Pada siaran berita jaringan berbahasa Spanyol di AS, 85% sampel yang dianalisis melampaui batas latensi teks 7 detik, dan rata-rata teks muncul 8,2 detik setelah kata diucapkan (Fresno, JoSTrans 2024). Akurasi menceritakan kisah yang sejalan: pada program berita, penulis teks manusia mencapai akurasi NER 99,4% sementara teks otomatis tanpa suntingan mencapai 97,4%, di bawah batas kualitas 98% (Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023). Sementara itu, keluhan tentang teks tertutup di TV yang diajukan ke FCC naik dari 310 pada 2023 menjadi 683 pada 2024 (FCC CGB Consumer Complaints Data). Kami menghimpun data dari FCC, para peneliti Gallaudet University, studi NER Universidade de Vigo dan University of Texas Rio Grande Valley, Open ASR Leaderboard, WHO, dan lebih dari selusin makalah yang ditelaah sejawat. Untuk gambaran yang lebih luas tentang penundaan di semua format langsung, lihat rangkuman pendamping kami tentang latensi subtitle waktu nyata.
TL;DR
- Teks manusia pada berita AS meraih akurasi NER 99,4% dibandingkan 97,4% untuk teks otomatis tanpa suntingan (Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023).
- Siaran berita berbahasa Spanyol di AS rata-rata berakurasi NER 97,04%, di bawah ambang 98% (Fresno, JoSTrans 2024).
- 85% sampel siaran berita berbahasa Spanyol melampaui batas latensi teks 7 detik (Fresno, JoSTrans 2024).
- Teks TV langsung asli tertinggal 7 hingga 12 detik dari ucapan; teks otomatis pada pengujian yang sama tertinggal sekitar 2 detik (Thompson dkk., arXiv 2026).
- Penonton kehilangan sekitar 1 poin penilaian kualitas untuk setiap 7,5 detik penundaan teks TV (Thompson dkk., arXiv 2026).
- Hanya 11 dari 70 klip TV langsung dan 4 dari 70 klip ASR yang mencapai NER 98% (Thompson dkk., arXiv 2026).
- Teks otomatis membuat sekitar 22 kesalahan per menit dibandingkan 5 untuk stenografi dalam studi kasus AS 2020 (Romero-Fresco dan Fresno, 2023).
- Keluhan FCC tentang teks tertutup di TV mencapai 683 pada 2024, naik dari 310 pada 2023 (FCC CGB Consumer Complaints Data).
- 65% dari seluruh kesalahan pada sistem teks otomatis bersertifikat adalah kesalahan tanda baca (Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025).
- Beban kerja mental penulis teks langsung dinilai setara dengan beban ahli bedah saraf, dalam studi terhadap 30 penulis teks (Nam dkk., Applied Ergonomics 2023).
- Hasil ASR bahasa Inggris format panjang terbaik di Open ASR Leaderboard adalah WER 7,32% (makalah Open ASR Leaderboard, arXiv 2025, data per Maret 2026).
1. Akurasi Teks Berita Langsung: Manusia vs Otomatis
Temuan utama dari perbandingan manusia lawan mesin terbesar sejauh ini bukanlah bahwa teks otomatis gagal, melainkan bahwa mereka gagal pada rentang tertentu. Teks otomatis tanpa suntingan pada berita mencapai akurasi NER 97,4% dalam studi kasus AS 2021, dibandingkan 99,4% untuk teks manusia pada genre yang sama (Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023). Dua poin NER terdengar kecil, tetapi itulah beda antara lulus dan gagal: 98% adalah ambang yang dapat diterima, dan skor otomatis itu setara hanya 3,5 pada skala NER 10 poin.
