به گزارش خبرگزاری خبرآنلاین، سرعت به‌تنهایی به معنای دقت نیست. لهجه، نویز، گفت‌وگوی چندنفره، اصطلاحات تخصصی و نام‌های خاص همچنان می‌توانند خروجی خودکار را به چالش بکشند. به همین دلیل، بهترین روش استفاده از هوش مصنوعی در زیرنویس‌نویسی، تولید سریع پیش‌نویس و سپس بازبینی انسانی است. هوش مصنوعی زیرنویس چگونه کار می‌کند؟
هسته بسیاری از سامانه‌های زیرنویس‌ساز، فناوری تشخیص خودکار گفتار یا ASR است. Whisper، برای نمونه، برای تشخیص گفتار چندزبانه، شناسایی زبان و تبدیل گفتار به متن طراحی شده و قابلیت ترجمه گفتار به انگلیسی را نیز دارد. مدل‌ها و سرویس‌های دیگر همین ایده را با امکانات و روش‌های متفاوت دنبال می‌کنند. ۱. دریافت و آماده‌سازی صدا
سیستم ابتدا صدای ویدیو را دریافت و برای پردازش آماده می‌کند. کیفیت صدای ورودی اهمیت زیادی دارد؛ موسیقی بلند، نویز محیط، چند گوینده یا صدای نامفهوم می‌تواند احتمال خطا را افزایش دهد. ۲. تبدیل گفتار به متن …
