Trong các bản tin mạng tiếng Tây Ban Nha tại Mỹ, 85% mẫu được phân tích vượt ngưỡng độ trễ phụ đề 7 giây, và phụ đề trung bình xuất hiện sau lời nói 8,2 giây (Fresno, JoSTrans 2024). Độ chính xác cũng kể một câu chuyện song song: trên các chương trình tin tức, người viết phụ đề con người đạt độ chính xác NER 99,4% trong khi phụ đề tự động chưa biên tập đạt 97,4%, thấp hơn ngưỡng chất lượng 98% (Romero-Fresco và Fresno, Linguistica Antverpiensia 2023). Trong khi đó, các khiếu nại về phụ đề chi tiết trên TV gửi đến FCC đã tăng từ 310 vào năm 2023 lên 683 vào năm 2024 (FCC CGB Consumer Complaints Data). Chúng tôi tổng hợp dữ liệu từ FCC, các nhà nghiên cứu Đại học Gallaudet, các nghiên cứu NER của Universidade de Vigo và University of Texas Rio Grande Valley, Open ASR Leaderboard, WHO và hơn một chục bài báo được bình duyệt. Để có bức tranh rộng hơn về độ trễ trên mọi định dạng trực tiếp, hãy xem bài tổng hợp đi kèm của chúng tôi về độ trễ phụ đề thời gian thực.
Tóm tắt nhanh
- Phụ đề do con người thực hiện trên tin tức Mỹ đạt độ chính xác NER 99,4% so với 97,4% của phụ đề tự động chưa biên tập (Romero-Fresco và Fresno, Linguistica Antverpiensia 2023).
- Các bản tin tiếng Tây Ban Nha tại Mỹ đạt độ chính xác NER trung bình 97,04%, thấp hơn ngưỡng 98% (Fresno, JoSTrans 2024).
- 85% mẫu bản tin tiếng Tây Ban Nha vượt ngưỡng độ trễ phụ đề 7 giây (Fresno, JoSTrans 2024).
- Phụ đề TV trực tiếp gốc chậm hơn lời nói từ 7 đến 12 giây; phụ đề tự động trong cùng thử nghiệm chậm khoảng 2 giây (Thompson và cộng sự, arXiv 2026).
- Người xem mất khoảng 1 điểm đánh giá chất lượng cho mỗi 7,5 giây trễ phụ đề TV (Thompson và cộng sự, arXiv 2026).
- Chỉ 11 trong 70 clip TV trực tiếp và 4 trong 70 clip ASR đạt NER 98% (Thompson và cộng sự, arXiv 2026).
- Phụ đề tự động mắc khoảng 22 lỗi mỗi phút so với 5 lỗi của tốc ký trong một nghiên cứu điển hình tại Mỹ năm 2020 (Romero-Fresco và Fresno, 2023).
- Khiếu nại gửi FCC về phụ đề chi tiết trên TV đạt 683 vào năm 2024, tăng từ 310 vào năm 2023 (FCC CGB Consumer Complaints Data).
- 65% tổng số lỗi của một hệ thống phụ đề tự động được chứng nhận là lỗi dấu câu (Romero-Fresco và Van Gauwbergen, Applied Sciences 2025).
- Khối lượng công việc tinh thần của người viết phụ đề trực tiếp được đánh giá tương đương với bác sĩ phẫu thuật thần kinh, trong một nghiên cứu trên 30 người viết phụ đề (Nam và cộng sự, Applied Ergonomics 2023).
- Kết quả ASR tiếng Anh dạng dài tốt nhất trên Open ASR Leaderboard là WER 7,32% (bài báo Open ASR Leaderboard, arXiv 2025, dữ liệu tính đến tháng 3 năm 2026).
1. Độ Chính Xác Phụ Đề Tin Tức Trực Tiếp: Con Người và Tự Động
Phát hiện chính của cuộc so sánh giữa con người và máy lớn nhất từ trước đến nay không phải là phụ đề tự động thất bại, mà là chúng thất bại ở một khoảng cụ thể. Phụ đề tự động chưa biên tập trên tin tức đạt độ chính xác NER 97,4% trong một nghiên cứu điển hình tại Mỹ năm 2021, so với 99,4% của phụ đề con người trên cùng thể loại (Romero-Fresco và Fresno, Linguistica Antverpiensia 2023). Hai điểm NER nghe có vẻ nhỏ, nhưng đó là khoảng cách giữa đạt và không đạt: 98% là ngưỡng chấp nhận được, và điểm số tự động chỉ tương đương 3,5 trên thang NER 10 điểm.
