قابلیت لایو کپشن چیست؟ آموزش فعال‌سازی Live Caption

لایو کپشن یک فناوری پیشرفته مبتنی بر هوش مصنوعی و یادگیری ماشینی است که به صورت خودکار و در لحظه، هر محتوای صوتی در حال پخش از دستگاه شما را به متن تبدیل می‌کند. این قابلیت برای افراد کم‌شنوا، کسانی که در محیط‌های شلوغ هستند یا افرادی که می‌خواهند ویدیوها را بدون صدا تماشا کنند، حیاتی است. برخلاف زیرنویس‌های سنتی که از قبل آماده می‌شوند، لایو کپشن مستقیماً روی سیگنال‌های صوتی خروجی دستگاه کار کرده و حتی برای ویدیوهای شخصی یا تماس‌های تصویری نیز متن تولید می‌کند.

در حال حاضر، لایو کپشن دیگر منحصر به گوشی‌های پیکسل نیست. این ویژگی در اکثر گوشی‌های اندرویدی با نسخه ۱۰ به بالا (شامل سامسونگ سری S و A، شیائومی و وان‌پلاس)، سیستم‌عامل ویندوز ۱۱ (نسخه 22H2 و جدیدتر) و همچنین در مرورگر گوگل کروم برای دسکتاپ در دسترس است. در گوشی‌های سامسونگ، این قابلیت در بخش Accessibility و در ویندوز ۱۱ از طریق تنظیمات Captions قابل فعال‌سازی است که گستره وسیعی از کاربران را پوشش می‌دهد.

تفاوت اصلی در منبع تولید و زمان‌بندی است. زیرنویس‌های معمولی توسط انسان یا سیستم‌های ابری از قبل آماده و در فایل ویدیو جاسازی می‌شوند. اما لایو کپشن کاملاً پویا است و توسط پردازنده دستگاه شما در همان لحظه شنیدن صدا تولید می‌شود. این یعنی لایو کپشن می‌تواند برای پادکست‌ها، پیام‌های صوتی تلگرام، تماس‌های زنده و حتی ویدیوهایی که هیچ زیرنویسی ندارند، متن تولید کند، در حالی که زیرنویس معمولی فقط برای فایل‌های از پیش آماده شده کاربرد دارد.

بله، در نسخه‌های جدید اندروید (به‌ویژه اندروید ۱۲ به بعد) و در گوشی‌های گوگل پیکسل ۶ و مدل‌های بالاتر، قابلیت Live Caption for Calls اضافه شده است. این ویژگی به کاربران اجازه می‌دهد تا در حین تماس تلفنی، گفته‌های طرف مقابل را به صورت متن روی صفحه ببینند. این یک انقلاب برای افراد ناشنوا محسوب می‌شود، زیرا آن‌ها می‌توانند بدون نیاز به واسطه، محتوای تماس را درک کرده و حتی با تایپ کردن پاسخ، از سیستم بخواهند متن را برای طرف مقابل بخواند.

خیر، یکی از بزرگترین مزایای لایو کپشن، عملکرد آفلاین آن است. پس از اینکه بسته‌ی زبان مورد نظر (مثلاً انگلیسی یا فرانسوی) را برای اولین بار دانلود کردید، تمام فرآیند تبدیل گفتار به متن به صورت محلی (On-device) روی پردازنده گوشی یا کامپیوتر شما انجام می‌شود. این موضوع نه تنها باعث افزایش سرعت و کاهش تاخیر در نمایش متن می‌شود، بلکه به شما اجازه می‌دهد در هواپیما یا نقاط بدون دسترسی به شبکه نیز از این قابلیت استفاده کنید.

بله، لایو کپشن به عنوان یک لایه سیستمی عمل می‌کند و به اپلیکیشن خاصی وابسته نیست. وقتی این قابلیت را در تنظیمات اندروید یا ویندوز فعال کنید، هر صدایی که از اسپیکر دستگاه خارج شود (شامل استوری‌های اینستاگرام، ویدیوهای تیک‌تاک، یوتیوب و حتی ویدیوهای داخل گالری)، توسط هوش مصنوعی شناسایی شده و متن آن در یک پنجره شناور کوچک روی همان اپلیکیشن نمایش داده می‌شود که تجربه‌ای یکپارچه را رقم می‌زند.

