Discours avec musique de fond : comparez les sous-titres bruts et révisés

Origine et méthode

Le même script anglais original est synthétisé avec eSpeak NG pour les deux entrées. Une séquence de tonalités reproductibles est mélangée en une seule copie avec un gain documenté. Whisper small traite les deux ; la vidéo avec sous-titres bruts utilise l'enregistrement mixte.

Ces études de cas utilisent des scripts originaux, un discours synthétique, des tonalités générées et une image de notification générée. Ils ne contiennent aucun téléchargement d'utilisateur. Les médias sources et le texte reconnu conservent leur langue d'origine lorsque la langue de l'interface change.

Télécharger la contribution originale ↓ · Paramètres de téléchargement ↓ · Télécharger le texte source ↓

Comparez la source, la reconnaissance et l'examen

Texte source

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.

Reconnaissance à partir de l'audio clair

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.

Téléchargez un son propre ↓ · Télécharger la reconnaissance audio propre ↓

Résultat de reconnaissance non édité

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.

Résultat révisé

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.

La version révisée utilise le script original avec des limites de phrases uniformément chronométrées. Il corrige le texte, mais n'établit pas de précision temporelle au niveau des mots. La musique reste dans la sortie ; ce flux de travail n'effectue pas de séparation vocale ni de suppression du bruit.

Télécharger la vidéo avec des sous-titres non édités ↓ · Télécharger la vidéo révisée ↓

Que vérifier avant de partager

Les deux versions ont mal reconnu Maya et Audiosubvideo. L'enregistrement propre a préservé Review, tandis que l'enregistrement mixte a produit Renew. Tous deux ont converti vingt-sept en 27. Cette comparaison synthétique contrôlée n’établit pas une précision générale ni n’isole toutes les causes d’une erreur.

Mesure et limites

Les temps décrivent une seule exécution de build, et non une promesse de niveau de service. Les cas audio sont mesurés sur l'ordinateur de construction ; L'OCR de l'image est mesurée dans l'image de déploiement Linux. Le temps de téléchargement et la file d'attente de traitement partagée sont exclus.

Temps de reconnaissance

3.98 s

Temps de rendu

2.58 s

Moteur de traitement

faster-whisper small / CPU int8

Il s'agit d'une démonstration de produit, et non d'un test de précision ou d'un témoignage client.