Řeč s hudbou na pozadí: porovnejte nezpracované a recenzované titulky

Zdroj a metoda

Stejný původní anglický skript je syntetizován s eSpeak NG pro oba vstupy. Reprodukovatelná sekvence tónů je smíchána do jedné kopie s dokumentovaným ziskem. Whisper small zpracovává obojí; nezpracované video s titulky používá smíšený záznam.

Tyto případové studie využívají originální scénáře, syntetickou řeč, generované tóny a generovaný obrázek upozornění. Neobsahují žádná uživatelská nahrávání. Zdrojová média a rozpoznaný text si při změně jazyka rozhraní zachovají svůj původní jazyk.

Stáhnout originální vstup ↓ · Nastavení stahování ↓ · Stáhnout zdrojový text ↓

Porovnejte zdroj, rozpoznání a recenzi

Zdrojový text

Welcome to Field Notes.
Today Maya explains how a short recording becomes a captioned video.
Check the name Audiosubvideo, the number twenty seven, and the pause between sentences.
Review the words before you export your clip.

Rozpoznání od čistého zvuku

Welcome to Field Notes.
Today my rec explains how a short
recording becomes a captioned
video.
Check the name of the sub -video,
the number 27,
and the pause between sentences.
Review the words before you export
your clip.

Stáhněte si čistý zvuk ↓ · Stáhněte si čisté rozpoznávání zvuku ↓

Neupravený výsledek rozpoznání

Welcome to Field Notes.
Today my rec explains how a short
recording becomes a captioned
video.
Check the name of the sub -video,
the number 27,
and the pause between sentences.
Renew the words before you export
your clip.

Revidovaný výsledek

Welcome to Field Notes.
Today Maya explains how a short recording becomes a captioned video.
Check the name Audiosubvideo, the number twenty seven, and the pause between sentences.
Review the words before you export your clip.

Recenzovaná verze používá původní scénář s rovnoměrně načasovanými hranicemi vět. Opravuje text, ale nestanoví přesnost časování na úrovni slov. Hudba zůstává ve výstupu; tento pracovní postup neprovádí oddělení vokálů ani odstranění šumu.

Stáhněte si video s neupravenými titulky ↓ · Stáhnout recenzované video ↓

Co zkontrolovat před sdílením

Oba provozují nesprávně rozpoznanou Maya a Audiosubvideo. Čistá nahrávka zachovala Review, zatímco smíšená nahrávka produkovala Renew. Oba převedli dvacet sedm na 27. Toto jedno kontrolované syntetické srovnání nestanoví obecnou přesnost ani neizoluje každou příčinu chyby.

Měření a omezení

Časy popisují jedno spuštění sestavení, nikoli příslib úrovně služeb. Audio pouzdra se měří na sestavení počítače; Image OCR se měří v obrazu nasazení Linuxu. Doba nahrávání a sdílená fronta zpracování jsou vyloučeny.

Čas rozpoznání

3.98 s

Doba vykreslení

2.58 s

Zpracování motoru

faster-whisper small / CPU int8

Toto je ukázka produktu, nikoli měřítko přesnosti nebo doporučení zákazníka.