Giọng nói trở nên đơn giản

Câu hỏi thường gặp

Điện thoại của tôi đã có sẵn dịch trực tiếp - vậy tại sao tôi cần VocalStack?

Điện thoại chạy một mô hình giọng nói nhỏ, phải vừa với thiết bị và pin. Cách này ổn với những câu ngắn, rõ ràng, hằng ngày. Nhưng nó không xử lý tốt những gì thường gây lỗi trong giọng nói thực tế: từ và tên hiếm, các từ phát âm giống nhau (“their” và “there”, “sail” và “sale”), thuật ngữ kỹ thuật, giọng vùng miền, nhiều người nói chồng lên nhau và tiếng ồn nền. Mô hình chỉ đoán, bản dịch được xây dựng trên phỏng đoán đó, và không ai trong phòng biết nó đã sai.

VocalStack chạy trên máy chủ, nên các mô hình có kích thước đầy đủ và mỗi câu đều được kiểm tra theo ngữ cảnh sau khi nhận dạng. Tải lên kịch bản hoặc slide trước, và tên cùng thuật ngữ trong đó sẽ được ưu tiên hơn những gì bị nghe nhầm. Nếu vẫn có chỗ sai, bạn có thể sửa câu ngay khi đang trực tiếp và mọi người nghe đều thấy chỉnh sửa.

Điện thoại cũng thu âm cả phòng chứ không phải giọng người nói, và nó chỉ dịch cho một người, nên năm mươi chiếc điện thoại sẽ cho năm mươi bản phiên âm khác nhau. VocalStack lấy âm thanh trực tiếp từ bàn trộn, luồng hoặc micrô, phiên âm người nói một lần, và mọi người cùng đọc hoặc nghe một nội dung bằng ngôn ngữ của mình. Bản dịch được đọc to bằng chính giọng người nói, nên người nghe nghe được người trên sân khấu, chứ không phải một giọng máy móc chung chung.

Tôi có bị tính phí theo người nghe không? Giá hoạt động thế nào?

Không. Người nghe miễn phí, dù có bao nhiêu người và họ đọc hoặc nghe bằng ngôn ngữ nào. Bạn trả cho âm thanh được phiên âm, tính theo giây, tối thiểu 5 phút cho mỗi bản phiên âm, và đó là toàn bộ chi phí: dịch sang tối đa 10 ngôn ngữ, dịch bằng giọng nói, phát sóng, tóm tắt và xuất tệp đều đã được bao gồm.

Xem bảng giá và gói dịch vụ

Phiên âm tệp và phiên âm trực tiếp có mức giá khác nhau, giống nhau ở mọi gói, và gói Premium bao gồm tín dụng $50 mỗi tháng. Mọi gói đều có cùng tính năng, và API được tính giá giống Bảng điều khiển.

Người nghe cần gì để theo dõi?

Một liên kết hoặc mã QR, và một chiếc điện thoại. Không cần cài đặt và không cần tạo tài khoản. Người nghe mở liên kết trong trình duyệt, chọn ngôn ngữ và đọc bản phiên âm khi lời được nói. Nếu muốn nghe, mỗi câu đã dịch cũng được đọc to. Có thể đổi ngôn ngữ bất cứ lúc nào; phần phiên âm đã có sẽ được đọc lại bằng ngôn ngữ mới.

Người nghe vào muộn sẽ thấy mọi nội dung đã nói trước khi họ đến, rồi theo dõi trực tiếp. Nếu kết nối bị ngắt, trang sẽ tự theo kịp khi kết nối trở lại.

Âm thanh có nhất thiết phải đến từ micrô không?

Không. Phiên âm trực tiếp có thể nhận âm thanh từ micrô trên bất kỳ thiết bị nào, luồng RTMP từ OBS hoặc bộ mã hóa phát sóng, YouTube trực tiếp, đài radio internet hoặc bất kỳ URL nào phát luồng. Với luồng, VocalStack tự kéo âm thanh về: không có gì cần chạy phía bạn.

Một liên kết phát sóng có thể nhận nhiều bản phiên âm, nên một hội nghị có hai sân khấu, hoặc một đài có luồng radio và YouTube trực tiếp, vẫn dùng chung một liên kết.

Tôi có thể kiểm soát ai xem bản phiên âm không?

Có. Buổi phát sóng mặc định là công khai: ai có liên kết đều có thể theo dõi. Đặt chế độ riêng tư và thiết lập mật khẩu, thì chỉ những người bạn cung cấp cả hai mới vào được. Đổi tên liên kết sau này, liên kết cũ vẫn hoạt động. Bạn cũng có thể xem ai đang nghe, bằng ngôn ngữ nào và họ tham gia khi nào.

Người nghe nghe người nói thật hay giọng tổng hợp?

Cả hai. Mặc định, mỗi người nói được gán một giọng có sẵn riêng biệt cùng giới tính, nên một buổi tọa đàm vẫn nghe như tọa đàm. Với sự cho phép của người nói, bạn có thể nhân bản giọng từ ba mươi giây âm thanh, và bản dịch sẽ được đọc bằng chính giọng của họ ở mọi ngôn ngữ. Giọng nhân bản cũng có nghĩa là người nói sẽ được nhận diện và gắn nhãn theo tên trong các bản ghi sau này. Bạn có thể gán giọng cho từng người nói, hoặc tắt tiếng một người.

Những gì được lưu lại sau sự kiện?

Mọi thứ. Bản ghi, bản phiên âm kèm hiệu chỉnh và bản dịch, cùng âm thanh được lưu trong thư viện của bạn. Tiêu đề và bản tóm tắt được viết khi nội dung đã hoàn tất, bằng mọi ngôn ngữ. Bạn có thể phát lại đúng như khi nhận được, tìm kiếm trong mọi bản phiên âm bằng ngôn ngữ của mình, và xuất dưới dạng phụ đề SRT, PDF, Excel hoặc JSON.

Tôi có thể tích hợp điều này vào sản phẩm của riêng mình không?

Có. Mọi thứ Bảng điều khiển làm được đều có qua API, với cùng mức giá: phiên âm thời gian thực qua WebSocket, phiên âm trực tiếp kèm phát sóng, dịch và dịch bằng giọng nói, tác vụ tệp và liên kết, cùng máy chủ MCP. Có sẵn SDK chính thức cho TypeScript và Python. Người nghe có thể đăng ký nhận bản ghi từ ứng dụng của bạn bằng mã chia sẻ, không cần khóa API.