ข้อความเสียงภาษาจีนเป็นภาพเคลื่อนไหว: ตรวจสอบการจดจำก่อนส่งออก

แหล่งที่มาและวิธีการ

eSpeak NG พูดสคริปต์ภาษาจีนกลางต้นฉบับ จากนั้นประมวลผลด้วยตัวจดจำ Whisper small ในตัวและตัวเรนเดอร์วิดีโอที่ใช้โดยเว็บไซต์นี้ นี่เป็นคำพูดสังเคราะห์ ไม่ใช่การบันทึกบุคคล และไม่ใช่มาตรฐานการร้องเพลง

กรณีศึกษาเหล่านี้ใช้สคริปต์ต้นฉบับ คำพูดสังเคราะห์ น้ำเสียงที่สร้างขึ้น และภาพแจ้งเตือนที่สร้างขึ้น ไม่มีการอัปโหลดของผู้ใช้ สื่อต้นทางและข้อความที่รู้จักจะคงภาษาต้นฉบับไว้เมื่อภาษาอินเทอร์เฟซเปลี่ยนไป

ดาวน์โหลดอินพุตต้นฉบับ ↓ · ดาวน์โหลดการตั้งค่า ↓ · ดาวน์โหลดข้อความต้นฉบับ ↓

เปรียบเทียบแหล่งที่มา การรับรู้ และบทวิจารณ์

ข้อความต้นฉบับ

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。

ผลการรับรู้ที่ยังไม่ได้แก้ไข

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。

ตรวจสอบผลลัพธ์แล้ว

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。

คำบรรยายที่ได้รับการตรวจสอบจะคืนค่าสคริปต์ต้นฉบับและใช้วลีที่กำหนดเวลาเท่ากันทั่วทั้งเสียง เวลาของพวกเขาเป็นเพียงการประมาณและไม่ได้บังคับให้จัดตำแหน่ง มีทั้งเอาต์พุตโมเดลที่ยังไม่ได้แก้ไขและการส่งออกที่ได้รับการตรวจสอบแล้ว เปรียบเทียบกับเสียง

ดาวน์โหลดวิดีโอพร้อมคำบรรยายที่ไม่มีการตัดต่อ ↓ · ดาวน์โหลดวิดีโอที่ได้รับการตรวจสอบแล้ว ↓

สิ่งที่ควรตรวจสอบก่อนแชร์

ในการรันครั้งนี้ แหล่งที่มา 一段 ได้รับการยอมรับว่าเป็น 一般, 检查 เป็น 天查 และ 下载 เป็น 下彩ทบทวนคำศัพท์ภาษาจีนเทียบกับการบันทึกก่อนที่จะปรับขอบเขตวลี นี่เป็นผลลัพธ์จากตัวอย่างสังเคราะห์นี้ ไม่ใช่อัตราข้อผิดพลาดสำหรับคำพูดภาษาจีน

การวัดและข้อจำกัด

Times อธิบายถึงการดำเนินการบิลด์ครั้งเดียว ไม่ใช่คำสัญญาระดับการบริการ เคสเสียงจะถูกวัดบนคอมพิวเตอร์ประกอบ OCR ของรูปภาพถูกวัดในอิมเมจการปรับใช้ Linux ไม่รวมเวลาในการอัปโหลดและคิวการประมวลผลที่ใช้ร่วมกัน

เวลาการรับรู้

6.41 s

เวลาเรนเดอร์

2.16 s

เครื่องยนต์ประมวลผล

faster-whisper small / CPU int8

นี่เป็นการสาธิตผลิตภัณฑ์ ไม่ใช่การวัดประสิทธิภาพความแม่นยำหรือคำรับรองจากลูกค้า