در ابتدا لایو کپشن فقط از زبان انگلیسی پشتیبانی می‌کرد، اما اکنون لیست زبان‌ها به شدت گسترش یافته است. در حال حاضر زبان‌های انگلیسی، فرانسوی، آلمانی، ایتالیایی، ژاپنی، اسپانیایی، هندی، کره‌ای و پرتغالی به طور کامل پشتیبانی می‌شوند. گوگل و مایکروسافت به طور مداوم در حال اضافه کردن زبان‌های جدید هستند. اگرچه زبان فارسی هنوز به دقت زبان‌های اصلی نرسیده، اما در نسخه‌های آزمایشی برخی مدل‌های هوش مصنوعی، پیشرفت‌های چشمگیری برای پشتیبانی از زبان‌های خاورمیانه دیده می‌شود.

لایو کپشن برای تشخیص گفتار طراحی شده است و در مواجهه با موسیقی، عملکرد متفاوتی دارد. اگر صدای خواننده واضح باشد، سیستم سعی می‌کند کلمات را استخراج کند، اما معمولاً در کنار متن، علائمی مثل آیکون موسیقی (♪) را نمایش می‌دهد تا به کاربر بفهماند محتوای در حال پخش موسیقی است. با این حال، هدف اصلی این ابزار انتقال مفاهیم گفتاری است و برای نمایش دقیق متن ترانه‌ها، استفاده از اپلیکیشن‌های تخصصی مثل Spotify یا Musixmatch توصیه می‌شود.

برای فعال‌سازی در اندروید، ابتدا به تنظیمات (Settings) بروید و عبارت Live Caption را جستجو کنید یا به بخش Accessibility بروید. در آنجا گزینه‌ی Live Caption را روشن کنید. همچنین در بسیاری از گوشی‌ها، با فشردن دکمه‌های تغییر صدا (Volume)، یک آیکون کوچک مربع شکل در زیر نوار صدا ظاهر می‌شود که با لمس آن می‌توانید به سرعت این قابلیت را روشن یا خاموش کنید. پس از فعال‌سازی، اولین بار ممکن است نیاز به دانلود یک فایل دیتای کم‌حجم باشد.

در ویندوز ۱۱، کلیدهای ترکیبی Win + Ctrl + L سریع‌ترین راه برای فعال‌سازی است. همچنین می‌توانید به Settings بروید، بخش Accessibility را انتخاب کرده و روی Captions کلیک کنید. در اینجا دکمه Live Captions را روشن کنید. ویندوز از شما می‌خواهد که بسته زبان مورد نظر را دانلود کنید. پس از نصب، یک نوار در بالا یا پایین صفحه ظاهر می‌شود که تمام صداهای سیستم، از جلسات زوم گرفته تا ویدیوهای مرورگر را به صورت متنی نمایش می‌دهد.

در اندروید، با رفتن به تنظیمات Live Caption و انتخاب گزینه Caption Style، می‌توانید اندازه فونت، رنگ متن و شفافیت پس‌زمینه کادر را تغییر دهید. در ویندوز ۱۱ نیز در بخش Accessibility > Captions، گزینه‌ای به نام Caption Style وجود دارد که اجازه می‌دهد استایل‌های مختلفی بسازید؛ مثلاً متن زرد روی پس‌زمینه مشکی برای خوانایی بیشتر. این شخصی‌سازی برای افرادی که مشکلات بینایی دارند یا می‌خواهند کادر متن مزاحم محتوای اصلی نشود، بسیار کاربردی است.

