Phụ đề thành công hay thất bại ngay tại bàn trộn âm và trong slide của diễn giả. Hãy lấy một luồng sạch từ micro lời nói cho mỗi sân khấu và nạp sẵn mọi tên riêng cùng từ viết tắt trước khi ai bước lên sân khấu; phần còn lại của ngày chỉ là sửa những gì hai việc đó bỏ sót.
Phần lớn công việc phụ đề cho một hội nghị diễn ra trước khi ai bước lên sân khấu, và phần lớn công việc đó không phải là phần mềm.
Điện thoại đặt trên bục phát biểu nghe được cả căn phòng; bàn trộn âm nghe được chính diễn giả. Hãy lấy luồng âm thanh từ bàn trộn, và nói rõ là luồng nào. Yêu cầu kỹ sư âm thanh tạo một đường gửi aux hoặc matrix riêng chỉ mang micro lời nói: micro trên bục, micro cài áo, micro của tọa đàm. Nhạc đi vào, video phát lại và âm thanh vỗ tay không được có mặt trong đó. Nhận dạng phải nghe xuyên qua một đoạn nhạc hiệu sẽ tự tin đoán ra lời ca, và đoán sai.
Hãy kiểm tra đường gửi này trong buổi diễn tập kỹ thuật, với micro thật và loa thật nếu có thể. Nếu không, bạn sẽ phát hiện lúc 8:55 sáng ngày diễn ra rằng đầu ra matrix được đặt sau fader, và kỹ sư tắt tiếng bục phát biểu giữa các bài nói.
Có hai cách đưa luồng đó vào VocalStack. Cách thứ nhất là một bộ mã hóa RTMP đặt tại bàn trộn âm. Khi bạn thêm một luồng RTMP làm nguồn cho phiên âm trực tiếp, Bảng điều khiển sẽ hiển thị địa chỉ máy chủ và khóa luồng mà bộ mã hóa cần, cho bạn biết âm thanh đã đến chưa và ở định dạng nào, và cho phép bạn nghe thử. Cách thứ hai là dùng địa chỉ luồng. Nếu sân khấu đã được phát trực tiếp dưới dạng YouTube live hoặc một luồng âm thanh, hãy dán liên kết đó và VocalStack sẽ tự kéo âm thanh về; không có gì cần chạy ở phía bạn. Hãy dán chính địa chỉ của luồng, không phải trang web đang phát nó. Nếu bạn nhầm dán địa chỉ trang web, Bảng điều khiển sẽ báo cho bạn.
Dù chọn cách nào, hãy dùng một luồng micro cho mỗi sân khấu. Micro của khán giả và hiện tượng nhiễu chéo làm giảm độ chính xác mà không cài đặt nào bù lại được. Chiếc micro tốt nhất trong tòa nhà lại thuộc về vị diễn giả cứ liên tục nghiêng người ra xa nó.
Khi âm thanh đã vào hệ thống, người tham dự cần một nơi để đọc phụ đề.
Buổi phát sóng là liên kết mà người tham dự mở ra. Hãy tạo nó trong mục Broadcasts, đặt tên và chọn liên kết của nó. Bảng điều khiển sẽ gợi ý một liên kết dựa trên tên; bạn có thể sửa, miễn là liên kết vẫn có ít nhất sáu ký tự. Cùng màn hình đó hiển thị mã QR để người tham dự quét, mở bản dịch trực tiếp và chọn ngôn ngữ của mình.
Hãy quyết định ngay bây giờ buổi phát sóng là công khai hay riêng tư. Công khai nghĩa là bất kỳ ai có liên kết đều có thể mở. Riêng tư nghĩa là người tham dự phải nhập một mật khẩu ngắn trước khi bản phiên âm hiện ra. Nếu sau này cần đổi liên kết, hãy đổi; liên kết cũ vẫn tiếp tục hoạt động.
Sau đó, hãy nghĩ đến cách liên kết đến được hàng nghìn chiếc điện thoại. Đặt mã QR trên slide chờ trước mỗi phiên, trên biển chỉ dẫn ở các cửa ra vào và trên thẻ đeo cổ nếu có. Hàng trăm điện thoại cùng kết nối sẽ tạo tải thật lên mạng Wi-Fi của địa điểm, vì vậy hãy hỏi đơn vị tổ chức các điểm truy cập được thiết kế cho bao nhiêu thiết bị và mạng khách có giới hạn băng thông theo từng thiết bị hay không. Nếu họ chỉ nhún vai, hãy nhắc người tham dự dùng dữ liệu di động. Các trang rất nhẹ; rủi ro nằm ở Wi-Fi.
Hội nghị có hai sân khấu không cần hai liên kết. Một buổi phát sóng có thể nhận nguồn từ nhiều phiên âm trực tiếp cùng lúc. Sân khấu A và Sân khấu B trở thành hai phiên âm gắn vào cùng một buổi phát sóng, và điện thoại của người tham dự hiển thị cả hai trên một trang. Mỗi sân khấu là một phiên âm trực tiếp riêng, và mỗi gói giới hạn số phiên chạy đồng thời (1 với Trả theo mức dùng, 5 với Premium, không giới hạn với Enterprise). Giới hạn đó sẽ được nhắc lại trong phần ngân sách bên dưới.
