วิธีเปิดคำบรรยายสองภาษาแบบเรียลไทม์บนรายการข่าวสด TRT Haber

ในฐานะสถานีข่าวแห่งชาติที่ออกอากาศตลอด 24 ชั่วโมงภายใต้การดูแลขององค์การวิทยุและโทรทัศน์แห่งตุรกี (TRT) ช่อง TRT Haber (trthaber.com) ถือเป็นแหล่งข้อมูลปฐมภูมิที่สำคัญอย่างยิ่งในการติดตามความเคลื่อนไหวทางภูมิรัฐศาสตร์ในแถบทะเลดำ ทะเลเมดิเตอร์เรเนียน และตะวันออกกลาง รวมถึงความคืบหน้าทางการทูตและเศรษฐกิจจากกรุงอังการาและนครอิสตันบูล ตลอดจนข่าวด่วนในภูมิภาค ไม่ว่าจะเป็นนักวิจัยด้านความสัมพันธ์ระหว่างประเทศ ผู้เชี่ยวชาญด้านการค้าระหว่างประเทศ หรือนักวิเคราะห์ที่เฝ้าติดตามเหตุการณ์สำคัญระดับโลก การถ่ายทอดสดผ่านเว็บไซต์ของ TRT Haber ล้วนมอบคุณค่าด้านข้อมูลแบบเรียลไทม์อย่างมหาศาล

อย่างไรก็ตาม ผู้ชมที่รับชมรายการสดของ TRT Haber มักต้องเผชิญกับอุปสรรคทางภาษาที่สำคัญ เนื่องจากสตรีมบนเว็บไซต์ออกอากาศเป็นภาษาตุรกีทั้งหมด และตัวเล่นวิดีโอเองก็ไม่มีตัวเลือกคำบรรยายใดๆ ให้ ภาษาตุรกีเป็นภาษารูปคำติดต่อ (agglutinative language) ที่มีเอกลักษณ์เฉพาะตัว คือจังหวะการพูดที่รวดเร็ว การเติมหน่วยคำต่อท้าย (suffix) ที่ซับซ้อน และโครงสร้างประโยคที่มักวางคำกริยาไว้ท้ายสุด สำหรับผู้ที่ไม่ใช่เจ้าของภาษา การพึ่งพาเพียงทักษะการฟังอย่างเดียวนั้นเป็นเรื่องที่ท้าทายอย่างยิ่ง ในขณะที่เครื่องมือแปลหน้าเว็บทั่วไปก็ไม่สามารถช่วยแปลเนื้อหาในวิดีโอสตรีมมิงได้เลย

บทความนี้จะอธิบายวิธีใช้งานส่วนขยายเบราว์เซอร์ Equalang บนหน้าสตรีมสดของเว็บไซต์ TRT Haber เพื่อเปิดใช้งานการแปลเสียงพูดแบบเรียลไทม์ และแสดงคำบรรยายสองภาษา (ภาษาตุรกีเป็นภาษาจีน) ควบคู่กันไปบนหน้าจอ

การเปรียบเทียบโซลูชันที่มีอยู่ในปัจจุบันและกรณีการใช้งานอย่างตรงไปตรงมา

เมื่อต้องรับชมการออกอากาศข่าวระดับชาติในภาษาที่มีผู้เรียนไม่แพร่หลายนักอย่างช่อง TRT Haber เครื่องมือช่วยฟังและแปลภาษาที่มีอยู่ในปัจจุบันต่างก็มีข้อจำกัดที่ชัดเจนแตกต่างกันไป ดังนี้

