Kuaishou mejora la velocidad y la precisión de las subtítulos en vivo para transmisiones de comercio electrónico

Kuaishou ha desarrollado un nuevo sistema de subtítulos en vivo que reduce significativamente el retraso entre el discurso del anfitrión y la visualización de los subtítulos. El retraso de principio a fin se ha reducido de 1,5 a 2 segundos a 400 a 500 milisegundos, con una tasa de error de caracteres que ha disminuido del 7,81% al 3,51%. Este avance permite a millones de usuarios concurrentes, marcando el primer enfoque de ingeniería sistemática en las transmisiones en vivo de comercio electrónico, que requiere una alta concurrencia y un rendimiento en tiempo real. El sistema divide la entrega de subtítulos en cuatro etapas: reconocimiento automático del habla, alineación de PTS, distribución en cascada y renderizado en el lado del cliente. La parte más compleja es el mecanismo de revisión del flujo, que actualiza continuamente los subtítulos a medida que se procesa el habla. Esto requiere el seguimiento de los ID de las oraciones, las revisiones y las líneas de tiempo del reproductor para garantizar que los subtítulos sean estables y no parpadeen ni se superpongan. Este enfoque de ingeniería se considera más valioso que centrarse únicamente en la precisión del reconocimiento para los equipos que construyen sistemas de IA en tiempo real de alta concurrencia.