选择实时字幕软件,首先要回答一个交付问题:人们必须在哪里阅读字幕?公开网络直播需要在播放器中显示文字。私密会议可能已经在会议应用中提供字幕。房间里的参会者可能更喜欢在个人设备上查看文字。这些都是实用的采购路径,不过一款产品也可能支持多种方式。
本指南比较每种路径的集成工作量和限制。对于服务采购,包括人工 CART,请使用我们的实时字幕服务清单。如需个人设置教程,请参阅实时字幕指南。
要点总结
- 先决定字幕必须出现在流或播放器中、会议应用内,还是独立显示屏上。然后测试真实的观看体验。
- 带字幕的直播流并不保证录制内容也带字幕。请检查归档文件以及任何单独的字幕轨道。
- WCAG 2.1 成功准则 1.2.4没有数值准确率门槛,但字幕必须与直播视频同步传达有意义的语音和非语音音频。
- 比较的是观众端的延迟,而不只是识别引擎的延迟;要测试实际的网络、播放器和音频设置。
实时字幕的三种交付方式
这些路径描述的是观众在哪里接收文字。它们并不是互斥的产品类别:一场活动可以向网络直播发送一条字幕流,同时向现场观众提供另一种显示方式。
1. 在视频播放器中显示字幕
流媒体团队通过其制作和分发流程发送实时字幕。根据系统不同,这可能涉及编码器、接入服务、字幕流,或像 WebVTT 这样的定时文本轨道。团队必须检查播放器、语言选择、同步和归档输出。字幕流到达编码器本身,并不能证明最终录制内容就一定有可用字幕。
这种路径适用于公开网络直播和其他视频交付。采购时的关键问题是:谁控制流和播放器、他们接受哪些字幕格式,以及归档内容将如何检查。例如,Apple 的 HLS 编写指南规定了应如何为 Apple 设备声明 WebVTT 字幕轨道和无障碍标签。
2. 在会议平台中显示字幕
Zoom、Google Meet 和 Microsoft Teams 可以在通话中显示字幕。可用性、语言选项、翻译字幕和保存的转录内容会因套餐、设置和参与者权限而异。在购买其他工具之前,请先查看平台当前的控制选项。Zoom 现在将临时会议字幕与已保存的会议转录分开;如果说平台文字永远无法导出,那就会误导用户。
3. 在独立显示屏上显示字幕
独立的浏览器标签页、手机或房间显示屏可以在不改变视频流的情况下显示文字。MirrorCaption为受支持的浏览器会议使用桌面浏览器标签页音频捕获,并在面对面交流时使用麦克风。它会在实时会话中显示源语音和翻译,并且可以保存转录内容。它不会为会议录制或公开视频播放器添加字幕轨道。
对于无障碍便利请求,请询问参与者哪种显示方式适合他们。独立显示屏可以帮助某人跟上对话,但与视频同时使用时可能不太方便。当准确性和个人访问需求需要人工 CART 时,CART 也是另一种交付选项;请参阅如何申请 CART。
| 交付路径 | 观众阅读文字的位置 | 需要验证的集成 | 归档问题 |
|---|---|---|---|
| 视频播放器 | 随直播一起 | 字幕流、播放器、时间同步、语言轨道 | 字幕是否随录制内容保留? |
| 会议平台 | 在通话内 | 套餐、主持人设置、权限、语言 | 是否启用了转录或录制字幕轨道? |
| 独立显示屏 | 在个人或房间屏幕上 | 音频捕获、设备访问、可读性 | 视频是否需要单独的字幕工作流程? |
无障碍标准会带来哪些变化
WCAG 2.1 成功准则 1.2.4要求为同步媒体中的实时音频提供字幕。该准则没有设定百分比准确率,但 W3C 解释说,字幕应实时传达语音、说话人身份以及有意义的非语音声音。其指南指出,这一准则原本是为广播而设,并不自动要求每一次双向网络通话都必须无论参与者需求如何都配字幕。
不要把交付架构当作合规证书。要测试实际的流和播放器、字幕时序和完整性,以及所请求的便利是否有效。独立文字显示在会议中可能很有价值;但不要假设它就能让公开视频或其归档版本符合直播或预录媒体要求。