Berita ternyata juga genre yang paling ramah bagi mesin. Dalam studi kasus yang sama, teks otomatis untuk olahraga turun ke 95,4% sementara teks manusia untuk olahraga naik ke 99,6%, sehingga kesenjangan melebar tepat ketika ucapan menjadi cepat dan saling tumpang tindih. Studi itu menganalisis sekitar 17.000 teks langsung dalam empat studi kasus di Inggris, AS, dan Kanada antara 2018 dan 2022.
| Metrik | Nilai | Sumber |
|---|---|---|
| Teks manusia, genre berita AS, akurasi NER | 99,4% | Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023 (studi kasus Enco, 2021) |
| Teks otomatis, genre berita AS, akurasi NER | 97,4% (3,5 dari 10) | Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023 (studi kasus Enco, 2021) |
| Stenografi vs pengulangan suara (respeaking) vs otomatis, AS | 99,1% vs 98,6% vs 96,3% | Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023 (studi kasus Vitac, 2020) |
| Inggris: teks pengulangan suara vs Microsoft vs Google | 97% vs 96% vs 95,5% | Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023 (studi kasus Sky, 2018) |
| Teks langsung manusia di Kanada, rata-rata NER | 98,9% (7 dari 10) | Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023 (Kanada, 2019-2021) |
| Ukuran sampel Kanada | 440 klip sepuluh menit, 9.300 teks | Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023 |
| Subtitle langsung Inggris, penilaian atas permintaan Ofcom, akurasi keseluruhan | 98,4% dari 78.000 subtitle | Romero-Fresco dan Fresno, 2023, mengutip proyek Ofcom 2013-2015 |
Catatan konteks: studi kasus ini berasal dari 2018 hingga 2021, sehingga mendahului mesin ucapan terbaru. Para penulis yang sama melaporkan bahwa mesin yang lebih baru mencapai akurasi NER antara 99,1% dan 99,9% dalam kondisi terkendali dengan satu pembicara dan audio jernih, yang merupakan kebalikan dari liputan jarak jauh berita terkini. Makalah lengkap: The accuracy of automatic and human live captions in English. Data terbaru yang tersedia untuk proyek Ofcom: 2013-2015.
2. Penundaan Tampilan Teks pada Berita Langsung
Latensi adalah titik di mana teks berita langsung kehilangan penonton bahkan sebelum satu kata pun salah. 85% sampel siaran berita berbahasa Spanyol di AS yang dianalisis melampaui batas latensi 7 detik (Fresno, JoSTrans 2024), dan penundaan teks individual berkisar dari 0,7 hingga 41 detik. Teks yang terlambat 41 detik pada segmen berita yang cepat sedang menggambarkan cerita yang berbeda dari yang ada di layar.
Sisi otomatis pasar memiliki keunggulan struktural di sini. Teks otomatis biasanya tertinggal 2 hingga 3 detik dari ucapan, dibandingkan 4 hingga 10 detik untuk teks manusia (Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025). Studi Gallaudet 2026 mengukur penundaan teks TV asli sebesar 7 hingga 12 detik pada klip langsungnya, sementara kondisi ASR-nya, yang diproduksi oleh vendor penyiaran AppTek, berjalan pada rata-rata 2 detik (Thompson dkk., arXiv 2026). Dengan demikian, pertukaran bagi lembaga penyiaran bukanlah akurasi lawan ketiadaan, melainkan akurasi lawan waktu.
| Metrik | Nilai | Sumber |
|---|---|---|
| Rata-rata penundaan teks, siaran berita Telemundo vs Univision | 8,2 vs 8,3 detik | Fresno, JoSTrans 2024 |
| Porsi sampel siaran berita Spanyol dengan latensi di atas 7 detik | 85% | Fresno, JoSTrans 2024 |
| Rentang penundaan teks individual | 0,7 hingga 41 detik | Fresno, JoSTrans 2024 |
| Tolok ukur latensi yang dikutip untuk teks AS | 6 hingga 7 detik dapat diterima, 4 hingga 5 detik target | Fresno, JoSTrans 2024 (seperti dikutip dalam studi) |
| Penundaan teks TV langsung asli pada klip uji | 7 hingga 12 detik | Thompson dkk., Gallaudet University, arXiv 2026 |
| Penundaan teks ASR pada pengujian yang sama | rata-rata 2 detik (ditambah atau dikurangi 0,05 dtk jitter) | Thompson dkk., Gallaudet University, arXiv 2026 |
| Penundaan tipikal, teks otomatis vs manusia | 2-3 dtk vs 4-10 dtk | Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025 |
| Latensi teks Super Bowl LII dan debat presiden 2016 | 5,3 dtk dan 6,1 dtk | Fresno, JoSTrans 2024 (merangkum studi sebelumnya) |
Catatan pencilan: aturan FCC sendiri tidak memuat angka detik. Angka 6 hingga 7 detik adalah tolok ukur yang dilaporkan Fresno dalam studi JoSTrans tentang siaran berita berbahasa Spanyol, bukan batas yang dikodifikasi (lihat bagian 6).
