미국 스페인어 방송 뉴스에서 분석 표본의 85%가 캡션 지연 상한 7초를 넘었으며, 캡션은 평균적으로 말이 나온 지 8.2초 뒤에 도착했다(Fresno, JoSTrans 2024). 정확도도 같은 이야기를 들려준다. 뉴스 프로그램에서 사람 캡션 작성자는 NER 정확도 99.4%에 도달한 반면, 편집되지 않은 자동 캡션은 97.4%로 품질 하한선인 98%에 못 미쳤다(Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023). 한편 FCC에 접수된 TV 클로즈드 캡션 민원은 2023년 310건에서 2024년 683건으로 늘었다(FCC CGB Consumer Complaints Data). 이 글은 FCC, 갤러뎃 대학교 연구진, Universidade de Vigo와 University of Texas Rio Grande Valley의 NER 연구, Open ASR Leaderboard, WHO, 그리고 12편이 넘는 동료 심사 논문의 데이터를 종합했다. 모든 라이브 형식에 걸친 지연의 전체 그림은 함께 보면 좋은 실시간 자막 지연 정리를 참고하세요.
요약
- 미국 뉴스의 사람 캡션은 NER 정확도 99.4%를 기록했고, 편집되지 않은 자동 캡션은 97.4%였다(Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023).
- 미국 스페인어 뉴스 방송의 평균 NER 정확도는 97.04%로 기준선 98%에 못 미쳤다(Fresno, JoSTrans 2024).
- 스페인어 뉴스 방송 표본의 85%가 캡션 지연 상한 7초를 넘었다(Fresno, JoSTrans 2024).
- 원래 라이브 TV 캡션은 발화보다 7초에서 12초 늦었고, 같은 테스트의 자동 캡션은 약 2초 늦었다(Thompson 외, arXiv 2026).
- 시청자는 TV 캡션 지연 7.5초마다 품질 평가 약 1점을 잃었다(Thompson 외, arXiv 2026).
- 라이브 TV 클립 70개 중 11개, ASR 클립 70개 중 4개만 NER 98%에 도달했다(Thompson 외, arXiv 2026).
- 2020년 미국 사례 연구에서 자동 캡션은 분당 약 22건의 오류를 냈고 속기는 5건이었다(Romero-Fresco와 Fresno, 2023).
- TV 클로즈드 캡션에 관한 FCC 민원은 2024년 683건으로, 2023년의 310건에서 늘었다(FCC CGB Consumer Complaints Data).
- 인증받은 자동 캡션 시스템의 전체 오류 중 65%는 문장 부호 오류였다(Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025).
- 라이브 캡션 작성자 30명을 대상으로 한 연구에서 이들의 정신적 작업 부하는 신경외과 의사와 비슷한 수준으로 평가되었다(Nam 외, Applied Ergonomics 2023).
- Open ASR Leaderboard에서 장편 영어 ASR의 최고 결과는 WER 7.32%였다(Open ASR Leaderboard 논문, arXiv 2025, 2026년 3월 기준 데이터).
1. 라이브 뉴스 캡션 정확도: 사람 대 자동
지금까지 가장 큰 규모의 사람 대 기계 비교에서 나온 핵심 결론은 자동 캡션이 실패한다는 것이 아니라 특정 구간에서 실패한다는 점이다. 편집되지 않은 자동 캡션은 2021년 미국 사례 연구에서 뉴스 NER 정확도 97.4%에 도달했고, 같은 장르의 사람 캡션은 99.4%였다(Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023). NER 2점은 작게 들리지만 합격과 불합격을 가르는 차이다. 허용 기준은 98%이며, 자동 캡션의 결과는 10점 만점 NER 척도에서 겨우 3.5점에 해당했다.
