Những từ mà hệ thống nhận dạng hay nghe sai trong buổi lễ hay phiên họp hội đồng thường là những từ đã có sẵn trên giấy. Đưa cho hệ thống chương trình, lấy âm thanh từ bàn trộn thay vì từ phòng, và một sự kiện hằng tuần tốn ít hơn tiền cà phê uống sau đó.
Một buổi lễ Chủ nhật, một bài giảng thứ Ba và một phiên họp hội đồng hằng tháng có nhiều điểm chung hơn người ta tưởng. Mỗi việc đều lặp đi lặp lại trong cùng một phòng, mỗi việc do một tình nguyện viên hoặc thư ký đảm nhận chứ không phải một công ty thiết bị âm thanh, và mỗi việc phục vụ những người lẽ ra sẽ theo dõi tốt hơn bằng một ngôn ngữ khác, những người nghe không rõ, và những người không thể có mặt. Ngân sách thì eo hẹp, và người phụ trách thường xuyên thay đổi. Người đã thiết lập hệ thống năm ngoái thường đã chuyển sang lo việc cắm hoa rồi.
Bài viết này hướng dẫn cách thiết lập VocalStack một lần cho một căn phòng như vậy, để từ đó mỗi tuần chỉ cần nhấn start. Bài cũng nêu những điều quyết định liệu chữ hiển thị trên màn hình có chính xác hay không. Với phiên bản dành cho một lần duy nhất, tức một hội nghị có nhiều sân khấu, xem Tổ chức hội nghị đa ngôn ngữ với phụ đề trực tiếp. Hãy bắt đầu từ thứ bạn sẽ in ra.
Một buổi phát sóng là một liên kết công khai và một mã QR. Bất kỳ ai cũng có thể mở liên kết trên trình duyệt, chọn ngôn ngữ và đọc theo khi người nói phát biểu. Không cần cài đặt gì và không cần tạo tài khoản. Một buổi phát sóng có thể nhận nguồn từ bao nhiêu phiên phiên âm trực tiếp tùy ý, nên bản ghi của buổi lễ tuần này và tuần sau đều xuất hiện ở cùng một địa chỉ.
In mã QR một lần và dán ở bảng thông báo, trên tờ chương trình buổi lễ, trên slide bài giảng hoặc trên tường trưng bày công cộng. Người nghe quét mã để mở bản dịch trực tiếp và chọn ngôn ngữ. Nếu bạn đổi tên liên kết, liên kết cũ vẫn mở đúng buổi phát sóng đó, nên các tờ rơi của năm ngoái vẫn dùng được.
Người nghe mở liên kết sớm sẽ thấy buổi phát sóng chưa bắt đầu. Người đến muộn sẽ thấy toàn bộ những gì đã được nói trước khi họ đến, sau đó theo dõi trực tiếp. Người nghe bị rớt kết nối sẽ tự bắt kịp.
Buổi phát sóng mặc định là công khai, điều này phù hợp với buổi lễ hoặc phiên họp hội đồng, nhưng không phù hợp với cuộc họp kín hay hội thảo. Với các trường hợp đó, hãy chuyển sang riêng tư và đặt mật khẩu: chỉ những ai có mật khẩu mới mở được liên kết, và họ sẽ được yêu cầu nhập mật khẩu trước khi bản phiên âm hiện ra. Dù chọn cách nào, hãy nói rõ ở chỗ dễ thấy rằng căn phòng đang được phiên âm và văn bản được đưa đi đâu. Người cầu nguyện thành tiếng, hay người phát biểu ba phút trong phần ý kiến công chúng, không nhất thiết đã đến với kỳ vọng sẽ có bản phiên âm. Một dòng thông báo trong tờ chương trình hay chương trình nghị sự thì rất rẻ. Tạo buổi phát sóng tại {{app}}/broadcasts/new.
Có liên kết mới chỉ là một nửa; còn cần có thứ gì đó đưa chữ lên đó.
Trước hết là âm thanh, trước mọi phần mềm. Các phòng dành cho hội chúng và hội đồng được thiết kế cho âm vang: đá, trần cao, băng ghế gỗ. Một chiếc điện thoại hay máy tính xách tay đặt trên bục giảng nghe người nói trực tiếp một lần, rồi nghe thêm nhiều lần nữa từ các bức tường. Khoảng cách cộng với tiếng vọng là nguyên nhân lớn nhất gây sai sót nhận dạng, vượt xa giọng địa phương. Nếu phòng có bàn trộn âm thanh, hãy lấy tín hiệu từ đó (đầu ra aux hoặc đầu ra ghi âm), để hệ thống nhận dạng nghe đúng những gì micro thu được. Ai di chuyển xung quanh, ví dụ người giảng đạo rời bục hoặc giảng viên đứng bên bảng trắng, nên đeo micro cài áo hoặc micro tai nghe thay vì chỉ dựa vào micro gắn trên chân đế. Khắc phục được điều này thì phần lớn các vấn đề còn lại chỉ còn là chỉnh thêm.