美国47 CFR §79.4规范某些通过 IP 交付的视频节目,包括此前在电视上播出且带字幕的特定节目。它并不是适用于每一次工作场所会议或网络直播的一般规则,也不只是文件格式规则。涉及受覆盖节目的团队应与无障碍专家一起评估该规则的适用范围,以及字幕质量和交付义务。
在观众看到的位置测量延迟
延迟可能累积在音频采集、识别或人工字幕、同步、分发以及观众播放器中。引擎的响应时间并不等于观众看到的字幕延迟。请询问供应商其测量从何处开始、到何处结束,是否测量部分文本还是最终文本,以及如何报告较慢的会话。
使用实际的麦克风、网络、活动软件和观看设备进行试运行。观看一段包含姓名、打断和相关非语音声音的复杂内容。将字幕与观众屏幕上的音频进行对比。不同的流媒体配置可能会改变延迟;没有任何一种协议能保证在每种实现中都得到特定结果。
端到端检查语言支持
语音识别支持的语言数量只是答案的一部分。请确认口语源语言、所需字幕语言、翻译功能、字幕格式,以及播放器是否能显示该轨道。较旧的 CEA-608 工作流程字符支持有限;现代定时文本交付可以提供独立轨道,但要受播放器和工作流程限制。Apple 的 HLS 规范要求为字幕轨道提供语言元数据,并为 WebVTT 提供时间戳映射。
MirrorCaption 在应用中提供 50 多种可选语言,但这并不意味着一次会话就能同时显示所有语言。请选择并测试所需的语言对、音频源和导出方式。如果每位参会者都需要不同的目标语言,请规划他们各自如何接收单独的会话或显示。关于口语翻译,请参阅语音翻译指南。
简短采购清单
- 确定观众和显示界面。 这是公开视频播放器、内部通话,还是参会者的个人屏幕?
- 明确后续交付物。 如果你要发布录制内容,请检查其单独的字幕或转录工作流程。
- 询问访问需求。 与将使用字幕的人一起测试可读性、时序、说话人识别和有意义的声音。
- 测试准确的语言对和设备。 识别、翻译、播放器轨道和权限都可能成为限制因素。
- 比较总成本。 包括平台许可、字幕服务时间、制作集成以及任何归档编辑。
示例说明:一位市政书记员直播公开会议,需要检查播放器和后续录制。独立房间显示屏可能有助于参会者,但不会生成带字幕的归档。内部双语会议可以先使用平台自带的字幕控制;如果所需语言或布局不可用,独立显示屏就很有用。这些工作流程只是示例,不是客户案例或法律认定。
常见问题
什么是实时字幕软件?
它将实时语音转换为可读文本,并把这些文本传递给观众。主要选择在于观众是在视频播放器中、会议应用内,还是在独立显示屏上阅读这些文字。
实时字幕软件是否符合 WCAG 要求?
WCAG 2.1 成功准则 1.2.4 涵盖同步媒体中的实时音频。请评估实际的视频体验,包括时序、语音和有意义的非语音音频。独立字幕显示可能有助于参与者,但不要假设它就能让流媒体视频或其录制内容符合要求。W3C 说明,这一准则原本是为广播而设,而不是要求每一次双向网络通话都必须无论用户需求如何都配字幕。
为什么字幕会落后于音频?
延迟可能来自音频采集、识别或人工字幕、同步、分发以及观众播放器。请询问供应商他们从哪里开始和停止测量,然后测试完整的观看路径。
实时字幕软件能同时显示多种语言吗?
这取决于识别和翻译支持、字幕格式、播放器,以及可用的音频和文本轨道。传统 CEA-608 的字符支持有限;更新的交付路径可以提供多个语言轨道。不要只看引擎支持多少语言,而要测试具体的播放器和语言对。
我需要字幕编码器,还是只需要字幕应用?
请先确认观众现在必须在哪里阅读字幕,以及后续录制是否也必须带字幕。对于外部流,可能需要实时编码器;而会议平台也可以创建单独的录制转录或字幕轨道。请验证归档输出;仅有实时叠加并不会给录制内容加字幕。