뉴스는 기계에게 가장 우호적인 장르이기도 하다. 같은 사례 연구에서 스포츠의 자동 캡션은 95.4%로 떨어진 반면 스포츠의 사람 캡션은 99.6%로 올라, 발화가 빠르고 겹치는 바로 그 지점에서 격차가 벌어진다. 이 연구는 2018년부터 2022년까지 영국, 미국, 캐나다의 사례 연구 4건에서 약 17,000건의 라이브 캡션을 분석했다.
| 지표 | 값 | 출처 |
|---|---|---|
| 사람 캡션, 미국 뉴스 장르, NER 정확도 | 99.4% | Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023 (Enco 사례 연구, 2021년) |
| 자동 캡션, 미국 뉴스 장르, NER 정확도 | 97.4% (10점 만점에 3.5) | Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023 (Enco 사례 연구, 2021년) |
| 속기 대 리스피킹 대 자동, 미국 | 99.1% 대 98.6% 대 96.3% | Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023 (Vitac 사례 연구, 2020년) |
| 영국 리스피킹 대 Microsoft 대 Google 캡션 | 97% 대 96% 대 95.5% | Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023 (Sky 사례 연구, 2018년) |
| 캐나다 사람 라이브 캡션, 평균 NER | 98.9% (10점 만점에 7) | Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023 (캐나다, 2019~2021년) |
| 캐나다 표본 규모 | 10분짜리 클립 440개, 캡션 9,300건 | Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023 |
| 영국 라이브 자막, Ofcom 의뢰 평가, 전체 정확도 | 자막 78,000건에서 98.4% | Romero-Fresco와 Fresno, 2023, Ofcom 2013~2015년 프로젝트 인용 |
맥락 참고: 이 사례 연구들은 2018년에서 2021년 사이의 것이므로 최신 음성 엔진보다 앞선 시점이다. 같은 저자들은 화자가 한 명이고 음성이 또렷한 통제된 조건에서 더 새로운 엔진이 NER 정확도 99.1%에서 99.9%에 도달했다고 보고하는데, 이는 긴급 뉴스의 원격 연결과는 정반대의 조건이다. 논문 전문: The accuracy of automatic and human live captions in English. Ofcom 프로젝트의 이용 가능한 최신 데이터: 2013~2015년.
2. 라이브 뉴스의 캡션 표시 지연
지연은 라이브 뉴스 캡션이 단어 하나가 틀리기도 전에 시청자를 잃는 지점이다. 분석한 미국 스페인어 뉴스 방송 표본의 85%가 지연 상한 7초를 넘었으며(Fresno, JoSTrans 2024), 개별 캡션의 지연은 0.7초에서 41초까지 분포했다. 빠르게 진행되는 뉴스 코너에서 41초 늦은 캡션은 화면에 나오는 것과 다른 이야기를 설명하고 있는 셈이다.
자동 쪽에는 구조적인 이점이 있다. 자동 캡션은 보통 발화보다 23초 늦는 반면 사람 캡션은 410초 늦는다(Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025). 2026년 갤러뎃 연구는 라이브 클립에서 원래 TV 캡션의 지연을 7~12초로 측정했으며, 방송 솔루션 업체 AppTek이 만든 ASR 조건은 평균 2초였다(Thompson 외, arXiv 2026). 따라서 방송사의 트레이드오프는 정확도 대 캡션 없음이 아니라 정확도 대 시간이다.