Tin tức cũng hóa ra là thể loại thân thiện nhất với máy. Trong cùng nghiên cứu điển hình, phụ đề tự động cho thể thao giảm xuống 95,4% trong khi phụ đề con người cho thể thao tăng lên 99,6%, nên khoảng cách nới rộng đúng ở nơi lời nói trở nên nhanh và chồng lấn. Nghiên cứu đã phân tích khoảng 17.000 phụ đề trực tiếp trong bốn nghiên cứu điển hình tại Anh, Mỹ và Canada từ năm 2018 đến năm 2022.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Phụ đề con người, thể loại tin tức Mỹ, độ chính xác NER | 99,4% | Romero-Fresco và Fresno, Linguistica Antverpiensia 2023 (nghiên cứu điển hình Enco, 2021) |
| Phụ đề tự động, thể loại tin tức Mỹ, độ chính xác NER | 97,4% (3,5 trên 10) | Romero-Fresco và Fresno, Linguistica Antverpiensia 2023 (nghiên cứu điển hình Enco, 2021) |
| Tốc ký so với nhắc lại bằng giọng nói (respeaking) so với tự động, Mỹ | 99,1% so với 98,6% so với 96,3% | Romero-Fresco và Fresno, Linguistica Antverpiensia 2023 (nghiên cứu điển hình Vitac, 2020) |
| Anh: phụ đề nhắc lại bằng giọng nói so với Microsoft so với Google | 97% so với 96% so với 95,5% | Romero-Fresco và Fresno, Linguistica Antverpiensia 2023 (nghiên cứu điển hình Sky, 2018) |
| Phụ đề trực tiếp do con người thực hiện tại Canada, NER trung bình | 98,9% (7 trên 10) | Romero-Fresco và Fresno, Linguistica Antverpiensia 2023 (Canada, 2019-2021) |
| Quy mô mẫu của Canada | 440 clip mười phút, 9.300 phụ đề | Romero-Fresco và Fresno, Linguistica Antverpiensia 2023 |
| Phụ đề trực tiếp tại Anh, đánh giá do Ofcom ủy thác, độ chính xác tổng thể | 98,4% trên 78.000 phụ đề | Romero-Fresco và Fresno, 2023, trích dẫn dự án Ofcom 2013-2015 |
Lưu ý về bối cảnh: các nghiên cứu điển hình có từ năm 2018 đến 2021, nên chúng có trước các công cụ nhận dạng giọng nói mới nhất. Cùng các tác giả này báo cáo rằng các công cụ mới hơn đạt độ chính xác NER từ 99,1% đến 99,9% trong điều kiện có kiểm soát với một người nói và âm thanh rõ ràng, điều trái ngược với một đường truyền từ xa trong tin nóng. Bài báo đầy đủ: The accuracy of automatic and human live captions in English. Dữ liệu mới nhất hiện có cho dự án Ofcom: 2013-2015.
2. Độ Trễ Hiển Thị Phụ Đề Trong Tin Tức Trực Tiếp
Độ trễ là nơi phụ đề tin tức trực tiếp mất người xem trước cả khi có một từ sai. 85% mẫu bản tin tiếng Tây Ban Nha tại Mỹ được phân tích vượt ngưỡng độ trễ 7 giây (Fresno, JoSTrans 2024), và độ trễ phụ đề riêng lẻ dao động từ 0,7 đến 41 giây. Một phụ đề trễ 41 giây trên một phân đoạn tin tức nhanh đang mô tả một câu chuyện khác với câu chuyện trên màn hình.
