Nos telejornais de rede em espanhol dos EUA, 85% das amostras analisadas ultrapassaram um teto de latência de 7 segundos nas legendas, e a legenda média chegou 8,2 segundos depois de as palavras serem ditas (Fresno, JoSTrans 2024). A precisão conta uma história paralela: na programação de notícias, os legendadores humanos alcançaram 99,4% de precisão NER, enquanto as legendas automáticas sem edição chegaram a 97,4%, abaixo do piso de qualidade de 98% (Romero-Fresco e Fresno, Linguistica Antverpiensia 2023). Enquanto isso, as queixas sobre legendas ocultas na TV registradas na FCC subiram de 310 em 2023 para 683 em 2024 (FCC CGB Consumer Complaints Data). Reunimos dados da FCC, de pesquisadores da Gallaudet University, de estudos de NER da Universidade de Vigo e da University of Texas Rio Grande Valley, do Open ASR Leaderboard, da OMS e de mais de uma dúzia de artigos revisados por pares. Para um panorama mais amplo do atraso em todos os formatos ao vivo, veja nosso levantamento complementar sobre latência de legendagem em tempo real.
TL;DR
- As legendas humanas em notícias dos EUA tiveram 99,4% de precisão NER, contra 97,4% das legendas automáticas sem edição (Romero-Fresco e Fresno, Linguistica Antverpiensia 2023).
- Os telejornais em espanhol dos EUA tiveram média de 97,04% de precisão NER, abaixo do limite de 98% (Fresno, JoSTrans 2024).
- 85% das amostras de telejornais em espanhol ultrapassaram um teto de latência de 7 segundos (Fresno, JoSTrans 2024).
- As legendas originais da TV ao vivo ficaram de 7 a 12 segundos atrás da fala; as legendas automáticas no mesmo teste ficaram cerca de 2 segundos atrás (Thompson et al., arXiv 2026).
- Os espectadores perderam cerca de 1 ponto de nota de qualidade a cada 7,5 segundos de atraso nas legendas de TV (Thompson et al., arXiv 2026).
- Apenas 11 de 70 trechos de TV ao vivo e 4 de 70 trechos de ASR alcançaram 98% de NER (Thompson et al., arXiv 2026).
- As legendas automáticas cometeram cerca de 22 erros por minuto contra 5 da estenografia em um estudo de caso de 2020 nos EUA (Romero-Fresco e Fresno, 2023).
- As queixas à FCC sobre legendas ocultas na TV chegaram a 683 em 2024, contra 310 em 2023 (FCC CGB Consumer Complaints Data).
- 65% de todos os erros de um sistema de legendagem automática certificado eram erros de pontuação (Romero-Fresco e Van Gauwbergen, Applied Sciences 2025).
- A carga mental de trabalho dos legendadores ao vivo foi avaliada como semelhante à de neurocirurgiões, em um estudo com 30 legendadores (Nam et al., Applied Ergonomics 2023).
- O melhor resultado de ASR em inglês para áudio longo no Open ASR Leaderboard foi de 7,32% de WER (artigo do Open ASR Leaderboard, arXiv 2025, dados de março de 2026).
1. Precisão das Legendas de Notícias ao Vivo: Humanas vs Automáticas
A principal conclusão da maior comparação já feita entre humanos e máquinas não é que as legendas automáticas falham, mas que falham em uma faixa específica. As legendas automáticas sem edição em notícias alcançaram 97,4% de precisão NER em um estudo de caso de 2021 nos EUA, contra 99,4% das legendas humanas no mesmo gênero (Romero-Fresco e Fresno, Linguistica Antverpiensia 2023). Dois pontos de NER parecem pouco, mas são a diferença entre passar e reprovar: 98% é o limite aceitável, e a pontuação automática equivaleu a apenas 3,5 na escala NER de 10 pontos.