| 지표 | 값 | 출처 |
|---|---|---|
| 캡션 평균 지연, Telemundo 대 Univision 뉴스 방송 | 8.2초 대 8.3초 | Fresno, JoSTrans 2024 |
| 지연 7초를 넘은 스페인어 뉴스 방송 표본 비율 | 85% | Fresno, JoSTrans 2024 |
| 개별 캡션 지연의 범위 | 0.7~41초 | Fresno, JoSTrans 2024 |
| 미국 캡션에 대해 인용되는 지연 기준 | 6 | Fresno, JoSTrans 2024 (연구에서 인용된 내용) |
| 테스트 클립에서 원래 라이브 TV 캡션의 지연 | 7~12초 | Thompson 외, 갤러뎃 대학교, arXiv 2026 |
| 같은 테스트에서 ASR 캡션의 지연 | 평균 2초 (지터 ±0.05초) | Thompson 외, 갤러뎃 대학교, arXiv 2026 |
| 일반적인 지연, 자동 대 사람 캡션 | 2 | Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025 |
| Super Bowl LII와 2016년 대통령 토론회의 캡션 지연 | 5.3초와 6.1초 | Fresno, JoSTrans 2024 (이전 연구를 요약한 내용) |
이상치에 관한 참고: FCC 규정 자체에는 초 단위 숫자가 없다. 6~7초라는 수치는 Fresno가 스페인어 뉴스 방송에 관한 JoSTrans 연구에서 보고한 기준이며 성문화된 한도가 아니다(6절 참조).
3. 단어 오류율 대 NER: 지표가 엇갈리는 이유
단어 오류율은 음성 인식의 기본 수치이며, 사람 캡션 작성자가 자기 일을 한다는 이유로 불이익을 준다. 전문 라이브 캡션 작성자는 속도를 따라가기 위해 발화를 압축한다. WER은 의미가 살아남았는지와 관계없이 빠진 단어를 모두 오류로 센다. 2026년 갤러뎃 연구에서 TV 캡션은 평균 WER이 33.8%였지만 평균 NER은 95.28%였고, ASR 캡션은 평균 WER이 17.2%, 평균 NER이 94.34%였다(Thompson 외, arXiv 2026). 기계는 WER에서는 “이기고” NER에서는 진다.
더 중요한 결과는 어떤 지표도 기술 전반에 걸쳐 시청자 평가를 똑같이 따라가지 못한다는 점이다. TV 캡션에서는 WER이 시청자 품질 평가와 r = -0.687 (p < .001)로 상관됐지만, ASR 캡션에서는 상관이 r = -0.390 (p = .003)으로 떨어졌다. NER도 같은 패턴을 보였다. TV는 r = 0.647, ASR은 r = 0.383이었다. 하나의 지표를 고르는 규제 당국은 말하지 않고도 특정 기술을 함께 고르는 셈이다.
| 지표 | 값 | 출처 |
|---|---|---|
| 평균 NER, TV 캡션 대 ASR 캡션 | 95.28 대 94.34 | Thompson 외, arXiv 2026 |
| NER 98 기준에 도달한 클립, TV 대 ASR | 70개 중 11개 대 70개 중 4개 | Thompson 외, arXiv 2026 |
| 시청자 평가와 NER의 상관, TV 대 ASR | r = 0.647 대 r = 0.383 | Thompson 외, arXiv 2026 |
| 시청자 평가와 ACE2의 상관, TV 대 ASR | r = -0.631 대 r = -0.291 | Thompson 외, arXiv 2026 |
| 평균 ACE2 점수, TV 대 ASR (낮을수록 좋음) | 0.67 대 0.52 | Thompson 외, arXiv 2026 |
| WER 차이의 효과 크기, TV 대 ASR | d = 0.86 | Thompson 외, arXiv 2026 |
| 품질 평가 차이의 효과 크기, TV 대 ASR | d = -0.13 | Thompson 외, arXiv 2026 |
맥락 참고: WER 격차가 컸음에도(d = 0.86) 시청자는 TV 캡션과 ASR 캡션을 거의 똑같이 평가했다(d = -0.13). 같은 갤러뎃 그룹의 이전 CHI 2024 연구는 WER, 가중 WER, ACE, ACE2와 시청자 평가 사이에 약한 상관만 있음을 발견했다(Arroyo Chavez 외, arXiv 2404.10153). 2026년 논문은 프리프린트다: Are Caption Metrics Broken?.
