帶有背景音樂的演講：比較原始字幕和經過審查的字幕

來源與方法

對於兩個輸入，使用 eSpeak NG 合成相同的原始英文腳本。可再現的音調序列以記錄的增益混合到一個副本中。 Whisper small 處理兩者；原始字幕影片使用混合錄製。

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

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.

從乾淨的音訊中識別

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.

下載乾淨的音頻 ↓ · 下載乾淨的音訊識別 ↓

未編輯的識別結果

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.

審核結果

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.

審閱後的版本使用原始腳本，句子邊界時間均勻。它會更正文本，但不會建立字級計時準確性。音樂保留在輸出中；此工作流程不執行聲音分離或噪音消除。

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

兩者運行時都會錯誤辨識 Maya 和 Audiosubvideo。乾淨的錄音保留了Review，而混合錄音則產生了Renew。兩者都將 27 轉換為 27。這項受控綜合比較並不能確定整體準確性或隔離錯誤的每個原因。

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

3.98 s

渲染时间

2.58 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。