As notícias também se revelam o gênero mais favorável às máquinas. No mesmo estudo de caso, as legendas automáticas em esportes caíram para 95,4%, enquanto as legendas humanas em esportes subiram para 99,6%, de modo que a distância aumenta justamente onde a fala fica rápida e sobreposta. O estudo analisou cerca de 17.000 legendas ao vivo em quatro estudos de caso no Reino Unido, nos EUA e no Canadá entre 2018 e 2022.
| Métrica | Valor | Fonte |
|---|---|---|
| Legendas humanas, gênero notícias dos EUA, precisão NER | 99,4% | Romero-Fresco e Fresno, Linguistica Antverpiensia 2023 (estudo de caso Enco, 2021) |
| Legendas automáticas, gênero notícias dos EUA, precisão NER | 97,4% (3,5 de 10) | Romero-Fresco e Fresno, Linguistica Antverpiensia 2023 (estudo de caso Enco, 2021) |
| Estenografia vs respeaking vs automática, EUA | 99,1% vs 98,6% vs 96,3% | Romero-Fresco e Fresno, Linguistica Antverpiensia 2023 (estudo de caso Vitac, 2020) |
| Legendas do Reino Unido: respeaking vs Microsoft vs Google | 97% vs 96% vs 95,5% | Romero-Fresco e Fresno, Linguistica Antverpiensia 2023 (estudo de caso Sky, 2018) |
| Legendas humanas ao vivo no Canadá, NER médio | 98,9% (7 de 10) | Romero-Fresco e Fresno, Linguistica Antverpiensia 2023 (Canadá, 2019-2021) |
| Tamanho da amostra canadense | 440 trechos de dez minutos, 9.300 legendas | Romero-Fresco e Fresno, Linguistica Antverpiensia 2023 |
| Legendas ao vivo no Reino Unido, avaliação encomendada pela Ofcom, precisão geral | 98,4% em 78.000 legendas | Romero-Fresco e Fresno, 2023, citando o projeto da Ofcom 2013-2015 |
Nota de contexto: os estudos de caso datam de 2018 a 2021, portanto são anteriores aos mecanismos de fala mais recentes. Os mesmos autores relatam que os mecanismos mais novos alcançaram precisão NER entre 99,1% e 99,9% em condições controladas, com um único locutor e áudio limpo, o oposto de uma transmissão remota de última hora. Artigo completo: The accuracy of automatic and human live captions in English. Dados mais recentes disponíveis do projeto da Ofcom: 2013-2015.
2. Atraso na Exibição de Legendas em Notícias ao Vivo
É na latência que as legendas de notícias ao vivo perdem espectadores antes mesmo de uma única palavra estar errada. 85% das amostras de telejornais em espanhol dos EUA analisadas ultrapassaram um teto de latência de 7 segundos (Fresno, JoSTrans 2024), e os atrasos individuais variaram de 0,7 a 41 segundos. Uma legenda de 41 segundos em um segmento de notícias rápido descreve uma história diferente da que está na tela.
O lado automático do mercado tem uma vantagem estrutural aqui. As legendas automáticas costumam ficar de 2 a 3 segundos atrás da fala, contra 4 a 10 segundos das legendas humanas (Romero-Fresco e Van Gauwbergen, Applied Sciences 2025). O estudo de 2026 da Gallaudet mediu atrasos de 7 a 12 segundos nas legendas originais de TV em seus trechos ao vivo, enquanto a condição de ASR, produzida pelo fornecedor de broadcast AppTek, teve média de 2 segundos (Thompson et al., arXiv 2026). A escolha para as emissoras, portanto, não é entre precisão e nada, mas entre precisão e tempo.
| Métrica | Valor | Fonte |
|---|---|---|
| Atraso médio das legendas, telejornais Telemundo vs Univision | 8,2 vs 8,3 segundos | Fresno, JoSTrans 2024 |
| Parcela das amostras de telejornais em espanhol com latência acima de 7 segundos | 85% | Fresno, JoSTrans 2024 |
| Faixa dos atrasos individuais de legendas | 0,7 a 41 segundos | Fresno, JoSTrans 2024 |
| Referência de latência citada para legendas nos EUA | 6 a 7 segundos aceitável, meta de 4 a 5 segundos | Fresno, JoSTrans 2024 (conforme citado no estudo) |
| Atraso das legendas originais de TV ao vivo nos trechos de teste | 7 a 12 segundos | Thompson et al., Gallaudet University, arXiv 2026 |
| Atraso das legendas de ASR no mesmo teste | média de 2 segundos (mais ou menos 0,05 s de jitter) | Thompson et al., Gallaudet University, arXiv 2026 |
| Atraso típico, legendas automáticas vs humanas | 2-3 s vs 4-10 s | Romero-Fresco e Van Gauwbergen, Applied Sciences 2025 |
| Latência das legendas no Super Bowl LII e no debate presidencial de 2016 | 5,3 s e 6,1 s | Fresno, JoSTrans 2024 (resumindo estudos anteriores) |
Nota sobre valores atípicos: a própria norma da FCC não contém nenhum número de segundos. A faixa de 6 a 7 segundos é uma referência relatada por Fresno no estudo da JoSTrans sobre telejornais em espanhol, não um limite codificado (veja a seção 6).