4. 캡션 오류는 실제로 어떤 모습인가
오류 건수는 오류 유형을 가린다. 미국 스페인어 뉴스 방송에서 캡션의 41%에서 46%에 최소 한 건의 오류가 있었지만, 그 오류의 82%는 경미, 16%는 보통, 2%는 심각한 수준이었다(Fresno, JoSTrans 2024). 경미한 오류는 읽는 속도를 늦추고, 심각한 오류는 시황 보도의 잘못된 숫자처럼 허위 정보를 만든다.
자동 시스템은 다르게 실패한다. 자동 캡션 시스템에 대한 2025년 NER 인증에서 전체 오류의 65%는 문장 부호에서 나왔고, 화자 식별은 다중 화자 영상에서 오류율을 50%에서 100% 높였다(Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025). 사람 캡션 작성자는 편집하고 기계는 받아쓴다. 자동 시스템의 편집률은 0.07%였던 반면 지역별 사람 캡션은 6%에서 33%였는데, 이것이 WER 충실도가 높은 이유와 독자의 속도를 따라가는 데 약한 이유를 모두 설명해 준다.
| 지표 | 값 | 출처 |
|---|---|---|
| 최소 한 건의 오류가 있는 스페인어 뉴스 방송 캡션 | 41~46% | Fresno, JoSTrans 2024 |
| 오류 심각도 구성, 스페인어 뉴스 방송 (경미 / 보통 / 심각) | 82% / 16% / 2% | Fresno, JoSTrans 2024 |
| 오류 심각도 구성, 영어 자동 캡션 (경미 / 보통 / 심각) | 89.2% / 10% / 0.8% | Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025 |
| 자동 캡션 오류 중 문장 부호에서 비롯된 비율 | 65% | Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025 |
| 다중 화자일 때 오류율 증가 | 50~100% | Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025 |
| 편집률, 자동 대 사람 캡션 | 0.07% 대 6~33% | Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025 |
| 분당 오류: 속기 대 리스피킹 대 자동 | 5 대 7 대 22 | Romero-Fresco와 Fresno, Linguistica Antverpiensia 2023 (Vitac, 2020년) |
| 텍스트 축약률, 스페인어 뉴스 방송 캡션 | 26% | Fresno, JoSTrans 2024 |
맥락 참고: 읽는 속도가 축약을 설명한다. 스페인어 뉴스 앵커는 평균 분당 167단어로 말했고 캡션은 평균 분당 121단어(초당 11.574자)였으며, 캡션의 39%가 초당 15자를 넘었다(Fresno, JoSTrans 2024). 비교하자면 DCMP Captioning Key는 상급 수준의 미디어에서도 표시 속도가 분당 160단어를 넘지 않도록 정하고 있다. 인증 데이터의 출처: Fit for What Purpose? NER Certification of Automatic Captions.
5. 시청자에게 미치는 영향: 지연, 오류, 피로
시청자 데이터는 지연 1초마다 값을 매긴다. 원래 방송 지연이 있는 TV 캡션은 품질이 7점 만점에 3.66점으로 평가된 반면, 같은 캡션을 동기화하면 5.09점이었고, 지연 2초의 ASR 캡션도 4.81점을 받았다(Thompson 외, arXiv 2026). 이 연구는 TV 캡션 지연 7.5초마다 대략 1점의 평가가 떨어진다고 추정했다. 한 참가자는 뒤처지는 더 나은 캡션보다 동기화된 불완전한 캡션이 낫다고 분명하게 말했다.
오류는 시청자뿐 아니라 화자에게도 대가를 치르게 한다. 미국 참가자 207명을 대상으로 한 사전 등록 실험에서 오류가 많은 ASR 자막은 화자와 내용 모두에 대한 평가를 일관되게 낮췄다(Kadoma, Shrivastava, Naaman, arXiv 2026). 이해를 돕는 캡션도 시청자를 지치게 할 수 있다. 청각 실험실 테스트에서 불완전하고 시간이 지연된 캡션은 문장 인식을 63%에서 77%로 높였지만 주관적 피로는 더 크게 증가했다(Esser, Picou, Hornsby, American Journal of Audiology 2025).