بله، کادر لایو کپشن کاملاً شناور طراحی شده است. در گوشی‌های هوشمند، شما می‌توانید با نگه داشتن انگشت روی کادر متن، آن را به بالا یا پایین صفحه بکشید تا جلوی دکمه‌های مهم یا زیرنویس‌های خود ویدیو را نگیرد. در ویندوز ۱۱ نیز می‌توانید نوار کپشن را در بالای صفحه، پایین صفحه یا به صورت یک پنجره شناور در هر جای دسکتاپ قرار دهید. همچنین با دو بار ضربه روی کادر در اندروید، می‌توانید اندازه آن را بزرگتر کنید تا متن بیشتری نمایش داده شود.

گوگل و مایکروسافت گزینه‌ای برای حفظ ادب در خروجی متن قرار داده‌اند. در تنظیمات لایو کپشن، گزینه‌ای به نام Hide Profanity وجود دارد. با فعال کردن این گزینه، اگر در محتوای صوتی کلمات رکیک یا نامناسبی به کار برده شود، سیستم به صورت خودکار آن‌ها را تشخیص داده و با علامت ستاره (*) جایگزین می‌کند. این ویژگی برای والدینی که می‌خواهند دستگاه را در اختیار کودکان قرار دهند یا در محیط‌های رسمی از این قابلیت استفاده کنند، بسیار مفید است.

این قابلیت مخصوص تماس‌های تلفنی در گوشی‌های پیکسل و برخی مدل‌های سامسونگ است. وقتی لایو کپشن در حین تماس فعال است، شما می‌توانید روی آیکون کیبورد ضربه بزنید و پاسخ خود را تایپ کنید. هوش مصنوعی گوگل متن شما را با صدایی طبیعی برای فرد پشت خط می‌خواند. این ویژگی برای افرادی که توانایی تکلم ندارند یا در موقعیتی هستند که نمی‌توانند صحبت کنند (مثل جلسات)، اجازه می‌دهد بدون قطع تماس، به صورت متنی با طرف مقابل ارتباط برقرار کنند.

در تنظیمات لایو کپشن، بخشی به نام Languages یا Add Languages وجود دارد. شما باید ابتدا زبان‌های مورد نظر خود را دانلود کنید. پس از دانلود، در هنگام نمایش کپشن روی صفحه، با ضربه زدن روی کادر متن (در اندروید) یا منوی تنظیمات نوار کپشن (در ویندوز)، لیستی از زبان‌های نصب شده ظاهر می‌شود. شما می‌توانید زبان فعال را انتخاب کنید. در نسخه‌های جدید، سیستم به صورت خودکار زبان در حال پخش را تشخیص داده و پیشنهاد تغییر زبان را به شما می‌دهد.

در اکثر نسخه‌های استاندارد اندروید، امکان کپی مستقیم متن از کادر لایو کپشن به دلیل مسائل امنیتی و کپی‌رایت وجود ندارد. اما در ویندوز ۱۱، برخی ابزارهای جانبی و تنظیمات پیشرفته اجازه می‌دهند تاریخچه کپشن‌ها را مشاهده کنید. با این حال، اگر هدف شما یادداشت‌برداری از جلسات است، گوگل اپلیکیشن Recorder را پیشنهاد می‌دهد که عملکردی مشابه لایو کپشن دارد اما قابلیت ذخیره متن و جستجو در آن را به صورت کامل در اختیار کاربر قرار می‌دهد.

برای فعال‌سازی در کروم، به Settings بروید، سپس از منوی سمت چپ گزینه Accessibility را انتخاب کنید. در اینجا سوئیچ Live Caption را روشن کنید. مرورگر بلافاصله شروع به دانلود فایل‌های تشخیص گفتار می‌کند. پس از آن، هر ویدیویی که در هر سایتی (حتی سایت‌های پخش فیلم آنلاین) باز کنید، یک باکس مشکی کوچک در پایین مرورگر ظاهر شده و متن صدا را نمایش می‌دهد. این قابلیت مستقل از سیستم‌عامل عمل کرده و روی ویندوز، مک و لینوکس در دسترس است.

