В испаноязычных новостных выпусках американских телесетей 85% проанализированных образцов превысили потолок задержки субтитров в 7 секунд, а средний субтитр появлялся через 8,2 секунды после произнесённых слов (Fresno, JoSTrans 2024). Точность рассказывает параллельную историю: в новостных программах живые субтитровщики достигли точности NER 99,4%, а неотредактированные автоматические субтитры только 97,4%, что ниже планки качества в 98% (Romero-Fresco и Fresno, Linguistica Antverpiensia 2023). Тем временем число жалоб на скрытые субтитры на телевидении, поданных в FCC, выросло с 310 в 2023 году до 683 в 2024 году (FCC CGB Consumer Complaints Data). Мы собрали данные FCC, исследователей Gallaudet University, исследований NER Universidade de Vigo и University of Texas Rio Grande Valley, Open ASR Leaderboard, ВОЗ и более чем десятка рецензируемых статей. Более широкую картину задержки во всех форматах прямого эфира смотрите в нашем сопутствующем обзоре о задержке субтитрирования в реальном времени.
Кратко (TL;DR)
- Субтитры людей для американских новостей показали точность NER 99,4% против 97,4% у неотредактированных автоматических субтитров (Romero-Fresco и Fresno, Linguistica Antverpiensia 2023).
- Испаноязычные новостные выпуски в США в среднем набрали точность NER 97,04%, что ниже порога в 98% (Fresno, JoSTrans 2024).
- 85% образцов испаноязычных новостных выпусков превысили потолок задержки субтитров в 7 секунд (Fresno, JoSTrans 2024).
- Оригинальные субтитры прямого телеэфира отставали от речи на 7-12 секунд; автоматические субтитры в том же тесте отставали примерно на 2 секунды (Thompson et al., arXiv 2026).
- Зрители теряли около 1 балла оценки качества на каждые 7,5 секунды задержки телевизионных субтитров (Thompson et al., arXiv 2026).
- Лишь 11 из 70 клипов прямого ТВ и 4 из 70 клипов ASR достигли 98% NER (Thompson et al., arXiv 2026).
- Автоматические субтитры допускали около 22 ошибок в минуту против 5 у стенографии в американском кейс-исследовании 2020 года (Romero-Fresco и Fresno, 2023).
- Жалобы в FCC на скрытые субтитры на телевидении достигли 683 в 2024 году против 310 в 2023 году (FCC CGB Consumer Complaints Data).
- 65% всех ошибок сертифицированной системы автоматических субтитров приходилось на пунктуацию (Romero-Fresco и Van Gauwbergen, Applied Sciences 2025).
- Умственная нагрузка живых субтитровщиков оценена как сопоставимая с нагрузкой нейрохирургов, по данным исследования 30 субтитровщиков (Nam et al., Applied Ergonomics 2023).
- Лучший результат ASR на английском для длинных записей в Open ASR Leaderboard составил 7,32% WER (статья Open ASR Leaderboard, arXiv 2025, данные на март 2026 года).
1. Точность субтитров прямых новостей: люди и автоматика
Главный вывод крупнейшего на сегодня сравнения людей и машин не в том, что автоматические субтитры не справляются, а в том, что они не справляются в конкретном диапазоне. Неотредактированные автоматические субтитры новостей достигли точности NER 97,4% в американском кейс-исследовании 2021 года против 99,4% у субтитров людей в том же жанре (Romero-Fresco и Fresno, Linguistica Antverpiensia 2023). Два пункта NER кажутся небольшой разницей, но это граница между зачётом и провалом: 98% - приемлемый порог, а автоматический результат соответствовал лишь 3,5 по 10-балльной шкале NER.