| 지표 | 값 | 출처 |
|---|---|---|
| 품질 평가, 지연된 TV 캡션 대 동기화된 TV 캡션 (7점 척도) | 3.66 대 5.09 | Thompson 외, arXiv 2026 |
| 이해도 평가, 지연된 TV 캡션 대 동기화된 TV 캡션 | 4.74 대 5.65 | Thompson 외, arXiv 2026 |
| TV 캡션 지연 단위당 평가 하락 | 7.5초마다 약 1점 | Thompson 외, arXiv 2026 |
| 매일 캡션을 이용하는 설문 참가자 | 216명 중 84.7% | Thompson 외, arXiv 2026 |
| 불완전한 캡션이 있을 때 대 없을 때의 문장 인식 | 77% 대 63% | Esser 외, American Journal of Audiology 2025 |
| 해당 테스트 캡션에서 올바르게 표시된 발화 단어 | 86~88% | Esser 외, American Journal of Audiology 2025 |
| 자막 오류 평가 실험의 참가자 | 207명 | Kadoma 외, arXiv 2026 |
| 캡션 안정성 평가의 크라우드소싱 시청자 | 123명 | Liu 외, CHI Extended Abstracts 2023 |
맥락 참고: 대상 독자층은 크다. WHO는 세계 인구의 5% 넘는 사람, 즉 4억 3천만 명이 장애를 일으키는 청력 손실로 재활이 필요하며 2050년에는 7억 명이 넘을 것으로 추정한다(WHO 난청 및 청력 손실 팩트시트, 2026년). 깜빡이는 임시 ASR 텍스트는 별도의 부담을 더한다. Liu 외는 안정화 기법이 시청자의 산만함과 피로를 줄인다는 것을 발견했다. 숏폼 플랫폼도 다른 규모로 같은 문제를 안고 있으며, 이는 저희 숏폼 영상 캡션 정리에서 다룬다.
6. FCC 규정과 캡션 민원
미국 규정은 품질을 숫자가 아닌 말로 정의한다. 47 CFR 79.1에 따라 캡션은 정확하고 동기적이며 완전하고 올바르게 배치되어야 하며, “해당 발화나 소리가 시작되는 시점에 나타나기 시작해야 한다”. 규정은 가장 저렴한 라이브 뉴스 방식에는 제한을 둔다. ABC, CBS, Fox, NBC와 그 제휴사는 상위 25개 시장에서 텔레프롬프터 기반의 Electronic Newsroom Technique(ENT) 캡션을 규정 준수로 인정받을 수 없다. 그 밖의 지역에서 ENT를 쓰는 방송국은 스튜디오 뉴스, 스포츠, 날씨를 대본으로 작성해야 하고, 대본이 없는 긴급 뉴스는 크롤이나 다른 텍스트로 보완해야 한다.
민원 데이터는 마찰이 커지고 있음을 보여 준다. FCC 소비자 민원 데이터셋에서 TV 클로즈드 캡션 민원은 2023년 310건에서 2024년 683건으로 120% 증가했고((683 - 310) / 310), 2025년에도 604건으로 높은 수준을 유지했다(FCC CGB Consumer Complaints Data). 인터넷 캡션 민원은 더 일찍 2023년의 705건으로 정점을 찍었다.
