礼拜或议会会议中最容易被识别错的词，恰恰是纸上早已印好的那些。把议程交给它，音频从调音台接入而不是从房间里拾取，一场每周一次的活动，花费还不到会后一杯咖啡。
周日礼拜、周二讲座和每月一次的议会会议，看起来各不相同，其实有很多共同之处。它们都在同一个房间里反复举行，都由志愿者或书记员负责，而不是由专业的音响公司操作；服务的对象中，有人需要其他语言的讲解，有人听力不便，也有人根本无法到场。预算很有限，负责的人也经常更换。去年负责设置的人，通常已经转去管理插花值班表了。
本文介绍如何为这样的房间一次性完成 VocalStack 的设置，此后每周只需按下开始键。文中还会讲到，哪些因素决定屏幕上的文字是否准确。如果是一次性的活动，例如设有多个舞台的会议，请参阅用实时字幕举办多语言会议。我们先从你要打印出来的东西讲起。
直播就是一个公开链接加一个二维码。任何人都可以在浏览器中打开链接、选择语言，并在讲话者发言时同步阅读。无需安装任何软件，也无需注册账户。一场直播可以接入任意数量的实时转录，因此本周和下周的录音都会出现在同一个地址下。
把二维码印一次，贴在布告栏、礼拜程序单、讲座幻灯片或公共展板墙上。听众扫码即可打开实时翻译并选择语言。即使日后你更改了链接，旧链接仍会打开同一场直播，所以去年的传单依然有效。
提前打开链接的听众会看到直播尚未开始。迟到的人会看到到达之前说过的全部内容，然后继续实时跟随。连接中断的听众会自行补上错过的内容。
直播默认是公开的，这对礼拜或议会会议来说很合适，但对于不公开的会议或研讨会就不合适了。对于后者，请将直播改为私密并设置密码：只有知道密码的人才能打开链接，并且需要输入密码后才会显示转录文本。无论哪种情况，都应在显眼的位置说明此处正在进行转录，以及文字会发送到哪里。在礼拜中大声祈祷的人，或在公众发言环节讲三分钟话的人，未必预料到会有转录。在礼拜程序单或议程上加一句说明，成本很低。请在 {{app}}/broadcasts/new 创建直播。
光有链接还不够，还需要有人把文字输入进去。
在安装任何软件之前，先解决音频问题。为会众和议会设计的房间，本来就是为混响而建的：石材、高挑的天花板、木质座椅。放在讲台上的手机或笔记本电脑，会先直接接收一次讲话者的声音，然后再经墙面多次反射。距离加上回声，是造成识别错误的最主要原因，远超口音的影响。如果房间里有调音台，请从调音台取信号（辅助输出或录音输出），让识别器听到的与麦克风收到的完全一致。在房间里走动的人，例如离开讲道台的牧师，或在白板前讲课的讲师，应佩戴领夹式或头戴式麦克风，而不是依赖立式麦克风。解决了这一点，其余大部分问题就只剩调校了。
大多数教堂、大学和议会都已经把调音台的音频输出到某处，实时转录可以直接从那里接收，而不必依赖房间里的某个设备。
对于直播流，VocalStack 会自行拉取音频，你这边无需运行任何程序。该地址必须能从互联网访问。只存在于你自己网络中的流，必须通过房间内的设备来录制。请在 {{app}}/transcriptions/new/live 启动实时转录，并将其关联到直播。
音频正常接入之后，你仍然会注意到一些可以预见的错误。
语音识别器在教堂、讲座或议会中容易出错的词是可以预测的：人名和地名、经文出处、专业术语，以及议程中的各项内容。原因在于其结构。识别器会根据声音选择最可能的词，而这些概率是从人们通常的说话方式中学来的。因此，一个罕见的姓氏总会输给发音相近的常用词。该领域的解决办法称为偏置（biasing）或自定义词汇，即提前告诉系统可能会用到哪些罕见词。对于每周一次的活动来说，一个有用的发现是：这些词恰恰是活动前就已经写下来的词。
开始之前，请添加讲稿或幻灯片。其中的人名和术语会优先于识别器已经误听的内容。无需逐字朗读；讲道提纲、讲义或公布的议程通常已包含大部分专有名词。录制期间，主持人屏幕上的 Script tab 会像提词器一样跟随进度，点亮已经说过的词语。
讲稿可以提前撰写并设定开始时间；资料库会在 Upcoming 下列出它们，并附带 Start 按钮。这很适合轮值安排：一人在周五添加文字，另一人在周日按下 Start。
