Giọng nói tiếng Trung thành văn bản hoạt hình: kiểm tra việc nhận dạng trước khi xuất

Nguồn và phương pháp

Tập lệnh tiếng Quan thoại gốc được eSpeak NG nói, sau đó được xử lý bằng cùng trình nhận dạng Whisper small cục bộ và trình kết xuất video được trang web này sử dụng. Đây là lời nói tổng hợp, không phải bản ghi âm của một người và không phải là chuẩn mực về giọng hát.

Những nghiên cứu điển hình này sử dụng chữ viết gốc, giọng nói tổng hợp, âm thanh được tạo ra và hình ảnh thông báo được tạo ra. Chúng không chứa nội dung tải lên của người dùng. Phương tiện nguồn và văn bản được nhận dạng sẽ giữ nguyên ngôn ngữ gốc khi ngôn ngữ giao diện thay đổi.

Tải xuống đầu vào gốc ↓ · Tải xuống cài đặt ↓ · Tải xuống văn bản nguồn ↓

So sánh nguồn, ghi nhận và đánh giá

Văn bản nguồn

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。

Kết quả nhận dạng chưa chỉnh sửa

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。

Kết quả được đánh giá

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。

Phụ đề đã xem xét sẽ khôi phục tập lệnh gốc và sử dụng các cụm từ có thời gian đều đặn trong toàn bộ âm thanh. Thời gian của chúng là gần đúng và không bắt buộc phải căn chỉnh. Cả đầu ra mô hình chưa được chỉnh sửa và bản xuất được đánh giá đều có sẵn; so sánh chúng với âm thanh.

Tải xuống video có phụ đề chưa chỉnh sửa ↓ · Tải xuống video đã đánh giá ↓

Những điều cần kiểm tra trước khi chia sẻ

Trong lần chạy này, nguồn 一段 được công nhận là 一般, 检查 là 天查, và 下载 là 下彩. Xem lại các từ tiếng Trung so với bản ghi âm trước khi điều chỉnh ranh giới cụm từ. Đây là kết quả từ mẫu tổng hợp này, không phải tỷ lệ lỗi đối với giọng nói tiếng Trung.

Đo lường và hạn chế

Thời gian mô tả một lần chạy bản dựng duy nhất, không phải lời hứa ở cấp độ dịch vụ. Các trường hợp âm thanh được đo trên máy tính bản dựng; hình ảnh OCR được đo trong hình ảnh triển khai Linux. Thời gian tải lên và hàng đợi xử lý chung được loại trừ.

Thời gian ghi nhận

6.41 s

Thời gian kết xuất

2.16 s

Động cơ xử lý

faster-whisper small / CPU int8

Đây là bản trình diễn sản phẩm, không phải là tiêu chuẩn về độ chính xác hoặc lời chứng thực của khách hàng.