Một liên kết chỉ tốt bằng những từ ngữ đứng sau nó.
Trong bất kỳ hệ thống nào, nhận dạng trực tiếp cũng vấp ở tên riêng, thuật ngữ sản phẩm và từ viết tắt. Hãy thêm kịch bản hoặc slide của từng diễn giả trước khi bắt đầu; tên và thuật ngữ trong đó sẽ được ưu tiên hơn những gì công cụ nhận dạng cho là mình đã nghe. Trong lúc diễn thuyết, thẻ Script bám theo từng lời như một máy nhắc chữ (teleprompter).
Đây cũng là lúc nên thẳng thắn về bản chất của phụ đề bằng máy. Nhận dạng giọng nói cộng với dịch máy không phải là CART (Communication Access Realtime Translation, tức phụ đề gõ trực tiếp bởi người phụ đề được đào tạo), và cũng không phải là thông dịch. Nó nhanh, rẻ và không biết mệt, nhưng thỉnh thoảng sẽ đảo ngược một phủ định, làm tròn một con số hoặc dịch một câu đùa thành một khẳng định sự thật. Với bài phát biểu chính, phiên trình bày sản phẩm hay tọa đàm, sự đánh đổi đó thường là đúng. Với một phiên mà một từ sai có hệ quả (pháp lý, y tế, bỏ phiếu), hãy đặt một người phụ đề hoặc thông dịch viên thật và để máy chạy song song như bản ghi chép bằng văn bản. Chuẩn tiếp cận cũng đáng biết: WCAG 2.x yêu cầu phụ đề cho âm thanh trực tiếp ở mức AA (tiêu chí 1.2.4), và ngày càng nhiều hợp đồng với khu vực công và địa điểm tổ chức đơn giản trích dẫn tiêu chuẩn này.
Khi đã chốt xong từ ngữ, công việc chuẩn bị cuối cùng là về người nói ra chúng.
Nhãn người nói cho khán giả biết ai đang nói. Hãy đặt công tắc sang When Needed; khi đó nhãn chỉ xuất hiện sau khi người nói thứ hai đã được nghe thấy, nhờ đó bài phát biểu chính hiển thị như văn bản thuần, còn tọa đàm hiển thị như một cuộc trò chuyện.
Để diễn giả được nhận diện theo tên ngay từ câu đầu tiên, hãy đăng ký giọng của họ trước trong mục Voices. Chỉ cần một đoạn ghi âm một người đang nói: MP3, M4A hoặc WAV, dài ít nhất ba mươi giây, nhưng vài phút sẽ tốt hơn. Người đó phải đã đồng ý, và Bảng điều khiển sẽ yêu cầu bạn xác nhận đã có quyền trước khi tạo giọng. Hãy coi đó là điều hơn cả một ô đánh dấu. Theo GDPR, mẫu giọng nói dùng để nhận diện một người thường được coi là dữ liệu sinh trắc học (Điều 9). Điều đó có nghĩa là cần sự đồng ý rõ ràng và quyền yêu cầu xóa mẫu giọng đó. Các quy định tương tự tồn tại ở nơi khác, và thỏa thuận với diễn giả là nơi dễ nhất để giải quyết vấn đề này. Giọng nhân bản có thể bị xóa bất cứ lúc nào. Trong khi nó còn tồn tại, nó cũng cho phép người nghe nghe bản dịch của diễn giả đó bằng một giọng khớp với giọng gốc.
Khi kế hoạch đã xong, phần còn lại là chính ngày diễn ra.
Mỗi phiên âm trực tiếp đều có thẻ Speed với chế độ độ trễ và biểu đồ độ trễ theo thời gian. Có ba cài đặt:
Với bài phát biểu chính có kịch bản và luồng từ bàn trộn âm sạch, Auto là phù hợp; với tọa đàm kỹ thuật có bốn giọng vùng miền khác nhau và không có kịch bản, Accuracy đáng để chịu thêm độ trễ.
Thời điểm khởi động là một mốc khác cần lên kế hoạch. Với Trả theo mức dùng, khởi động nguội có thể mất tới 15 giây trước khi phiên âm bắt đầu. Premium thường khởi động sẵn, còn Enterprise luôn như vậy. Hãy bấm bắt đầu trong lúc khách đang vào chỗ, đừng đợi đến từ đầu tiên.
Dù ở chế độ nào, vẫn sẽ có những từ bị sai, nên cần có người theo dõi.
Ai đó tại bàn trộn âm nên giữ thẻ Fix luôn mở. Thẻ này có hai công tắc: Mark uncertain words tô màu và gạch chân những từ mà công cụ không chắc chắn, còn Click to correct mở một dòng để xem xét khi bạn nhấp vào. Thẻ sẽ dẫn bạn qua từng đoạn không chắc chắn một, và một lần sửa sẽ đến được mọi người nghe bằng mọi ngôn ngữ.