Phía tự động của thị trường có lợi thế mang tính cấu trúc ở đây. Phụ đề tự động thường chậm hơn lời nói 2 đến 3 giây, so với 4 đến 10 giây của phụ đề con người (Romero-Fresco và Van Gauwbergen, Applied Sciences 2025). Nghiên cứu Gallaudet năm 2026 đo độ trễ phụ đề TV gốc từ 7 đến 12 giây trên các clip trực tiếp của mình, trong khi điều kiện ASR, do nhà cung cấp phát sóng AppTek tạo ra, chạy ở mức trung bình 2 giây (Thompson và cộng sự, arXiv 2026). Do đó, sự đánh đổi của các đài phát sóng không phải là độ chính xác so với không có gì, mà là độ chính xác so với thời gian.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Độ trễ phụ đề trung bình, bản tin Telemundo so với Univision | 8,2 so với 8,3 giây | Fresno, JoSTrans 2024 |
| Tỷ lệ mẫu bản tin tiếng Tây Ban Nha vượt độ trễ 7 giây | 85% | Fresno, JoSTrans 2024 |
| Khoảng độ trễ phụ đề riêng lẻ | 0,7 đến 41 giây | Fresno, JoSTrans 2024 |
| Mốc độ trễ được trích dẫn cho phụ đề Mỹ | 6 đến 7 giây chấp nhận được, 4 đến 5 giây là mục tiêu | Fresno, JoSTrans 2024 (như được trích dẫn trong nghiên cứu) |
| Độ trễ phụ đề TV trực tiếp gốc trong các clip thử nghiệm | 7 đến 12 giây | Thompson và cộng sự, Đại học Gallaudet, arXiv 2026 |
| Độ trễ phụ đề ASR trong cùng thử nghiệm | trung bình 2 giây (cộng trừ 0,05 giây nhiễu pha) | Thompson và cộng sự, Đại học Gallaudet, arXiv 2026 |
| Độ trễ điển hình, phụ đề tự động so với con người | 2-3 giây so với 4-10 giây | Romero-Fresco và Van Gauwbergen, Applied Sciences 2025 |
| Độ trễ phụ đề Super Bowl LII và cuộc tranh luận tổng thống 2016 | 5,3 giây và 6,1 giây | Fresno, JoSTrans 2024 (tóm tắt các nghiên cứu trước đó) |
Lưu ý về giá trị ngoại lệ: bản thân quy tắc của FCC không chứa số giây nào. Con số 6 đến 7 giây là một mốc tham chiếu do Fresno báo cáo trong nghiên cứu JoSTrans về các bản tin tiếng Tây Ban Nha, không phải giới hạn đã được pháp điển hóa (xem mục 6).
3. Tỷ Lệ Lỗi Từ và NER: Vì Sao Các Chỉ Số Mâu Thuẫn
Tỷ lệ lỗi từ là con số mặc định trong nhận dạng giọng nói, và nó trừng phạt người viết phụ đề con người vì làm đúng công việc của họ. Người viết phụ đề trực tiếp chuyên nghiệp cô đọng lời nói để theo kịp; WER đếm mọi từ bị bỏ là một lỗi, dù ý nghĩa còn được giữ hay không. Trong nghiên cứu Gallaudet năm 2026, phụ đề TV có WER trung bình 33,8% nhưng NER trung bình 95,28%, trong khi phụ đề ASR có WER trung bình 17,2% và NER trung bình 94,34% (Thompson và cộng sự, arXiv 2026). Máy “thắng” ở WER và thua ở NER.
Kết quả quan trọng hơn là không có chỉ số nào theo sát người xem đồng đều giữa các công nghệ. Với phụ đề TV, WER tương quan với điểm đánh giá chất lượng của người xem ở mức r = -0,687 (p < 0,001), nhưng với phụ đề ASR thì tương quan giảm xuống r = -0,390 (p = 0,003). NER cho thấy cùng một mô hình: r = 0,647 với TV so với r = 0,383 với ASR. Một cơ quan quản lý chọn một chỉ số cũng đang, mà không nói ra, chọn một công nghệ.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| NER trung bình, phụ đề TV so với phụ đề ASR | 95,28 so với 94,34 | Thompson và cộng sự, arXiv 2026 |
| Số clip đạt ngưỡng NER 98, TV so với ASR | 11 trên 70 so với 4 trên 70 | Thompson và cộng sự, arXiv 2026 |
| Tương quan của NER với điểm đánh giá của người xem, TV so với ASR | r = 0,647 so với r = 0,383 | Thompson và cộng sự, arXiv 2026 |
| Tương quan của ACE2 với điểm đánh giá của người xem, TV so với ASR | r = -0,631 so với r = -0,291 | Thompson và cộng sự, arXiv 2026 |
| Điểm ACE2 trung bình, TV so với ASR (thấp hơn là tốt hơn) | 0,67 so với 0,52 | Thompson và cộng sự, arXiv 2026 |
| Kích thước hiệu ứng của chênh lệch WER, TV so với ASR | d = 0,86 | Thompson và cộng sự, arXiv 2026 |
| Kích thước hiệu ứng của chênh lệch điểm chất lượng, TV so với ASR | d = -0,13 | Thompson và cộng sự, arXiv 2026 |
Lưu ý về bối cảnh: người xem đánh giá phụ đề TV và ASR gần như giống hệt nhau (d = -0,13) dù chênh lệch WER là lớn (d = 0,86). Một nghiên cứu CHI 2024 trước đó của cùng nhóm Gallaudet chỉ tìm thấy tương quan yếu giữa WER, WER có trọng số, ACE và ACE2 với điểm đánh giá của người xem (Arroyo Chavez và cộng sự, arXiv 2404.10153). Bài báo năm 2026 là bản thảo tiền xuất bản: Are Caption Metrics Broken?.