| 지표 | 값 | 출처 |
|---|---|---|
| 민원: TV 클로즈드 캡션, 2023년 / 2024년 / 2025년 | 310 / 683 / 604 | FCC CGB Consumer Complaints Data (2026년 10월 조회) |
| 민원: 인터넷 클로즈드 캡션, 2023년 / 2024년 / 2025년 | 705 / 472 / 339 | FCC CGB Consumer Complaints Data |
| TV 클로즈드 캡션 민원, 2026년 연초 이후 | 376 | FCC CGB Consumer Complaints Data |
| 2014년 10월 31일 이후 누적 민원: TV 대 인터넷 캡션 | 4,139 대 3,057 | FCC CGB Consumer Complaints Data |
| 일반 캡션 민원, 2009~2013년 | 2,323 (연평균 465) | FCC Caption Quality Report and Order, FCC 14-12 (2014년) |
| 캡션 민원 접수 기한 | 문제 발생 후 60일 | eCFR, 47 CFR 79.1(g)(1) |
| FCC가 전달한 민원에 대한 배급사의 응답 기한 | 30일 | eCFR, 47 CFR 79.1(g)(4) |
| 채널이 캡션 의무를 면제받는 수익 수준 | 연 3,000,000 USD 미만 | eCFR, 47 CFR 79.1(d)(12) |
맥락 참고: FCC는 이러한 비공식 민원에 적힌 사실을 검증하지 않는다고 밝히고 있으며 범주는 소비자가 선택하므로, 이 데이터셋으로는 라이브 뉴스를 다른 프로그램과 분리할 수 없다(CGB Consumer Complaints Data). 2009~2013년 수치는 FCC 14-12 캡션 품질 명령에 설명된 다른 접수 시스템에서 나온 것이므로, 두 계열을 하나의 추세선으로 읽어서는 안 된다. 청각장애인과 난청 통화자를 위한 중계 서비스는 FCC의 관련 프로그램이며, 저희 TRS 및 VRS 통계에서 자세히 다룬다.
7. 인력과 기술의 전환
라이브 캡션의 인적 측면은 부담을 받고 있다. 라이브 캡션 작성자 30명은 자신의 주관적 정신적 작업 부하를 높다고 평가했으며, 이는 신경외과 의사와 비슷한 수준이었다(NASA-TLX 척도). 주요 요인은 바꿔 쓰기와 고용 형태였다(Nam 외, Applied Ergonomics 2023). 저자들은 캡션 작성자가 모든 단어를 입력하는 대신 AI가 생성한 캡션을 감독하는 쪽으로 옮겨 가야 한다고 제안한다. 실시간 캡션 작성자의 인력 공급 압박은 저희 CART 통계 정리에서 다룬다.
하이브리드 워크플로는 이미 측정 가능한 성과를 보여 준다. 대규모 언어 모델과 ASR로 사람이 만든 CART 전사본을 교정하는 CARTGPT는 39.7시간 분량의 데이터셋에서 단어 정확도를 기본 CART보다 5.6%, 최첨단 ASR보다 17.3% 높였다(Wu, Kleiver, Jain, ASSETS 2025). 벤치마크는 원시 엔진이 얼마나 발전했는지 보여 준다. Open ASR Leaderboard에서 단편 영어의 최고 결과는 WER 5.42%였고 장편의 최고 결과는 7.32%였다(Open ASR Leaderboard 논문, arXiv 2025, 2026년 3월 27일 기준 데이터).
| 지표 | 값 | 출처 |
|---|---|---|
| 작업 부하 연구의 라이브 캡션 작성자 | 30명 | Nam 외, Applied Ergonomics 2023 |
| CARTGPT 단어 정확도 향상, 기본 CART 대비 / ASR 대비 | 5.6% / 17.3% | Wu 외, ASSETS 2025 |
| Open ASR Leaderboard의 ASR 시스템과 데이터셋 | 모델 86개, 데이터셋 12개 | Open ASR Leaderboard 논문, arXiv 2025 |
| 리더보드의 단편 영어 최고 WER | 5.42% (Cohere Labs Transcribe) | Open ASR Leaderboard 논문, arXiv 2025 |
| 장편 영어 WER: 최고 상용 모델 대 Whisper Large v3 | 7.32% 대 11.2% | Open ASR Leaderboard 논문, arXiv 2025 |
| 인증받은 자동 캡션, 전체 NER: 영어 대 스페인어 | 99.03% 대 98.77% | Romero-Fresco와 Van Gauwbergen, Applied Sciences 2025 |
| 청각장애 및 난청 성인을 위한 실시간 임상 캡션의 WER 범위 | 12.7%에서 22.8% | Hughes 외, JMIR Rehabilitation and Assistive Technology 2026 |
| 캡션을 따라가기 쉽다고 느낀 임상 캡션 이용자 | 90% (시뮬레이션 29건 중 26건) | Hughes 외, JMIR Rehabilitation and Assistive Technology 2026 |
맥락 참고: 리더보드 WER은 벤치마크 음성에서 측정한 것이지 혼선과 원격 연결이 있는 다중 화자 라이브 뉴스에서 측정한 것이 아니며, 지연에 관해서는 아무것도 말해 주지 않는다. 출처: Open ASR Leaderboard 논문, CARTGPT, Nam 외, Hughes 외. 법정 속기에서도 벤치마크 정확도와 현장 정확도 사이에 비슷한 격차가 나타나며, 저희 법정 음성 인식 통계를 참고하세요.