3. Taxa de Erro de Palavras vs NER: Por Que as Métricas Divergem
A taxa de erro de palavras é o número padrão em reconhecimento de fala, e ela pune os legendadores humanos por fazerem seu trabalho. Os legendadores ao vivo profissionais condensam a fala para acompanhá-la; o WER conta cada palavra omitida como erro, quer o sentido sobreviva ou não. No estudo de 2026 da Gallaudet, as legendas de TV tiveram WER médio de 33,8%, mas NER médio de 95,28%, enquanto as legendas de ASR tiveram WER médio de 17,2% e NER médio de 94,34% (Thompson et al., arXiv 2026). A máquina “vence” no WER e perde no NER.
O resultado mais importante é que nenhuma métrica acompanha os espectadores de forma igual entre as tecnologias. Nas legendas de TV, o WER se correlacionou com as notas de qualidade dos espectadores em r = -0,687 (p < 0,001), mas nas legendas de ASR a correlação caiu para r = -0,390 (p = 0,003). O NER mostrou o mesmo padrão: r = 0,647 para TV contra r = 0,383 para ASR. Um regulador que escolhe uma métrica também está, sem dizer, escolhendo uma tecnologia.
| Métrica | Valor | Fonte |
|---|---|---|
| NER médio, legendas de TV vs legendas de ASR | 95,28 vs 94,34 | Thompson et al., arXiv 2026 |
| Trechos que atingiram o limite de 98 NER, TV vs ASR | 11 de 70 vs 4 de 70 | Thompson et al., arXiv 2026 |
| Correlação do NER com as notas dos espectadores, TV vs ASR | r = 0,647 vs r = 0,383 | Thompson et al., arXiv 2026 |
| Correlação do ACE2 com as notas dos espectadores, TV vs ASR | r = -0,631 vs r = -0,291 | Thompson et al., arXiv 2026 |
| Pontuação média do ACE2, TV vs ASR (menor é melhor) | 0,67 vs 0,52 | Thompson et al., arXiv 2026 |
| Tamanho do efeito da diferença de WER, TV vs ASR | d = 0,86 | Thompson et al., arXiv 2026 |
| Tamanho do efeito da diferença na nota de qualidade, TV vs ASR | d = -0,13 | Thompson et al., arXiv 2026 |
Nota de contexto: os espectadores avaliaram as legendas de TV e de ASR de forma quase idêntica (d = -0,13), embora a diferença de WER fosse grande (d = 0,86). Um estudo anterior do CHI 2024, do mesmo grupo da Gallaudet, encontrou apenas correlação fraca entre WER, WER ponderado, ACE e ACE2 e as notas dos espectadores (Arroyo Chavez et al., arXiv 2404.10153). O artigo de 2026 é um preprint: Are Caption Metrics Broken?.
4. Como São os Erros de Legenda na Prática
As contagens de erros escondem os tipos de erro. Nos telejornais em espanhol dos EUA, entre 41% e 46% das legendas continham pelo menos um erro, mas 82% desses erros eram leves, 16% padrão e 2% graves (Fresno, JoSTrans 2024). Erros leves atrasam a leitura; erros graves criam informação falsa, como um número errado em um boletim do mercado.
