Chinesische Stimme zu animiertem Text: Überprüfen Sie die Erkennung vor dem Export

Quelle und Methode

Ein originales Mandarin-Skript wurde von eSpeak NG gesprochen und dann mit demselben lokalen Whisper small-Erkenner und Video-Renderer verarbeitet, der von dieser Website verwendet wird. Hierbei handelt es sich um synthetische Sprache, nicht um die Aufnahme einer Person und nicht um einen Gesangsmaßstab.

Diese Fallstudien verwenden Originalskripte, synthetische Sprache, generierte Töne und ein generiertes Hinweisbild. Sie enthalten keine Benutzer-Uploads. Quellmedien und erkannter Text behalten ihre Originalsprache, wenn sich die Sprache der Benutzeroberfläche ändert.

Originaleingabe herunterladen ↓ · Laden Sie die Einstellungen herunter ↓ · Quelltext herunterladen ↓

Vergleichen Sie Quelle, Anerkennung und Rezension

Quelltext

今天我们用一段中文录音制作文字动画。
先检查识别结果。
再调整字幕的出现时间。
最后下载视频，分享你的故事。

Unbearbeitetes Erkennungsergebnis

今天我们用一般中文录音制作文
字动画,
先天查识别结果,
再调整字幕的出现时间,
最后下彩视频,
分享你的故事。

Überprüftes Ergebnis

今天我们用一段中文录音制作文字动画。
先检查识别结果。
再调整字幕的出现时间。
最后下载视频，分享你的故事。

Die überprüften Untertitel stellen das Originalskript wieder her und verwenden gleichmäßig getaktete Phrasen im gesamten Audio. Ihr Timing ist ungefähr und stellt keine erzwungene Ausrichtung dar. Sowohl die unbearbeitete Modellausgabe als auch der überprüfte Export sind verfügbar; Vergleichen Sie sie mit dem Klang.

Laden Sie das Video mit unbearbeiteten Untertiteln herunter ↓ · Laden Sie das rezensierte Video herunter ↓

Was Sie vor dem Teilen überprüfen sollten

In diesem Lauf wurde die Quelle 一段 als 一般, 检查 als 天查 und 下载 als 下彩 erkannt. Vergleichen Sie die chinesischen Wörter mit der Aufnahme, bevor Sie die Phrasengrenzen anpassen. Dabei handelt es sich um Ergebnisse dieser synthetischen Stichprobe, nicht um eine Fehlerquote für die chinesische Sprache.

Messung und Einschränkungen

Die Zeiten beschreiben einen einzelnen Build-Lauf, kein Service-Level-Versprechen. Audiogehäuse werden auf dem Baucomputer gemessen; Die Bild-OCR wird im Linux-Bereitstellungsbild gemessen. Upload-Zeit und die gemeinsame Verarbeitungswarteschlange sind ausgeschlossen.

Erkennungszeit

6.41 s

Renderzeit

2.16 s

Verarbeitungsmaschine

faster-whisper small / CPU int8

Dies ist eine Produktdemonstration, kein Genauigkeitsmaßstab oder Kundenbericht.