語音技術

時間戳精度

timestamp precision

定義

轉寫或字幕標出的時間與錄音中實際說話時刻的偏差，決定字幕貼不貼得到口形。

點計

量法：人手標出若干句／詞的起止時刻作標準答案，計系統時間戳與標註的平均絕對偏差，同時記最差一句——長尾比平均更影響觀感。

粒度決定可比性：句級、詞級、字級時間戳的誤差不同，跨粒度比較無意義。另外時間戳穩定（同一份音頻每次跑結果一致）與準確是兩件事，都要驗。

健康區間

最接近的公開參考是聲畫同步容差：電影業約 ±22 毫秒；電視廣播（ATSC）約 15 毫秒提前、45 毫秒延後。文字稿逐字時間戳沒有同等公開基準，以上只作參照。

來源：https://en.wikipedia.org/wiki/Real-time_computing（查閱 2026-10-31）

4 個改進手段

  1. 用真人複核字幕：開聲同步播放，發現飄移先處理，不要只看數字。
  2. 輸出粒度與用途對齊：字幕句級夠用；做逐字稿檢索或配音對軸才需要詞級。
  3. 檢查固定飄移：整條字幕整體慢了零點幾秒，通常是起點計錯，修正起點比逐句調快。
  4. 與 SRT 格式一齊驗：時間戳本身準，格式轉換出錯（句點代逗號）字幕照樣失效。

相關文章

資料來源

相關術語

返回術語表廣東話 ASR 比較廣東話語音轉文字