Captions Cut

ما مدى دقة التسميات التلقائية؟

بقلم الشخص الذي يصنع Captions Cut. جرى التحقق من المعلومات في من الصفحات المدرجة تحت المصادر.

الجواب المختصر

في الكلام الواضح بلغة رئيسية، يصيب أفضل ما وصل إليه التعرف على الكلام اليوم نحو 95 إلى 98 كلمة من كل 100 (معدل خطأ كلمات من 2 إلى 5%). وهذا يترك مع ذلك بعض الأخطاء في مقطع مدته 45 ثانية، وغالبًا في الأسماء والعامية والأرقام. وتنخفض الدقة بشدة مع ضجيج الخلفية والميكروفونات البعيدة وتداخل المتحدثين واللكنات القوية واللغات الأقل موارد، لذا اقرأ كل تسمية قبل النشر.

معدل خطأ الكلمات بكلمات بسيطة

يحسب معدل خطأ الكلمات (WER) الكلمات التي يخطئ فيها النظام (استبدالًا أو حذفًا أو إضافةً) لكل مئة كلمة منطوقة. فمعدل 5% يعني نحو خطأ واحد كل عشرين كلمة. والمقطع القصير فيه 100 إلى 150 كلمة، لذا يترك حتى النظام الممتاز عادةً ما يحتاج إلى تصحيح.

ما تسجّله الأنظمة

المعيارالنتيجةمن قاس
Artificial Analysis، نحو 8 ساعات من الصوت الإنجليزي الواقعيElevenLabs Scribe v2: معدل خطأ 2.2%، في المرتبة الرابعة تقريبًا بين النماذج المختبرةمعيار مستقل
مجموعات بيانات AssemblyAI نفسهانموذجها Universal-3.5 Pro بنسبة 4.35%؛ وGPT-4o Transcribe بنسبة 5.34%؛ وScribe v2 بنسبة 5.87%؛ وDeepgram Nova-3 بنسبة 6.66%AssemblyAI (مورّد)
LibriSpeech test-clean (كتب مسموعة مقروءة)Whisper large-v2: معدل خطأ 2.7%ورقة Whisper من OpenAI
مستويات اللغات لدى ElevenLabs نفسها5% أو أقل للإنجليزية والفرنسية والألمانية والإسبانية واليابانية؛ و20 إلى 50% للأردية واليوروبا والزولوElevenLabs (مورّد)

ما الذي يسبب الفشل

  • الضجيج والمسافة. في تحدي CHiME-6، سجّل النظام الأساسي نحو 51% معدل خطأ في تسجيلات أشخاص يتحدثون من طرفي غرفة.
  • من يتحدث. وجدت دراسة عام 2020 في PNAS أن خمسة أنظمة تجارية سجّلت في المتوسط 35% معدل خطأ للمتحدثين السود مقابل 19% للمتحدثين البيض.
  • التداخل واختلاط اللغات. يذكر YouTube من أسباب فشل تسمياته تداخل المتحدثين واختلاط اللغات وفترات الصمت الطويلة.
  • اختلاقات. تشير ورقة Whisper إلى أن النماذج قد تُخرج أحيانًا نصًّا لا علاقة له بالصوت.

للحصول على تسميات أنظف

  • سجّل قرب الميكروفون، بعيدًا عن الموسيقى وضجيج السير.
  • اختر اللغة المنطوقة بدل الاكتشاف التلقائي في المقاطع القصيرة أو المختلطة.
  • اقرأ النص قبل التصدير. في Captions Cut كل كلمة قابلة للتعديل: اضغط عليها لتصحيح نصها أو توقيتها.

كيف تحققنا

يضع الموردون أنفسهم في المقدمة في المعايير التي يختارونها، لذا نُسبت أرقامهم إليهم ولم تُقارَن بين الموردين. الرقم المستقل هو رقم Artificial Analysis. قُرئ في 22 أكتوبر 2026.

أسئلة

هل التسميات التلقائية دقيقة بما يكفي للنشر دون مراجعة؟

نادرًا. فحتى مع معدل خطأ من 2 إلى 5% يحتوي المقطع القصير عادةً على خطأ أو اثنين، وغالبًا في اسم. اقرأها أولًا.

ما اللغات الأفضل في التفريغ النصي؟

اللغات واسعة الانتشار التي تتوافر لها بيانات تدريب كثيرة (الإنجليزية والإسبانية والفرنسية والألمانية واليابانية وغيرها) تحقق أفضل النتائج. يفرّغ Captions Cut نصوص 53 لغة؛ واللغات الأقل موارد تحتاج إلى تصحيح أكثر.

المصادر

كل صفحة قُرئت في .

أضف التسميات إلى فيديو في متصفحك احصل على تطبيق iPhone