博客/发布日期: 更新日期:

参与一场你听不见的会议

Gaavala 可让你通过实时翻译字幕跟上浏览器会议,并将输入的回复用合成声音播送到通话中。文字回复需要 Pro,以及会议支持的麦克风连接。本指南说明设置方法、各平台的差异,以及播放状态无法确认的事项。

原文 + 译文,成对呈现
时间戳、语言标记,以及每句话的两个版本——说了什么和它的含义始终在一起。

阅读的那一半

这是 Gaavala 本来就为所有人做的事,和一位听得见的用户为了翻译而得到的,是同一套机器。

扩展程序捕获会议标签页的音频,把它流式传输给一个语音转文字引擎,引擎在人们说话的同时返回转录文本。这份文本落在两个地方:侧边面板,作为一份带时间戳和语言标记、不断滚动的双语记录;以及会议画面之上的一层悬浮图层,这样你就不必为了读字而把视线从人脸上移开。

有两个细节,对一位聋人读者的意义远大于对一位翻译读者:

说话人被分开,并且被着色。 Gaavala 会检测是谁在说话,并在覆盖层、侧边面板和你的导出文件中为每个声音分配一个固定的颜色。你可以在会议进行中把“Speaker 2”改成一个真实姓名,每一个界面都会同步更新。在一场四个人快速交替的对话里,这就是“一场对话”与“一堵文字墙”之间的差别。

更新的行在视觉上更强。 在覆盖层中,新出现的行以全亮度落下,旧的行逐渐淡去,于是你的眼睛不必搜寻就能找到当前这一句。

字幕并不是按功能被 Pro 锁住的——免费额度是 5 分钟,终身仅一次,那是一次试用,不是一个方案。要读完一场真实的会议,意味着 Pro。

回应的那一半

字幕下面有一个文本框。

你输入一句话,按下 Speak——Ctrl+Enter,在 Mac 上是 ⌘+Enter,效果相同。单独按 Enter 是换行,所以你可以在发送之前写下不止一句话。每次最多 500 个字符,并带有一个计数器;超出上限时,发送按钮会变为禁用,而不是悄悄截断你写下的内容。

如果你输入所用的语言与你的 Speak 语言不同,Gaavala 会先翻译这条消息,然后再把它说出来。所以你可以用土耳其语输入,而被人用英语听见;也可以用英语输入,而被人用日语听见。

发声的是 Gaavala 的录音室音色之一,或者是用大约两分钟录音构建出的、你自己的声音克隆。如果你的声音在别处出现过——一段视频,一段更早的录音——那么克隆意味着房间里听到的是某种可辨认为你的东西,而不是一个通用预设。

在第一条消息还在播放时发送第二条,它会排在后面。每条消息都用文字而不是仅用颜色显示自己的状态:已排队、正在朗读、已朗读、已取消、部分朗读、失败。任何仍在排队或正在播放的内容,都可以用一个按钮停下。

你不会听到自己的消息。它进入的是会议,而不是你的扬声器——这对大多数用户只是一个细节,而对你来说,正是那些状态标签必须被写成文字的全部理由。

语音回复的操作见 Speak Mode 使用指南,个性化声音见 个人声音克隆指南。

这需要什么

在决定 Gaavala 是否帮得上你之前,这一节是必须读的。

会议中可用的麦克风连接

文字回复不要求你开口,也不会在 Gaavala 中开始麦克风录音。但它仍使用会议现有的传出音频连接,因此设备需要可用的麦克风,会议网站也必须获得麦克风权限。

在 Teams 中静音时,文字消息会被阻止。Zoom 静音也会使输出无声,但 Gaavala 无法读取这个状态。Meet 和 Webex 不会把原生静音同步到 Speak。请用 Gaavala 的停止控件结束传出语音,并先与另一位参与者试用,不要未经验证就依赖它。

一个 Pro 套餐

打字消息属于 Speak 的一部分,而 Speak 属于 Pro。那份一次性的 5 分钟免费额度只覆盖实时字幕,其中完全不包含打字发声,所以它并不能用来体验产品的这一半。Pro 是每月 $19.99,每天 120 分钟。