Os sistemas automáticos falham de outra forma. Na certificação NER de 2025 de um sistema de legendagem automática, 65% de todos os erros vieram da pontuação, e a identificação de falantes elevou as taxas de erro de 50% a 100% em vídeos com vários locutores (Romero-Fresco e Van Gauwbergen, Applied Sciences 2025). Os legendadores humanos editam; as máquinas transcrevem. A taxa de edição do sistema automático foi de 0,07%, contra 6% a 33% nas legendas humanas entre regiões, o que explica tanto sua maior fidelidade em WER quanto sua dificuldade em acompanhar o ritmo de leitura.
| Métrica | Valor | Fonte |
|---|---|---|
| Legendas de telejornais em espanhol com pelo menos um erro | 41-46% | Fresno, JoSTrans 2024 |
| Distribuição da gravidade dos erros, telejornais em espanhol (leve / padrão / grave) | 82% / 16% / 2% | Fresno, JoSTrans 2024 |
| Distribuição da gravidade dos erros, legendas automáticas em inglês (leve / padrão / grave) | 89,2% / 10% / 0,8% | Romero-Fresco e Van Gauwbergen, Applied Sciences 2025 |
| Parcela dos erros das legendas automáticas vinda da pontuação | 65% | Romero-Fresco e Van Gauwbergen, Applied Sciences 2025 |
| Aumento da taxa de erro com vários locutores | 50-100% | Romero-Fresco e Van Gauwbergen, Applied Sciences 2025 |
| Taxa de edição, legendas automáticas vs humanas | 0,07% vs 6-33% | Romero-Fresco e Van Gauwbergen, Applied Sciences 2025 |
| Erros por minuto: estenografia vs respeaking vs automática | 5 vs 7 vs 22 | Romero-Fresco e Fresno, Linguistica Antverpiensia 2023 (Vitac, 2020) |
| Redução de texto, legendas de telejornais em espanhol | 26% | Fresno, JoSTrans 2024 |
Nota de contexto: a velocidade de leitura explica a redução. Os apresentadores dos telejornais em espanhol falaram em média 167 palavras por minuto, enquanto as legendas tiveram média de 121 palavras por minuto (11,574 caracteres por segundo); 39% das legendas excederam 15 caracteres por segundo (Fresno, JoSTrans 2024). Para comparação, o DCMP Captioning Key define taxas de apresentação que não devem passar de 160 palavras por minuto, mesmo para mídia de nível avançado. Fonte dos dados de certificação: Fit for What Purpose? NER Certification of Automatic Captions.
5. Impacto nos Espectadores: Atraso, Erros e Fadiga
Os dados sobre os espectadores dão um preço a cada segundo de atraso. As legendas de TV com o atraso original da transmissão foram avaliadas com 3,66 em 7 em qualidade, contra 5,09 quando as mesmas legendas foram sincronizadas, e as legendas de ASR com 2 segundos de atraso ainda obtiveram 4,81 (Thompson et al., arXiv 2026). O estudo estimou cerca de um ponto de nota perdido a cada 7,5 segundos de atraso nas legendas de TV. Um participante resumiu de forma direta: preferiria legendas incompletas e sincronizadas a legendas melhores, mas atrasadas.
Os erros também custam caro ao falante, não só ao espectador. Em um experimento pré-registrado com 207 participantes dos EUA, legendas de ASR propensas a erros reduziram de forma consistente a avaliação tanto do falante quanto do conteúdo (Kadoma, Shrivastava e Naaman, arXiv 2026). E legendas que ajudam na compreensão ainda podem cansar os espectadores: em um teste de laboratório de audiologia, legendas imperfeitas e com atraso elevaram o reconhecimento de frases de 63% para 77%, mas produziram aumentos maiores na fadiga subjetiva (Esser, Picou e Hornsby, American Journal of Audiology 2025).