4. Lỗi Phụ Đề Trông Như Thế Nào Trong Thực Tế
Số lượng lỗi che giấu loại lỗi. Trong các bản tin tiếng Tây Ban Nha tại Mỹ, từ 41% đến 46% phụ đề chứa ít nhất một lỗi, nhưng 82% trong số các lỗi đó là nhẹ, 16% ở mức tiêu chuẩn và 2% nghiêm trọng (Fresno, JoSTrans 2024). Lỗi nhẹ làm chậm việc đọc; lỗi nghiêm trọng tạo ra thông tin sai, chẳng hạn một con số sai trong bản tin thị trường.
Các hệ thống tự động thất bại theo cách khác. Trong chứng nhận NER năm 2025 của một hệ thống phụ đề tự động, 65% tổng số lỗi đến từ dấu câu, và việc nhận dạng người nói làm tăng tỷ lệ lỗi từ 50% đến 100% trong các video có nhiều người nói (Romero-Fresco và Van Gauwbergen, Applied Sciences 2025). Người viết phụ đề con người biên tập; máy thì chép lại. Tỷ lệ biên tập của hệ thống tự động là 0,07%, so với 6% đến 33% của phụ đề con người ở các khu vực, điều này giải thích cả độ trung thực WER cao hơn lẫn điểm yếu trong việc theo kịp tốc độ của người đọc.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Phụ đề bản tin tiếng Tây Ban Nha có ít nhất một lỗi | 41-46% | Fresno, JoSTrans 2024 |
| Cơ cấu mức độ nghiêm trọng của lỗi, bản tin tiếng Tây Ban Nha (nhẹ / tiêu chuẩn / nghiêm trọng) | 82% / 16% / 2% | Fresno, JoSTrans 2024 |
| Cơ cấu mức độ nghiêm trọng của lỗi, phụ đề tự động tiếng Anh (nhẹ / tiêu chuẩn / nghiêm trọng) | 89,2% / 10% / 0,8% | Romero-Fresco và Van Gauwbergen, Applied Sciences 2025 |
| Tỷ lệ lỗi phụ đề tự động đến từ dấu câu | 65% | Romero-Fresco và Van Gauwbergen, Applied Sciences 2025 |
| Mức tăng tỷ lệ lỗi khi có nhiều người nói | 50-100% | Romero-Fresco và Van Gauwbergen, Applied Sciences 2025 |
| Tỷ lệ biên tập, phụ đề tự động so với con người | 0,07% so với 6-33% | Romero-Fresco và Van Gauwbergen, Applied Sciences 2025 |
| Số lỗi mỗi phút: tốc ký so với nhắc lại bằng giọng nói so với tự động | 5 so với 7 so với 22 | Romero-Fresco và Fresno, Linguistica Antverpiensia 2023 (Vitac, 2020) |
| Mức rút gọn văn bản, phụ đề bản tin tiếng Tây Ban Nha | 26% | Fresno, JoSTrans 2024 |
Lưu ý về bối cảnh: tốc độ đọc giải thích cho việc rút gọn. Người dẫn bản tin tiếng Tây Ban Nha nói trung bình 167 từ mỗi phút trong khi phụ đề trung bình 121 từ mỗi phút (11,574 ký tự mỗi giây); 39% phụ đề vượt quá 15 ký tự mỗi giây (Fresno, JoSTrans 2024). Để so sánh, DCMP Captioning Key quy định tốc độ trình bày không vượt quá 160 từ mỗi phút ngay cả với nội dung trình độ cao. Nguồn dữ liệu chứng nhận: Fit for What Purpose? NER Certification of Automatic Captions.
