图片来自：captionsunlimited.com
自动即时字幕的不断进步提升了准确性。
在美国，提供准确有效的字幕不仅是联邦通信委员会的规定，为直播内容提供即时字幕对广电方而言变得愈发重要，影响到谁能在变化莫测的媒体格局中保持关注度、竞争力并最终取得成功。
在近几年中，许多广播方都要求提供带有cc字幕（隐藏式字幕）的内容，这已经成为了广电要求的重要组成部分。全美有听觉障碍的观众就有约4800万，他们仍然是广电需要字幕的主导基础，但现在市面上出现了新的驱动因素。
越来越多的证据表明，没有听觉障碍的观众喜欢观看带字幕的内容。稍微在网上搜索就能找到十几篇评论这种奇妙现象的文章——这些文章对于越来越多一般来说并不需要字幕辅助观看的人实际上更喜欢所有内容都带字幕的现象纷纷表示意外。同时，越来越多的人会在嘈杂或没有音频的环境中观看内容，尤其是那些希望跟进快速更新的新闻的人，他们对于字幕的需求也在增长。
多个社交媒体平台的研究也佐证了这些趋势。研究表明字幕既能增加内容普及度又能提升参与度。而广电业者越来越看中的就是内容普及度与参与度，因此为内容上字幕变成不再是一种应要求而完成的工作，而是明摆着必做不可的事。尤其在竞争激烈的区域性广播中，字幕能为内容增值，让内容脱颖而出。
而对直播内容的字幕需求让事情复杂起来。过往的直播字幕是真人操作员来打的，保证达到联邦通信委员会的指导标准，这样才能被主流全国性广播电视网和他们在25大市场区域的附属机构采用。在那些主要市场之外，广电方被允许使用成本更低的电子新闻编辑室技术（ENT）将提词机上的稿子转成即时字幕。但这种方法不适用于突发直播事件、体育评论与其他真正的直播运用。
所以要想让广电方能可靠地提供自动即时字幕就需要使生成的自动字幕做到真人速记员打出来的字幕的可靠度。那意味着，字幕生成要在讲话与屏幕出现匹配字幕之间的可接受的延迟时差之内达到98%的字幕准确度，成本还是ENT的成本。
配合自动语音识别客服问题
AI驱动的自动语音识别（ASR）解决方案开始在即时自动字幕方面有所进展，但在很多关键标准上仍不达标。自动语音识别容易受背景噪音和多音源干扰。更重要的是，自动语音识别无法在保证质量的同时满足直播在成本与可靠性上的需求——尤其是比如谈论政治问题这样的敏感话题时，每个字都不容有误。广电业者都知道如果某个关键词被字幕错写成某个尴尬的词会有多严重的后果。
这时候就需要ARC发挥作用。ARC指的是自动即时字幕（Automatic Real-time Captioning），这是一种新的基于服务优化自动语音识别的方法，其准确度能媲美真人操作。
最厉害的自动语音识别引擎目前能做到95%准确度，成本大约在真人字幕的一半，不仅能覆盖美国25大市场，能做到为全美广电方提供即时字幕。而有了ARC自动即时字幕，这些引擎就真正能做到真人水准，只需在整个流程中添加几个强有力的阶段提升字幕准确度。
第一个阶段是一个优化层，其中使用的种子词汇是由字幕专家手动挑选的，通常是针对特定广电方所在市场的人名和地名。字幕的针对性是实现高准确度的关键——如何恰如其分地添加正确词汇同时避免误报可是门艺术。这一层平均就能为现场直播减少25%的错误词语，能让针对广播输出中重要术语的自动生成结果从出错风险高变为正确度平稳一致。
下一个阶段就是在自动语音识别在特定字幕平台上运作时来进行精修。字幕平台会添加字幕出现在屏幕上时所需的各种属性，由它掌管字幕的处理与呈现，以及应用特定规则与语言格式来保证可读性。这个自动化的过程利用现有数据来保证出现的品牌和频道使用的字幕保持一致性，同时会阻隔冒犯性语言和其他不良词汇被观众看到。
这样一个自动字幕系统就能满足所有访问要求，其准确度高于市面上一切同类系统，成本又比传统的真人手动即时字幕低。
ARC并不与特定ASR引擎相连，这能让用户继续维持当前的技术投入，也可以按需选择最佳的解决方案，跟上这个领域的迅猛发展。这是一种具有灵活性的服务解决方案：ARC并不是一次性购置一台不看内容全天候工作的机器，它的收费模式是“按使用付费”，为电视网大大降低了成本。
从耕耘到收获
ARC可以让自动即时字幕从令美国广电方头疼的问题变成实现商业价值的东西。ASR领军的几家供应方本来所提供的服务已经水平很高，而ARC能进一步提升它们的字幕准确度，成本远比传统使用真人速记员或听记员上字幕的投入要低，ARC将“最”好变“更”好。
从前，字幕是专为听障人士服务的，但如今的广播电视格局在不断变化。更多人会通过静音屏幕或在听不到声音的环境中观看内容。现在，提供准确、高品质的字幕越来越成为一种让内容脱颖而出的利器，尤其是在直播新闻与体育赛事相关内容中。如果广播业者想要吸引观众、保持竞争力并最终取得成功，自动即时字幕搭配自动语音识别技术就是未来走向。
作者：Juliet Gauthier
翻译：盖雅翻译小组