| Métrica | Valor | Fonte |
|---|---|---|
| Nota de qualidade, legendas de TV com atraso vs sincronizadas (escala de 7 pontos) | 3,66 vs 5,09 | Thompson et al., arXiv 2026 |
| Nota de compreensão, legendas de TV com atraso vs sincronizadas | 4,74 vs 5,65 | Thompson et al., arXiv 2026 |
| Perda de nota por unidade de atraso nas legendas de TV | Cerca de 1 ponto por 7,5 segundos | Thompson et al., arXiv 2026 |
| Participantes da pesquisa que usam legendas diariamente | 84,7% de 216 | Thompson et al., arXiv 2026 |
| Reconhecimento de frases com vs sem legendas imperfeitas | 77% vs 63% | Esser et al., American Journal of Audiology 2025 |
| Palavras faladas exibidas corretamente nas legendas do teste | 86-88% | Esser et al., American Journal of Audiology 2025 |
| Participantes do experimento de avaliação de erros em legendas | 207 | Kadoma et al., arXiv 2026 |
| Espectadores via crowdsourcing na avaliação de estabilidade das legendas | 123 | Liu et al., CHI Extended Abstracts 2023 |
Nota de contexto: o público é grande. A OMS estima que mais de 5% da população mundial, ou 430 milhões de pessoas, precisam de reabilitação por perda auditiva incapacitante, número que deve passar de 700 milhões até 2050 (ficha informativa da OMS sobre surdez e perda auditiva, 2026). O texto provisório de ASR que pisca adiciona um fardo à parte; Liu et al. constataram que técnicas de estabilização reduziram a distração e a fadiga dos espectadores. As plataformas de vídeo curto enfrentam o mesmo problema em outra escala, como mostra nosso levantamento sobre legendas em vídeos curtos.
6. Regras da FCC e Queixas sobre Legendas
As regras dos EUA definem qualidade em palavras, não em números. Segundo o 47 CFR 79.1, as legendas devem ser precisas, síncronas, completas e bem posicionadas, e “devem começar a aparecer no momento em que a fala ou os sons correspondentes começam”. As regras de fato restringem o método mais barato de notícias ao vivo: ABC, CBS, Fox e NBC e suas afiliadas nos 25 maiores mercados não podem contar legendas de Técnica de Redação Eletrônica (Electronic Newsroom Technique, ENT), baseadas em teleprompter, para fins de conformidade. As emissoras de outros mercados que usam ENT devem roteirizar notícias, esportes e previsão do tempo feitos em estúdio e complementar as notícias de última hora sem roteiro com rolagens ou outros textos.
Os dados de queixas mostram um atrito crescente. As queixas sobre legendas ocultas na TV na base de queixas de consumidores da FCC subiram de 310 em 2023 para 683 em 2024, um aumento de 120% ((683 - 310) / 310), e permaneceram elevadas, em 604, em 2025 (FCC CGB Consumer Complaints Data). As queixas sobre legendas na internet atingiram o pico antes, com 705 em 2023.
| Métrica | Valor | Fonte |
|---|---|---|
| Queixas: legendas ocultas na TV, 2023 / 2024 / 2025 | 310 / 683 / 604 | FCC CGB Consumer Complaints Data (consulta em outubro de 2026) |
| Queixas: legendas ocultas na internet, 2023 / 2024 / 2025 | 705 / 472 / 339 | FCC CGB Consumer Complaints Data |
| Queixas sobre legendas ocultas na TV, 2026 até agora | 376 | FCC CGB Consumer Complaints Data |
| Queixas acumuladas desde 31 de outubro de 2014: legendas na TV vs na internet | 4.139 vs 3.057 | FCC CGB Consumer Complaints Data |
| Queixas gerais sobre legendagem, 2009-2013 | 2.323 (média de 465 por ano) | FCC Caption Quality Report and Order, FCC 14-12 (2014) |
| Prazo para registrar uma queixa de legendagem | 60 dias após o problema | eCFR, 47 CFR 79.1(g)(1) |
| Prazo da distribuidora para responder a uma queixa encaminhada pela FCC | 30 dias | eCFR, 47 CFR 79.1(g)(4) |
| Nível de receita abaixo do qual um canal é isento de legendagem | Abaixo de US$ 3.000.000 por ano | eCFR, 47 CFR 79.1(d)(12) |
Nota de contexto: a FCC afirma que não verifica os fatos alegados nessas queixas informais, e as categorias são escolhidas pelo consumidor, de modo que a base não consegue isolar notícias ao vivo de outras programações (CGB Consumer Complaints Data). O número de 2009-2013 vem de um sistema de registro diferente, descrito na decisão sobre qualidade de legendas FCC 14-12, então as duas séries não devem ser lidas como uma única linha de tendência. Os serviços de retransmissão para pessoas surdas e com deficiência auditiva são um programa relacionado da FCC, detalhado em nossas estatísticas de TRS e VRS.
