লাইভ ক্যাপশনিং সফটওয়্যার বেছে নেওয়া শুরু হয় একটি ডেলিভারি প্রশ্ন দিয়ে: মানুষকে কোথায় ক্যাপশন পড়তে হবে? একটি পাবলিক ওয়েবকাস্টে প্লেয়ারের ভেতরেই টেক্সট দরকার। একটি ব্যক্তিগত মিটিংয়ে ইতিমধ্যেই তার মিটিং অ্যাপে ক্যাপশন থাকতে পারে। একটি কক্ষে থাকা অংশগ্রহণকারী ব্যক্তিগত ডিভাইসে টেক্সট পছন্দ করতে পারেন। এগুলো উপকারী কেনাকাটার পথ, যদিও একটি পণ্য একাধিক পথ সমর্থন করতে পারে।
এই গাইডে প্রতিটি পথের ইন্টিগ্রেশন কাজ এবং সীমাবদ্ধতা তুলনা করা হয়েছে। মানব CART-সহ একটি সেবা সংগ্রহের জন্য আমাদের লাইভ ক্যাপশনিং সেবার চেকলিস্ট ব্যবহার করুন। ব্যক্তিগত সেটআপ টিউটোরিয়ালের জন্য লাইভ ক্যাপশন গাইড দেখুন।
মূল বিষয়গুলো
- ক্যাপশন স্ট্রিম বা প্লেয়ারে, মিটিং অ্যাপে, নাকি আলাদা ডিসপ্লেতে দেখাতে হবে তা ঠিক করুন। তারপর প্রকৃত দর্শক অভিজ্ঞতা পরীক্ষা করুন।
- ক্যাপশনসহ লাইভ ফিড মানেই ক্যাপশনসহ রেকর্ডিং নয়। আর্কাইভ এবং যেকোনো আলাদা ক্যাপশন ট্র্যাক পরীক্ষা করুন।
- WCAG 2.1 SC 1.2.4-এ কোনো সংখ্যাগত নির্ভুলতার সীমা নেই, তবে ক্যাপশনকে লাইভ ভিডিওর সঙ্গে সিঙ্কে অর্থবহ বক্তৃতা ও অ-বক্তৃতা অডিও প্রকাশ করতে হবে।
- শুধু রিকগনিশন ইঞ্জিন নয়, দর্শকের কাছে বিলম্বও তুলনা করুন; প্রকৃত নেটওয়ার্ক, প্লেয়ার এবং অডিও সেটআপ পরীক্ষা করুন।
লাইভ ক্যাপশন সরবরাহের তিনটি উপায়
এই পথগুলো বর্ণনা করে দর্শক কোথায় টেক্সট পান। এগুলো পরস্পর-বিরোধী পণ্য বিভাগ নয়: একটি ইভেন্ট ওয়েবকাস্টে একটি ক্যাপশন ফিড এবং কক্ষে থাকা লোকদের জন্য আরেকটি ডিসপ্লে পাঠাতে পারে।
1. ভিডিও প্লেয়ারে ক্যাপশন
একটি স্ট্রিমিং টিম তার প্রোডাকশন ও ডেলিভারি পাইপলাইনের মাধ্যমে লাইভ ক্যাপশন পাঠায়। সিস্টেমভেদে এতে একটি এনকোডার, একটি ইনজেস্ট সার্ভিস, একটি ক্যাপশন ফিড, বা WebVTT-এর মতো টাইমড টেক্সট ট্র্যাক থাকতে পারে। টিমকে প্লেয়ার, ভাষা নির্বাচন, সিঙ্ক্রোনাইজেশন, এবং আর্কাইভ করা আউটপুট পরীক্ষা করতে হবে। একটি ক্যাপশন ফিড এনকোডারে পৌঁছানো মানেই চূড়ান্ত রেকর্ডিংয়ে ব্যবহারযোগ্য ক্যাপশন আছে—এটি প্রমাণ করে না।
এই পথটি পাবলিক ওয়েবকাস্ট এবং অন্যান্য ভিডিও ডেলিভারেবলের জন্য উপযুক্ত। মূল সংগ্রহ প্রশ্ন হলো স্ট্রিম ও প্লেয়ার কার নিয়ন্ত্রণে, তারা কোন ক্যাপশন ফরম্যাট গ্রহণ করে, এবং আর্কাইভ কীভাবে পরীক্ষা করা হবে। উদাহরণস্বরূপ, Apple's HLS authoring guidance Apple ডিভাইসের জন্য WebVTT সাবটাইটেল ট্র্যাক এবং অ্যাক্সেসিবিলিটি লেবেল কীভাবে ঘোষণা করতে হবে তা নির্দিষ্ট করে।