5. Tác Động Đến Người Xem: Độ Trễ, Lỗi và Mệt Mỏi
Dữ liệu người xem định giá cho từng giây trễ. Phụ đề TV với độ trễ phát sóng gốc được đánh giá 3,66 trên 7 về chất lượng, so với 5,09 khi chính những phụ đề đó được đồng bộ, và phụ đề ASR với độ trễ 2 giây vẫn đạt 4,81 (Thompson và cộng sự, arXiv 2026). Nghiên cứu ước tính mất khoảng một điểm đánh giá cho mỗi 7,5 giây trễ phụ đề TV. Một người tham gia nói thẳng: họ thà có phụ đề chưa đầy đủ nhưng đồng bộ còn hơn phụ đề tốt hơn nhưng bị trễ.
Lỗi cũng gây thiệt hại cho người nói, không chỉ cho người xem. Trong một thí nghiệm đã đăng ký trước với 207 người tham gia tại Mỹ, phụ đề ASR dễ sai liên tục làm giảm đánh giá đối với cả người nói lẫn nội dung (Kadoma, Shrivastava và Naaman, arXiv 2026). Và phụ đề giúp hiểu nội dung vẫn có thể làm người xem mệt: trong một thử nghiệm phòng thí nghiệm thính học, phụ đề không hoàn hảo và bị trễ đã nâng khả năng nhận dạng câu từ 63% lên 77% nhưng gây ra mức tăng mệt mỏi chủ quan lớn hơn (Esser, Picou và Hornsby, American Journal of Audiology 2025).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Điểm chất lượng, phụ đề TV bị trễ so với được đồng bộ (thang 7 điểm) | 3,66 so với 5,09 | Thompson và cộng sự, arXiv 2026 |
| Điểm mức độ hiểu, phụ đề TV bị trễ so với được đồng bộ | 4,74 so với 5,65 | Thompson và cộng sự, arXiv 2026 |
| Điểm mất đi trên mỗi đơn vị độ trễ phụ đề TV | Khoảng 1 điểm cho mỗi 7,5 giây | Thompson và cộng sự, arXiv 2026 |
| Người tham gia khảo sát dùng phụ đề hằng ngày | 84,7% trong 216 người | Thompson và cộng sự, arXiv 2026 |
| Khả năng nhận dạng câu khi có so với không có phụ đề không hoàn hảo | 77% so với 63% | Esser và cộng sự, American Journal of Audiology 2025 |
| Tỷ lệ từ nói được hiển thị đúng trong các phụ đề thử nghiệm đó | 86-88% | Esser và cộng sự, American Journal of Audiology 2025 |
| Người tham gia trong thí nghiệm đánh giá lỗi phụ đề | 207 | Kadoma và cộng sự, arXiv 2026 |
| Người xem cộng đồng trong đánh giá độ ổn định phụ đề | 123 | Liu và cộng sự, CHI Extended Abstracts 2023 |
Lưu ý về bối cảnh: lượng khán giả là rất lớn. WHO ước tính hơn 5% dân số thế giới, tức 430 triệu người, cần phục hồi chức năng do mất thính lực gây tàn tật, và con số này tăng lên hơn 700 triệu vào năm 2050 (tờ thông tin của WHO về điếc và mất thính lực, 2026). Văn bản ASR tạm thời nhấp nháy tạo thêm một gánh nặng riêng; Liu và cộng sự phát hiện các kỹ thuật ổn định hóa làm giảm sự xao nhãng và mệt mỏi của người xem. Các nền tảng video ngắn gặp cùng vấn đề ở quy mô khác, như đã trình bày trong bài tổng hợp về phụ đề video ngắn của chúng tôi.
6. Quy Định của FCC và Khiếu Nại Về Phụ Đề
Các quy định của Mỹ định nghĩa chất lượng bằng lời, không phải bằng con số. Theo 47 CFR 79.1, phụ đề phải chính xác, đồng bộ, đầy đủ và đặt đúng vị trí, và “phải bắt đầu xuất hiện vào thời điểm lời nói hoặc âm thanh tương ứng bắt đầu”. Các quy định có hạn chế phương pháp rẻ nhất cho tin tức trực tiếp: ABC, CBS, Fox và NBC cùng các đài liên kết của họ trong 25 thị trường hàng đầu không được tính phụ đề Electronic Newsroom Technique (ENT) dựa trên máy nhắc chữ vào việc tuân thủ. Các đài ở nơi khác dùng ENT phải viết kịch bản trước cho tin tức, thể thao và thời tiết trong phòng thu và bổ sung tin nóng không có kịch bản bằng dòng chữ chạy hoặc văn bản khác.
