack کو ایک بار ترتیب دینے کا طریقہ بتاتا ہے، تاکہ اس کے بعد ہر ہفتے بس شروع کا بٹن دبانا کافی ہو۔ یہ اُن چند باتوں پر بھی بات کرتا ہے جن سے طے ہوتا ہے کہ اسکرین پر آنے والے الفاظ درست ہیں یا نہیں۔ ایک بار کی تقریب کے لیے، جیسے کئی اسٹیجوں والی کانفرنس، کئی زبانوں میں لائیو کیپشنز کے ساتھ کانفرنس چلانا دیکھیں۔ شروع اُس چیز سے کریں جو آپ چھاپیں گے۔
براڈکاسٹ ایک عوامی لنک اور ایک QR کوڈ ہوتا ہے۔ کوئی بھی شخص براؤزر میں لنک کھول کر زبان چن سکتا ہے اور مقرر کی بات کے ساتھ ساتھ پڑھ سکتا ہے۔ انسٹال کرنے کو کچھ نہیں اور اکاؤنٹ بنانے کی ضرورت نہیں۔ ایک براڈکاسٹ کو جتنی چاہیں لائیو ٹرانسکرپشنز فراہم کی جا سکتی ہیں، تاکہ اس اتوار کی ریکارڈنگ اور اگلی ریکارڈنگ، دونوں ایک ہی پتے پر نظر آئیں۔
QR کوڈ ایک بار چھاپ کر نوٹس بورڈ، آرڈر آف سروس، لیکچر کی اسلائیڈز یا عوامی گیلری کی دیوار پر لگائیں۔ سننے والے اسے اسکین کر کے لائیو ترجمہ کھولتے ہیں اور اپنی زبان چنتے ہیں۔ اگر آپ کبھی لنک کا نام بدلیں تو پرانا لنک بھی اسی براڈکاسٹ کو کھولتا رہے گا، اس لیے پچھلے سال کے پمفلٹ بھی کام کرتے رہیں گے۔
جو سامع لنک جلدی کھولے اسے نظر آئے گا کہ براڈکاسٹ ابھی شروع نہیں ہوا۔ جو دیر سے شامل ہو اسے اپنے پہنچنے سے پہلے کی ہر بات نظر آئے گی اور پھر وہ لائیو ساتھ چلے گا۔ جس سامع کا کنکشن ٹوٹ جائے وہ خود ہی پیچھے رہ جانے والا حصہ پکڑ لیتا ہے۔
براڈکاسٹ بطورِ ڈیفالٹ عوامی ہوتا ہے، جو کسی عبادت یا کونسل کے اجلاس کے لیے درست ہے، لیکن بند اجلاس یا سیمینار کے لیے غلط۔ ایسے موقع پر اسے پرائیویٹ کر کے پاس ورڈ لگائیں: صرف وہی لوگ لنک کھول سکیں گے جن کے پاس پاس ورڈ ہو، اور ٹرانسکرپٹ دیکھنے سے پہلے انہی سے پاس ورڈ مانگا جائے گا۔ دونوں صورتوں میں کسی نمایاں جگہ پر لکھ دیں کہ کمرے کی گفتگو ٹرانسکرائب ہو رہی ہے اور متن کہاں جائے گا۔ جو لوگ بلند آواز میں دعا کر رہے ہوں، یا عوامی سوال و جواب میں تین منٹ بول رہے ہوں، ان کا ضروری نہیں کہ ٹرانسکرپٹ کی توقع ہو۔ آرڈر آف سروس یا ایجنڈے میں ایک سطر لکھ دینا سستا اور آسان ہے۔ براڈکاسٹ {{app}}/broadcasts/new پر بنائیں۔
لنک صرف آدھا کام ہے؛ کوئی نہ کوئی تو اس پر الفاظ ڈالے گا۔
کسی سافٹ ویئر سے پہلے آڈیو کی بات ہے۔ عبادت گاہوں اور کونسلوں کے ہال ریوربریشن کے لیے بنے ہوتے ہیں: پتھر، اونچی چھتیں، لکڑی کی بینچیں۔ لیکٹرن پر رکھا فون یا لیپ ٹاپ مقرر کی آواز براہِ راست ایک بار سنتا ہے اور پھر دیواروں سے گونج کر کئی بار۔ فاصلہ اور گونج مل کر ریکگنیشن کی غلطیوں کی سب سے بڑی وجہ ہیں، لہجوں سے بہت آگے۔ اگر کمرے میں میکسنگ ڈیسک ہے تو وہاں سے فیڈ لیں (aux یا record آؤٹ پٹ)، تاکہ ریکگنائزر وہی سنے جو مائیک سنتے ہیں۔ جو شخص حرکت کرتا ہے، جیسے وہ پادری جو منبر چھوڑ کر چلتا ہے یا وائٹ بورڈ پر کھڑا لیکچرار، اسے لیپل یا ہیڈسیٹ مائیک پہننا چاہیے، نہ کہ اسٹینڈ والے مائیک پر انحصار۔ یہ ٹھیک کر لیں تو باقی کام زیادہ تر ٹیوننگ کا رہ جاتا ہے۔