3. Tingkat Kesalahan Kata vs NER: Mengapa Metrik Tidak Sejalan
Tingkat kesalahan kata adalah angka bawaan dalam pengenalan ucapan, dan ia menghukum penulis teks manusia karena menjalankan pekerjaan mereka. Penulis teks langsung profesional meringkas ucapan agar bisa mengimbangi; WER menghitung setiap kata yang dihilangkan sebagai kesalahan, terlepas dari apakah maknanya tetap terjaga. Dalam studi Gallaudet 2026, teks TV memiliki WER rata-rata 33,8% namun NER rata-rata 95,28%, sedangkan teks ASR memiliki WER rata-rata 17,2% dan NER rata-rata 94,34% (Thompson dkk., arXiv 2026). Mesin “menang” pada WER dan kalah pada NER.
Hasil yang lebih penting adalah bahwa tidak ada satu metrik pun yang mengikuti penilaian penonton secara setara di semua teknologi. Untuk teks TV, WER berkorelasi dengan penilaian kualitas penonton pada r = -0,687 (p < 0,001), tetapi untuk teks ASR korelasinya turun menjadi r = -0,390 (p = 0,003). NER menunjukkan pola yang sama: r = 0,647 untuk TV dibandingkan r = 0,383 untuk ASR. Regulator yang memilih satu metrik juga, tanpa menyatakannya, memilih satu teknologi.
| Metrik | Nilai | Sumber |
|---|---|---|
| NER rata-rata, teks TV vs teks ASR | 95,28 vs 94,34 | Thompson dkk., arXiv 2026 |
| Klip yang mencapai ambang NER 98, TV vs ASR | 11 dari 70 vs 4 dari 70 | Thompson dkk., arXiv 2026 |
| Korelasi NER dengan penilaian penonton, TV vs ASR | r = 0,647 vs r = 0,383 | Thompson dkk., arXiv 2026 |
| Korelasi ACE2 dengan penilaian penonton, TV vs ASR | r = -0,631 vs r = -0,291 | Thompson dkk., arXiv 2026 |
| Skor ACE2 rata-rata, TV vs ASR (makin rendah makin baik) | 0,67 vs 0,52 | Thompson dkk., arXiv 2026 |
| Ukuran efek selisih WER, TV vs ASR | d = 0,86 | Thompson dkk., arXiv 2026 |
| Ukuran efek selisih penilaian kualitas, TV vs ASR | d = -0,13 | Thompson dkk., arXiv 2026 |
Catatan konteks: penonton menilai teks TV dan ASR hampir identik (d = -0,13) meskipun selisih WER-nya besar (d = 0,86). Studi CHI 2024 sebelumnya oleh kelompok Gallaudet yang sama hanya menemukan korelasi lemah antara WER, WER berbobot, ACE, dan ACE2 dengan penilaian penonton (Arroyo Chavez dkk., arXiv 2404.10153). Makalah 2026 itu adalah pracetak: Are Caption Metrics Broken?.
