# Пропуски alignment WhisperX: числа и символы без временных меток

WhisperX способен оставить распознанные слова без надёжного времени, если модель выравнивания не сопоставляет их символы или звучание.

Автор: Команда Retrivium
Обновлено: 2026-11-03
Канонический URL: https://retrivium.ai/ru/journal/whisperx-forced-alignment-missing-words/
Language: ru

WhisperX способен оставить распознанные слова без надёжного времени, если модель выравнивания не сопоставляет их символы или звучание. Такие слова сохраняют вместе с неопределённостью, а не удаляют: отсутствие временной отметки не означает, что транскрипция не содержит существенного подтверждения для последующего поиска.

## Различить распознавание и выравнивание

[Статья WhisperX](https://arxiv.org/abs/2303.00747) объясняет получение времени через выравнивание, а [репозиторий проекта](https://github.com/m-bain/whisperX) описывает ограничения. Транскрипция предсказывает слова по звуку; forced alignment размещает переданный текст относительно акустических данных. Этапы ошибаются по-разному. Распознанное число может быть полезным текстом без времени, а точно выровненное слово — неправильным результатом распознавания. Ни один выход автоматически не подтверждает правильность другого, поэтому их сохраняют раздельно и сравнивают по исходной записи при разборе сомнительного места.

## Проверить язык и покрытие словаря

WhisperX описывает языковые модели выравнивания и сложности со словами вне словаря, включая некоторые записи чисел и валют. До обвинения аудиозаписи проверяют представление транскрипции и выбранную модель. Неверный язык или неподдержанные символы способны вызвать систематические пропуски. Каждое отсутствующее время нельзя заменять отметкой соседнего слова: это превращает известную неопределённость в ложную точность. Сначала устанавливают причину, затем выбирают явно обозначенный способ использования такого слова в поиске либо отображении.

## Создать пример с числами

Выберем короткую запись с идентификатором продукта, суммой в валюте и обычной окружающей речью. Сохраним исходную [транскрипцию Whisper](https://github.com/openai/whisper) и сравним с выровненным результатом. Для каждого токена отметим сохранность текста и наличие времени. Проверка должна различать исчезновение текста и отсутствие временной позиции. Иначе аккуратный экспорт субтитров способен незаметно удалить самую важную техническую деталь разговора, хотя общая читаемость предложения после удаления даже улучшится и скроет проблему от поверхностной проверки.

| Наблюдение | Направление исследования |
| --- | --- |
| Текст есть, времени нет | Покрытие выравнивания или представление |
| Неверный текст имеет время | Ошибка распознавания до выравнивания |
| Много пропусков одного языка | Пригодность выбранной модели выравнивания |
| Участники говорят одновременно | Акустическая неоднозначность и сегментация |

## Явно хранить неопределённость времени

В записи токена сохраняют текст, доступное время и статус выравнивания. Интервал предложения может оставаться пригодным при отсутствии времени отдельного слова, но обладает другой точностью. Если формат требует полного времени, применяют документированное приближение с сохранением исходного статуса. Интерполированную позицию не выдают за прямое измерение модели. Это позволяет читателю и приложению отличить уверенно выровненное слово от удобного предположения, которое было добавлено только для удовлетворения требований конкретного формата экспорта.

## Проверить последующее использование

Поиск, цитирование и субтитры проверяют на одном наборе сомнительных слов. Индекс способен сохранить идентификатор даже без точного позиционирования воспроизведения. Цитата может вести к окружающему аудиоинтервалу с явно указанным ограничением времени. Критерий приёмки — сохранение значимого текста и честное временное разрешение, а не исчезновение всех пустых полей. Так исправление временной разметки остаётся отделено от неподтверждённого редактирования распознанного содержания, которое могло бы изменить смысл исходного разговора.

Связанные материалы: [Длинное аудио в Whisper: сегменты, очередь и хранение результата](/ru/journal/whisper-long-audio/); [GPU для Whisper: как выбрать память под распознавание речи](/ru/journal/whisper-gpu-requirements/).