Новости к тому же оказываются самым удобным для машин жанром. В том же кейс-исследовании автоматические субтитры в спорте упали до 95,4%, тогда как субтитры людей в спорте выросли до 99,6%, так что разрыв увеличивается именно там, где речь становится быстрой и перекрывающейся. Исследование проанализировало около 17 000 живых субтитров в четырёх кейс-исследованиях в Великобритании, США и Канаде в 2018-2022 годах.
| Показатель | Значение | Источник |
|---|---|---|
| Субтитры людей, жанр американских новостей, точность NER | 99,4% | Romero-Fresco и Fresno, Linguistica Antverpiensia 2023 (кейс Enco, 2021) |
| Автоматические субтитры, жанр американских новостей, точность NER | 97,4% (3,5 из 10) | Romero-Fresco и Fresno, Linguistica Antverpiensia 2023 (кейс Enco, 2021) |
| Стенография, респикинг и автоматика, США | 99,1% против 98,6% против 96,3% | Romero-Fresco и Fresno, Linguistica Antverpiensia 2023 (кейс Vitac, 2020) |
| Субтитры в Великобритании: респикинг, Microsoft и Google | 97% против 96% против 95,5% | Romero-Fresco и Fresno, Linguistica Antverpiensia 2023 (кейс Sky, 2018) |
| Канадские живые субтитры людей, средний NER | 98,9% (7 из 10) | Romero-Fresco и Fresno, Linguistica Antverpiensia 2023 (Канада, 2019-2021) |
| Размер канадской выборки | 440 десятиминутных клипов, 9 300 субтитров | Romero-Fresco и Fresno, Linguistica Antverpiensia 2023 |
| Живые субтитры в Великобритании, оценка по заказу Ofcom, общая точность | 98,4% на 78 000 субтитров | Romero-Fresco и Fresno, 2023, со ссылкой на проект Ofcom 2013-2015 |
Примечание о контексте: кейс-исследования относятся к 2018-2021 годам, то есть предшествуют новейшим речевым движкам. Те же авторы сообщают, что более новые движки достигли точности NER от 99,1% до 99,9% в контролируемых условиях с одним диктором и чистым звуком, а это полная противоположность удалённому включению в срочных новостях. Полная статья: The accuracy of automatic and human live captions in English. Самые свежие доступные данные по проекту Ofcom: 2013-2015 годы.
2. Задержка появления субтитров в прямых новостях
Именно на задержке субтитры прямых новостей теряют зрителей, ещё до того как хоть одно слово окажется неверным. 85% проанализированных образцов испаноязычных новостных выпусков США превысили потолок задержки в 7 секунд (Fresno, JoSTrans 2024), а отдельные задержки субтитров составляли от 0,7 до 41 секунды. Субтитр с задержкой в 41 секунду в быстром новостном сюжете описывает совсем не ту историю, что на экране.
У автоматической стороны рынка здесь есть структурное преимущество. Автоматические субтитры обычно отстают от речи на 2-3 секунды, тогда как субтитры людей на 4-10 секунд (Romero-Fresco и Van Gauwbergen, Applied Sciences 2025). Исследование Gallaudet 2026 года измерило задержки оригинальных телевизионных субтитров в 7-12 секунд на своих живых клипах, тогда как условие с ASR, подготовленное вещательным поставщиком AppTek, дало в среднем 2 секунды (Thompson et al., arXiv 2026). Выбор для телекомпаний, таким образом, не между точностью и ничем, а между точностью и временем.
| Показатель | Значение | Источник |
|---|---|---|
| Средняя задержка субтитров, выпуски Telemundo и Univision | 8,2 против 8,3 секунды | Fresno, JoSTrans 2024 |
| Доля образцов испаноязычных выпусков с задержкой более 7 секунд | 85% | Fresno, JoSTrans 2024 |
| Диапазон отдельных задержек субтитров | от 0,7 до 41 секунды | Fresno, JoSTrans 2024 |
| Ориентир задержки, приводимый для субтитров в США | 6-7 секунд приемлемо, цель 4-5 секунд | Fresno, JoSTrans 2024 (по цитате из исследования) |
| Задержка оригинальных субтитров прямого ТВ в тестовых клипах | 7-12 секунд | Thompson et al., Gallaudet University, arXiv 2026 |
| Задержка субтитров ASR в том же тесте | в среднем 2 секунды (плюс-минус 0,05 с джиттера) | Thompson et al., Gallaudet University, arXiv 2026 |
| Типичная задержка, автоматические и человеческие субтитры | 2-3 с против 4-10 с | Romero-Fresco и Van Gauwbergen, Applied Sciences 2025 |
| Задержка субтитров на Super Bowl LII и президентских дебатах 2016 года | 5,3 с и 6,1 с | Fresno, JoSTrans 2024 (обобщение более ранних исследований) |
Примечание о выбросах: само правило FCC не содержит никакого числа секунд. Диапазон 6-7 секунд - это ориентир, о котором сообщает Fresno в исследовании JoSTrans об испаноязычных новостных выпусках, а не закреплённый норматив (см. раздел 6).