2. মিটিং প্ল্যাটফর্মে ক্যাপশন
Zoom, Google Meet, এবং Microsoft Teams কলের ভেতরে ক্যাপশন দেখাতে পারে। প্রাপ্যতা, ভাষার বিকল্প, অনূদিত ক্যাপশন, এবং সংরক্ষিত ট্রান্সক্রিপ্ট প্ল্যান, সেটিংস, এবং অংশগ্রহণকারীর অনুমতির ওপর নির্ভর করে ভিন্ন হয়। আরেকটি টুল কেনার আগে প্ল্যাটফর্মের বর্তমান নিয়ন্ত্রণগুলো পরীক্ষা করুন। Zoom এখন অস্থায়ী মিটিং ক্যাপশনকে সংরক্ষিত মিটিং ট্রান্সক্রিপ্ট থেকে আলাদা করে; প্ল্যাটফর্মের টেক্সট কখনোই এক্সপোর্ট করা যায় না বলা বিভ্রান্তিকর হবে।
3. আলাদা ডিসপ্লেতে ক্যাপশন
একটি আলাদা ব্রাউজার ট্যাব, ফোন, বা রুম ডিসপ্লে ভিডিও স্ট্রিম না বদলিয়েই টেক্সট দেখাতে পারে। MirrorCaption সমর্থিত ব্রাউজার মিটিংয়ের জন্য ডেস্কটপ ব্রাউজার-ট্যাব অডিও ক্যাপচার ব্যবহার করে, এবং সরাসরি কথোপকথনের জন্য একটি মাইক্রোফোন ব্যবহার করে। এটি লাইভ সেশনে উৎস বক্তৃতা ও অনুবাদ দেখায় এবং একটি ট্রান্সক্রিপ্ট সংরক্ষণ করতে পারে। এটি মিটিং রেকর্ডিং বা পাবলিক ভিডিও প্লেয়ারে কোনো ক্যাপশন ট্র্যাক যোগ করে না।
অ্যাকোমোডেশন অনুরোধের ক্ষেত্রে, অংশগ্রহণকারীকে জিজ্ঞেস করুন কোন ডিসপ্লে তাদের জন্য কাজ করবে। আলাদা ডিসপ্লে কাউকে কথোপকথন অনুসরণ করতে সাহায্য করতে পারে, তবে ভিডিওর সঙ্গে একসাথে ব্যবহার করা অস্বস্তিকর হতে পারে। নির্ভুলতা এবং ব্যক্তিগত অ্যাক্সেসের চাহিদা যখন তা দাবি করে, তখন মানব CART আরেকটি ডেলিভারি বিকল্প; CART কীভাবে অনুরোধ করবেন দেখুন।
| ডেলিভারি পথ | দর্শক টেক্সট পড়ে | যে ইন্টিগ্রেশন যাচাই করতে হবে | আর্কাইভ প্রশ্ন |
|---|---|---|---|
| ভিডিও প্লেয়ার | ওয়েবকাস্টের সঙ্গে | ক্যাপশন ফিড, প্লেয়ার, টাইমিং, ভাষা ট্র্যাক | রেকর্ডিংয়ের সঙ্গে ক্যাপশন রাখা হয় কি? |
| মিটিং প্ল্যাটফর্ম | কলের ভেতরে | প্ল্যান, হোস্ট সেটিংস, অনুমতি, ভাষা | ট্রান্সক্রিপ্ট বা রেকর্ডিং ক্যাপশন ট্র্যাক সক্রিয় আছে কি? |
| আলাদা ডিসপ্লে | ব্যক্তিগত বা রুম স্ক্রিনে | অডিও ক্যাপচার, ডিভাইস অ্যাক্সেস, পাঠযোগ্যতা | ভিডিওর জন্য কি আলাদা ক্যাপশন ওয়ার্কফ্লো লাগবে? |
অ্যাক্সেসিবিলিটি মানদণ্ডে কী পরিবর্তন আসে