Dữ liệu khiếu nại cho thấy sự bất bình ngày càng tăng. Khiếu nại về phụ đề chi tiết trên TV trong bộ dữ liệu khiếu nại người tiêu dùng của FCC tăng từ 310 vào năm 2023 lên 683 vào năm 2024, mức tăng 120% ((683 - 310) / 310), và vẫn ở mức cao 604 vào năm 2025 (FCC CGB Consumer Complaints Data). Khiếu nại về phụ đề qua internet đạt đỉnh sớm hơn, ở mức 705 vào năm 2023.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Khiếu nại: phụ đề chi tiết trên TV, 2023 / 2024 / 2025 | 310 / 683 / 604 | FCC CGB Consumer Complaints Data (truy vấn tháng 10 năm 2026) |
| Khiếu nại: phụ đề chi tiết qua internet, 2023 / 2024 / 2025 | 705 / 472 / 339 | FCC CGB Consumer Complaints Data |
| Khiếu nại phụ đề chi tiết trên TV, tính từ đầu năm 2026 đến nay | 376 | FCC CGB Consumer Complaints Data |
| Khiếu nại tích lũy từ ngày 31 tháng 10 năm 2014: phụ đề TV so với internet | 4.139 so với 3.057 | FCC CGB Consumer Complaints Data |
| Khiếu nại chung về phụ đề, 2009-2013 | 2.323 (trung bình 465 mỗi năm) | FCC Caption Quality Report and Order, FCC 14-12 (2014) |
| Thời hạn nộp khiếu nại về phụ đề | 60 ngày sau khi xảy ra sự cố | eCFR, 47 CFR 79.1(g)(1) |
| Thời hạn nhà phân phối phản hồi một khiếu nại do FCC chuyển tiếp | 30 ngày | eCFR, 47 CFR 79.1(g)(4) |
| Mức doanh thu mà dưới đó một kênh được miễn nghĩa vụ phụ đề | Dưới 3.000.000 USD mỗi năm | eCFR, 47 CFR 79.1(d)(12) |
Lưu ý về bối cảnh: FCC nêu rõ họ không xác minh các sự việc được cáo buộc trong những khiếu nại không chính thức này, và các danh mục do người tiêu dùng chọn, nên bộ dữ liệu không thể tách riêng tin tức trực tiếp khỏi các chương trình khác (CGB Consumer Complaints Data). Con số 2009-2013 đến từ một hệ thống tiếp nhận khác được mô tả trong quyết định về chất lượng phụ đề FCC 14-12, vì vậy hai chuỗi số liệu không nên được đọc như một đường xu hướng duy nhất. Dịch vụ chuyển tiếp cho người gọi điếc và khiếm thính là một chương trình liên quan của FCC, được trình bày chi tiết trong thống kê TRS và VRS của chúng tôi.
7. Sự Chuyển Dịch Về Nhân Lực và Công Nghệ
Phía con người của nghề viết phụ đề trực tiếp đang chịu áp lực. Ba mươi người viết phụ đề trực tiếp đánh giá khối lượng công việc tinh thần chủ quan của họ ở mức cao, tương đương với bác sĩ phẫu thuật thần kinh trên thang NASA-TLX, với việc diễn đạt lại và tình trạng việc làm là các yếu tố chính (Nam và cộng sự, Applied Ergonomics 2023). Các tác giả đề xuất người viết phụ đề chuyển sang giám sát phụ đề do AI tạo ra thay vì gõ từng từ. Áp lực nguồn cung đối với người viết phụ đề thời gian thực được đề cập trong bài tổng hợp thống kê CART của chúng tôi.