3. Доля ошибок в словах и NER: почему метрики расходятся
Доля ошибок в словах - стандартный показатель в распознавании речи, и она наказывает живых субтитровщиков за выполнение их работы. Профессиональные живые субтитровщики сжимают речь, чтобы поспевать; WER засчитывает каждое пропущенное слово как ошибку, независимо от того, сохранился ли смысл. В исследовании Gallaudet 2026 года у телевизионных субтитров средний WER составил 33,8%, но средний NER равнялся 95,28%, тогда как у субтитров ASR средний WER составил 17,2%, а средний NER 94,34% (Thompson et al., arXiv 2026). Машина «выигрывает» по WER и проигрывает по NER.
Более важный результат в том, что ни одна метрика не отслеживает оценки зрителей одинаково для разных технологий. Для телевизионных субтитров WER коррелировал с оценками качества зрителей на уровне r = -0,687 (p < 0,001), но для субтитров ASR корреляция упала до r = -0,390 (p = 0,003). NER показал ту же картину: r = 0,647 для ТВ против r = 0,383 для ASR. Регулятор, выбирающий одну метрику, тем самым без лишних слов выбирает и технологию.
| Показатель | Значение | Источник |
|---|---|---|
| Средний NER, телевизионные субтитры и субтитры ASR | 95,28 против 94,34 | Thompson et al., arXiv 2026 |
| Клипы, достигшие порога NER 98, ТВ и ASR | 11 из 70 против 4 из 70 | Thompson et al., arXiv 2026 |
| Корреляция NER с оценками зрителей, ТВ и ASR | r = 0,647 против r = 0,383 | Thompson et al., arXiv 2026 |
| Корреляция ACE2 с оценками зрителей, ТВ и ASR | r = -0,631 против r = -0,291 | Thompson et al., arXiv 2026 |
| Средний балл ACE2, ТВ и ASR (чем ниже, тем лучше) | 0,67 против 0,52 | Thompson et al., arXiv 2026 |
| Размер эффекта разницы WER, ТВ и ASR | d = 0,86 | Thompson et al., arXiv 2026 |
| Размер эффекта разницы в оценке качества, ТВ и ASR | d = -0,13 | Thompson et al., arXiv 2026 |
Примечание о контексте: зрители оценили телевизионные субтитры и субтитры ASR почти одинаково (d = -0,13), хотя разрыв по WER был большим (d = 0,86). Более раннее исследование CHI 2024 той же группы Gallaudet обнаружило лишь слабую корреляцию между WER, взвешенным WER, ACE и ACE2 и оценками зрителей (Arroyo Chavez et al., arXiv 2404.10153). Статья 2026 года - препринт: Are Caption Metrics Broken?.
4. Как выглядят ошибки субтитров на практике
Подсчёт ошибок скрывает их виды. В испаноязычных новостных выпусках США от 41% до 46% субтитров содержали хотя бы одну ошибку, но 82% этих ошибок были незначительными, 16% обычными и 2% серьёзными (Fresno, JoSTrans 2024). Незначительные ошибки замедляют чтение; серьёзные создают ложную информацию, например неверную цифру в биржевой сводке.