لایو کپشن از مدل‌های عمیق عصبی (Deep Neural Networks) برای پردازش سیگنال‌های صوتی استفاده می‌کند. این سیستم شامل سه بخش اصلی است: یک مدل تشخیص گفتار (ASR) که صدا را به واج‌ها تبدیل می‌کند، یک مدل زبانی که واژگان صحیح را حدس می‌زند و یک مدل نقطه‌گذاری که جملات را مرتب می‌کند. در سال ۲۰۲۴، این مدل‌ها به قدری بهینه شده‌اند که می‌توانند روی تراشه‌های موبایل با توان مصرفی بسیار پایین اجرا شوند و دقت آن‌ها در محیط‌های نویزی به بالای ۹۰ درصد رسیده است.

از آنجایی که لایو کپشن از پردازش مداوم CPU و واحد پردازش عصبی (NPU) استفاده می‌کند، مصرف باتری را نسبت به حالت عادی حدود ۵ تا ۱۰ درصد افزایش می‌دهد. با این حال، در گوشی‌های جدیدتر که دارای تراشه‌های اختصاصی هوش مصنوعی (مثل Google Tensor یا Snapdragon 8 Gen series) هستند، این پردازش به بخش‌های بهینه تراشه منتقل شده و تاثیر آن بر عمر باتری بسیار ناچیز است. برای صرفه‌جویی، توصیه می‌شود فقط در مواقع نیاز آن را روشن کنید.

برای اجرای روان لایو کپشن در ویندوز ۱۱، سیستم شما باید حداقل دارای پردازنده‌ای با فرکانس ۱ گیگاهرتز و ۲ هسته (نسل ۸ اینتل به بعد یا AMD Ryzen 2000 به بعد) و ۴ گیگابایت رم باشد. با این حال، مایکروسافت این ویژگی را برای پردازنده‌های ARM (مثل سری Snapdragon X Elite) بهینه‌تر کرده است. همچنین باید نسخه ویندوز شما حداقل ۲۲H2 باشد. در سیستم‌های قدیمی‌تر، ممکن است بین صدا و نمایش متن تاخیر (Latency) محسوسی مشاهده شود.

دقت لایو کپشن در سال ۲۰۲۴ به لطف آموزش روی میلیاردها ساعت داده صوتی، بسیار بالا رفته است. برای لهجه‌های استاندارد انگلیسی (آمریکایی و بریتانیایی)، دقت نزدیک به ۹۵ درصد است. با این حال، در مواجهه با لهجه‌های غلیظ محلی یا اصطلاحات تخصصی پزشکی و مهندسی، ممکن است دچار خطا شود. مدل‌های جدید لایو کپشن از کانتکست (Context) یا متن پیش‌زمینه استفاده می‌کنند تا کلمات مشابه (مثل Their و There) را بر اساس ساختار جمله به درستی تشخیص دهند.

تاخیر در لایو کپشن معمولاً به دو عامل بستگی دارد: قدرت پردازشی دستگاه و پیچیدگی صدا. اگر پردازنده دستگاه درگیر فعالیت‌های سنگین دیگر باشد، اولویت‌بندی پردازش صدا ممکن است دچار وقفه شود. همچنین، سیستم برای تشخیص درست کلمات، نیاز دارد چند میلی‌ثانیه از صدای آینده را بافر کند تا بتواند بر اساس کل جمله، بهترین کلمه را انتخاب کند. در دستگاه‌های مدرن، این تاخیر معمولاً کمتر از ۲۵۰ میلی‌ثانیه است که برای چشم انسان تقریباً آنی به نظر می‌رسد.

در حال حاضر، لایو کپشن استاندارد اندروید و ویندوز تمام صداها را به صورت یک جریان متنی واحد نمایش می‌دهد و قابلیت تفکیک گویندگان (Speaker Diarization) به صورت پیشرفته را ندارد. یعنی مشخص نمی‌کند که کدام جمله را شخص A و کدام را شخص B گفته است. با این حال، با استفاده از علائم نگارشی و ایجاد فاصله در متن، سعی می‌کند تغییر لحن یا مکث‌ها را نشان دهد. انتظار می‌رود در آپدیت‌های ۲۰۲۵، تفکیک گویندگان بر اساس تن صدا به این قابلیت اضافه شود.