4. Seperti Apa Kesalahan Teks dalam Praktik
Jumlah kesalahan menyembunyikan jenis kesalahan. Pada siaran berita berbahasa Spanyol di AS, antara 41% dan 46% teks mengandung setidaknya satu kesalahan, tetapi 82% dari kesalahan itu tergolong ringan, 16% standar, dan 2% serius (Fresno, JoSTrans 2024). Kesalahan ringan memperlambat pembacaan; kesalahan serius menciptakan informasi palsu, misalnya angka yang keliru dalam laporan pasar.
Sistem otomatis gagal dengan cara yang berbeda. Dalam sertifikasi NER 2025 untuk sebuah sistem teks otomatis, 65% dari semua kesalahan berasal dari tanda baca, dan identifikasi pembicara menaikkan tingkat kesalahan sebesar 50% hingga 100% pada video dengan banyak pembicara (Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025). Penulis teks manusia menyunting; mesin mentranskripsi. Tingkat penyuntingan sistem otomatis itu adalah 0,07%, dibandingkan 6% hingga 33% untuk teks manusia di berbagai wilayah, yang menjelaskan baik fidelitas WER-nya yang lebih tinggi maupun kelemahannya dalam mengimbangi laju pembaca.
| Metrik | Nilai | Sumber |
|---|---|---|
| Teks siaran berita Spanyol dengan setidaknya satu kesalahan | 41-46% | Fresno, JoSTrans 2024 |
| Komposisi tingkat keparahan kesalahan, siaran berita Spanyol (ringan / standar / serius) | 82% / 16% / 2% | Fresno, JoSTrans 2024 |
| Komposisi tingkat keparahan kesalahan, teks otomatis bahasa Inggris (ringan / standar / serius) | 89,2% / 10% / 0,8% | Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025 |
| Porsi kesalahan teks otomatis yang berasal dari tanda baca | 65% | Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025 |
| Kenaikan tingkat kesalahan dengan banyak pembicara | 50-100% | Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025 |
| Tingkat penyuntingan, teks otomatis vs manusia | 0,07% vs 6-33% | Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025 |
| Kesalahan per menit: stenografi vs pengulangan suara vs otomatis | 5 vs 7 vs 22 | Romero-Fresco dan Fresno, Linguistica Antverpiensia 2023 (Vitac, 2020) |
| Pengurangan teks, teks siaran berita Spanyol | 26% | Fresno, JoSTrans 2024 |
Catatan konteks: kecepatan membaca menjelaskan pengurangan itu. Pembawa berita Spanyol berbicara rata-rata 167 kata per menit sementara teks rata-rata 121 kata per menit (11,574 karakter per detik); 39% teks melampaui 15 karakter per detik (Fresno, JoSTrans 2024). Sebagai perbandingan, DCMP Captioning Key menetapkan laju penyajian tidak boleh melebihi 160 kata per menit bahkan untuk media tingkat lanjut. Sumber data sertifikasi: Fit for What Purpose? NER Certification of Automatic Captions.
5. Dampak pada Penonton: Penundaan, Kesalahan, dan Kelelahan
Data penonton menaruh harga pada setiap detik keterlambatan. Teks TV dengan penundaan siaran aslinya dinilai 3,66 dari 7 untuk kualitas, dibandingkan 5,09 ketika teks yang sama disinkronkan, dan teks ASR dengan penundaan 2 detik tetap meraih 4,81 (Thompson dkk., arXiv 2026). Studi memperkirakan kira-kira satu poin penilaian hilang untuk setiap 7,5 detik penundaan teks TV. Seorang peserta mengatakannya dengan lugas: ia lebih memilih teks yang tidak lengkap tetapi sinkron daripada teks yang lebih baik tetapi tertinggal.
