游戏|《英雄联盟》S11直播延迟30秒！这次网友反应有点不太一样( 二 )

对于不同直播来说，选择语音识别方法时，主要会从准确率和识别速度进行考量，像新闻直播更重视准确率，娱乐赛事直播更侧重识别速度。

文章图片

BUT，对于无障碍来说，赛事直播还会出现新的挑战：
由于听障人士无法快速建立视听之间的联系，错字词需要更多反应时间，字幕的准确性要更高；此外，转录的字句需要有一定视觉流畅性；最后，赛事直播的延迟也不能太高。
一方面，受限于语音的停顿、音频切分的长度，流式ASR目前能做到低延迟和基本的准确率，但往往视觉阅读的流畅性会有所降低，“每个字都会，停顿后就看不懂了”：

文章图片

每个字都会，就是看不懂
另一方面，流式ASR模型需要满足一定长度的音频输入，才会处理并输出文字，非常依赖语速和说话流畅度的稳定。
例如，主持人通常在电竞团战或是进球前夕等情况下，语速变得非常快（例如华少最快能达到18秒215字），或是因为思考出现频繁断句，就会严重影响流式ASR技术的“发挥” 。
在这种情况下，流式ASR语音识别的结果如不经过处理、直接输出的话，就会出现字幕空白、频繁停顿，或是大段爆发输出的情况。
为了让字幕流更加稳定（能输出整段整句）、准确率也更高，B站在采用讯飞听见技术进行流式ASR识别（毫秒级延迟）时，选择将无障碍直播间整体进行适当延迟，来确保阅读流畅性，主要做了这些操作：
其一，B站专门梳理了英雄联盟赛事相关的500+专有词汇，包括战队、选手、赛区、游戏英雄名称、比赛术语、解说相关术语、S赛名句等等，将这些词汇接入到讯飞听见服务器中，进行转译结果优化处理；
其二，针对语速不稳定的情况，在文字处理部分，B站将流式ASR输出的文字，根据阅读习惯进行自动换行，使之更符合用户的视觉理解；
其三，针对整体阅读体验，B站专门制作了一款辅助软件，将人工复查操作进一步流程化，进一步为听障人士提升字幕准确率……

文章图片

这也解释了B站无障碍直播间略有延迟的原因：提升了字幕阅读体验。
不止实时语音识别技术
事实上，这个无障碍电竞赛事直播间，还不止语音技术服务这么简单。
比如，手语直播了解一下？

文章图片

B站邀请了手语翻译的代表人物韩清泉老师，由其领衔的专业翻译团队来进行手语辅助，他们会在赛果播报及赛后采访环节提供实时手语翻译。
此外，在每个比赛日，直播间还推出了观赛小助手，即手语教学内容。像网友都很好奇的超神、一血、补刀、中单、辅助、经济等这些热门词汇，此前都已经一一亮相。

文章图片

不少人认为，之所以上线手语辅助功能，是因为语音转字幕会出错，而手语能够帮助理解。
实际上，还有更深层次的原因。
韩清泉老师解释说，对于会手语的朋友而言，如果只有文字和手语两种交流方式可供选择，他们一定会毫不犹豫选择手语，因为用手语交流会有强烈的代入感。通过这种方式，听障朋友们就能强烈感受到被这么多人关注着。