Автоматические системы ошибаются иначе. При сертификации NER автоматической системы субтитрирования в 2025 году 65% всех ошибок приходилось на пунктуацию, а определение говорящих повышало долю ошибок на 50-100% в видео с несколькими говорящими (Romero-Fresco и Van Gauwbergen, Applied Sciences 2025). Люди редактируют; машины транскрибируют. Доля редактирования у автоматической системы составила 0,07% против 6-33% у субтитров людей в разных регионах, что объясняет и её более высокую точность по WER, и слабость в поддержании темпа читателей.
| Показатель | Значение | Источник |
|---|---|---|
| Субтитры испаноязычных выпусков хотя бы с одной ошибкой | 41-46% | Fresno, JoSTrans 2024 |
| Структура ошибок по серьёзности, испаноязычные выпуски (незначительные / обычные / серьёзные) | 82% / 16% / 2% | Fresno, JoSTrans 2024 |
| Структура ошибок по серьёзности, автоматические английские субтитры (незначительные / обычные / серьёзные) | 89,2% / 10% / 0,8% | Romero-Fresco и Van Gauwbergen, Applied Sciences 2025 |
| Доля ошибок автоматических субтитров, приходящаяся на пунктуацию | 65% | Romero-Fresco и Van Gauwbergen, Applied Sciences 2025 |
| Рост доли ошибок при нескольких говорящих | 50-100% | Romero-Fresco и Van Gauwbergen, Applied Sciences 2025 |
| Доля редактирования, автоматические и человеческие субтитры | 0,07% против 6-33% | Romero-Fresco и Van Gauwbergen, Applied Sciences 2025 |
| Ошибок в минуту: стенография, респикинг и автоматика | 5 против 7 против 22 | Romero-Fresco и Fresno, Linguistica Antverpiensia 2023 (Vitac, 2020) |
| Сокращение текста, субтитры испаноязычных выпусков | 26% | Fresno, JoSTrans 2024 |
Примечание о контексте: сокращение объясняется скоростью чтения. Ведущие испаноязычных выпусков говорили в среднем со скоростью 167 слов в минуту, тогда как субтитры шли в среднем со скоростью 121 слово в минуту (11,574 символа в секунду); 39% субтитров превысили 15 символов в секунду (Fresno, JoSTrans 2024). Для сравнения: DCMP Captioning Key задаёт скорости показа, не превышающие 160 слов в минуту даже для материалов продвинутого уровня. Источник данных о сертификации: Fit for What Purpose? NER Certification of Automatic Captions.
5. Влияние на зрителей: задержка, ошибки и утомление
Данные о зрителях назначают цену каждой секунде отставания. Телевизионные субтитры с исходной эфирной задержкой получили оценку качества 3,66 из 7 против 5,09 при синхронизации тех же субтитров, а субтитры ASR с задержкой в 2 секунды всё же набрали 4,81 (Thompson et al., arXiv 2026). Исследование оценило потерю примерно в один балл на каждые 7,5 секунды задержки телевизионных субтитров. Один из участников сказал прямо: он предпочёл бы неполные субтитры, идущие синхронно, более качественным, но отстающим.
Ошибки обходятся дорого и говорящему, а не только зрителю. В предварительно зарегистрированном эксперименте с 207 участниками из США склонные к ошибкам субтитры ASR стабильно снижали оценку и говорящего, и содержания (Kadoma, Shrivastava и Naaman, arXiv 2026). А субтитры, помогающие пониманию, всё равно могут утомлять зрителей: в лабораторном аудиологическом тесте несовершенные субтитры с задержкой повысили распознавание предложений с 63% до 77%, но вызвали больший рост субъективного утомления (Esser, Picou и Hornsby, American Journal of Audiology 2025).