Kesalahan juga merugikan pembicara, bukan hanya penonton. Dalam eksperimen terpraregistrasi dengan 207 peserta AS, subtitle ASR yang rawan kesalahan secara konsisten menurunkan penilaian terhadap pembicara maupun isinya (Kadoma, Shrivastava, dan Naaman, arXiv 2026). Dan teks yang membantu pemahaman tetap dapat melelahkan penonton: dalam uji laboratorium audiologi, teks yang tidak sempurna dan tertunda menaikkan pengenalan kalimat dari 63% menjadi 77% tetapi menimbulkan kenaikan kelelahan subjektif yang lebih besar (Esser, Picou, dan Hornsby, American Journal of Audiology 2025).
| Metrik | Nilai | Sumber |
|---|---|---|
| Penilaian kualitas, teks TV tertunda vs tersinkron (skala 7 poin) | 3,66 vs 5,09 | Thompson dkk., arXiv 2026 |
| Penilaian pemahaman, teks TV tertunda vs tersinkron | 4,74 vs 5,65 | Thompson dkk., arXiv 2026 |
| Kehilangan penilaian per satuan penundaan teks TV | Sekitar 1 poin per 7,5 detik | Thompson dkk., arXiv 2026 |
| Peserta survei yang memakai teks setiap hari | 84,7% dari 216 | Thompson dkk., arXiv 2026 |
| Pengenalan kalimat dengan vs tanpa teks tidak sempurna | 77% vs 63% | Esser dkk., American Journal of Audiology 2025 |
| Kata ucapan yang ditampilkan dengan benar dalam teks uji tersebut | 86-88% | Esser dkk., American Journal of Audiology 2025 |
| Peserta dalam eksperimen evaluasi kesalahan subtitle | 207 | Kadoma dkk., arXiv 2026 |
| Penonton crowdsourcing dalam evaluasi stabilitas teks | 123 | Liu dkk., CHI Extended Abstracts 2023 |
Catatan konteks: audiensnya besar. WHO memperkirakan bahwa lebih dari 5% populasi dunia, atau 430 juta orang, membutuhkan rehabilitasi untuk gangguan pendengaran yang melumpuhkan, dan angka itu naik menjadi lebih dari 700 juta pada 2050 (lembar fakta WHO tentang ketulian dan gangguan pendengaran, 2026). Teks ASR sementara yang berkedip menambah beban tersendiri; Liu dkk. menemukan bahwa teknik stabilisasi mengurangi gangguan dan kelelahan penonton. Platform video pendek menghadapi masalah yang sama pada skala berbeda, seperti dibahas dalam rangkuman teks video pendek kami.
6. Aturan FCC dan Keluhan tentang Teks
Aturan AS mendefinisikan kualitas dengan kata-kata, bukan angka. Menurut 47 CFR 79.1, teks harus akurat, sinkron, lengkap, dan ditempatkan dengan benar, serta “harus mulai muncul pada saat ucapan atau bunyi yang bersangkutan dimulai”. Aturan itu memang membatasi metode berita langsung yang paling murah: ABC, CBS, Fox, dan NBC beserta afiliasinya di 25 pasar teratas tidak boleh menghitung teks Electronic Newsroom Technique (ENT) berbasis teleprompter sebagai pemenuhan kewajiban. Stasiun di tempat lain yang memakai ENT harus menyusun naskah untuk berita, olahraga, dan cuaca di studio serta melengkapi berita terkini tanpa naskah dengan teks berjalan atau teks lain.
Data keluhan menunjukkan gesekan yang meningkat. Keluhan tentang teks tertutup di TV dalam dataset keluhan konsumen FCC naik dari 310 pada 2023 menjadi 683 pada 2024, peningkatan 120% ((683 - 310) / 310), dan tetap tinggi di angka 604 pada 2025 (FCC CGB Consumer Complaints Data). Keluhan tentang teks melalui internet memuncak lebih awal, yaitu 705 pada 2023.