7. A Mudança na Força de Trabalho e na Tecnologia
O lado humano da legendagem ao vivo está sob pressão. Trinta legendadores ao vivo avaliaram sua carga mental subjetiva de trabalho como alta, semelhante à de neurocirurgiões, na escala NASA-TLX, com a paráfrase e o tipo de vínculo empregatício como principais fatores (Nam et al., Applied Ergonomics 2023). Os autores sugerem que os legendadores passem a supervisionar legendas geradas por IA em vez de digitar cada palavra. A pressão de oferta sobre os legendadores em tempo real é tratada em nosso levantamento sobre CART.
Os fluxos híbridos já mostram ganhos mensuráveis. O CARTGPT, que usa grandes modelos de linguagem e ASR para corrigir transcrições humanas de CART, melhorou a precisão de palavras em 5,6% sobre o CART de referência e em 17,3% sobre o ASR de ponta, em um conjunto de dados de 39,7 horas (Wu, Kleiver e Jain, ASSETS 2025). Os benchmarks mostram o quanto os mecanismos brutos avançaram: o melhor resultado de áudio curto em inglês no Open ASR Leaderboard foi de 5,42% de WER, e o melhor resultado de áudio longo foi de 7,32% (artigo do Open ASR Leaderboard, arXiv 2025, dados de 27 de março de 2026).
| Métrica | Valor | Fonte |
|---|---|---|
| Legendadores ao vivo no estudo de carga de trabalho | 30 | Nam et al., Applied Ergonomics 2023 |
| Ganho de precisão de palavras do CARTGPT vs CART de referência / vs ASR | 5,6% / 17,3% | Wu et al., ASSETS 2025 |
| Sistemas de ASR e conjuntos de dados no Open ASR Leaderboard | 86 modelos, 12 conjuntos de dados | Artigo do Open ASR Leaderboard, arXiv 2025 |
| Melhor WER em inglês para áudio curto no leaderboard | 5,42% (Cohere Labs Transcribe) | Artigo do Open ASR Leaderboard, arXiv 2025 |
| WER em inglês para áudio longo: melhor proprietário vs Whisper Large v3 | 7,32% vs 11,2% | Artigo do Open ASR Leaderboard, arXiv 2025 |
| Legendas automáticas certificadas, NER geral: inglês vs espanhol | 99,03% vs 98,77% | Romero-Fresco e Van Gauwbergen, Applied Sciences 2025 |
| Faixa de WER das legendas clínicas em tempo real para adultos surdos e com deficiência auditiva | 12,7% a 22,8% | Hughes et al., JMIR Rehabilitation and Assistive Technology 2026 |
| Usuários de legendas clínicas que acharam as legendas fáceis de acompanhar | 90% (26 de 29 simulações) | Hughes et al., JMIR Rehabilitation and Assistive Technology 2026 |
Nota de contexto: o WER do leaderboard é medido em áudio de benchmark, não em notícias ao vivo com vários locutores, vozes sobrepostas e links remotos, e não diz nada sobre atraso. Fontes: artigo do Open ASR Leaderboard, CARTGPT, Nam et al. e Hughes et al.. A transcrição em tribunais mostra uma distância parecida entre a precisão de benchmark e a de campo, veja nossas estatísticas de reconhecimento de fala em tribunais.