Quy trình kết hợp đã cho thấy lợi ích đo lường được. CARTGPT, sử dụng các mô hình ngôn ngữ lớn và ASR để chỉnh sửa bản ghi CART của con người, cải thiện độ chính xác từ 5,6% so với CART cơ sở và 17,3% so với ASR hiện đại nhất trên bộ dữ liệu 39,7 giờ (Wu, Kleiver và Jain, ASSETS 2025). Các bài kiểm tra chuẩn cho thấy các công cụ thô đã tiến xa đến đâu: kết quả tiếng Anh dạng ngắn tốt nhất trên Open ASR Leaderboard là WER 5,42%, và kết quả dạng dài tốt nhất là 7,32% (bài báo Open ASR Leaderboard, arXiv 2025, dữ liệu tính đến ngày 27 tháng 3 năm 2026).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Người viết phụ đề trực tiếp trong nghiên cứu khối lượng công việc | 30 | Nam và cộng sự, Applied Ergonomics 2023 |
| Mức tăng độ chính xác từ của CARTGPT so với CART cơ sở / so với ASR | 5,6% / 17,3% | Wu và cộng sự, ASSETS 2025 |
| Hệ thống ASR và bộ dữ liệu trên Open ASR Leaderboard | 86 mô hình, 12 bộ dữ liệu | Bài báo Open ASR Leaderboard, arXiv 2025 |
| WER tiếng Anh dạng ngắn tốt nhất trên bảng xếp hạng | 5,42% (Cohere Labs Transcribe) | Bài báo Open ASR Leaderboard, arXiv 2025 |
| WER tiếng Anh dạng dài: hệ thống độc quyền tốt nhất so với Whisper Large v3 | 7,32% so với 11,2% | Bài báo Open ASR Leaderboard, arXiv 2025 |
| Phụ đề tự động được chứng nhận, NER tổng thể: tiếng Anh so với tiếng Tây Ban Nha | 99,03% so với 98,77% | Romero-Fresco và Van Gauwbergen, Applied Sciences 2025 |
| Khoảng WER của phụ đề y tế thời gian thực cho người lớn điếc và khiếm thính | 12,7% đến 22,8% | Hughes và cộng sự, JMIR Rehabilitation and Assistive Technology 2026 |
| Người dùng phụ đề y tế thấy phụ đề dễ theo dõi | 90% (26 trên 29 mô phỏng) | Hughes và cộng sự, JMIR Rehabilitation and Assistive Technology 2026 |
Lưu ý về bối cảnh: WER trên bảng xếp hạng được đo trên âm thanh chuẩn, không phải trên tin tức trực tiếp nhiều người nói với tiếng nói chồng lấn và đường truyền từ xa, và nó không nói gì về độ trễ. Nguồn: bài báo Open ASR Leaderboard, CARTGPT, Nam và cộng sự và Hughes và cộng sự. Việc ghi biên bản tại tòa cho thấy khoảng cách tương tự giữa độ chính xác chuẩn và thực tế, xem thống kê nhận dạng giọng nói tại tòa án của chúng tôi.
Tổng kết: Độ Trễ Hiển Thị Phụ Đề Chi Tiết và Tỷ Lệ Lỗi Từ Trong Tin Tức Trực Tiếp Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Phụ đề con người, tin tức Mỹ, độ chính xác NER | 99,4% | Romero-Fresco và Fresno, 2023 |
| Phụ đề tự động, tin tức Mỹ, độ chính xác NER | 97,4% | Romero-Fresco và Fresno, 2023 |
| Bản tin tiếng Tây Ban Nha tại Mỹ, độ chính xác NER | 97,04% | Fresno, JoSTrans 2024 |
| Mẫu bản tin tiếng Tây Ban Nha vượt độ trễ 7 giây | 85% | Fresno, JoSTrans 2024 |
| Độ trễ phụ đề trung bình của bản tin tiếng Tây Ban Nha | 8,2 giây | Fresno, JoSTrans 2024 |
| Độ trễ phụ đề TV trực tiếp gốc trong các clip thử nghiệm | 7 đến 12 giây | Thompson và cộng sự, arXiv 2026 |
| Độ trễ điển hình, phụ đề tự động so với con người | 2-3 giây so với 4-10 giây | Romero-Fresco và Van Gauwbergen, 2025 |
| WER trung bình, phụ đề TV so với ASR | 33,8% so với 17,2% | Thompson và cộng sự, arXiv 2026 |
| Số clip đạt NER 98, TV so với ASR | 11 trên 70 so với 4 trên 70 | Thompson và cộng sự, arXiv 2026 |
| Điểm chất lượng, phụ đề TV bị trễ so với được đồng bộ | 3,66 so với 5,09 trên 7 | Thompson và cộng sự, arXiv 2026 |
| Số lỗi mỗi phút, tốc ký so với tự động | 5 so với 22 | Romero-Fresco và Fresno, 2023 |
| Lỗi phụ đề tự động đến từ dấu câu | 65% | Romero-Fresco và Van Gauwbergen, 2025 |
