中文語音轉動畫文字：匯出前檢查辨識情況

來源與方法

eSpeak NG 說出原始的普通話文字，然後使用該網站使用的相同本地 Whisper small 識別器和視訊渲染器進行處理。這是合成語音，不是人的錄音，也不是歌唱基準。

這些案例研究使用原始腳本、合成語音、生成的音調和生成的通知圖像。它們不包含用戶上傳的內容。當介面語言發生變化時，來源媒體和識別的文本將保持其原始語言。

下載原始輸入 ↓ · 下載設定 ↓ · 下載來源文字 ↓

比較來源、認可和評論

原始文字

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。

未編輯的識別結果

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。

審核結果

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。

經過審查的字幕恢復了原始腳本，並在音訊中使用均勻計時的短語。它們的時間是近似的，不是強制對齊的。未編輯的模型輸出和已審核的導出均可用；將它們與聲音進行比較。

下載帶有未編輯字幕的視頻 ↓ · 下載評論視頻 ↓

分享前要檢查什麼

在這次運行中，來源被識別為“一般”，“檢查”被識別為“天查”，“下載”被識別為“下彩”。在調整短語邊界之前，先對照錄音複習一下中文單字。這些都是合成樣本的結果，而不是中文語音的錯誤率。

測量和限制

時間描述的是單一建置運行，而不是服務等級承諾。音訊案例在建置電腦上進行測量；映像 OCR 在 Linux 部署映像中測量。上傳時間和共享處理佇列不包括在內。

识别时间

6.41 s

渲染时间

2.16 s

處理引擎

faster-whisper small / CPU int8

這是產品演示，而不是準確性基準或客戶評價。