如果仍有词语识别错误，Fix tab 会标出不确定的词，主持人可以在录制进行时点击某一行进行更正，听众也会看到更正后的内容。
正确识别文字只是一方面，另一方面是知道是谁说的。
说话人标签开关有三个位置。When Needed 会在听到不止一个声音时，为每一行标注说话人；否则转录内容就是纯文本。On 会为每一行都标注说话人，即使只有一人讲话。Off 则为纯文本。对于讲道而言，When Needed 意味着一个声音时呈现为连贯的段落；对于十几位议员组成的议会，每一行都会带上说话人。
标签最初是数字。在录音中，你可以为某位说话人命名，该名字会应用到其所有发言行。对于每周都发言的人，可以更进一步保存其声音。你可以从录音中任何至少说话三十秒的讲话者，或从其提供的一段短录音中，创建一个声音。之后，该讲话者在新录音中会被识别并以名字标注；如果听众选择收听翻译内容的朗读，那么在每种语言中，朗读都将使用该讲话者本人的声音。若不进行任何克隆，每位讲话者都会获得一个性别相符、彼此不同的预设语音，并且可以将任一讲话者静音。
克隆语音属于生物识别数据。VocalStack 仅在讲话者明确同意的情况下才会制作，仅用于朗读该讲话者的发言，并允许你随时删除。议员和神职人员在各自的场合本就是公众人物，但这并不等于同意，因此请务必先征得许可。
对于议会而言，这正是转录文本成为正式记录的时刻。每一行都标注了姓名之后，会议纪要终于能显示出谁第四次说了“我想我们已经讨论过这个了”。而这就引出了一个问题：这份记录是为谁准备的。
最先受益的是那些听力有障碍或失聪的常客，而不是以其他语言阅读的来访者，尽管后者同样值得欢迎。听力环路（感应式助听环路）只对使用助听器的人有帮助，对其他人毫无作用；手机上的字幕则对其余的人有帮助，两者是互补而非相互竞争的关系。许多地方的公共机构负有无障碍和公开会议方面的责任，让公众可以实时阅读并在事后查阅转录文本，将大大有助于履行这些责任。请核实当地适用哪些规定。
诚实地说明自动字幕的局限。人工字幕员（在某些国家称为 CART 服务）会聆听、理解并打字录入。在议会激烈辩论中，若三位议员同时发言，人工字幕员仍然会胜过机器。重叠的语音会让任何自动系统产生错误，主席在话筒之外的低语也是如此。若法律要求逐字字幕，自动字幕只能作为补充而非替代；若替代方案是没有字幕，那么自动字幕已经是极大的改善。
转录文本在第二天的价值更高。
每段录音都会进入你的资料库，直播页面也会为拥有链接的人列出过往录音。错过会议的人可以原样回放，逐行听取，并同步播放音频。
文字定稿后，会以每种语言生成标题和摘要。在你的语言中搜索，也能找到以其他语言录制的录音，因此书记员可以找到某个议题被讨论的月份，学生也能找到讲座中涉及某个学期内容的那一场。导出格式包括 SRT 字幕、PDF、Excel 和 JSON，并包含更正和翻译内容；译文转录的 PDF 很适合与会议纪要放在一起。如果其中任何一项需要在无人点击的情况下自动完成，API 可以完成控制台能做的一切，并且在每个套餐中费率相同：请参阅 {{api}}/docs。
所有这些都必须适应教区或委员会的预算。
实时转录每小时音频收费 $0.60，按秒计费，每次转录最低收取 5 分钟，所有套餐均相同。听众免费，人数不限；每次转录包含最多 10 种语言的翻译。
新注册账户可获得 $5 的一次性注册额度，无需绑定银行卡。该额度足以覆盖一个多月的周日活动。之后，你可以按需充值，或者选择 Premium 套餐，每月 $50（年付套餐每月 $40）。Premium 每月包含 $50 额度，相当于 83 小时的直播。它还会将每段录音永久保存在账户中，而不是保留 30 天；并且即使额度在会议中途用完，也不会中断转录。给财务负责人的两点实用提示：在按量付费套餐中，冷启动时转录可能需要最多 15 秒才会开始，因此请在开场赞美诗之前而不是演唱期间按下开始。此外，已经结束的 YouTube 直播即为视频，因此会按文件转录，适用远低得多的文件费率。
对于一个房间和一个定期活动，按量付费已经足够。如果机构希望数年之后仍能搜索每段录音，或同时运营多个房间，则应选择 Premium。完整的价格表（包括限制和保留期限）请见价格页面，交互式演示则展示了听众所看到的内容。