Gaavala 的音色之一

打字发声运行在 Gaavala 的录音室音色上,或者运行在一个个人克隆上。

跨语言消息需要 Chrome 138 或更新版本

翻译你打出的消息,发生在你自己的机器上,用的是 Chrome 内置的设备端翻译器。如果它不可用,或者它没有你需要的那个语言对,Gaavala 会拒绝这条消息并如实告诉你——它绝不会把你未经翻译的原文说出来,再把它当作译文呈现。一条本来就是你 Speak 语言的消息,不需要任何额外条件。

一场开在浏览器标签页里的会议

Microsoft Teams、Google Meet、Cisco Webex 和 Zoom,都需要在 Chromium 桌面浏览器中通过它们的网页客户端加入。桌面版会议应用不在一个浏览器扩展的可及范围内。特别是在 Zoom 上,这个标签页必须是在 Gaavala 已经运行的情况下打开的,否则 Speak 会请你重新加载它。

加入会议和设置音频的步骤见相应指南:Teams、Zoom、Google Meet 或 Webex。先确认浏览器访问条件,再设置文字回复。

Gaavala 无法告诉你的事

它无法确认有人听见了你。 Gaavala 知道自己什么时候把你这条消息的音频发送完毕,它会把那条消息标记为“已朗读”。那和送达不是一回事,而且不存在任何一个平台能让我们确认送达。我们宁愿你知道这一点,也不愿你从一个我们给不出的确认中做出推断。

我们唯一拥有的那个警告,范围很窄。 在 Microsoft Teams 上,如果你的消息正在播放时会议麦克风被静音,那条消息会被标记为“可能未送达”。在 Google Meet、Webex 和 Zoom 上,不会出现这样的警告。而没有警告,并不能作为消息已经抵达的证据。

会议的静音按钮在各处的行为并不相同。 在 Microsoft Teams 上,在那里把自己静音,Gaavala 的输出会随你一起静音。在 Google Meet 和 Cisco Webex 上则不会——这些客户端出于自身音频处理的需要,会不断地重建麦克风轨道,而镜像这种状态会把你的话拦腰截断,所以 Gaavala 刻意不去镜像它。在 Zoom 上,静音发生在 Zoom 自己的编码器内部,Gaavala 读不到它。在这三个平台上,能可靠停止 Speak 的那个控件,是 Gaavala 面板里的那一个。

打字消息不在记录里。 它们不会被写进 Gaavala 的转录稿、它的 TXT/SRT/JSON 导出,也不会进入它的设备端 AI 摘要。如果你靠打字参与一场会议,你的发言就会缺席于那份记录,而出声说话的同事都在那份记录里。这是一处缺口,不是一项隐私特性;我们主动点明它,是因为否则总会有人在一份不包含自己那条的行动项清单里发现它。

阅读和发声共用一份预算。 Pro 是每天 120 分钟的一份额度,它同时覆盖你读的实时字幕和你打出的那些消息。

我们为什么做了打字的那一半

诚实的答案是,它最初并不是从这里出发的。Speak 存在,是为了让一个不共享房间语言的人能够在房间里被听见。而一个文本输入框,是处理那些“出声说话不太方便”的情形的显而易见的做法——一间共享办公室、一个吵闹的房间、一句你想一字不差说对的话。

在把它做出来的过程中逐渐清楚的是:“把它打出来,然后在房间里被听见”对大多数人是一种便利,对一部分人却是一种必需。对一位聋人参会者来说,它是会议里缺失的那一半:字幕已经让你跟得上,而这让你能在其他所有人正在使用的同一条通道里、在它重要的那个时刻回应它,而不是在一个也许稍后会有人读的侧边栏里。

数据流向和本地保留方式见 Gaavala 隐私架构说明。

如果你以前试过这类工具,而它们以某种具体的方式辜负了你,我们真心希望听到是哪一种方式。写信到 support@gaavala.com。

通过 Freemius(Merchant of Record)结算。价格不含税;如需缴税,Freemius 会在结账时加收。