| Показатель | Значение | Источник |
|---|---|---|
| Оценка качества, телевизионные субтитры с задержкой и синхронизированные (7-балльная шкала) | 3,66 против 5,09 | Thompson et al., arXiv 2026 |
| Оценка понимания, телевизионные субтитры с задержкой и синхронизированные | 4,74 против 5,65 | Thompson et al., arXiv 2026 |
| Потеря оценки на единицу задержки телевизионных субтитров | Около 1 балла на 7,5 секунды | Thompson et al., arXiv 2026 |
| Участники опроса, использующие субтитры ежедневно | 84,7% из 216 | Thompson et al., arXiv 2026 |
| Распознавание предложений с несовершенными субтитрами и без них | 77% против 63% | Esser et al., American Journal of Audiology 2025 |
| Произнесённые слова, верно показанные в тестовых субтитрах | 86-88% | Esser et al., American Journal of Audiology 2025 |
| Участники эксперимента по оценке ошибок субтитров | 207 | Kadoma et al., arXiv 2026 |
| Зрители-краудворкеры в оценке стабильности субтитров | 123 | Liu et al., CHI Extended Abstracts 2023 |
Примечание о контексте: аудитория велика. ВОЗ оценивает, что более 5% населения мира, или 430 миллионов человек, нуждаются в реабилитации из-за инвалидизирующей потери слуха, а к 2050 году их число превысит 700 миллионов (информационный бюллетень ВОЗ о глухоте и потере слуха, 2026). Мерцающий промежуточный текст ASR создаёт отдельную нагрузку; Liu et al. обнаружили, что методы стабилизации снижали отвлечение и утомление зрителей. Платформы коротких видео сталкиваются с той же проблемой в другом масштабе, как показано в нашем обзоре субтитров в коротких видео.
6. Правила FCC и жалобы на субтитры
Правила США определяют качество словами, а не цифрами. Согласно 47 CFR 79.1, субтитры должны быть точными, синхронными, полными и правильно размещёнными и «должны начинать появляться в момент, когда начинается соответствующая речь или звуки». Правила действительно ограничивают самый дешёвый метод для прямых новостей: ABC, CBS, Fox и NBC и их филиалы на 25 крупнейших рынках не могут засчитывать для соблюдения требований субтитры по методу электронной редакции новостей (Electronic Newsroom Technique, ENT) на основе телесуфлёра. Станции на других рынках, использующие ENT, обязаны писать сценарий для студийных новостей, спорта и погоды и дополнять несценарные срочные новости бегущей строкой или другим текстом.
Данные о жалобах показывают растущее трение. Жалобы на скрытые субтитры на телевидении в наборе данных FCC о жалобах потребителей выросли с 310 в 2023 году до 683 в 2024 году, то есть на 120% ((683 - 310) / 310), и остались высокими, 604, в 2025 году (FCC CGB Consumer Complaints Data). Жалобы на субтитры в интернете достигли пика раньше, 705 в 2023 году.
| Показатель | Значение | Источник |
|---|---|---|
| Жалобы: скрытые субтитры на телевидении, 2023 / 2024 / 2025 | 310 / 683 / 604 | FCC CGB Consumer Complaints Data (запрос в октябре 2026 года) |
| Жалобы: скрытые субтитры в интернете, 2023 / 2024 / 2025 | 705 / 472 / 339 | FCC CGB Consumer Complaints Data |
| Жалобы на скрытые субтитры на телевидении, 2026 год с начала года | 376 | FCC CGB Consumer Complaints Data |
| Накопленные жалобы с 31 октября 2014 года: субтитры на ТВ и в интернете | 4 139 против 3 057 | FCC CGB Consumer Complaints Data |
| Общие жалобы на субтитрирование, 2009-2013 | 2 323 (в среднем 465 в год) | FCC Caption Quality Report and Order, FCC 14-12 (2014) |
| Срок подачи жалобы на субтитрирование | 60 дней после проблемы | eCFR, 47 CFR 79.1(g)(1) |
| Срок ответа дистрибьютора на жалобу, переданную FCC | 30 дней | eCFR, 47 CFR 79.1(g)(4) |
| Уровень выручки, ниже которого канал освобождается от субтитрирования | Менее 3 000 000 долларов США в год | eCFR, 47 CFR 79.1(d)(12) |
Примечание о контексте: FCC заявляет, что не проверяет факты, изложенные в этих неформальных жалобах, а категории выбирает сам потребитель, поэтому набор данных не позволяет выделить прямые новости из прочих программ (CGB Consumer Complaints Data). Цифра за 2009-2013 годы получена из другой системы приёма жалоб, описанной в решении FCC 14-12 о качестве субтитров, поэтому два ряда не следует читать как единую линию тренда. Ретрансляционные службы для глухих и слабослышащих абонентов - родственная программа FCC, подробно описанная в нашей статистике TRS и VRS.
