SRTGen vs. OpenAI Whisper

전문 자막 파이프라인 vs. 원시 모델

Whisper는 원시 음향 모델입니다. 자막을 생성하려면 코드를 컴파일하고, 오디오를 분할하고, CUDA 드라이버를 관리하고, 타임스탬프를 정렬해야 합니다. SRTGen은 타임라인 편집기, 스타일 사용자 지정 도구 및 클라우드 스토리지를 갖춘 프로덕션 준비가 된 클라우드 작업 공간입니다.

더 높은 실제 정확도

SRTGen은 AssemblyAI Universal-3 Pro에서 실행되며, 이는 Whisper의 92.4%에 비해 영어 데이터셋에서 94.1%의 정확도를 달성합니다. 노이즈가 많은 녹음(팟캐스트/소셜 비디오에서 흔히 발생)의 경우 SRTGen의 단어 오류율은 최대 15% 더 낮습니다.

환각 및 루프 제거

Whisper의 시퀀스-투-시퀀스 구조는 텍스트를 무한정 반복하거나 침묵 또는 음악 중에 자막을 생성하는 경우가 많습니다. SRTGen은 고급 음성 활동 감지(VAD) 및 단어 단위 정렬을 사용하여 루핑을 완전히 방지합니다.

즉시 사용 가능한 화자 분리

화자 전환이 표시되지 않으면 자막을 읽기 어렵습니다. SRTGen은 다른 화자를 자동으로 클러스터링하고 레이블을 지정합니다. Whisper는 기본적으로 화자 감지를 지원하지 않으므로 여러 모델을 수동으로 연결해야 합니다.

현대적인 애니메이션 스타일 및 사전 설정

SRTGen은 콘텐츠 제작자를 위해 설계되었습니다. 노래방 스타일의 텍스트 하이라이트 애니메이션, 사용자 정의 글꼴, 이모티콘으로 자막 스타일을 지정하고 완벽하게 포맷된 ASS 파일을 내보낼 수 있습니다. Whisper는 원시적이고 스타일이 지정되지 않은 SRT 파일만 생성합니다.