Micro của khán giả là mắt xích yếu nhất trong bất kỳ căn phòng nào, và phần hỏi đáp là nơi điều đó lộ rõ. Hãy yêu cầu người điều phối lặp lại mọi câu hỏi của khán giả vào micro của chính họ trước khi trả lời. Phụ đề sẽ cảm ơn họ, và hàng ghế cuối cũng vậy, vì họ cũng không nghe rõ câu hỏi.
Giữa các phiên, bàn trộn âm có một nhiệm vụ khác.
Màn hình người chủ trì có thể tạm dừng và tiếp tục một bản ghi âm, và trang của người nghe hiển thị một thông báo: "Đã tạm dừng. Bản phiên âm sẽ tiếp tục khi người chủ trì tiếp tục." Việc tạm dừng dành cho lúc đổi phiên, không phải giờ nghỉ trưa. Mỗi bản ghi có thời gian tạm dừng tối đa, được đặt trong Bảng điều khiển là 30 giây, 1 phút hoặc 3 phút; bản ghi bị tạm dừng lâu hơn sẽ tự kết thúc.
Với khoảng nghỉ dài hơn, hãy dừng bản ghi và bắt đầu một bản ghi mới khi phiên tiếp theo bắt đầu. Mọi bản ghi vẫn được liệt kê trên trang của buổi phát sóng, nên buổi chiều người tham dự có thể cuộn lại các phiên buổi sáng. Một bản ghi trực tiếp đơn lẻ có giới hạn vài giờ với Trả theo mức dùng và dài hơn với Premium (con số chính xác có trong trang bảng giá), nên một ngày dài dù sao cũng gồm nhiều bản ghi.
Giữa buổi sáng, hãy kiểm tra xem ai thực sự đang đọc.
Chế độ xem khán giả trong thẻ Broadcast cho biết ai đang tham gia, bao nhiêu người đang nghe, những ngôn ngữ họ đang mở và số người nghe theo thời gian. Mỗi phiên âm bao gồm tối đa 10 ngôn ngữ, và mỗi người nghe chọn một ngôn ngữ trên thiết bị của mình. Vì vậy chế độ xem này cho bạn biết căn phòng thực sự đọc những ngôn ngữ nào, và đó hiếm khi là danh sách mà ban tổ chức đã đoán. Các đại biểu đăng ký từ Madrid hóa ra lại đọc tiếng Anh; hàng tiếng Bồ Đào Nha thì được lấp đầy từ một nguồn mà không ai ngờ tới. Hãy mang danh sách đó về cho năm sau.
Mỗi người nghe trong số đó đều miễn phí. Thứ tốn tiền là âm thanh.
Phiên âm trực tiếp có giá $0.60 mỗi giờ âm thanh, tính theo giây với mức tối thiểu 5 phút cho mỗi phiên âm, áp dụng ở mọi gói và qua API. Hai sân khấu, mỗi sân khấu chạy tám giờ, tức là 16 giờ âm thanh trực tiếp, tương đương $9.60. Bản dịch, phát sóng, bản tóm tắt và xuất tệp đều đã bao gồm, bất kể có bao nhiêu người nghe.
Gói ảnh hưởng đến năng lực hơn là đơn giá. Trả theo mức dùng cho $5 tín dụng đăng ký một lần, không cần thẻ, một phiên âm tại một thời điểm và bản ghi tối đa 5 giờ. Phiên âm trực tiếp dừng ngay khi tín dụng về 0, vì vậy hãy nạp thêm trước khi cửa mở. Premium có giá $50 mỗi tháng ($40 mỗi tháng với gói hằng năm) và bao gồm $50 tín dụng mỗi tháng, đủ cho 83 giờ trực tiếp. Gói này cho phép năm phiên âm trực tiếp đồng thời và bản ghi 10 giờ, đồng thời có thời gian ân hạn: phiên âm trực tiếp tiếp tục chạy một lúc sau khi số dư về 0, và số phút thêm được tính theo cùng mức giá. Hai sân khấu chạy song song cần gói Premium. Enterprise có giá theo thỏa thuận, số phiên đồng thời không giới hạn, bản ghi 24 giờ và một nhóm engine riêng.
Xem trang bảng giá để có bảng đầy đủ, và kiểm tra số dư của bạn tại Billing trong Bảng điều khiển trước đó một tuần.
Hóa đơn dừng khi âm thanh dừng; bản phiên âm thì không.
Bản phiên âm được lưu 30 ngày với Trả theo mức dùng và không giới hạn với Premium và Enterprise. Với Trả theo mức dùng, âm thanh gốc chỉ được lưu 7 ngày. Nếu bạn đang dùng gói miễn phí, hãy xuất tệp trong tuần đó.
Để xem liên kết trông ra sao từ chỗ ngồi của người tham dự, hãy đọc Một liên kết, mọi ngôn ngữ, hoặc thử bản demo trực tiếp trên trang chủ.