تراشه‌های Tensor گوگل (موجود در پیکسل ۶ به بعد) دارای واحد اختصاصی TPU برای هوش مصنوعی هستند. در این گوشی‌ها، لایو کپشن بسیار سریع‌تر عمل کرده، مصرف باتری کمتری دارد و قابلیت‌های انحصاری مثل ترجمه همزمان (Live Translate) را ارائه می‌دهد. در حالی که در سایر تراشه‌ها، این بار بر دوش CPU یا GPU معمولی است. گوگل از مدل‌های زبانی کوچک‌شده (Small Language Models) اختصاصی خود در تنسور استفاده می‌کند که دقت را در حالت آفلاین به طرز چشمگیری افزایش می‌دهد.

بله، یکی از بخش‌های فنی لایو کپشن، ماژول حذف نویز (Noise Suppression) است. این سیستم قبل از تبدیل صدا به متن، فرکانس‌های مزاحم مثل صدای باد، ترافیک یا خش‌خش را فیلتر می‌کند تا تمرکز روی فرکانس‌های گفتاری انسان باقی بماند. به همین دلیل است که لایو کپشن حتی در ویدیوهایی که در محیط‌های شلوغ ضبط شده‌اند، عملکرد نسبتاً خوبی دارد. اما اگر نویز به قدری زیاد باشد که صدای انسان قابل تشخیص نباشد، سیستم عبارت [Music] یا [Audio] را نمایش می‌دهد.

خیر، قابلیت لایو کپشن در اندروید، ویندوز ۱۱ و گوگل کروم کاملاً رایگان است. این ویژگی به عنوان بخشی از ابزارهای دسترسی‌پذیری (Accessibility) توسط گوگل و مایکروسافت توسعه یافته و هیچ هزینه اشتراک ماهیانه یا خرید درون‌برنامه‌ای برای عملکردهای اصلی آن وجود ندارد. تمام آپدیت‌های زبانی و بهبودهای هوش مصنوعی نیز به صورت رایگان در قالب به‌روزرسانی‌های سیستم‌عامل در اختیار کاربران قرار می‌گیرند.

بسته‌های زبانی لایو کپشن به گونه‌ای بهینه شده‌اند که حجم کمی داشته باشند. به طور معمول، هر بسته زبانی (مانند انگلیسی یا اسپانیایی) بین ۴۰ تا ۸۰ مگابایت حجم دارد. این دانلود فقط یک بار انجام می‌شود و پس از آن تمام فرآیندها آفلاین خواهد بود. بنابراین، مصرف دیتای اینترنت شما فقط محدود به همین دانلود اولیه است و در هنگام استفاده روزمره، هیچ حجمی از اینترنت شما کسر نخواهد شد.

خیر، لایو کپشن یک پردازش نرم‌افزاری روی گوشی شماست و هیچ ارتباطی با اپراتور مخابراتی ندارد. این قابلیت از سیگنال صوتی تماس که قبلاً برقرار شده استفاده می‌کند. بنابراین، چه تماس شما داخلی باشد و چه بین‌المللی، فعال بودن لایو کپشن هیچ هزینه اضافه‌ای به تعرفه تماس شما اضافه نمی‌کند. تنها هزینه شما همان تعرفه عادی تماس صوتی است که توسط اپراتور (همراه اول، ایرانسل و غیره) محاسبه می‌شود.

در سطح سیستم‌عامل، خیر. اما شرکت‌هایی مثل گوگل و مایکروسافت ابزارهای مشابهی در پلتفرم‌های تجاری خود (مثل Google Workspace یا Microsoft Teams) دارند که ممکن است بخشی از اشتراک پولی آن‌ها باشد. مثلاً در تیمز، قابلیت ضبط و ترنسکریپت کامل جلسات با تفکیک گوینده جزو ویژگی‌های تجاری است. اما قابلیت لایو کپشن که روی ویندوز یا اندروید برای عموم کاربران فعال است، هیچ نسخه پولی یا محدودیتی در زمان استفاده ندارد.