| Metrik | Nilai | Sumber |
|---|---|---|
| Keluhan: teks tertutup di TV, 2023 / 2024 / 2025 | 310 / 683 / 604 | FCC CGB Consumer Complaints Data (dikueri Oktober 2026) |
| Keluhan: teks tertutup melalui internet, 2023 / 2024 / 2025 | 705 / 472 / 339 | FCC CGB Consumer Complaints Data |
| Keluhan teks tertutup di TV, 2026 hingga saat ini | 376 | FCC CGB Consumer Complaints Data |
| Keluhan kumulatif sejak 31 Oktober 2014: teks TV vs internet | 4.139 vs 3.057 | FCC CGB Consumer Complaints Data |
| Keluhan teks umum, 2009-2013 | 2.323 (rata-rata 465 per tahun) | FCC Caption Quality Report and Order, FCC 14-12 (2014) |
| Batas waktu mengajukan keluhan teks | 60 hari setelah masalah terjadi | eCFR, 47 CFR 79.1(g)(1) |
| Tenggat distributor untuk menanggapi keluhan yang diteruskan FCC | 30 hari | eCFR, 47 CFR 79.1(g)(4) |
| Tingkat pendapatan di bawah mana sebuah kanal dikecualikan dari kewajiban teks | Di bawah $3.000.000 per tahun | eCFR, 47 CFR 79.1(d)(12) |
Catatan konteks: FCC menyatakan tidak memverifikasi fakta yang didalilkan dalam keluhan informal ini, dan kategori dipilih oleh konsumen, sehingga dataset tidak dapat memisahkan berita langsung dari program lain (CGB Consumer Complaints Data). Angka 2009-2013 berasal dari sistem penerimaan yang berbeda yang dijelaskan dalam putusan kualitas teks FCC 14-12, sehingga kedua seri itu tidak boleh dibaca sebagai satu garis tren. Layanan relai untuk penelepon tuli dan sulit mendengar adalah program FCC terkait, yang dirinci dalam statistik TRS dan VRS kami.
7. Pergeseran Tenaga Kerja dan Teknologi
Sisi manusia dari pembuatan teks langsung sedang tertekan. Tiga puluh penulis teks langsung menilai beban kerja mental subjektif mereka tinggi, setara dengan ahli bedah saraf pada skala NASA-TLX, dengan parafrase dan status pekerjaan sebagai pendorong utama (Nam dkk., Applied Ergonomics 2023). Para penulis menyarankan agar penulis teks beralih ke pengawasan teks yang dihasilkan AI daripada mengetik setiap kata. Tekanan pasokan pada penulis teks waktu nyata dibahas dalam rangkuman statistik CART kami.
Alur kerja hibrida sudah menunjukkan keuntungan yang terukur. CARTGPT, yang memakai model bahasa besar dan ASR untuk mengoreksi transkrip CART manusia, meningkatkan akurasi kata sebesar 5,6% dibandingkan CART dasar dan 17,3% dibandingkan ASR mutakhir pada dataset 39,7 jam (Wu, Kleiver, dan Jain, ASSETS 2025). Tolok ukur menunjukkan sejauh mana mesin mentah telah berkembang: hasil bahasa Inggris format pendek terbaik di Open ASR Leaderboard adalah WER 5,42%, dan hasil format panjang terbaik adalah 7,32% (makalah Open ASR Leaderboard, arXiv 2025, data per 27 Maret 2026).