زیادہ تر چرچ، یونیورسٹیاں اور کونسلیں یہ ڈیسک آڈیو کہیں نہ کہیں رکھتی ہیں، اور لائیو ٹرانسکرپشن اسے کمرے کی کسی ڈیوائس کے بجائے وہیں سے لے سکتی ہے۔
اسٹریم کے لیے VocalStack آڈیو خود کھینچتا ہے؛ آپ کی طرف کچھ نہیں چلتا۔ البتہ پتہ انٹرنیٹ سے قابلِ رسائی ہونا چاہیے۔ جو اسٹریم صرف آپ کے اپنے نیٹ ورک پر موجود ہو اسے کمرے کی کسی ڈیوائس سے ریکارڈ کرنا ہوگا۔ لائیو ٹرانسکرپشن {{app}}/transcriptions/new/live پر شروع کریں اور اسے براڈکاسٹ سے منسلک کریں۔
جب اچھی آڈیو پہنچنے لگے تو پھر بھی کچھ غلطیاں نظر آئیں گی، اور وہ پیش گوئی کے قابل ہوتی ہیں۔
چرچ، لیکچر یا کونسل میں اسپیچ ریکگنیشن جن الفاظ کو غلط سمجھتا ہے وہ پیش گوئی کے قابل ہوتے ہیں: لوگوں اور جگہوں کے نام، صحیفے کے حوالے، تکنیکی اصطلاحات، ایجنڈے کی شقیں۔ اس کی وجہ ساختی ہے۔ ریکگنیشن آواز کو دیکھ کر سب سے زیادہ ممکنہ الفاظ چنتا ہے، اور یہ امکانات اس بات سے سیکھتا ہے کہ لوگ عموماً کیا کہتے ہیں۔ اس لیے کوئی نایاب نام ہمیشہ اُس عام لفظ سے ہار جاتا ہے جو اس جیسا سنائی دے۔ اس فیلڈ کا جواب بائسنگ (biasing) یا کسٹم ووکیبلری کہلاتا ہے، یعنی سسٹم کو بتانا کہ کون سے نایاب الفاظ متوقع ہیں۔ ہفتہ وار کمرے کے لیے مفید بات یہ ہے کہ یہی الفاظ تقریب سے پہلے ہی لکھے ہوئے ہوتے ہیں۔
شروع کرنے سے پہلے ایک اسکرپٹ یا سلائیڈز شامل کریں۔ اس میں سے آنے والے نام اور اصطلاحات اُن الفاظ پر فوقیت پائیں گی جو ریکگنائزر نے غلط سنے تھے۔ کسی کو ہر لفظ پڑھنا نہیں ہوگا؛ وعظ کا خاکہ، ہینڈ آؤٹ یا شائع شدہ ایجنڈا زیادہ تر اسمائے خاص پہلے ہی فراہم کر دیتا ہے۔ ریکارڈنگ کے دوران ہوسٹ اسکرین پر Script ٹیب ٹیلی پرامپٹر کی طرح ساتھ چلتا ہے اور ابھی تک بولے گئے الفاظ کو روشن کرتا ہے۔
اسکرپٹ پہلے سے لکھ کر ایک شروع ہونے کا وقت بھی دیا جا سکتا ہے؛ لائبریری انہیں Upcoming کے تحت Start بٹن کے ساتھ دکھاتی ہے۔ یہ ایک ڈیوٹی کی فہرست کے لیے موزوں ہے: ایک شخص جمعے کو متن شامل کرتا ہے اور دوسرا اتوار کو Start دباتا ہے۔
اگر کوئی لفظ پھر بھی غلط آئے تو Fix ٹیب غیر یقینی الفاظ کو نشان زد کرتا ہے، اور ہوسٹ ریکارڈنگ چلتے ہوئے کسی سطر پر کلک کر کے اسے درست کر سکتا ہے؛ سننے والے اصلاح دیکھتے ہیں۔
درست الفاظ حاصل کرنا آدھا کام ہے؛ دوسرا آدھا یہ جاننا کہ کس نے کیا کہا۔