7. Сдвиг в кадрах и технологиях
Человеческая сторона живого субтитрирования испытывает напряжение. Тридцать живых субтитровщиков оценили свою субъективную умственную нагрузку как высокую, сопоставимую с нагрузкой нейрохирургов, по шкале NASA-TLX, причём главными факторами были перефразирование и статус занятости (Nam et al., Applied Ergonomics 2023). Авторы предлагают, чтобы субтитровщики перешли к надзору за субтитрами, созданными ИИ, вместо набора каждого слова. Дефицит кадров среди субтитровщиков реального времени рассмотрен в нашем обзоре статистики CART.
Гибридные процессы уже дают измеримый выигрыш. CARTGPT, использующий большие языковые модели и ASR для исправления человеческих транскриптов CART, улучшил точность слов на 5,6% относительно базового CART и на 17,3% относительно передового ASR на наборе данных в 39,7 часа (Wu, Kleiver и Jain, ASSETS 2025). Бенчмарки показывают, как далеко продвинулись сами движки: лучший результат для коротких записей на английском в Open ASR Leaderboard составил 5,42% WER, а лучший для длинных 7,32% (статья Open ASR Leaderboard, arXiv 2025, данные на 27 марта 2026 года).
| Показатель | Значение | Источник |
|---|---|---|
| Живые субтитровщики в исследовании нагрузки | 30 | Nam et al., Applied Ergonomics 2023 |
| Прирост точности слов у CARTGPT относительно базового CART / относительно ASR | 5,6% / 17,3% | Wu et al., ASSETS 2025 |
| Системы ASR и наборы данных в Open ASR Leaderboard | 86 моделей, 12 наборов данных | Статья Open ASR Leaderboard, arXiv 2025 |
| Лучший WER на английском для коротких записей в лидерборде | 5,42% (Cohere Labs Transcribe) | Статья Open ASR Leaderboard, arXiv 2025 |
| WER на английском для длинных записей: лучшая проприетарная система и Whisper Large v3 | 7,32% против 11,2% | Статья Open ASR Leaderboard, arXiv 2025 |
| Сертифицированные автоматические субтитры, общий NER: английский и испанский | 99,03% против 98,77% | Romero-Fresco и Van Gauwbergen, Applied Sciences 2025 |
| Диапазон WER клинических субтитров реального времени для глухих и слабослышащих взрослых | от 12,7% до 22,8% | Hughes et al., JMIR Rehabilitation and Assistive Technology 2026 |
| Пользователи клинических субтитров, которым было легко следить за текстом | 90% (26 из 29 симуляций) | Hughes et al., JMIR Rehabilitation and Assistive Technology 2026 |
Примечание о контексте: WER лидерборда измеряется на эталонном аудио, а не на прямых новостях с несколькими говорящими, перебиванием и удалёнными включениями, и ничего не говорит о задержке. Источники: статья Open ASR Leaderboard, CARTGPT, Nam et al. и Hughes et al.. Судебная транскрипция показывает похожий разрыв между эталонной и реальной точностью, см. нашу статистику распознавания речи в судах.
