Skip to content

srt断句功能智能化程度不高, 存在较大比例的明显不合理断句 #3539

Description

@dearvcc

示例音频:
http://devv.cc:8999/mp3/风波升级!上汽反水举报打脸韩红,救护车无授权,到底谁在说谎__xWT111.mp3

1、断句明显错误的:
148.93-149.83 就在八月二十五日,
150.01-151.93 上汽大通直接向平台发起投诉,
152.17-153.97 投诉对象是那些转述基金会。
154.03-155.05 声明的自媒体文章,
155.47-157.33 上汽大通的投诉内容写的很清楚,

中间的:
152.17-153.97 投诉对象是那些转述基金会。
154.03-155.05 声明的自媒体文章,
明显是错断的,既不符合vad断句规律,也与上下文语意不合,错的有点离谱;

2、不合理的算法逻辑:
有很多短句,甚至一、二字的语气词,不应该独立成句,即使是按vad论,前、后有较大空隙,从语言逻辑上来说,也不应该独立成句,而是应该根据语境语义、尽量选择并入上句或下句,如:

87.3-90.06 凭什么去承接涉及救命装备的数千万订单?
90.36-90.66 以我看,
90.9-92.88 公益采购虽然不完全是商业买卖,

98.52-99.9 救护车上常用的呼吸机、
100.14-100.5 除颤仪,
100.62-101.58 属于二类医疗器械。

170.14-172.0 反而举报了转述消息的自媒体。
172.4-172.7 说实话,
172.82-175.1 这种操作在我看来多少有点避重就轻。

179.16-180.18 如果授权文件存在,
180.42-180.6 车企,
180.72-182.52 又为什么不敢直接点名基金会,

263.14-264.34 工益的底色是公开、
264.46-264.64 透明、
264.88-266.5 功劳不能抵消流程上的漏洞。

291.74-294.32 都意味着公益采购的新任链条出现了裂缝。
294.7-294.88 眼下,
295.12-295.96 调查正在进行,

上面每一组中的中间短句,都应该经过仔细判断后、选择并入下句或上句。

funasr已经升级到新的 1.4.3,其实这类问题一直存在,很奇怪为什么大家都能忍受。

Metadata

Metadata

Assignees

No one assigned

    Labels

    bugSomething isn't workingneeds feedbackWaiting for reporter feedback or retest resultsneeds triageNeeds maintainer triage and routing

    Type

    No type

    Projects

    No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions