Feliratforrások és a beszéd nyelve

Mielőtt a felirat megjelenik, a programnak két kérdésre kell választ kapnia: ki írja át a beszédet (a felirat forrása), és melyik hangot hallgassa (a rögzített hang). Egy harmadik beállítás, a beszéd nyelve dönti el, milyen nyelvű szöveget vár a felismerő. Ez a fejezet mindhármat végigveszi.

A felirat forrása

A beállítóablak Hangforrás lapján, a Forrás szakaszban A felirat forrása mező választja ki, ki ismeri fel a beszédet.

Forrás	Mit csinál	Mikor válassza
Whisper szerver (alapbeállítás)	a rögzített hangot a saját feliratozó szerver írja át a Whisper modellel	pontos átirat kell, választható modellel és hangolható szakaszolással; futó feliratozó szerver és videokártya kell hozzá – a saját gépen vagy a hálózatban
Windows Élő feliratok (csak Windowson)	a Windows beépített beszédfelismerésének szövegét olvassa	nincs szerver és videokártya; cserébe a felismerés minősége és a mondathatár a Windowsé
macOS Élő feliratok (csak macOS-en)	a macOS beépített Élő feliratok (Live Captions) funkciójának szövegét olvassa	idegen nyelvű bejövő beszédhez szerver nélkül; magyarul a macOS nem ismer fel

A rendszer Élő feliratai akkor is választhatók, ha a feliratozó szerver nem fut – a fordításhoz viszont ekkor is kell egy elérhető fordító.

Melyik hangot feliratozza

Ugyanezen a lapon a Melyik hangot feliratozzuk? mező mondja meg, mit hallgat a program. A Használat lap módja (lásd a Hívásban: virtuális kábel, kimenő irány fejezetet) ezt magától kitölti; ha itt kézzel átírja, a mód „Egyéni”-re vált.

Választás	Mit hall a program	Mikor kell
Hangszóró kimenete (loopback) (alapbeállítás)	ami a hangszórón vagy a fejhallgatón szól: a másik fél hangja, egy videó, egy előadás	idegen nyelvű videó, előadás vagy hívás követése
Mikrofon	a saját mikrofonját	a saját beszéde felirata vagy fordítása; tolmácsolással csak fejhallgatóval
A hívás hangja virtuális kábelen	a hívásprogram hangját, amelyet az egy virtuális hangkábelre játszik	ha a hangszóró kimenetéből a hívás nem hallható (Windowson a Teams hangja jellemzően ilyen)

A visszahallgatás (loopback) azt jelenti, hogy a program a hangszóróra menő hangot „hallgatja vissza”, mielőtt az kiszólna – mikrofon nélkül, a gépen belül. A saját hangját (a tolmácsét) a program kizárja ebből, így a tolmács beszéde nem kerül vissza a feliratba.

Az eszköz

Az Eszközök szakaszban választható ki, melyik hangszóró kimenetét vagy melyik mikrofont hallgassa a program. Az Automatikus elem kiírja, melyik eszközre oldódik fel most; ha a lista régi, a Frissítés gomb újraolvassa. Kábeles forrásnál A hívás kábele mező választja ki a kábelt.

A néma lejátszás

A Néma lejátszás a kimenetre kapcsoló alapból be van kapcsolva, és így is érdemes hagyni. A visszahallgatás csak akkor ad adatot, ha az eszközön ténylegesen szól valami: egy néma hívásban egyetlen hangminta sem érkezik, és a felirat megáll. A néma lejátszás egy hallhatatlan, folyamatos hangot küld ugyanarra az eszközre, így a hangfolyam nem apad el. Kábeles forrásnál a kábel bemenetére megy, mert csendben a kábel is elapad.

macOS-en: a mikrofon és a rendszerhang engedélye

macOS-en a mikrofon és a rendszerhang rögzítése engedélyhez kötött. Az első indításkor a rendszer rákérdez; ha a kérdést elutasította, a Rendszerbeállítások → Adatvédelem és biztonság alatt (Mikrofon, illetve a rendszerhang rögzítésének sora) adható meg utólag. Ha a program szkriptből, Terminálból indul, az engedélyt a terminálalkalmazás kapja. Megtagadott rendszerhang-engedélynél a visszahallgatás csupa csendet ad: ha a felirat nem jön, miközben a gépen szól valami, először ezt nézze meg.

A rendszer Élő feliratai mint forrás

A beállítóablak Élő feliratok lapja megmutatja, hogy a rendszer felismerése ezen a gépen elérhető-e, be van-e kapcsolva és fut-e, milyen nyelv van benne beállítva, és mely felismerőnyelvek vannak telepítve. A Vizsgálat most gomb friss választ kér. Ha a funkció bizonyítottan nincs a gépen, a forrás nem választható – sem a beállítóablakban, sem a feliratablakban.

Windowson

A program a Windows Élő feliratokat maga indítja el (ha nem fut, előbb rákérdez), az ablakát elrejti – a felismerés így is fut –, kilépéskor pedig visszaállítja. Ha már nyitva volt, ahhoz csatlakozik. A felismerés nyelvét a Windows Gépházában kell beállítani (Kisegítő lehetőségek → Feliratok), és ott kell letölteni a nyelvi csomagot; a lap Gépház megnyitása gombja ide visz. A Windows-beállítás és a program beszédnyelve egyezzen.

macOS-en

• A magyar nincs a nyelvei között: a macOS Élő feliratok angolul, franciául, németül, spanyolul, japánul, koreaiul, kínaiul és kantoniul ismer fel. Ez a forrás tehát az idegen nyelvű bejövő beszédhez való.
• Magyar régióval be sem kapcsolható: a Rendszerbeállítások Kisegítő lehetőségek lapján meg sem jelenik. Állítson be átmenetileg más régiót (például United States) az Általános → Nyelv és régió alatt, kapcsolja be az Élő feliratokat, majd a régió visszaállítható – a funkció tovább működik.
• Kisegítő lehetőségek engedély kell a programnak (Adatvédelem és biztonság → Kisegítő lehetőségek). Az első indításkor a program felkínálja, és két percig vár rá; a lap Engedély megadása gombja is megnyitja.
• A program az Élő feliratokat nem kapcsolja be: ha nem fut, megnyitja a Rendszerbeállítások megfelelő lapját (Rendszerbeállítások megnyitása), és két percig vár az indulására.
• Csendben az Élő feliratok ablaka eltűnik, beszédre visszajön; a program ilyenkor kivár. Ha beszédre sem jön felirat, az ablakot valószínűleg a saját menüjéből rejtették el: a menü Keep on Screen pontja hozza vissza.

Ami mindkét rendszeren igaz

• A beszéd nyelvét pontosan meg kell adni, mert a rendszer nem árulja el, mit ismert fel. Jelöltlista és automatikus felismerés ilyenkor nem választható.
• A rendszer nem jelzi, mikor végleges egy mondat, ezért a mondathatárt az írásjel adja: egy mondat akkor válik véglegessé (és megy fordítani), ha már újabb szöveg áll utána, vagy a felirat 1,2 másodperce nem változott. Az előzetes szöveg eközben azonnal látszik.
• A szakaszolás vezérlői (mód, profil, időértékek) ilyenkor tiltottak, mert a felismerést a rendszer ütemezi. A hangeszköz-beállítások érintetlenek maradnak, így a Whisper szerverre visszaváltva minden ott folytatódik, ahol abbamaradt.

A beszéd nyelve

A beszéd nyelve – amit a felismerő hallani fog – a beállítóablak Fordítás lapján, a Nyelvek szakaszban áll (A beszéd nyelve), és a feliratablak Bejövő hang ikonsorának nyelvválasztóján is váltható.

Beállítás	Mit jelent	Mikor jó
Rögzített nyelv (például magyar)	a felismerő ezt az egy nyelvet várja	ha biztosan tudja, milyen nyelven beszélnek; a rendszer Élő feliratainál kötelező
Jelöltlista (például hu,en, a választóban „Auto – hu,en”)	a szerver a felsorolt nyelvek közül ismeri fel, melyik szól, és utána azt rögzíti	kétnyelvű helyzet, például hívás, ahol hol magyarul, hol angolul beszélnek
Automatikus felismerés (minden nyelv)	a szerver minden ismert nyelv közül választ	ha nem tudni előre a nyelvet; a legkevésbé biztos választás

A rossz nyelvi feltétel nem csak helyesírási hibát okoz: a Whisper ilyenkor gyakran a beállított nyelvre lefordítja a beszédet, ahelyett hogy átírná. Ha a felirat furcsán „fordítottnak” hat, a beszéd nyelvét nézze meg először.

A program megjegyzi az utolsó jelöltlistát. A feliratablak nyelvválasztóján az Auto tétel ezt a listát hozza vissza egy kattintással – akkor is, ha közben rögzített nyelvre vagy a rendszer Élő feliratai forrásra váltott. Másik jelöltlistát a Fordítás lapon lehet választani.

Váltás futás közben

A feliratablak Bejövő hang paneljén (a kék ikonsor fogaskereke) a forrás futás közben is váltható: a Forrás sorban a Whisper és a rendszer Élő feliratai között, a Hangforrás és a Hangeszköz választóval pedig a rögzített hang és az eszköz. A panel tetején a Bejövő hang szintjelzője mutatja, érkezik-e jel; „nincs jel” felirattal a program nem kap hangot. A panel részletei a A feliratablak és az eszköztár fejezetben állnak.

Ha valami nem jó

Jelenség	Valószínű ok	Teendő
a szintjelző „nincs jel”, pedig szól valami	rossz eszköz, vagy macOS-en hiányzó rendszerhang-engedély	az Eszközök szakaszban válassza ki a megfelelő eszközt (Frissítés), macOS-en nézze meg az engedélyt
a hívás hangja nem jut el a feliratig	a hívásprogram hangját a visszahallgatás nem látja	kábeles forrás kell – lásd a hívásokról szóló fejezetet
a felirat más nyelvű, mint ami elhangzott	rossz beszédnyelv	állítsa be a helyes nyelvet vagy egy jelöltlistát
az Élő feliratok forrás nem választható	a funkció nincs telepítve vagy nincs bekapcsolva	az Élő feliratok lap állapota és lépései szerint kapcsolja be
macOS-en az Élő feliratok forrással nem jön magyar felirat	a macOS Élő feliratok nem ismer magyarul	magyar beszédhez a Whisper szervert válassza

Hova tovább

• Szakaszolás és pontosság – hogyan lesz a hangból mondat
• Fordítás – a célnyelv és a fordító
• A videokártya nélküli felirat lépésről lépésre: a Feliratozás GPU nélkül útmutató.