WCAG 2.1 Success Criterion 1.2.4 সিঙ্ক্রোনাইজড মিডিয়ায় লাইভ অডিওর জন্য ক্যাপশন চায়। এই মানদণ্ড কোনো শতাংশ নির্ভুলতার স্কোর নির্ধারণ করে না, তবে W3C ব্যাখ্যা করে যে ক্যাপশনকে রিয়েল টাইমে বক্তৃতা, বক্তার পরিচয়, এবং অর্থবহ অ-বক্তৃতা শব্দ জানাতে হবে। এর নির্দেশনায় বলা হয়েছে, এই মানদণ্ড সম্প্রচারের জন্য তৈরি, এবং অংশগ্রহণকারীদের প্রয়োজন নির্বিশেষে প্রতিটি দ্বিমুখী ওয়েব কলকে স্বয়ংক্রিয়ভাবে ক্যাপশনযুক্ত করতে বলে না।
ডেলিভারি আর্কিটেকচারকে কমপ্লায়েন্স সার্টিফিকেট হিসেবে নেবেন না। প্রকৃত স্ট্রিম ও প্লেয়ার, ক্যাপশনের সময় ও সম্পূর্ণতা, এবং অনুরোধকৃত অ্যাকোমোডেশন কার্যকর কি না তা পরীক্ষা করুন। একটি আলাদা টেক্সট ডিসপ্লে মিটিংয়ে মূল্যবান হতে পারে; কিন্তু ধরে নেবেন না যে এটি কোনো পাবলিক ভিডিও বা তার আর্কাইভ সংস্করণকে লাইভ বা প্রি-রেকর্ডেড মিডিয়া প্রয়োজনীয়তার সঙ্গে সামঞ্জস্যপূর্ণ করে।
যুক্তরাষ্ট্রের 47 CFR §79.4 নির্দিষ্ট IP-ডেলিভার্ড ভিডিও প্রোগ্রামিং নিয়ন্ত্রণ করে, যার মধ্যে টেলিভিশনে আগে দেখানো এবং ক্যাপশনযুক্ত নির্ধারিত প্রোগ্রামিংও আছে। এটি প্রতিটি কর্মক্ষেত্রের মিটিং বা ওয়েবকাস্টের জন্য সাধারণ নিয়ম নয়, কিংবা কেবল ফাইল-ফরম্যাটের নিয়মও নয়। অন্তর্ভুক্ত প্রোগ্রামিং থাকা টিমগুলোকে তাদের অ্যাক্সেসিবিলিটি বিশেষজ্ঞদের সঙ্গে নিয়মের পরিধি, ক্যাপশনের গুণমান, এবং ডেলিভারি দায়িত্ব মূল্যায়ন করা উচিত।
দর্শক যেখানে দেখেন, সেখানেই বিলম্ব মাপুন
অডিও ক্যাপচার, রিকগনিশন বা মানব ক্যাপশনিং, সিঙ্ক্রোনাইজেশন, বিতরণ, এবং দর্শকের প্লেয়ারে লেটেন্সি জমা হতে পারে। একটি ইঞ্জিনের প্রতিক্রিয়া সময় দর্শকের ক্যাপশন বিলম্বের সমান নয়। বিক্রেতাকে জিজ্ঞেস করুন তার মাপা কোথা থেকে শুরু ও শেষ হয়, এটি আংশিক না চূড়ান্ত টেক্সট মাপে, এবং ধীর সেশনগুলো কীভাবে রিপোর্ট করে।
আসল মাইক্রোফোন, নেটওয়ার্ক, ইভেন্ট সফটওয়্যার, এবং দেখার ডিভাইস দিয়ে একটি পাইলট চালান। নাম, বাধা, এবং প্রাসঙ্গিক অ-বক্তৃতা শব্দসহ একটি কঠিন অংশ দেখুন। দর্শকের স্ক্রিনে অডিওর সঙ্গে ক্যাপশন তুলনা করুন। ভিন্ন স্ট্রিমিং কনফিগারেশন বিলম্ব বদলাতে পারে; কোনো একক প্রোটোকল প্রতিটি বাস্তবায়নের জন্য নির্দিষ্ট ফলাফল নিশ্চিত করে না।
ভাষা সমর্থন শুরু থেকে শেষ পর্যন্ত পরীক্ষা করুন