숫자로 보는 라이브 뉴스의 클로즈드 캡션 표시 지연과 단어 오류율
| 지표 | 값 | 출처 |
|---|---|---|
| 사람 캡션, 미국 뉴스, NER 정확도 | 99.4% | Romero-Fresco와 Fresno, 2023 |
| 자동 캡션, 미국 뉴스, NER 정확도 | 97.4% | Romero-Fresco와 Fresno, 2023 |
| 미국 스페인어 뉴스 방송, NER 정확도 | 97.04% | Fresno, JoSTrans 2024 |
| 지연 7초를 넘은 스페인어 뉴스 방송 표본 | 85% | Fresno, JoSTrans 2024 |
| 스페인어 뉴스 방송 캡션의 평균 지연 | 8.2초 | Fresno, JoSTrans 2024 |
| 테스트 클립에서 원래 라이브 TV 캡션의 지연 | 7~12초 | Thompson 외, arXiv 2026 |
| 일반적인 지연, 자동 대 사람 캡션 | 2 | Romero-Fresco와 Van Gauwbergen, 2025 |
| 평균 WER, TV 대 ASR 캡션 | 33.8% 대 17.2% | Thompson 외, arXiv 2026 |
| NER 98에 도달한 클립, TV 대 ASR | 70개 중 11개 대 70개 중 4개 | Thompson 외, arXiv 2026 |
| 품질 평가, 지연된 TV 캡션 대 동기화된 TV 캡션 | 7점 만점에 3.66 대 5.09 | Thompson 외, arXiv 2026 |
| 분당 오류, 속기 대 자동 | 5 대 22 | Romero-Fresco와 Fresno, 2023 |
| 자동 캡션 오류 중 문장 부호에서 비롯된 비율 | 65% | Romero-Fresco와 Van Gauwbergen, 2025 |
| 최소 한 건의 오류가 있는 스페인어 뉴스 방송 캡션 | 41~46% | Fresno, JoSTrans 2024 |
| 영국 라이브 자막, 전체 정확도 (2013~2015년) | 98.4% | Romero-Fresco와 Fresno, 2023, Ofcom 프로젝트 인용 |
| TV 캡션에 대한 FCC 민원, 2023년 대 2024년 | 310 대 683 | FCC CGB Consumer Complaints Data |
| TV 캡션에 대한 FCC 민원, 2025년 | 604 | FCC CGB Consumer Complaints Data |
| FCC에 접수된 캡션 민원, 2009~2013년 | 2,323 | FCC 14-12 (2014년) |
| 라이브 캡션 작성자의 작업 부하 | 신경외과 의사와 비슷 | Nam 외, Applied Ergonomics 2023 |
| 장편 영어 ASR 최고 WER | 7.32% | Open ASR Leaderboard 논문, arXiv 2025 |
| 장애를 일으키는 청력 손실로 재활이 필요한 사람 | 4억 3천만 명 | WHO 팩트시트, 2026년 |
방법론과 출처
- Romero-Fresco, P.와 Fresno, N.: The accuracy of automatic and human live captions in English, Linguistica Antverpiensia 22 (2023년)
- Fresno, N.: Closed Captions en espanol. Live Captioning Quality in Spanish-language Newscasts in the U.S., The Journal of Specialised Translation (2024년)
- Romero-Fresco, P.와 Van Gauwbergen, Y.: Fit for What Purpose? NER Certification of Automatic Captions in English and Spanish, Applied Sciences 15(3) (2025년)
- Thompson, B. 외 (갤러뎃 대학교): Are Caption Metrics Broken? Latency, Deaf and Hard of Hearing User Ratings, and Bias across Technologies, arXiv 프리프린트 (2026년)