Итоги: задержка субтитров и доля ошибок в словах в прямых новостях в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| Субтитры людей, американские новости, точность NER | 99,4% | Romero-Fresco и Fresno, 2023 |
| Автоматические субтитры, американские новости, точность NER | 97,4% | Romero-Fresco и Fresno, 2023 |
| Испаноязычные новостные выпуски в США, точность NER | 97,04% | Fresno, JoSTrans 2024 |
| Образцы испаноязычных выпусков с задержкой более 7 секунд | 85% | Fresno, JoSTrans 2024 |
| Средняя задержка субтитров в испаноязычных выпусках | 8,2 секунды | Fresno, JoSTrans 2024 |
| Задержка оригинальных субтитров прямого ТВ в тестовых клипах | 7-12 секунд | Thompson et al., arXiv 2026 |
| Типичная задержка, автоматические и человеческие субтитры | 2-3 с против 4-10 с | Romero-Fresco и Van Gauwbergen, 2025 |
| Средний WER, телевизионные субтитры и ASR | 33,8% против 17,2% | Thompson et al., arXiv 2026 |
| Клипы, достигшие NER 98, ТВ и ASR | 11 из 70 против 4 из 70 | Thompson et al., arXiv 2026 |
| Оценка качества, телевизионные субтитры с задержкой и синхронизированные | 3,66 против 5,09 из 7 | Thompson et al., arXiv 2026 |
| Ошибок в минуту, стенография и автоматика | 5 против 22 | Romero-Fresco и Fresno, 2023 |
| Ошибки автоматических субтитров, приходящиеся на пунктуацию | 65% | Romero-Fresco и Van Gauwbergen, 2025 |
| Субтитры испаноязычных выпусков хотя бы с одной ошибкой | 41-46% | Fresno, JoSTrans 2024 |
| Живые субтитры в Великобритании, общая точность (2013-2015) | 98,4% | Romero-Fresco и Fresno, 2023, со ссылкой на проект Ofcom |
| Жалобы в FCC на телевизионные субтитры, 2023 и 2024 | 310 против 683 | FCC CGB Consumer Complaints Data |
| Жалобы в FCC на телевизионные субтитры, 2025 | 604 | FCC CGB Consumer Complaints Data |
| Жалобы на субтитрирование, поданные в FCC, 2009-2013 | 2 323 | FCC 14-12 (2014) |
| Нагрузка живых субтитровщиков | Сопоставима с нагрузкой нейрохирургов | Nam et al., Applied Ergonomics 2023 |
| Лучший WER ASR на английском для длинных записей | 7,32% | Статья Open ASR Leaderboard, arXiv 2025 |
| Люди, нуждающиеся в реабилитации из-за инвалидизирующей потери слуха | 430 миллионов | Информационный бюллетень ВОЗ, 2026 |
Методология и источники
- Romero-Fresco, P. и 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. и 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, препринт 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, выборка по типу жалобы и году в октябре 2026 года
- 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. и 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. и 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. и 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, результаты на 27 марта 2026 года)
- ВОЗ: Deafness and hearing loss fact sheet (2026)
- Наблюдение по данным: исследование Gallaudet о задержке и метриках (Thompson et al.) и эксперимент Kadoma et al. являются препринтами и могут измениться после рецензирования. Кейс-исследования Romero-Fresco и Fresno относятся к 2018-2022 годам, а проект Ofcom по живому субтитрированию шёл с 2013 по 2015 год (самые свежие доступные данные о точности в Великобритании). Страницы Ofcom и CRTC во время исследования отвечали защитой от ботов или ошибками 403, поэтому данные по Великобритании и Канаде приводятся через рецензируемые статьи, которые их публикуют. Ориентир задержки в 6-7 секунд и показатели Super Bowl LII и дебатов 2016 года приведены так, как их сообщает Fresno (2024); сам 47 CFR 79.1 не устанавливает числового предела задержки. Количество жалоб в FCC неформальное, непроверенное и категоризировано потребителем, не выделяет прямые новости, а показатель 2026 года дан с начала года; рост на 120% - наш собственный расчёт по данным 2023 и 2024 годов. Исследование испаноязычных новостных выпусков (2024) охватывает две телесети и 200 минут. Значения WER лидерборда - это результаты эталонных тестов, и они не измеряют задержку в прямых новостях.
Последнее обновление: 4 октября 2026 года. Мы обновляем этот обзор ежеквартально, и следующее обновление ожидается, когда исследование Gallaudet о метриках субтитров завершит рецензирование, а набор данных FCC о жалобах закроет календарный 2026 год.