Otomatik altyazılar ne kadar doğru?
Captions Cut'ın yapımcısı tarafından. Bilgiler, Kaynaklar altında listelenen sayfalardan tarihinde kontrol edilmiştir.
Kısa yanıt
Ana dillerden birinde net konuşmada bugünün en iyi konuşma tanıması 100 kelimenin yaklaşık 95 ila 98'ini doğru bulur (%2 ila 5 kelime hata oranı). Bu yine de 45 saniyelik bir klipte, çoğunlukla özel adlarda, argoda ve sayılarda birkaç hata bırakır. Doğruluk; arka plan gürültüsü, uzak mikrofonlar, üst üste konuşanlar, güçlü aksanlar ve daha az kaynağı olan dillerde keskin biçimde düşer; bu yüzden paylaşmadan önce her altyazıyı okuyun.
Kelime hata oranı, sade sözlerle
Kelime hata oranı (WER), bir sistemin yüz söylenen kelime başına yanlış yaptığı (yanlış, eksik veya fazla) kelimeleri sayar. %5 WER, yaklaşık her yirmi kelimede bir hata demektir. Kısa bir klip 100 ila 150 kelime içerir, bu yüzden mükemmel bir sistem bile genellikle düzeltilecek bir şey bırakır.
Sistemlerin puanları
| Kıyaslama | Sonuç | Kim ölçtü |
|---|---|---|
| Artificial Analysis, yaklaşık 8 saatlik gerçek dünya İngilizce sesi | ElevenLabs Scribe v2: %2,2 WER, test edilen modeller arasında yaklaşık dördüncü | Bağımsız kıyaslama |
| AssemblyAI'nin kendi veri kümeleri | Universal-3.5 Pro %4,35; GPT-4o Transcribe %5,34; Scribe v2 %5,87; Deepgram Nova-3 %6,66 | AssemblyAI (bir hizmet sağlayıcı) |
| LibriSpeech test-clean (okunan sesli kitaplar) | Whisper large-v2: %2,7 WER | OpenAI'ın Whisper makalesi |
| ElevenLabs'ın kendi dil kademeleri | İngilizce, Fransızca, Almanca, İspanyolca ve Japoncada %5 veya daha az; Urduca, Yorubaca ve Zuluca için %20 ila 50 | ElevenLabs (bir hizmet sağlayıcı) |
Neyin başarısız olmasına yol açtığı
- Gürültü ve mesafe. CHiME-6 yarışmasında, bir odanın karşısından konuşan insanların kayıtları temel sistem için yaklaşık %51 WER aldı.
- Kimin konuştuğu. PNAS'ta yayımlanan 2020 tarihli bir çalışma, beş ticari sistemin ortalamasının Siyahi konuşmacılar için %35, beyaz konuşmacılar için %19 WER olduğunu buldu.
- Üst üste konuşma ve karışık diller. YouTube, kendi altyazılarının başarısız olma nedenleri arasında üst üste konuşanları, karışık dilleri ve uzun sessizlikleri sayıyor.
- Uydurmalar. Whisper makalesi, modellerin zaman zaman sesle ilgisi olmayan metin üretebildiğini belirtiyor.
Daha temiz altyazılar elde etmek
- Mikrofona yakın, müzikten ve trafikten uzakta kayıt yapın.
- Kısa veya karışık dilli kliplerde dili otomatik algılatmak yerine konuşulan dili kendiniz seçin.
- Dışa aktarmadan önce transkripti okuyun. Captions Cut'ta her kelime düzenlenebilir: metni veya zamanlamasını düzeltmek için dokunun.
Nasıl kontrol ettik
Satıcılar kendi seçtikleri kıyaslamalarda kendilerini birinci sıraya koyar; bu yüzden sayıları kendilerine ait olarak etiketlenmiş ve satıcılar arasında karşılaştırılmamıştır. Bağımsız rakam Artificial Analysis'indir. 22 Ekim 2026'da okunmuştur.
Sorular
Otomatik altyazılar kontrol etmeden paylaşılacak kadar doğru mu?
Nadiren. %2 ila 5 WER'de bile kısa bir klipte genellikle, çoğunlukla bir özel adda, bir iki hata olur. Önce okuyun.
Hangi diller en iyi yazıya dökülür?
Çok sayıda eğitim verisi olan yaygın diller (İngilizce, İspanyolca, Fransızca, Almanca, Japonca ve diğerleri) en iyi puanı alır. Captions Cut 53 dili yazıya döker; daha az kaynağı olanlar daha fazla düzeltme gerektirir.
Kaynaklar
- Artificial Analysis: ElevenLabs Scribe v2
- AssemblyAI: kıyaslamalar
- Radford ve diğerleri (2022), Whisper
- ElevenLabs: konuşmadan metne
- Watanabe ve diğerleri (2020), CHiME-6
- Koenecke ve diğerleri (2020), PNAS
- YouTube: otomatik altyazılar
Her sayfa tarihinde okunmuştur.
Tarayıcınızda bir videoya altyazı ekleyin iPhone uygulamasını edinin