提起字幕，許多人都不會陌生。美劇、日劇、韓劇，以及二次元動漫圈子，都對字幕有著大量的需求。數(shù)量更大、范圍更廣的電視受眾，也已經(jīng)對錄播節(jié)目中的字幕習(xí)以為常。在如今火熱的在線教育中，其也有著不可替代的功能。以字幕的形式幫助國內(nèi)學(xué)習(xí)者跨越語言障礙，是國外名校公開課、國外MOOC在國內(nèi)推廣的必須條件。而即使是國內(nèi)老師錄制的視頻課程，字幕也能在一定程度上解決語速、口音、內(nèi)容復(fù)雜給學(xué)習(xí)者帶來的理解困難的問題。

但是目前，除一些名校公開課有大公司、“字幕組”提供的字幕支持外，國內(nèi)的各種錄播課程，大都不提供字幕。在這個已經(jīng)把“體驗”、“極致”講到吐的時代，各家公司自然不是想不到字幕的問題。做不到，做不起，是最大的原因。

在制作視頻字幕，特別是教育視頻的字幕時，能否用技術(shù)替代人力，提高效率，節(jié)省成本呢？一家名叫OKVoice的語音技術(shù)提供商正在試圖給我們一套可用的解決方案。日前，芥末堆收集了OKVoice的聯(lián)合創(chuàng)始人馬驥和市場總監(jiān)向丹，聽他們?nèi)绾慰创@個問題。

給視頻配字幕有多難

由于外國動漫、電視劇、電影的火爆，很多國外劇集在推出之后的4-8個小時，就會有字幕組將制作完成的字幕文件掛在網(wǎng)上供免費(fèi)下載使用。這樣雷鋒般的義務(wù)勞動，慣壞了不少國人，讓大家認(rèn)為字幕是一件很簡單的事情。而事實上，這是一件非常耗時耗力的工作。

粗略來看，字幕制作的工作可以分為文本輸出和時間軸制作兩個部分。文本輸出是指將視頻、音頻中的話語信息由聲音轉(zhuǎn)換成文字。時間軸制作則是在決定每一句話在屏幕上出現(xiàn)、消失的時間點。兩部分都需要花費(fèi)大量時間由人來完成，是一件無法由機(jī)器替代的“體力活”。在字幕組，一個40分鐘至一個小時的劇集通常需要數(shù)個人組成的小組通過合理的分工合作，才可能在數(shù)小時內(nèi)完成。這樣原始的、依賴人力的狀況，在電視臺這樣不差錢的地方也并未得到改觀。從事節(jié)目制作工作的白先生對芥末堆表示，電視臺的字幕制作量更大，且同樣全部由員工手工完成。“一分鐘的節(jié)目通常要花十倍的時間才能轉(zhuǎn)換為文字稿，加上時間軸制作的時間，整個字幕的制作耗時非常大。”

不只是時間，巨大的人力消耗極大地提升了成本。OKVoice的馬驥表示，目前在線教育的錄播節(jié)目，如果一集的制作成本是一千元，為它制作字幕則需要再多花二百至三百元。過于昂貴，正是目前大部分教育課程視頻沒有字幕的原因。但是，不論是一般學(xué)生還是特殊用戶（如聽力障礙），對字幕都是存在需求的。

語音技術(shù)能做什么

語音識別技術(shù)目前在做的，是建立語音、文字兩個相互平行的語料庫，通過機(jī)器識別、算法匹配，來達(dá)到文字與聲音之間的轉(zhuǎn)換。

據(jù)馬驥說，在語音識別上，整個行業(yè)能做到的正確率大約為90%，而當(dāng)達(dá)到95%的時候，這項技術(shù)的實用性將大大提升。盡管以目前的技術(shù)來看，在通用領(lǐng)域?qū)⒄_率推高至95%還有些遙遠(yuǎn)，但在一些更專的領(lǐng)域，通過對算法的調(diào)整和機(jī)器學(xué)習(xí)，將識別率提高到95%也并非沒有可能。

市場總監(jiān)向丹則表示，盡管OKVoice是一個僅成立一年的新公司，在體量與知名度上均無法與業(yè)內(nèi)龍頭相比，但他們的核心技術(shù)團(tuán)隊在此前已經(jīng)有過5年的技術(shù)積累，在技術(shù)和達(dá)到的效果上均能達(dá)到業(yè)內(nèi)頂尖的水平。與其它公司相比，OKVoice的優(yōu)勢在于，他們能夠為客戶的個性化需求做定制服務(wù)。“不是90%的識別率，而是經(jīng)過定制優(yōu)化的95%?！?/p>

目前，基于語音技術(shù)開發(fā)的產(chǎn)品有語音助手、口語評測、語音輸入等等，而在字幕制作上卻還是空白?？礈?zhǔn)了這一點的OKVoice推出了“字幕大師”，一款專為字幕制作使用的產(chǎn)品。在現(xiàn)階段，其開放了自動對齊時間軸的功能。將影音文件與文本信息分別導(dǎo)入后，系統(tǒng)可以在非?？斓臅r間內(nèi)把時間軸對齊。在為芥末堆演示的demo版本中，“字幕大師”已能達(dá)到較高的識別率。在未來，OKVoice還將推出不需要人工錄入文本信息，識別影音文件中的聲音后直接輸出字幕的功能。這個產(chǎn)品最終要達(dá)到的目標(biāo)，是能夠處理外文片源，直接輸出翻譯后的字幕。

在OKVoice團(tuán)隊看來，對“字幕大師”這一產(chǎn)品需求量最大的，正是在線教育領(lǐng)域。事實也的確如此，目前，已有合一互動、好學(xué)教育、德勝制課等在線教育、課程制作公司與OKVoice達(dá)成合作，使用“字幕大師”來輔助課程視頻的字幕制作。隨著語音技術(shù)的發(fā)展與普及，在未來，”字幕“這件又貴又耗時的苦差事，將不再成為負(fù)擔(dān)。