1. ตัวเล่นวิดีโอบนเว็บของ TRT Haber (Native Web Player): พัฒนาขึ้นบนสถาปัตยกรรมการสตรีมระดับออกอากาศ จึงให้การเล่นวิดีโอที่ราบรื่นและมีคุณภาพที่เสถียร อย่างไรก็ดี สตรีมบนเว็บไม่มีตัวเลือกคำบรรยายหรือระบบถอดเสียงข้ามภาษา ทำให้ต้องพึ่งพาทักษะการฟังภาษาตุรกีของผู้ชมเองทั้งหมด
2. ส่วนขยายแปลหน้าเว็บทั่วไป: เครื่องมือเหล่านี้สามารถแปลบทความข่าว บทวิเคราะห์คอลัมน์ และเมนูนำทางของ TRT Haber เป็นภาษาจีนได้อย่างง่ายดาย แต่เบื้องหลังการทำงานเป็นเพียงการจัดการข้อความคงที่ (static text) ในโครงสร้าง DOM เท่านั้น เมื่อต้องเจอกับสตรีมเสียงและวิดีโอที่ส่งผ่านโปรโตคอล HLS ส่วนขยายแปลหน้าเว็บจะไม่สามารถเข้าถึงสตรีมเสียงได้ และไม่สามารถทำงานใดๆ ภายในตัวเล่นวิดีโอได้เลย
3. โมเดลถอดเสียงแบบออฟไลน์ในเครื่อง (เช่น การรัน Whisper ด้วยตนเอง): ช่วยให้ผู้ใช้สามารถนำไฟล์เสียงข่าวที่บันทึกไว้เข้ามาในเครื่องเพื่อถอดเสียงและแปลแบบออฟไลน์ จึงเหมาะสำหรับการทบทวนรายการขนาดยาวอย่างละเอียดหลังการออกอากาศ อย่างไรก็ตาม การรันโมเดลถอดเสียงที่มีพารามิเตอร์ขนาดใหญ่ในเครื่องต้องใช้ทรัพยากรฮาร์ดแวร์สูงมาก อีกทั้งกระบวนการตัดแบ่งไฟล์และถอดเสียงแบบออฟไลน์ยังทำให้เกิดความล่าช้าในการประมวลผล จึงไม่เหมาะสำหรับการรับชมข่าวด่วนแบบถ่ายทอดสด
4. ส่วนขยายเบราว์เซอร์ Equalang: ออกแบบมาเพื่อสภาพแวดล้อมการเล่นวิดีโอบนเว็บโดยเฉพาะ ช่วยให้สามารถแปลเสียงพูดแบบเรียลไทม์ได้โดยตรงบนหน้าเว็บสตรีม และแสดงคำบรรยายสองภาษาซ้อนทับบนตัวเล่นวิดีโอได้ทันที โดยไม่ต้องดาวน์โหลดวิดีโอหรือพึ่งพาแทร็กคำบรรยายเดิมของระบบ

คู่มือการเปิดใช้งานคำบรรยายสองภาษาสำหรับรายการสดทีละขั้นตอน

สตรีมสดอย่างเป็นทางการของ TRT Haber ใช้ตัวเล่นวิดีโอที่ปรับแต่งขึ้นจาก Video.js โดยส่งเซกเมนต์สื่อผ่านโปรโตคอล HLS สาธารณะ

หากต้องการเปิดใช้งานคำบรรยายสองภาษา สามารถทำตามขั้นตอนต่อไปนี้ได้

1. เปิดเบราว์เซอร์บนคอมพิวเตอร์ เช่น Chrome แล้วเข้าไปที่หน้าถ่ายทอดสดอย่างเป็นทางการของ TRT Haber (trthaber.com/canli-yayin-izle.html)
2. คลิกไอคอนส่วนขยาย Equalang บนแถบเครื่องมือของเบราว์เซอร์ หรือไอคอนที่ฝังอยู่ในพื้นที่เล่นวิดีโอ เพื่อเปิดแผงควบคุม
3. ตั้งค่าภาษาต้นทางเป็น "ภาษาตุรกี" และภาษาปลายทางเป็น "ภาษาจีนตัวย่อ" จากนั้นเปิดสวิตช์ "การแปลสดแบบเรียลไทม์" คำบรรยายสองภาษาจะปรากฏขึ้นบนหน้าจอตัวเล่นวิดีโอทันที