- Arroyo Chavez, M. 외 (갤러뎃 대학교): 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 (2020년)
- FCC: CGB Consumer Complaints Data, 2026년 10월에 이슈별, 연도별로 조회
- FCC: Closed Captioning Quality Report and Order, FCC 14-12 (2014년)
- eCFR: 47 CFR 79.1, Closed captioning of televised video programming
- DCMP: Captioning Key, Presentation Rate
- Esser, K., Picou, E., Hornsby, B.: Imperfect Captions Paired to Audiovisual Stimuli Improve Speech Recognition but Do Not Reduce Listening-Related Fatigue, American Journal of Audiology (2025년)
- Kadoma, K., Shrivastava, P., Naaman, M.: Lost in Transcription, arXiv (2026년)
- Liu, X. 외: Modeling and Improving Text Stability in Live Captions, CHI Extended Abstracts (2023년)
- Nam, S. 외: Assessing subjective workload for live captioners, Applied Ergonomics (2023년)
- Wu, L.-Y., Kleiver, A., Jain, D.: CARTGPT: Real-Time Correction of CART Captions Using Large Language Models, ASSETS 2025
- Hughes, S. 외: Assessing the Role of Medical Caption Technology, JMIR Rehabilitation and Assistive Technology (2026년)
- Open ASR Leaderboard: Towards Reproducible and Transparent Multilingual and Long-Form Speech Recognition Evaluation, arXiv (2025년, 결과는 2026년 3월 27일 기준)
- WHO: Deafness and hearing loss fact sheet (2026년)
- 데이터 참고 사항: 갤러뎃의 지연 및 지표 연구(Thompson 외)와 Kadoma 외의 실험은 프리프린트이므로 동료 심사 후 바뀔 수 있다. Romero-Fresco와 Fresno의 사례 연구는 2018년에서 2022년 사이의 것이며, Ofcom 라이브 자막 프로젝트는 2013년부터 2015년까지 진행되었다(영국 정확도에 관해 이용 가능한 최신 데이터). Ofcom과 CRTC 페이지는 조사 중 봇 차단 또는 403 오류를 반환했으므로, 영국과 캐나다의 수치는 이를 보고한 동료 심사 논문을 통해 인용했다. 6~7초 지연 기준과 Super Bowl LII 및 2016년 토론회 수치는 Fresno(2024)가 보고한 그대로이며, 47 CFR 79.1 자체는 지연의 숫자 한도를 정하지 않는다. FCC 민원 건수는 비공식적이고 검증되지 않았으며 소비자가 분류한 것으로 라이브 뉴스를 분리하지 못하고, 2026년 수치는 연초 이후 기준이다. 120% 증가는 2023년과 2024년 건수로 계산한 저희 자체 계산이다. 스페인어 뉴스 방송 연구(2024년)는 두 방송사와 200분을 다룬다. 리더보드 WER 수치는 벤치마크 결과이며 라이브 뉴스의 지연을 측정하지 않는다.
마지막 업데이트: 2026년 10월 4일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 갤러뎃의 캡션 지표 연구가 동료 심사를 마치고 FCC 민원 데이터셋이 2026 역년을 마감할 때로 예상한다.