Я практически каждый день использую инструменты для создания субтитров или распознавания речи. Это существенно ускоряет мою работу даже с учётом того, что мне нужно будет перепроверять результат — он далёк от совершенства (особенно если актёр из касты шептунов). Но наличие черновика — это +100 к производительности.
Однако я полностью согласна с Лижией: если речь идёт именно о файле субтитров, то основная боль всех распознавалок — неправильная сегментация. Вот буквально на днях ковыряла клиентский .srt. Очень качественно распознан текст, даже с учётом наслоения речи. Только субтитры сегментированы неудачно, примерно так:
-Я ему сказал,
чтобы он не приходил. -Но он
пришёл? -Да, представляешь? -Это уже ни в какие ворота!
Какое-то время я делила субтитры по звуку, переделывая сегментацию, но потом просто психанула — я больше времени трачу на расковыривание текста, чем на перевод. Распознала своим инструментом. И — о чудо! Фраза одного человека легла в отдельную ячейку, и больше нахлёстов не было.
Автор статьи тоже говорит, что правка структуры субтитров стала занимать больше времени, чем собственно работа специалиста. То есть вместо редактуры или перевода мы занимаемся переносом предлогов в нужную строчечку.
По итогу рассуждений Лижия формулирует наш запрос: сделайте, умные дяденьки, не просто машину, которая распознает текст. А машину, которая сделает адекватную сегментацию.
Правда, я считаю, что это пока утопия. Мои эксперименты по сегментации в нейронке не принесли никаких плодов. С другой стороны, ещё шесть лет назад мы с вами думали про ковид и слыхом не слыхивали про ИИ. Может, и до правильной сегментации дойдём уже через пару месяцев.