سرویس‌های تایپ دستی یا اپلیکیشن‌های شخص ثالث مثل Otter.ai معمولاً هزینه‌های سنگینی دارند (مثلاً ۱۰ تا ۲۰ دلار در ماه) و اغلب محدودیت زمانی برای تبدیل صدا به متن اعمال می‌کنند. در مقابل، لایو کپشن کاملاً رایگان است و هیچ محدودیتی در ساعت استفاده ندارد. اگرچه دقت لایو کپشن ممکن است در موارد بسیار تخصصی کمتر از یک تایپیست انسانی باشد، اما برای استفاده روزمره و عمومی، صرفه اقتصادی آن بی‌نظیر است.

خیر، لایو کپشن سیستمی هیچ دیتای اضافه‌ای از سرورهای یوتیوب دریافت نمی‌کند. این قابلیت صدای در حال پخش را از خروجی کارت صدای گوشی یا کامپیوتر شما می‌گیرد و پردازش می‌کند. در واقع، حتی اگر ویدیوی یوتیوب را با کیفیت پایین (144p) تماشا کنید تا حجم کمتری مصرف شود، لایو کپشن با همان دقت همیشگی کار خود را انجام می‌دهد، زیرا به کیفیت تصویر وابسته نیست و فقط به سیگنال صوتی نیاز دارد.

خیر، لایو کپشن در تمام نسخه‌های ویندوز ۱۱ (Home, Pro, Enterprise) که آپدیت‌های لازم را دریافت کرده باشند، به صورت پیش‌فرض موجود است. نیازی به خرید لایسنس جداگانه یا ارتقای نسخه ویندوز نیست. فقط کافی است ویندوز شما به اینترنت متصل باشد تا بتواند فایل‌های مدل هوش مصنوعی مربوط به زبان انتخابی شما را برای اولین بار از سرورهای مایکروسافت دریافت کند.

تاثیر لایو کپشن بر مصرف برق لپ‌تاپ بسیار ناچیز است. در تست‌های انجام شده، فعال بودن دائم لایو کپشن در ویندوز ۱۱ تنها حدود ۱ تا ۳ درصد از توان پردازشی کل را اشغال می‌کند. این میزان مصرف در مقایسه با روشنایی صفحه نمایش یا فعالیت مرورگر بسیار کم است. بنابراین، کاربران لپ‌تاپ می‌توانند بدون نگرانی از تمام شدن سریع شارژ باتری، در تمام طول روز از این قابلیت برای جلسات و ویدیوهای خود استفاده کنند.

خیر، لایو کپشن با تمرکز ویژه بر حریم خصوصی طراحی شده است. تمام فرآیندهای پردازش صدا و تبدیل آن به متن به صورت محلی (On-device) روی دستگاه شما انجام می‌شود. این بدان معناست که هیچ فایل صوتی، صدای ضبط شده یا متن تولید شده‌ای به سرورهای گوگل، مایکروسافت یا هیچ شخص ثالثی ارسال نمی‌شود. در واقع، حتی اگر اینترنت شما کاملاً قطع باشد، این قابلیت همچنان کار می‌کند که تضمین‌کننده امنیت اطلاعات شخصی و تماس‌های شماست.

لایو کپشن به خودی خود یک ابزار ضبط صدا نیست و متنی که نمایش می‌دهد معمولاً ذخیره نمی‌شود. با این حال، در برخی کشورها و ایالت‌ها، تبدیل گفتار به متن در حین تماس ممکن است نوعی 'شنود' یا 'ثبت محتوا' تلقی شود. اگر از ابزارهای جانبی برای ذخیره متن لایو کپشن استفاده می‌کنید، طبق قوانین بسیاری از کشورها (از جمله ایران و قوانین GDPR اروپا)، باید طرف مقابل را از این موضوع مطلع کنید تا از نظر حقوقی دچار مشکل نشوید.