اسپیکر لیبل کے سوئچ کی تین حالتیں ہیں۔ When Needed ہر سطر کو اس کے اسپیکر کے لیبل کے ساتھ دکھاتا ہے جب ایک سے زیادہ آوازیں سنائی دیں؛ ورنہ ٹرانسکرپٹ سادہ متن ہوتا ہے۔ On ایک ہی اسپیکر ہونے پر بھی ہر سطر پر لیبل لگاتا ہے۔ Off سادہ متن دیتا ہے۔ وعظ میں When Needed کا مطلب ہے کہ ایک ہی آواز نثر کی طرح پڑھی جاتی ہے؛ ایک درجن ارکان والی کونسل میں ہر سطر کے ساتھ اس کا اسپیکر ہوتا ہے۔
لیبل شروع میں نمبروں کی شکل میں ہوتے ہیں۔ ریکارڈنگ میں آپ کسی اسپیکر کا نام رکھ سکتے ہیں، اور وہ نام اس کی ہر سطر پر لاگو ہو جاتا ہے۔ جو لوگ ہر ہفتے بولتے ہیں ان کے لیے ایک قدم آگے جائیں اور ان کی آواز محفوظ کر لیں۔ ریکارڈنگ میں کوئی بھی اسپیکر جو کم از کم تیس سیکنڈ بولے، یا وہ جو کوئی مختصر ریکارڈنگ فراہم کرے، اس سے کلون شدہ آواز بنائی جا سکتی ہے۔ آئندہ کی ریکارڈنگز میں وہ اسپیکر پہچان کر نام کے ساتھ لیبل ہوگا، اور اگر سننے والے ترجمہ بلند آواز میں سننا چنیں تو ہر زبان میں وہ اُسی اسپیکر کی اپنی آواز میں پڑھا جائے گا۔ کلوننگ کے بغیر ہر اسپیکر کو ملتے جلتے جنس کی ایک مختلف ریڈی میڈ آواز ملتی ہے، اور کسی بھی اسپیکر کو میوٹ کیا جا سکتا ہے۔
کلون شدہ آواز بایومیٹرک ڈیٹا ہے۔ VocalStack ایسی آواز صرف اسپیکر کی واضح رضامندی سے بناتا ہے، اسے صرف اسی اسپیکر کی سطریں بلند آواز میں پڑھنے کے لیے استعمال کرتا ہے، اور آپ اسے کسی بھی وقت حذف کر سکتے ہیں۔ کونسلر اور پادری اپنے کمرے میں عوامی شخصیات ہوتے ہیں؛ مگر یہ رضامندی کے برابر نہیں، اس لیے پوچھیں۔
کونسل کے لیے یہی وہ جگہ ہے جہاں ٹرانسکرپٹ ایک ریکارڈ بن جاتا ہے۔ ہر سطر پر نام کے ساتھ، منٹس آخرکار بتا دیں گے کہ کس نے چوتھی بار “میرے خیال میں ہم یہ پہلے ہی طے کر چکے ہیں” کہا۔ اس سے یہ سوال اٹھتا ہے کہ یہ ریکارڈ کس کے لیے ہے۔
سب سے پہلے فائدہ ان باقاعدہ حاضرین کا ہے جو بہرے ہیں یا کم سنتے ہیں، نہ کہ دوسری زبان میں پڑھنے والے مہمانوں کا، جو خوش آمدید ہیں۔ ہیئرنگ لوپ (induction loop) سماعت کے آلات والوں کی مدد کرتا ہے اور کسی اور کو نہیں؛ فون پر کیپشنز باقی سب کی مدد کرتے ہیں، اور یہ دونوں ایک دوسرے کی تکمیل کرتے ہیں، مقابلہ نہیں۔ کئی ملکوں میں سرکاری ادارے رسائی اور کھلے اجلاس کی ذمہ داریاں رکھتے ہیں، اور وہ ٹرانسکرپٹ جو عوام لائیو اور بعد میں پڑھ سکیں دونوں کی طرف بڑا قدم ہے۔ اپنے علاقے میں کیا لاگو ہوتا ہے، یہ خود جانچیں۔
خودکار کیپشنز کی حقیقت کے بارے میں ایماندار رہیں۔ ایک انسانی کیپشنر (کچھ ملکوں میں اس سروس کو CART کہا جاتا ہے) سنتا ہے، سمجھتا ہے اور ٹائپ کرتا ہے۔ کسی گرما گرم کونسل بحث میں جہاں تین ارکان ایک ساتھ بول رہے ہوں، انسان پھر بھی مشین سے بہتر رہے گا۔ ایک ساتھ بولی جانے والی گفتگو کسی بھی خودکار نظام میں غلطیاں پیدا کرتی ہے، اور صدر کا مائیک سے ہٹ کر دھیمے لہجے میں بولنا بھی۔ جہاں لفظ بہ لفظ کیپشنز کی قانونی ضرورت ہو، وہاں خودکار کیپشنز تکمیل ہیں، متبادل نہیں؛ جہاں متبادل کچھ نہ ہو، وہاں یہ کچھ نہ ہونے سے بہت بہتر ہیں۔