স্পিচ রিকগনিশনের ভাষা সংখ্যা কেবল উত্তরের একটি অংশ। কথ্য উৎস ভাষা, কাঙ্ক্ষিত ক্যাপশন ভাষা, অনুবাদ ফিচার, ক্যাপশন ফরম্যাট, এবং প্লেয়ার ট্র্যাকটি দেখায় কি না—এসব নিশ্চিত করুন। পুরোনো CEA-608 ওয়ার্কফ্লোতে অক্ষর সমর্থন সীমিত; আধুনিক টাইমড-টেক্সট ডেলিভারি আলাদা ট্র্যাক দিতে পারে, যা প্লেয়ার ও ওয়ার্কফ্লোর ওপর নির্ভরশীল। Apple's HLS specification সাবটাইটেল ট্র্যাকের জন্য ভাষা মেটাডেটা এবং WebVTT-এর জন্য একটি টাইমস্ট্যাম্প ম্যাপ চায়।
MirrorCaption অ্যাপে 50টিরও বেশি নির্বাচযোগ্য ভাষা দেয়, কিন্তু তার মানে এই নয় যে একটি সেশনে একসঙ্গে সব ভাষা দেখানো যাবে। প্রয়োজনীয় ভাষা জুটি, অডিও উৎস, এবং এক্সপোর্ট নির্বাচন ও পরীক্ষা করুন। যদি প্রতিটি অংশগ্রহণকারীর আলাদা লক্ষ্য ভাষা দরকার হয়, তবে প্রত্যেকে কীভাবে আলাদা সেশন বা ডিসপ্লে পাবে তা পরিকল্পনা করুন। কথ্য অনুবাদের জন্য ভয়েস অনুবাদ গাইড দেখুন।
একটি সংক্ষিপ্ত কেনাকাটার চেকলিস্ট
- দর্শক এবং সারফেস শনাক্ত করুন। এটি কি একটি পাবলিক প্লেয়ার, একটি অভ্যন্তরীণ কল, নাকি অংশগ্রহণকারীর ব্যক্তিগত স্ক্রিন?
- পরবর্তী ডেলিভারেবল নির্দিষ্ট করুন। আপনি যদি একটি রেকর্ডিং প্রকাশ করেন, তবে তার আলাদা ক্যাপশন বা ট্রান্সক্রিপ্ট ওয়ার্কফ্লো পরীক্ষা করুন।
- অ্যাক্সেসের চাহিদা সম্পর্কে জিজ্ঞেস করুন। যারা ক্যাপশন ব্যবহার করবে তাদের সঙ্গে পাঠযোগ্যতা, সময়, বক্তা শনাক্তকরণ, এবং অর্থবহ শব্দ পরীক্ষা করুন।
- ঠিক ভাষা জুটি এবং ডিভাইস পরীক্ষা করুন। রিকগনিশন, অনুবাদ, প্লেয়ার ট্র্যাক, এবং অনুমতি—প্রতিটি সীমাবদ্ধতা হতে পারে।
- সম্পূর্ণ খরচ তুলনা করুন। প্ল্যাটফর্ম লাইসেন্স, ক্যাপশন সেবা সময়, প্রোডাকশন ইন্টিগ্রেশন, এবং যেকোনো আর্কাইভ সম্পাদনা অন্তর্ভুক্ত করুন।
উদাহরণস্বরূপ: একটি শহরের ক্লার্ক যখন একটি পাবলিক মিটিং স্ট্রিম করেন, তখন প্লেয়ার এবং পরবর্তী রেকর্ডিং দুটোই পরীক্ষা করা দরকার। একটি আলাদা রুম ডিসপ্লে অংশগ্রহণকারীদের সাহায্য করতে পারে, কিন্তু এটি ক্যাপশনযুক্ত আর্কাইভ তৈরি করে না। একটি অভ্যন্তরীণ দ্বিভাষিক মিটিং তার প্ল্যাটফর্মের ক্যাপশন নিয়ন্ত্রণ দিয়ে শুরু হতে পারে; প্রয়োজনীয় ভাষা বা লেআউট সেখানে না থাকলে আলাদা ডিসপ্লে উপকারী। এই ওয়ার্কফ্লোগুলো উদাহরণ, গ্রাহক অ্যাকাউন্ট বা আইনি নির্ধারণ নয়।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
লাইভ ক্যাপশনিং সফটওয়্যার কী?