به طور کلی، متن‌های تولید شده توسط هوش مصنوعی به دلیل احتمال خطا در تشخیص کلمات (AI Hallucination)، به تنهایی به عنوان مدرک قطعی در دادگاه‌ها پذیرفته نمی‌شوند. لایو کپشن ممکن است کلمات را اشتباه متوجه شود یا نقطه‌گذاری نادرستی انجام دهد که معنای جمله را عوض کند. برای استفاده قانونی، معمولاً نیاز به فایل صوتی اصلی و تاییدیه یک کارشناس رسمی دادگستری برای تطبیق صدا با متن است.

لایو کپشن به عنوان یک ابزار دسترسی‌پذیری (Accessibility Tool) شناخته می‌شود و استفاده از آن برای درک محتوا توسط کاربر نهایی، نقض کپی‌رایت محسوب نمی‌شود. اما اگر کسی از متن تولید شده توسط لایو کپشن برای بازنشر محتوای یک فیلم یا اثر دارای کپی‌رایت بدون اجازه صاحب اثر استفاده کند، این کار می‌تواند مصداق نقض حقوق مولف باشد. در واقع، ابزار قانونی است، اما نحوه استفاده از خروجی آن باید مطابق قوانین مالکیت معنوی باشد.

در تنظیمات پیش‌فرض، خیر. به دلیل پردازش آفلاین، آن‌ها دسترسی به داده‌های لحظه‌ای شما ندارند. با این حال، در برخی نسخه‌ها گزینه‌ای اختیاری به نام 'Help improve Live Caption' وجود دارد که اگر کاربر آن را فعال کند، نمونه‌های ناشناس و بسیار کوتاهی از خطاها برای بهبود مدل‌های یادگیری ماشینی ارسال می‌شود. برای امنیت حداکثری، توصیه می‌شود این گزینه را در بخش تنظیمات حریم خصوصی غیرفعال نگه دارید.

مسئولیت کامل بر عهده کاربر است. در توافق‌نامه استفاده از این سرویس‌ها (EULA) ذکر شده است که لایو کپشن نباید در موقعیت‌های پرخطر، اورژانس‌های پزشکی یا جلسات حقوقی حساس که دقت ۱۰۰ درصدی حیاتی است، به عنوان تنها منبع مورد استناد قرار گیرد. تولیدکنندگان نرم‌افزار هیچ مسئولیتی در قبال خسارات ناشی از تفسیر اشتباه متن‌های تولید شده توسط هوش مصنوعی بر عهده نمی‌گیرند.

در سیستم‌عامل اندروید و ویندوز، لایو کپشن در یک محیط ایزوله (Sandbox) اجرا می‌شود. این یعنی اپلیکیشن‌های مخرب یا ثالثی که روی گوشی نصب کرده‌اید، اجازه دسترسی به محتوای متنی که روی صفحه نمایش داده می‌شود را ندارند. این لایه امنیتی مانع از آن می‌شود که اطلاعات حساس (مثل رمز عبورهایی که ممکن است در یک ویدیو گفته شود) توسط برنامه‌های دیگر سرقت شود. سیستم‌عامل از این داده‌ها در برابر دسترسی‌های غیرمجاز محافظت می‌کند.

بله، به دلیل پردازش On-device، لایو کپشن یکی از ایمن‌ترین ابزارها برای جلسات محرمانه است. برخلاف سرویس‌های ابری مثل Zoom Transcribe که صدا را به سرورهای ابری می‌فرستند، لایو کپشن ویندوز یا اندروید همه چیز را داخل دستگاه نگه می‌دارد. با این حال، سازمان‌های دارای پروتکل‌های امنیتی فوق‌سری باید اطمینان حاصل کنند که قابلیت 'ارسال گزارش خطا' غیرفعال باشد تا هیچ متنی تحت هیچ شرایطی از شبکه داخلی خارج نشود.