| Metrik | Nilai | Sumber |
|---|---|---|
| Penulis teks langsung dalam studi beban kerja | 30 | Nam dkk., Applied Ergonomics 2023 |
| Peningkatan akurasi kata CARTGPT vs CART dasar / vs ASR | 5,6% / 17,3% | Wu dkk., ASSETS 2025 |
| Sistem ASR dan dataset di Open ASR Leaderboard | 86 model, 12 dataset | Makalah Open ASR Leaderboard, arXiv 2025 |
| WER bahasa Inggris format pendek terbaik di papan peringkat | 5,42% (Cohere Labs Transcribe) | Makalah Open ASR Leaderboard, arXiv 2025 |
| WER bahasa Inggris format panjang: proprietari terbaik vs Whisper Large v3 | 7,32% vs 11,2% | Makalah Open ASR Leaderboard, arXiv 2025 |
| Teks otomatis bersertifikat, NER keseluruhan: Inggris vs Spanyol | 99,03% vs 98,77% | Romero-Fresco dan Van Gauwbergen, Applied Sciences 2025 |
| Rentang WER teks klinis waktu nyata untuk orang dewasa tuli dan sulit mendengar | 12,7% hingga 22,8% | Hughes dkk., JMIR Rehabilitation and Assistive Technology 2026 |
| Pengguna teks klinis yang merasa teks mudah diikuti | 90% (26 dari 29 simulasi) | Hughes dkk., JMIR Rehabilitation and Assistive Technology 2026 |
Catatan konteks: WER papan peringkat diukur pada audio tolok ukur, bukan pada berita langsung dengan banyak pembicara, suara yang saling menimpa, dan siaran jarak jauh, dan angka itu tidak menyatakan apa pun tentang penundaan. Sumber: makalah Open ASR Leaderboard, CARTGPT, Nam dkk. dan Hughes dkk.. Transkripsi ruang sidang menunjukkan kesenjangan serupa antara akurasi tolok ukur dan lapangan, lihat statistik pengenalan ucapan di ruang sidang kami.
Ringkasan: Penundaan Tampilan Teks Tertutup dan Tingkat Kesalahan Kata pada Berita Langsung dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Teks manusia, berita AS, akurasi NER | 99,4% | Romero-Fresco dan Fresno, 2023 |
| Teks otomatis, berita AS, akurasi NER | 97,4% | Romero-Fresco dan Fresno, 2023 |
| Siaran berita berbahasa Spanyol di AS, akurasi NER | 97,04% | Fresno, JoSTrans 2024 |
| Sampel siaran berita Spanyol dengan latensi di atas 7 detik | 85% | Fresno, JoSTrans 2024 |
| Rata-rata penundaan teks siaran berita Spanyol | 8,2 detik | Fresno, JoSTrans 2024 |
| Penundaan teks TV langsung asli pada klip uji | 7 hingga 12 detik | Thompson dkk., arXiv 2026 |
| Penundaan tipikal, teks otomatis vs manusia | 2-3 dtk vs 4-10 dtk | Romero-Fresco dan Van Gauwbergen, 2025 |
| WER rata-rata, teks TV vs ASR | 33,8% vs 17,2% | Thompson dkk., arXiv 2026 |
| Klip yang mencapai NER 98, TV vs ASR | 11 dari 70 vs 4 dari 70 | Thompson dkk., arXiv 2026 |
| Penilaian kualitas, teks TV tertunda vs tersinkron | 3,66 vs 5,09 dari 7 | Thompson dkk., arXiv 2026 |
| Kesalahan per menit, stenografi vs otomatis | 5 vs 22 | Romero-Fresco dan Fresno, 2023 |
| Kesalahan teks otomatis yang berasal dari tanda baca | 65% | Romero-Fresco dan Van Gauwbergen, 2025 |
| Teks siaran berita Spanyol dengan setidaknya satu kesalahan | 41-46% | Fresno, JoSTrans 2024 |
| Subtitle langsung Inggris, akurasi keseluruhan (2013-2015) | 98,4% | Romero-Fresco dan Fresno, 2023, mengutip proyek Ofcom |
| Keluhan teks TV ke FCC, 2023 vs 2024 | 310 vs 683 | FCC CGB Consumer Complaints Data |
| Keluhan teks TV ke FCC, 2025 | 604 | FCC CGB Consumer Complaints Data |
| Keluhan teks yang diajukan ke FCC, 2009-2013 | 2.323 | FCC 14-12 (2014) |
| Beban kerja penulis teks langsung | Setara ahli bedah saraf | Nam dkk., Applied Ergonomics 2023 |
| WER ASR bahasa Inggris format panjang terbaik | 7,32% | Makalah Open ASR Leaderboard, arXiv 2025 |