Resumo: Atraso na Exibição de Legendas e Taxa de Erro de Palavras em Notícias ao Vivo em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Legendas humanas, notícias dos EUA, precisão NER | 99,4% | Romero-Fresco e Fresno, 2023 |
| Legendas automáticas, notícias dos EUA, precisão NER | 97,4% | Romero-Fresco e Fresno, 2023 |
| Telejornais em espanhol dos EUA, precisão NER | 97,04% | Fresno, JoSTrans 2024 |
| Amostras de telejornais em espanhol com latência acima de 7 segundos | 85% | Fresno, JoSTrans 2024 |
| Atraso médio das legendas nos telejornais em espanhol | 8,2 segundos | Fresno, JoSTrans 2024 |
| Atraso das legendas originais de TV ao vivo nos trechos de teste | 7 a 12 segundos | Thompson et al., arXiv 2026 |
| Atraso típico, legendas automáticas vs humanas | 2-3 s vs 4-10 s | Romero-Fresco e Van Gauwbergen, 2025 |
| WER médio, legendas de TV vs ASR | 33,8% vs 17,2% | Thompson et al., arXiv 2026 |
| Trechos que atingiram 98 de NER, TV vs ASR | 11 de 70 vs 4 de 70 | Thompson et al., arXiv 2026 |
| Nota de qualidade, legendas de TV com atraso vs sincronizadas | 3,66 vs 5,09 de 7 | Thompson et al., arXiv 2026 |
| Erros por minuto, estenografia vs automática | 5 vs 22 | Romero-Fresco e Fresno, 2023 |
| Erros das legendas automáticas vindos da pontuação | 65% | Romero-Fresco e Van Gauwbergen, 2025 |
| Legendas de telejornais em espanhol com pelo menos um erro | 41-46% | Fresno, JoSTrans 2024 |
| Legendas ao vivo no Reino Unido, precisão geral (2013-2015) | 98,4% | Romero-Fresco e Fresno, 2023, citando o projeto da Ofcom |
| Queixas à FCC sobre legendas de TV, 2023 vs 2024 | 310 vs 683 | FCC CGB Consumer Complaints Data |
| Queixas à FCC sobre legendas de TV, 2025 | 604 | FCC CGB Consumer Complaints Data |
| Queixas sobre legendagem registradas na FCC, 2009-2013 | 2.323 | FCC 14-12 (2014) |
| Carga de trabalho dos legendadores ao vivo | Semelhante à de neurocirurgiões | Nam et al., Applied Ergonomics 2023 |
| Melhor WER de ASR em inglês para áudio longo | 7,32% | Artigo do Open ASR Leaderboard, arXiv 2025 |
| Pessoas que precisam de reabilitação por perda auditiva incapacitante | 430 milhões | Ficha informativa da OMS, 2026 |
Metodologia e Fontes
- Romero-Fresco, P. e 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. e Van Gauwbergen, Y.: Fit for What Purpose? NER Certification of Automatic Captions in English and Spanish, Applied Sciences 15(3) (2025)
- Thompson, B. et al. (Gallaudet University): Are Caption Metrics Broken? Latency, Deaf and Hard of Hearing User Ratings, and Bias across Technologies, preprint do arXiv (2026)
- Arroyo Chavez, M. et al. (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, consultado por tipo de queixa e ano em outubro de 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. e 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. e Naaman, M.: Lost in Transcription, arXiv (2026)
- Liu, X. et al.: Modeling and Improving Text Stability in Live Captions, CHI Extended Abstracts (2023)
- Nam, S. et al.: Assessing subjective workload for live captioners, Applied Ergonomics (2023)
- Wu, L.-Y., Kleiver, A. e Jain, D.: CARTGPT: Real-Time Correction of CART Captions Using Large Language Models, ASSETS 2025
- Hughes, S. et al.: 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, resultados de 27 de março de 2026)
- OMS: Deafness and hearing loss fact sheet (2026)
- Nota sobre os dados: o estudo da Gallaudet sobre latência e métricas (Thompson et al.) e o experimento de Kadoma et al. são preprints e podem mudar após a revisão por pares. Os estudos de caso de Romero-Fresco e Fresno datam de 2018 a 2022, e o projeto da Ofcom sobre legendagem ao vivo foi de 2013 a 2015 (dado mais recente disponível sobre a precisão no Reino Unido). As páginas da Ofcom e do CRTC retornaram proteção contra bots ou erros 403 durante a pesquisa, então os números do Reino Unido e do Canadá são citados por meio dos artigos revisados por pares que os relatam. A referência de latência de 6 a 7 segundos e os números do Super Bowl LII e do debate de 2016 são os relatados por Fresno (2024); o próprio 47 CFR 79.1 não define nenhum limite numérico de atraso. As contagens de queixas à FCC são informais, não verificadas e categorizadas pelo consumidor, não isolam notícias ao vivo, e o número de 2026 é parcial até a data; o aumento de 120% é um cálculo nosso com base nas contagens de 2023 e 2024. O estudo dos telejornais em espanhol (2024) cobre duas redes e 200 minutos. Os números de WER do leaderboard são resultados de benchmark e não medem o atraso em notícias ao vivo.
Última atualização: 4 de outubro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando o estudo da Gallaudet sobre métricas de legendas concluir a revisão por pares e a base de queixas da FCC fechar o ano civil de 2026.