| Phụ đề bản tin tiếng Tây Ban Nha có ít nhất một lỗi | 41-46% | Fresno, JoSTrans 2024 |
| Phụ đề trực tiếp tại Anh, độ chính xác tổng thể (2013-2015) | 98,4% | Romero-Fresco và Fresno, 2023, trích dẫn dự án Ofcom |
| Khiếu nại phụ đề TV gửi FCC, 2023 so với 2024 | 310 so với 683 | FCC CGB Consumer Complaints Data |
| Khiếu nại phụ đề TV gửi FCC, 2025 | 604 | FCC CGB Consumer Complaints Data |
| Khiếu nại về phụ đề nộp cho FCC, 2009-2013 | 2.323 | FCC 14-12 (2014) |
| Khối lượng công việc của người viết phụ đề trực tiếp | Tương đương bác sĩ phẫu thuật thần kinh | Nam và cộng sự, Applied Ergonomics 2023 |
| WER ASR tiếng Anh dạng dài tốt nhất | 7,32% | Bài báo Open ASR Leaderboard, arXiv 2025 |
| Số người cần phục hồi chức năng do mất thính lực gây tàn tật | 430 triệu | Tờ thông tin của WHO, 2026 |
Phương pháp luận và Nguồn
- Romero-Fresco, P. và 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. và Van Gauwbergen, Y.: Fit for What Purpose? NER Certification of Automatic Captions in English and Spanish, Applied Sciences 15(3) (2025)
- Thompson, B. và cộng sự (Đại học Gallaudet): Are Caption Metrics Broken? Latency, Deaf and Hard of Hearing User Ratings, and Bias across Technologies, bản thảo tiền xuất bản arXiv (2026)
- Arroyo Chavez, M. và cộng sự (Đại học Gallaudet): 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, truy vấn theo vấn đề và năm vào tháng 10 năm 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. và 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. và Naaman, M.: Lost in Transcription, arXiv (2026)
- Liu, X. và cộng sự: Modeling and Improving Text Stability in Live Captions, CHI Extended Abstracts (2023)
- Nam, S. và cộng sự: Assessing subjective workload for live captioners, Applied Ergonomics (2023)
- Wu, L.-Y., Kleiver, A. và Jain, D.: CARTGPT: Real-Time Correction of CART Captions Using Large Language Models, ASSETS 2025
- Hughes, S. và cộng sự: 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, kết quả tính đến ngày 27 tháng 3 năm 2026)
- WHO: Deafness and hearing loss fact sheet (2026)
- Lưu ý về dữ liệu: nghiên cứu về độ trễ và chỉ số của Gallaudet (Thompson và cộng sự) và thí nghiệm của Kadoma và cộng sự là bản thảo tiền xuất bản và có thể thay đổi sau khi bình duyệt. Các nghiên cứu điển hình trong Romero-Fresco và Fresno có từ năm 2018 đến 2022, và dự án phụ đề trực tiếp của Ofcom chạy từ năm 2013 đến 2015 (dữ liệu mới nhất hiện có về độ chính xác tại Anh). Các trang của Ofcom và CRTC trả về cơ chế chống bot hoặc lỗi 403 trong quá trình nghiên cứu, nên số liệu của Anh và Canada được trích dẫn qua các bài báo bình duyệt có báo cáo chúng. Mốc độ trễ 6 đến 7 giây và các số liệu Super Bowl LII và cuộc tranh luận 2016 đúng như Fresno (2024) báo cáo; bản thân 47 CFR 79.1 không đặt giới hạn độ trễ bằng số. Số lượng khiếu nại gửi FCC là không chính thức, chưa được xác minh và do người tiêu dùng phân loại, không tách riêng tin tức trực tiếp, và số liệu năm 2026 là tính từ đầu năm đến nay; mức tăng 120% là phép tính riêng của chúng tôi từ số liệu năm 2023 và 2024. Nghiên cứu bản tin tiếng Tây Ban Nha (2024) bao gồm hai mạng và 200 phút. Số liệu WER trên bảng xếp hạng là kết quả chuẩn và không đo độ trễ của tin tức trực tiếp.
Cập nhật lần cuối: ngày 4 tháng 10 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến diễn ra khi nghiên cứu chỉ số phụ đề của Gallaudet hoàn tất bình duyệt và bộ dữ liệu khiếu nại của FCC khép lại năm dương lịch 2026.