এটি লাইভ বক্তৃতাকে পড়ার উপযোগী টেক্সটে রূপান্তর করে এবং সেই টেক্সট দর্শকের কাছে পৌঁছে দেয়। মূল সিদ্ধান্ত হলো দর্শক এটি ভিডিও প্লেয়ারে, মিটিং অ্যাপের ভেতরে, নাকি আলাদা ডিসপ্লেতে পড়বে।
লাইভ ক্যাপশনিং সফটওয়্যার কি WCAG প্রয়োজনীয়তা পূরণ করে?
WCAG 2.1 SC 1.2.4 সিঙ্ক্রোনাইজড মিডিয়ায় লাইভ অডিও কভার করে। প্রকৃত ভিডিও অভিজ্ঞতা মূল্যায়ন করুন, যার মধ্যে সময়, বক্তৃতা, এবং অর্থবহ অ-বক্তৃতা অডিও অন্তর্ভুক্ত। একটি আলাদা ক্যাপশন ডিসপ্লে অংশগ্রহণকারীদের সাহায্য করতে পারে, কিন্তু ধরে নেবেন না যে এটি স্ট্রিম করা ভিডিও বা তার রেকর্ডিংকে সামঞ্জস্যপূর্ণ করে। W3C বলেছে, এই মানদণ্ড সম্প্রচারের জন্য তৈরি, ব্যবহারকারীর প্রয়োজন নির্বিশেষে প্রতিটি দ্বিমুখী ওয়েব কলকে ক্যাপশনযুক্ত করার জন্য নয়।
ক্যাপশন অডিওর পেছনে কেন থাকে?
বিলম্ব অডিও ক্যাপচার, রিকগনিশন বা মানব ক্যাপশনিং, সিঙ্ক্রোনাইজেশন, বিতরণ, এবং দর্শকের প্লেয়ার থেকে আসতে পারে। বিক্রেতাদের জিজ্ঞেস করুন তারা কোথায় মাপা শুরু ও শেষ করে, তারপর সম্পূর্ণ দেখার পথ পরীক্ষা করুন।
লাইভ ক্যাপশনিং সফটওয়্যার কি একসঙ্গে একাধিক ভাষা দেখাতে পারে?
এটি রিকগনিশন ও অনুবাদ সমর্থন, ক্যাপশন ফরম্যাট, প্লেয়ার, এবং উপলব্ধ অডিও ও টেক্সট ট্র্যাকের ওপর নির্ভর করে। লিগ্যাসি CEA-608-এ অক্ষর সমর্থন সীমিত; নতুন ডেলিভারি পথ একাধিক ভাষার ট্র্যাক দিতে পারে। ইঞ্জিনের ভাষা সংখ্যার ওপর নির্ভর না করে নির্দিষ্ট প্লেয়ার ও ভাষা জুটি পরীক্ষা করুন।
আমার কি ক্যাপশন এনকোডার দরকার, নাকি শুধু একটি ক্যাপশনিং অ্যাপ?
এখন দর্শকদের কোথায় ক্যাপশন পড়তে হবে এবং পরে কোনো রেকর্ডিং ক্যাপশনযুক্ত হতে হবে কি না তা জিজ্ঞেস করুন। বাহ্যিক স্ট্রিমের জন্য একটি লাইভ এনকোডার লাগতে পারে, আর একটি মিটিং প্ল্যাটফর্ম আলাদা রেকর্ডিং ট্রান্সক্রিপ্ট বা ক্যাপশন ট্র্যাকও তৈরি করতে পারে। আর্কাইভ আউটপুট যাচাই করুন; শুধু লাইভ ওভারলে রেকর্ডিংকে ক্যাপশনযুক্ত করে না।
নিজের স্ক্রিনে ক্যাপশন চেষ্টা করুন
MirrorCaption একটি ব্রাউজার সেশনে লাইভ টেক্সট এবং অনুবাদ দেখায়। ফ্রি ট্রায়াল দিয়ে অডিও সেটআপ এবং ভাষা জুটি পরীক্ষা করুন।
MirrorCaption বিনামূল্যে চেষ্টা করুন