เมื่อเปิดใช้งานคำบรรยายในตัวเล่นวิดีโอแล้ว ข้อความต้นฉบับและคำแปลจะปรากฏขึ้นในรูปแบบสองบรรทัดควบคู่กัน เมื่อพิจารณาถึงลักษณะทางภาษาศาสตร์ของภาษาตุรกีและจังหวะการพูดที่รวดเร็วของการรายงานข่าว ผู้ชมควรคำนึงถึงข้อสังเกตต่อไปนี้

• การรอให้จบหน่วยความหมายที่สมบูรณ์ในประโยคภาษารูปคำติดต่อที่มีกริยาอยู่ท้ายประโยค: ภาษาตุรกีสร้างความหมายด้วยการเติมปัจจัยหรือหน่วยคำต่อท้ายจำนวนมากเพื่อบอกกาล บุรุษ วาจก และการก เข้ากับรากศัพท์ และมักเรียงประโยคแบบ ประธาน-กรรม-กริยา (SOV) ซึ่งคำกริยาสำคัญจะปรากฏอยู่ที่ท้ายสุดของประโยค ระบบแปลเสียงพูดแบบสตรีมมิงจำเป็นต้องได้รับหน่วยความหมายที่สมบูรณ์ ซึ่งรวมถึงคำกริยาท้ายประโยคเสียก่อน จึงจะสามารถสร้างคำแปลที่สอดคล้องและเป็นธรรมชาติได้ ดังนั้น จึงมีจังหวะหยุดรอตามธรรมชาติเพื่อให้หน่วยความหมายจบลงก่อนที่ประโยคแปลฉบับเต็มจะปรากฏขึ้น ซึ่งเป็นไปตามรูปแบบโครงสร้างทางภาษาศาสตร์ตามปกติ
• การล็อกภาษาต้นทางเป็นภาษาตุรกี: การรายงานข่าวต่างประเทศมักมีการสอดแทรกชื่อบุคคล ชื่อสถานที่ และคำย่อจากภาษาต่างประเทศอยู่บ่อยครั้ง (รวมถึงอักษรย่อในภาษาตุรกี เช่น BM ที่หมายถึง UN, AB ที่หมายถึง EU หรือ TCG ซึ่งเป็นรหัสเรียกเรือรบ) การกำหนดภาษาต้นทางในแผงควบคุมให้ชัดเจนว่าเป็น "ภาษาตุรกี" จะช่วยป้องกันไม่ให้ระบบตรวจจับภาษาอัตโนมัติเกิดความคลาดเคลื่อนเมื่อเจอกับคำทับศัพท์หรือคำย่อจากภาษาต่างประเทศ
• การเลือกรูปแบบการจัดวางคำบรรยาย: Equalang ช่วยให้ผู้ชมสลับโหมดระหว่าง "คำบรรยายสองภาษา" และ "เฉพาะคำแปล" ได้ รวมถึงเลือกวางคำแปลไว้ด้านบนหรือด้านล่างข้อความต้นฉบับได้ตามความถนัดในการอ่านของตนเอง

ดังที่เห็นจากการทดสอบใช้งานจริงในการถ่ายทอดสด ขณะที่ผู้สื่อข่าวชาวตุรกีกำลังรายงานเกี่ยวกับโครงการขยายร่องน้ำ ระบบก็ได้สร้างคำแปลที่สอดคล้องกันขึ้นมาแบบเรียลไทม์ เนื่องจากการรายงานข่าวด่วนภาคสนามมักมีการออกเสียงแบบภาษาพูด (เช่น คำที่ระบบจับได้อย่าง genişletilicek และ açılıcak เป็นการสะกดตามเสียงอ่านในภาษาพูด) จึงอาจมีความคลาดเคลื่อนเล็กน้อยในการถอดเสียงหรือการสะกดคำ ซึ่งผู้ชมสามารถทำความเข้าใจร่วมกับบริบทและภาพเหตุการณ์บนหน้าจอได้

ขอบเขตทางเทคนิคและข้อควรพิจารณาในการใช้งานจริง

ในการใช้งานระบบแปลเสียงพูดแบบเรียลไทม์ในทางปฏิบัติ มีข้อจำกัดทางกายภาพและทางเทคนิคบางประการที่ควรทราบ ดังนี้

