Chép âm thanh thành phụ đề

Bạn phải nói cho trang biết ngôn ngữ được nói, vì bản dựng mô hình này không tự nhận. Không có tùy chọn tự động, và đó là có chủ ý: khi không chọn ngôn ngữ, mô hình mặc định tiếng Anh. Một bản ghi tiếng Trung đọc như tiếng Anh không báo lỗi — nó trả về những từ tiếng Anh trông tự tin và nghe hơi giống bản gốc, thứ khó nhận ra hơn nhiều so với một thông báo lỗi. Hãy chọn đúng ngôn ngữ bạn nghe, và nếu chưa chắc, chép thử ba mươi giây bằng mô hình nhanh trước rồi kiểm tra.

Đủ tốt để phát, chưa đủ tốt để phát sóng mà không sửa. Mốc bắt đầu và kết thúc mỗi cue đến từ ranh giới segment của mô hình, rơi ở mép cụm từ chứ không đúng khung hình nơi một từ bắt đầu. Chỗ hai cue định chồng nhau thì cue sau bị đẩy tới và điều chỉnh được đếm trong danh sách mất mát, nên không gì chồng lên nhau và không gì lùi thời gian. Nếu khách hàng cần đồng bộ chính xác tới khung — một nhà làm phụ đề giao cho đài truyền hình — câu trả lời trung thực là đầu ra này là bản nháp để canh tay, không phải bản giao.

Vì với tệp dài, khác biệt là giữa chờ và bỏ cuộc. Đo trên một phút lời nói rõ, mô hình nhanh mất khoảng 3,7 giây còn mô hình chính xác khoảng 7,5 — gấp đôi thời gian chờ cho mỗi phút âm thanh. Mô hình nhanh cũng viết hoa mạnh tay hơn và đôi khi bịa dấu câu; mô hình chính xác gần với cách người ta viết hơn. Một cách làm phổ biến là chạy mô hình nhanh trên cuộc phỏng vấn một giờ để kiểm ngôn ngữ và chất lượng âm thanh, rồi chạy lại bằng mô hình chính xác khi đã biết tệp ổn.

Nghĩa là mô hình không nghe được gì nó viết ra được, thường vì ba nguyên nhân: thiết lập ngôn ngữ không khớp với thứ được nói, lời nói bị nhạc hoặc tạp âm lấp, hoặc track âm thanh quá nhỏ. Bản thân tệp vẫn nguyên — trang phân biệt trường hợp này với tệp không giải mã được âm thanh, vì hai bên cần cách sửa khác nhau. Hãy đổi ngôn ngữ được nói, hoặc kiểm tra track âm thanh bạn thả vào có đúng track bạn định lấy không (track bình luận của phim là luồng khác với track thoại).

Được, và trang nói rõ nó dừng khi nào. Việc tải mô hình hủy được bất cứ lúc nào, kể cả giữa chừng từng khúc dữ liệu. Trong lúc nhận dạng, mô hình không bị ngắt giữa một cửa sổ — nên hủy có hiệu lực ở đầu cửa sổ 30 giây kế tiếp, với mô hình nhanh là vài giây nữa. Không có phần dở dang nào được đưa ra tải xuống. Mô hình vẫn được lưu đệm, nên thử lại không phải tải lại.

Nó giữ dấu câu mô hình tạo ra, thường hợp lý nhưng không đáng tin, và nó không bịa nhãn người nói: mô hình này không tách giọng, nên hai người nói thành một mạch chữ. Thêm nhãn người nói là việc làm tay ở đây. Nếu cần, hãy chép trước rồi sửa — tệp mở được trong mọi trình biên tập phụ đề, và các cue đã được tách ở ranh giới câu, nên lượt sửa nhanh hơn nhiều so với bắt đầu từ dòng thời gian trống.