ٹرانسکرپٹ اگلے دن بھی زیادہ قیمتی ہوتا ہے۔
ہر ریکارڈنگ آپ کی لائبریری میں پہنچتی ہے، اور براڈکاسٹ کا صفحہ اُن لوگوں کے لیے، جن کے پاس لنک ہے، پچھلی ریکارڈنگز کی فہرست دکھاتا ہے۔ جو اجلاس سے رہ گیا وہ اسے بالکل ویسے ہی دوبارہ چلا سکتا ہے جیسے وہ آیا تھا، سطر بہ سطر، اپنی آڈیو کے ساتھ۔
جب الفاظ حتمی ہو جائیں تو ہر زبان میں ایک عنوان اور خلاصہ لکھا جاتا ہے۔ آپ کی زبان میں تلاش دوسری زبان میں ہونے والی ریکارڈنگز کو بھی ڈھونڈ لیتی ہے، اس لیے کلرک وہ مہینہ تلاش کر سکتا ہے جس میں کوئی آئٹم زیرِ بحث آیا، اور طالب علم وہ لیکچر جس نے کوئی ٹرم پڑھائی۔ ایکسپورٹس SRT سب ٹائٹلز، PDF، Excel یا JSON کی شکل میں آتے ہیں، جن میں اصلاحات اور ترجمے شامل ہوتے ہیں؛ ترجمہ شدہ ٹرانسکرپٹ کا PDF منٹس کے ساتھ خوب جچتا ہے۔ اگر ان میں سے کچھ کسی کے کلک کیے بغیر ہونا ہو تو API وہ سب کچھ کرتا ہے جو ڈیش بورڈ کرتا ہے، ہر پلان میں ایک ہی ریٹ پر: دیکھیں {{api}}/docs۔
یہ سب ایک پیرش یا کمیٹی کے بجٹ میں رہنا چاہیے۔
لائیو ٹرانسکرپشن کی قیمت $0.60 فی گھنٹہ آڈیو ہے، جو فی سیکنڈ بل ہوتی ہے، ہر ٹرانسکرپشن کی کم از کم مدت 5 منٹ ہے، اور ہر پلان میں یہی ہے۔ سننے والے مفت ہیں، چاہے کتنے بھی ہوں، اور ہر ٹرانسکرپشن کے لیے 10 زبانوں تک ترجمہ شامل ہے۔
نیا اکاؤنٹ $5 کے ایک بار کے سائن اپ کریڈٹ کے ساتھ آتا ہے اور کارڈ نہیں مانگتا۔ یہ کریڈٹ ایک مہینے سے زیادہ اتوار کا خرچ پورا کر دیتا ہے۔ اس کے بعد آپ استعمال کے مطابق ادائیگی کے تحت ٹاپ اپ کرتے ہیں، یا Premium لیتے ہیں جو $50 فی مہینہ ($40 فی مہینہ سالانہ پلان پر) ہے۔ Premium میں ہر مہینے $50 کا کریڈٹ شامل ہے، جو 83 لائیو گھنٹے بنتے ہیں۔ یہ ہر ریکارڈنگ کو 30 دن کے بجائے اکاؤنٹ کی پوری مدت تک رکھتا ہے، اور اگر کریڈٹ اجلاس کے دوران ختم ہو جائے تو ٹرانسکرپشن کو درمیان میں نہیں کاٹتا۔ خزانچی کے لیے دو عملی نکات: استعمال کے مطابق ادائیگی پر ٹھنڈی شروعات میں ٹرانسکرپشن شروع ہونے میں 15 سیکنڈ تک لگ سکتے ہیں، اس لیے شروع کا بٹن ابتدائی بھجن سے پہلے دبائیں، اس کے دوران نہیں۔ اور جو YouTube لائیو پہلے ہی ختم ہو چکا ہو وہ ایک ویڈیو ہے، اس لیے اسے فائل کے بہت کم ریٹ پر فائل کے طور پر ٹرانسکرائب کیا جاتا ہے۔
ایک کمرے اور ایک بار بار ہونے والی تقریب کے لیے استعمال کے مطابق ادائیگی کافی ہے۔ جو ادارہ چاہتا ہے کہ ہر ریکارڈنگ برسوں بعد بھی قابلِ تلاش ہو، یا کئی کمرے ایک ساتھ چلاتا ہو، اس کے لیے Premium بہتر انتخاب ہے۔ حدود اور ریٹینشن سمیت پوری جدول قیمتوں کے صفحے پر ہے، اور انٹرایکٹو ڈیمو دکھاتا ہے کہ سننے والا کیا دیکھتا ہے۔