Hầu hết nhà thờ, trường đại học và hội đồng đều đã có âm thanh từ bàn trộn ở đâu đó, và phiên âm trực tiếp có thể lấy nguồn đó thay vì lấy từ một thiết bị đặt trong phòng.
Với luồng phát, VocalStack tự kéo âm thanh về; phía bạn không cần chạy gì. Địa chỉ phải truy cập được từ internet. Luồng chỉ tồn tại trong mạng nội bộ của bạn thì phải được ghi lại từ một thiết bị đặt trong phòng. Bắt đầu phiên phiên âm trực tiếp tại {{app}}/transcriptions/new/live và gắn nó vào buổi phát sóng.
Khi âm thanh tốt đã đến nơi, những lỗi bạn vẫn sẽ gặp đều là những lỗi có thể đoán trước.
Những từ mà hệ thống nhận dạng giọng nói hay sai trong nhà thờ, giảng đường hay phòng họp hội đồng có thể đoán trước được: tên người và địa danh, các đoạn trích kinh thánh, thuật ngữ chuyên môn, các mục trong chương trình nghị sự. Lý do nằm ở cấu trúc. Hệ thống chọn từ có xác suất cao nhất với âm thanh nghe được, và nó học các xác suất đó từ những gì người ta thường nói. Vì vậy một họ hiếm sẽ thua trước một từ phổ biến nghe na ná, lần nào cũng vậy. Hướng giải quyết trong lĩnh vực này, gọi là biasing hay từ vựng tùy chỉnh, là cho hệ thống biết trước những từ hiếm cần xuất hiện. Điều hữu ích với một căn phòng sinh hoạt hằng tuần là những từ này chính là những từ đã được viết ra từ trước sự kiện.
Hãy thêm kịch bản hoặc slide trước khi bắt đầu. Tên và thuật ngữ trong đó sẽ được ưu tiên hơn những gì hệ thống nghe nhầm. Không ai cần đọc từng chữ; dàn ý bài giảng, tài liệu phát tay hay chương trình nghị sự đã đăng tải thường đã chứa phần lớn danh từ riêng. Trong lúc ghi âm, thẻ Script trên màn hình người dẫn sẽ chạy theo như một teleprompter, làm sáng các từ đã được nói.
Kịch bản có thể soạn trước và đặt thời gian bắt đầu; thư viện liệt kê chúng dưới mục Upcoming kèm nút Start. Cách này hợp với lịch trực luân phiên: một người thêm văn bản vào thứ Sáu, một người khác nhấn Start vào Chủ nhật.
Nếu một từ vẫn bị sai, thẻ Fix sẽ đánh dấu các từ không chắc chắn và cho phép người dẫn nhấp vào một dòng để sửa ngay khi đang ghi âm; người nghe sẽ thấy bản sửa đó.
Viết đúng chữ là một nửa; nửa còn lại là biết ai đã nói.
Công tắc nhãn người nói có ba vị trí. When Needed gắn nhãn cho từng dòng theo người nói khi có nhiều hơn một giọng được nghe thấy; nếu không thì bản phiên âm là văn bản thuần. On gắn nhãn cho mọi dòng, kể cả khi chỉ có một người nói. Off cho văn bản thuần. Với bài giảng, When Needed nghĩa là một giọng đọc sẽ hiện như văn xuôi; với hội đồng gồm mười hai thành viên, mọi dòng đều mang tên người nói.
Nhãn ban đầu là số. Trong bản ghi âm, bạn có thể đặt tên cho một người nói, và tên đó sẽ áp dụng cho mọi dòng của người ấy. Với những người nói đều đặn mỗi tuần, hãy tiến thêm một bước và lưu giọng của họ. Bạn có thể tạo giọng từ bất kỳ người nói nào nói ít nhất ba mươi giây trong một bản ghi âm, hoặc từ một đoạn ghi âm ngắn do họ cung cấp. Sau đó người nói sẽ được nhận diện và gắn nhãn bằng tên trong các bản ghi âm tương lai, và nếu người nghe chọn nghe bản dịch đọc to, thì bản dịch ấy sẽ được đọc bằng chính giọng của người đó ở mọi ngôn ngữ. Nếu không dùng giọng nhân bản, mỗi người nói sẽ có một giọng có sẵn riêng, khớp giới tính, và bất kỳ người nói nào cũng có thể bị tắt tiếng.
Giọng nhân bản là dữ liệu sinh trắc học. VocalStack chỉ tạo giọng khi người nói đã đồng ý rõ ràng, chỉ dùng giọng đó để đọc to các lời của chính người ấy, và cho phép bạn xóa bất cứ lúc nào. Ủy viên hội đồng và giáo sĩ là nhân vật công chúng trong căn phòng của họ; điều đó không đồng nghĩa với sự đồng ý, nên hãy hỏi.
Với một hội đồng, đây là lúc bản phiên âm trở thành hồ sơ. Khi mỗi dòng đều được gắn tên người nói, biên bản cuối cùng cũng cho thấy ai đã nói “tôi nghĩ chúng ta đã bàn chuyện này” lần thứ tư. Điều đó đặt ra câu hỏi: hồ sơ này dành cho ai?