| Orang yang membutuhkan rehabilitasi untuk gangguan pendengaran yang melumpuhkan | 430 juta | Lembar fakta WHO, 2026 |
Metodologi dan Sumber
- Romero-Fresco, P. dan Fresno, N.: The accuracy of automatic and human live captions in English, Linguistica Antverpiensia 22 (2023)
- Fresno, N.: Closed Captions en espanol. Live Captioning Quality in Spanish-language Newscasts in the U.S., The Journal of Specialised Translation (2024)
- Romero-Fresco, P. dan Van Gauwbergen, Y.: Fit for What Purpose? NER Certification of Automatic Captions in English and Spanish, Applied Sciences 15(3) (2025)
- Thompson, B. dkk. (Gallaudet University): Are Caption Metrics Broken? Latency, Deaf and Hard of Hearing User Ratings, and Bias across Technologies, pracetak arXiv (2026)
- Arroyo Chavez, M. dkk. (Gallaudet University): How Users Experience Closed Captions on Live Television, CHI 2024
- Romero-Fresco, P.: Negotiating quality assessment in media accessibility: the case of live subtitling, Universal Access in the Information Society (2020)
- FCC: CGB Consumer Complaints Data, dikueri berdasarkan isu dan tahun pada Oktober 2026
- FCC: Closed Captioning Quality Report and Order, FCC 14-12 (2014)
- eCFR: 47 CFR 79.1, Closed captioning of televised video programming
- DCMP: Captioning Key, Presentation Rate
- Esser, K., Picou, E. dan Hornsby, B.: Imperfect Captions Paired to Audiovisual Stimuli Improve Speech Recognition but Do Not Reduce Listening-Related Fatigue, American Journal of Audiology (2025)
- Kadoma, K., Shrivastava, P. dan Naaman, M.: Lost in Transcription, arXiv (2026)
- Liu, X. dkk.: Modeling and Improving Text Stability in Live Captions, CHI Extended Abstracts (2023)
- Nam, S. dkk.: Assessing subjective workload for live captioners, Applied Ergonomics (2023)
- Wu, L.-Y., Kleiver, A. dan Jain, D.: CARTGPT: Real-Time Correction of CART Captions Using Large Language Models, ASSETS 2025
- Hughes, S. dkk.: Assessing the Role of Medical Caption Technology, JMIR Rehabilitation and Assistive Technology (2026)
- Open ASR Leaderboard: Towards Reproducible and Transparent Multilingual and Long-Form Speech Recognition Evaluation, arXiv (2025, hasil per 27 Maret 2026)
- WHO: Deafness and hearing loss fact sheet (2026)
- Catatan data: studi latensi dan metrik Gallaudet (Thompson dkk.) serta eksperimen Kadoma dkk. adalah pracetak dan dapat berubah setelah telaah sejawat. Studi kasus dalam Romero-Fresco dan Fresno berasal dari 2018 hingga 2022, dan proyek subtitle langsung Ofcom berlangsung dari 2013 hingga 2015 (data terbaru yang tersedia untuk akurasi di Inggris). Halaman Ofcom dan CRTC mengembalikan perlindungan bot atau galat 403 selama riset, sehingga angka Inggris dan Kanada dikutip melalui makalah tertelaah sejawat yang melaporkannya. Tolok ukur latensi 6 hingga 7 detik serta angka Super Bowl LII dan debat 2016 adalah sebagaimana dilaporkan Fresno (2024); 47 CFR 79.1 sendiri tidak menetapkan batas penundaan numerik. Jumlah keluhan FCC bersifat informal, tidak diverifikasi, dan dikategorikan oleh konsumen, tidak memisahkan berita langsung, dan angka 2026 adalah angka hingga saat ini; kenaikan 120% adalah perhitungan kami sendiri dari jumlah 2023 dan 2024. Studi siaran berita Spanyol (2024) mencakup dua jaringan dan 200 menit. Angka WER papan peringkat adalah hasil tolok ukur dan tidak mengukur penundaan berita langsung.
Terakhir diperbarui: 4 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika studi metrik teks Gallaudet menyelesaikan telaah sejawat dan dataset keluhan FCC menutup tahun kalender 2026.