1. เสียงรบกวนรอบข้างที่ซับซ้อนและการพูดแทรกพร้อมกันหลายคน: ในสภาพแวดล้อมที่มีความเสถียร เช่น การอ่านข่าวของผู้ประกาศในสตูดิโอ หรือการแถลงข่าวที่มีผู้พูดเพียงคนเดียว คุณลักษณะทางเสียงจะมีความชัดเจน ทำให้การถอดเสียงและการแปลรักษาความเสถียรไว้ได้ในระดับสูง อย่างไรก็ตาม ในการรายงานข่าวด่วนกลางแจ้ง พื้นที่กู้ภัยพิบัติ หรือรายการโต้วาทีที่มีแขกรับเชิญหลายคนพูดแทรกกันอย่างดุเดือด เสียงไซเรน เสียงลม เสียงความวุ่นวายรอบข้าง และเสียงพูดที่ทับซ้อนกัน อาจรบกวนการสกัดคุณลักษณะทางสเปกตรัมของเสียงอย่างมาก ซึ่งอาจทำให้บางช่วงของการพูดมีคำตกหล่นหรือจำแนกวลีผิดพลาดได้ นับเป็นข้อจำกัดร่วมกันของเทคโนโลยีการประมวลผลสัญญาณเสียงในปัจจุบัน
2. การจัดการสิทธิดิจิทัล (DRM) กับสตรีมสาธารณะ: ในฐานะสตรีมข่าวสาธารณะที่เปิดกว้าง การถ่ายทอดสดของ TRT Haber ในปัจจุบันจึงไม่ได้มีการเข้ารหัส อย่างไรก็ตาม บนแพลตฟอร์มวิดีโอออนดีมานด์เชิงพาณิชย์ที่ได้รับการปกป้องด้วยการจัดการสิทธิดิจิทัล (DRM) ในระดับฮาร์ดแวร์ เช่น Widevine สตรีมเสียงและวิดีโอที่ถอดรหัสแล้วจะถูกส่งตรงไปยังไปป์ไลน์สื่อที่ได้รับการปกป้องด้วยฮาร์ดแวร์ ภายใต้ข้อจำกัดของมาตรฐานความปลอดภัยและสถาปัตยกรรมแซนด์บ็อกซ์ของเบราว์เซอร์สมัยใหม่ ส่วนขยายเบราว์เซอร์ทั่วไปจะไม่สามารถดึงเสียงที่ถอดรหัสแล้วเหล่านี้มาใช้ในการแปลเสียงพูดได้
3. การส่งข้อมูลผ่านเครือข่ายและการประมวลผลบนคลาวด์: การรับชมสตรีมสดข้ามประเทศเกี่ยวข้องกับการส่งสัญญาณวิดีโอจากสตูดิโอออกอากาศในตุรกี การแคชและแบ่งเซกเมนต์ผ่านโหนด CDN ตลอดจนการส่งต่อข้อมูลมายังเบราว์เซอร์ของผู้ชมทั่วโลก ซึ่งทั้งหมดนี้ล้วนขึ้นอยู่กับความหน่วงของเครือข่ายและสภาพเส้นทางการเชื่อมต่อ นอกจากนี้ Equalang ยังต้องพึ่งพาบริการคลาวด์ ดังนั้นการเชื่อมต่ออินเทอร์เน็ตที่เสถียรจึงเป็นปัจจัยพื้นฐานที่สำคัญเพื่อให้การแปลภาษาสดแบบเรียลไทม์ทำงานได้อย่างราบรื่น

แหล่งข้อมูลอ้างอิง

• หน้าถ่ายทอดสดออนไลน์อย่างเป็นทางการของ TRT Haber: https://www.trthaber.com/
• หน้าแรกอย่างเป็นทางการของส่วนขยายเบราว์เซอร์ Equalang: https://equalang.com/th/extension
• โครงการตัวเล่นวิดีโอ HTML5 แบบโอเพนซอร์ส Video.js: https://videojs.com/