Описание проекта
Распознавание должно справляться с обычной разговорной речью, включая профессиональные термины и фоновый шум — точность важна, и её стоит настроить под наши записи, а не оставлять параметры по умолчанию. Отдельная задача — что происходит после распознавания: нужен быстрый способ просмотреть результат, найти неправильно распознанные слова, поправить тайминг там, где строки съезжают, и привести в порядок пунктуацию перед публикацией. Идеальной точности от автоматики я не жду, но правка должна занимать минуты, а не превращаться в повторную расшифровку вручную.
После готовности субтитры нужно экспортировать в форматах, которые принимают популярные видеоплатформы, желательно с поддержкой нескольких дорожек — на случай, если позже добавим переводы. Краткая инструкция, как запускать процесс для новых видео дальше, будет плюсом.
Что нужно сделать:
— настроить распознавание речи с точностью под реальные записи
— обеспечить синхронизацию тайминга, а не просто «сырой» текст
— продумать быстрый этап ручной проверки и правки перед публикацией
— настроить экспорт в стандартных форматах субтитров под загрузку