배경 음악이 포함된 음성: 원시 캡션과 검토된 캡션 비교

소스 및 방법

두 입력 모두에 대해 동일한 원본 영어 스크립트가 eSpeak NG로 합성됩니다. 재현 가능한 톤 시퀀스는 문서화된 이득으로 하나의 복사본으로 혼합됩니다. Whisper small은 둘 다 처리합니다. 원시 캡션 비디오는 혼합 녹음을 사용합니다.

이러한 사례 연구에서는 원본 스크립트, 합성 음성, 생성된 톤 및 생성된 알림 이미지를 사용합니다. 여기에는 사용자 업로드가 포함되어 있지 않습니다. 소스 미디어와 인식된 텍스트는 인터페이스 언어가 변경되어도 원래 언어를 유지합니다.

원본 입력 다운로드 ↓ · 다운로드 설정 ↓ · 원본 텍스트 다운로드 ↓

출처, 인지도, 리뷰 비교

소스 텍스트

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.

깨끗한 오디오로 인식

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.

깨끗한 오디오 다운로드 ↓ · 깨끗한 오디오 인식 다운로드 ↓

수정되지 않은 인식 결과

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.

검토 결과

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.

검토된 버전은 균등한 시간의 문장 경계가 있는 원본 스크립트를 사용합니다. 텍스트를 수정하지만 단어 수준의 타이밍 정확도를 설정하지는 않습니다. 음악은 출력에 남아 있습니다. 이 워크플로우는 음성 분리 또는 노이즈 제거를 수행하지 않습니다.

편집되지 않은 캡션이 포함된 비디오 다운로드 ↓ · 검토된 비디오 다운로드 ↓

공유하기 전에 확인해야 할 사항

두 실행 모두 Maya와 Audiosubvideo를 잘못 인식했습니다. 클린 녹음은 Review를 유지한 반면 혼합 녹음은 Renew를 생성했습니다. 둘 다 27을 27로 변환했습니다. 이 통제된 합성 비교는 일반적인 정확성을 확립하거나 오류의 모든 원인을 분리하지 않습니다.

측정 및 제한 사항

시간은 서비스 수준 약속이 아닌 단일 빌드 실행을 설명합니다. 오디오 케이스는 빌드 컴퓨터에서 측정됩니다. image OCR은 Linux 배포 이미지에서 측정됩니다. 업로드 시간과 공유 처리 대기열은 제외됩니다.

인식 시간

3.98 s

렌더링 시간

2.58 s

처리 엔진

faster-whisper small / CPU int8

이는 정확도 벤치마크나 고객 사용후기가 아닌 제품 시연입니다.