В этом материале
WebVTT допускает перекрывающиеся реплики, поэтому проверка субтитров должна отличать намеренное наложение от ошибок синтаксиса и привязки к источнику.
Экспорт субтитров требует собственной проверки даже при правильной расшифровке речи. Интервалы SRT и WebVTT являются единицами отображения, а не заменой выравнивания слов: неверное время, экранирование или границы способны сделать точное речевое подтверждение нечитаемым либо обманчивым при последующем воспроизведении исходной записи пользователю.
Разделить слова и блоки субтитров
Средства вывода Whisper реализуют сериализацию субтитров, а WhisperX предоставляет процессы выравнивания. Один блок может содержать несколько слов и охватывать паузы ради читаемости. Исходные слова и правило группировки сохраняют отдельно. Изменение длины строки не должно незаметно редактировать транскрипцию или перезаписывать времена слов, используемые поиском и цитатами. Тогда визуальное улучшение можно проверить независимо от качества распознавания и при необходимости отменить без повторной обработки аудио.
Проверить синтаксис формата
Спецификация WebVTT определяет синтаксис и время блоков. SRT и WebVTT родственны, но не являются одним файлом с разными расширениями. Используют понимающие формат writer и parser. Заголовки, разделители и экранирование проверяют по выбранному формату, а не по терпимости конкретного плеера к ошибкам. Работа в одном проигрывателе не доказывает совместимость в остальных. Особенно важно проверить символы, которые могут получить служебный смысл при сериализации, сохранив при этом исходное читаемое содержание речи.
Подготовить пример сложных границ
Возьмём короткую запись со сменой говорящего, небольшой паузой и техническим идентификатором. Построим субтитры и воспроизведём вместе с оригиналом. Код должен оставаться целым и достаточно читаемым, а граница участника не должна приписывать следующую реплику другому человеку. Это редакционный пример времени, а не заявление об универсальной длительности блока для любого языка и аудитории. Приёмка должна учитывать конкретное содержание и способ отображения, не превращая удобную настройку одного ролика в общий стандарт.
| Проверка | Выявляемая ошибка |
|---|---|
| Конец блока следует за началом | Отрицательный либо пустой интервал |
| Время соответствует исходному звуку | Потеря смещений после обработки |
| Текст сохраняет идентификаторы | Повреждение подтверждений форматированием |
| Разбор соответствует намерению writer | Несовместимая сериализация результата |
Явно обработать перекрытия и пропуски времени
WebVTT допускает перекрывающиеся блоки, поэтому перекрытие не обязательно является синтаксической ошибкой. Нужно установить, намеренно ли оно в выбранном показе. Слова без надёжного выравнивания требуют объявленного приближения или широкого исходного интервала, а не выдуманной точности. Неопределённость сохраняют внутри системы, даже если выходной формат не показывает все детали. Особенно внимательно проверяют блоки возле обрезанного или склеенного аудио, где локальное время легко ошибочно принять за позицию исходной записи.
Проверить конечный артефакт
Экспортированный файл разбирают, исследуют последовательность времени и просматривают сложные границы. Показанные слова сравнивают с исходной транскрипцией. Версию writer и политику группировки сохраняют для повторения оформления. Проверенный артефакт объединяет правильный синтаксис, читаемый показ и точную связь с источником. Ни одно свойство не следует только из успешного ответа ASR или нужного расширения файла. Поэтому приёмка оценивает именно опубликованные субтитры, а не промежуточный массив сегментов, из которого они когда-то были построены.
Связанные материалы: Длинное аудио в Whisper: сегменты, очередь и хранение результата; GPU для Whisper: как выбрать память под распознавание речи.