Những người hưởng lợi đầu tiên là các thành viên thường xuyên bị khiếm thính hoặc điếc, chứ không phải những khách đến từ nước ngoài đọc bằng ngôn ngữ khác, dù họ cũng được hưởng lợi. Vòng cảm ứng từ (hearing loop) giúp người dùng máy trợ thính và không giúp gì cho người khác; phụ đề trên điện thoại giúp những người còn lại, và hai thứ này bổ sung cho nhau chứ không cạnh tranh. Ở nhiều nơi, các cơ quan công quyền có nghĩa vụ về khả năng tiếp cận và về tính công khai của các phiên họp, và một bản ghi mà công chúng có thể đọc trực tiếp lẫn sau đó sẽ đáp ứng phần lớn các nghĩa vụ đó. Hãy kiểm tra những quy định nào áp dụng cho bạn tại địa phương.
Hãy trung thực về phụ đề tự động là gì. Một người phụ đề bằng con người (dịch vụ này ở một số nước gọi là CART) nghe, hiểu và gõ. Trong một cuộc tranh luận sôi nổi của hội đồng, khi ba thành viên cùng nói, con người vẫn sẽ làm tốt hơn máy. Lời nói chồng lấn gây lỗi ở mọi hệ thống tự động, và chủ tọa lẩm bẩm ngoài micro cũng vậy. Nếu có yêu cầu pháp lý về phụ đề nguyên văn, phụ đề tự động chỉ là phần bổ sung chứ không thay thế; còn nếu lựa chọn thay thế là không có gì, thì chúng là một cải thiện lớn so với không có gì.
Bản phiên âm còn có giá trị hơn vào ngày hôm sau.
Mỗi bản ghi âm đều nằm trong thư viện của bạn, và trang buổi phát sóng liệt kê các bản ghi trước đó cho bất kỳ ai có liên kết. Người vắng mặt trong phiên họp có thể phát lại đúng như khi được ghi, từng dòng, cùng âm thanh.
Khi lời đã được chốt, tiêu đề và bản tóm tắt sẽ được viết bằng mọi ngôn ngữ. Tìm kiếm bằng ngôn ngữ của bạn cũng tìm thấy các bản ghi được tạo bằng ngôn ngữ khác, nên một thư ký có thể tìm tháng mà một mục được thảo luận, và một sinh viên tìm được buổi giảng đã đề cập đến một học phần. Việc xuất ra có phụ đề SRT, PDF, Excel hoặc JSON, kèm các chỉnh sửa và bản dịch; một tệp PDF của bản phiên âm đã dịch đặt cạnh biên bản là rất hợp. Nếu bất kỳ việc nào trong số này cần xảy ra mà không có người nhấn nút, API làm được mọi thứ mà Bảng điều khiển làm, với cùng mức giá, trong mọi gói: xem {{api}}/docs.
Tất cả những điều này phải vừa với ngân sách của giáo xứ hay ủy ban.
Phiên âm trực tiếp có giá $0.60 mỗi giờ âm thanh, tính theo từng giây với mức tối thiểu 5 phút cho mỗi phiên, trong mọi gói. Người nghe miễn phí, bất kể có bao nhiêu người, và dịch sang tối đa 10 ngôn ngữ cho mỗi phiên phiên âm đã được bao gồm.
Tài khoản mới được tặng $5 tín dụng đăng ký một lần và không yêu cầu thẻ. Số tín dụng này đủ cho hơn một tháng các buổi Chủ nhật. Sau đó, bạn nạp thêm khi cần, hoặc đăng ký Premium với giá $50 mỗi tháng ($40 mỗi tháng theo gói hằng năm). Premium bao gồm $50 tín dụng mỗi tháng, tương đương 83 giờ phát trực tiếp. Gói này cũng giữ mọi bản ghi suốt đời tài khoản thay vì 30 ngày, và không cắt một phiên phiên âm giữa chừng nếu hết tín dụng khi cuộc họp đang diễn ra. Có hai lưu ý thực tế cho thủ quỹ. Với gói Trả theo mức dùng, một phiên phiên âm có thể mất tới 15 giây để bắt đầu khi khởi động nguội, vì vậy hãy nhấn start trước bài thánh ca mở đầu chứ không phải trong lúc hát. Và một buổi YouTube live đã kết thúc là một video, nên nó được phiên âm như một tệp, với mức giá tệp thấp hơn nhiều.
Với một phòng và một sự kiện định kỳ, gói Trả theo mức dùng là đủ. Với một tổ chức muốn mọi bản ghi có thể tìm kiếm nhiều năm sau, hoặc vận hành nhiều phòng cùng lúc, hãy chọn Premium. Bảng đầy đủ, cùng giới hạn và thời gian lưu trữ, nằm ở trang bảng giá, còn bản demo tương tác cho bạn thấy người nghe sẽ thấy gì.
