8f05a7c188
- Update ASR, face, OCR, pose processors - Add release pre-flight check script - Add synonym generation, chunk processing scripts - Add face recognition, stamp search utilities
156 lines
3.5 KiB
Markdown
156 lines
3.5 KiB
Markdown
# ASR 處理器使用指南
|
||
|
||
## 正式採用版本
|
||
|
||
### ✅ 正式處理器：`asr_processor_small.py`
|
||
|
||
**適用場景**：
|
||
- 正式生產環境
|
||
- 台灣腔調內容
|
||
- 多語言內容（英語、法語等）
|
||
- 專業詞彙識別（剪輯師、調光師等）
|
||
- 長影片處理
|
||
|
||
**使用方式**：
|
||
```bash
|
||
python3 scripts/asr_processor_small.py video.mp4 output.json
|
||
```
|
||
|
||
**特點**：
|
||
- ✅ 台灣腔調準確度 90%
|
||
- ✅ 多語言自動識別（90+ 語言）
|
||
- ✅ 專業詞彙識別最佳
|
||
- ✅ 長影片處理穩定（7.3x 實時）
|
||
- ⚠️ 處理時間 ~50 秒（短影片） / ~15 分鐘（114 分鐘長片）
|
||
|
||
---
|
||
|
||
### ⚡ 快速預覽：`asr_processor.py`（tiny 模型）
|
||
|
||
**適用場景**：
|
||
- 快速測試流程
|
||
- 不關心準確度
|
||
- 僅需了解大致內容
|
||
|
||
**使用方式**：
|
||
```bash
|
||
python3 scripts/asr_processor.py video.mp4 output.json
|
||
```
|
||
|
||
**特點**：
|
||
- ✅ 處理時間 ~12 秒
|
||
- ⚠️ 準確度 70%
|
||
- ⚠️ 不適合正式處理
|
||
|
||
---
|
||
|
||
## 測試結果總結
|
||
|
||
### 短影片測試（ExaSAN，2.6 分鐘）
|
||
|
||
| 模型 | 時間 | 片段 | 剪輯師識別 | 建議 |
|
||
|------|------|------|-----------|------|
|
||
| **tiny** | 12.68s | 78 | ❌ 簡吉斯 | 快速預覽 |
|
||
| **base** | 24.01s | 61 | ❌ 簡吉斯 | 不推薦 |
|
||
| **small** | 49.74s | 83 | ✅ 剪輯師 | **正式採用** ⭐ |
|
||
|
||
### 長影片測試（Charade 1963，114 分鐘）
|
||
|
||
| 模型 | 時間 | 片段 | 英語 | 法語 | 建議 |
|
||
|------|------|------|------|------|------|
|
||
| **small** | 15.6 分鐘 | 2,025 | 99% | 95% | **正式採用** ⭐ |
|
||
|
||
---
|
||
|
||
## 檔案清單
|
||
|
||
```
|
||
scripts/
|
||
├── asr_processor.py # tiny 模型（快速預覽）
|
||
├── asr_processor_base.py # base 模型（備用）
|
||
├── asr_processor_small.py # small 模型（正式處理）⭐
|
||
├── asr_processor_small_multilingual.py # small 多語言版（備用）
|
||
├── compare_asr_models.py # 比對工具
|
||
├── ASR_PROCESSOR_README.md # 詳細說明
|
||
└── ASR_USAGE.md # 本文件
|
||
```
|
||
|
||
---
|
||
|
||
## 使用範例
|
||
|
||
### 正式生產
|
||
|
||
```bash
|
||
# 影片上傳後正式處理
|
||
python3 scripts/asr_processor_small.py \
|
||
"/Users/accusys/momentry/var/sftpgo/data/demo/video.mp4" \
|
||
"/path/to/output.json"
|
||
```
|
||
|
||
### 快速測試
|
||
|
||
```bash
|
||
# 快速測試流程
|
||
python3 scripts/asr_processor.py \
|
||
"/Users/accusys/momentry/var/sftpgo/data/demo/video.mp4" \
|
||
"/tmp/test.json"
|
||
```
|
||
|
||
### 比對分析
|
||
|
||
```bash
|
||
# 對比三個模型效果
|
||
python3 scripts/compare_asr_models.py \
|
||
/tmp/asr_tiny.json \
|
||
/tmp/asr_base.json \
|
||
/tmp/asr_small.json > /tmp/comparison.md
|
||
```
|
||
|
||
---
|
||
|
||
## 關鍵發現
|
||
|
||
### 台灣腔調識別
|
||
|
||
**small 模型是唯一正確識別的模型**：
|
||
- ✅ 剪輯師（正確）
|
||
- ❌ 簡吉斯（tiny/base 錯誤）
|
||
|
||
### 多語言識別
|
||
|
||
**small 模型自動支援 90+ 語言**：
|
||
- ✅ 英語：99%
|
||
- ✅ 法語：95%
|
||
- ✅ 自動切換：無縫
|
||
|
||
### 長影片處理
|
||
|
||
**效能優異**：
|
||
- ✅ 114 分鐘影片：15.6 分鐘處理
|
||
- ✅ 7.3x 實時速度
|
||
- ✅ 記憶體使用穩定
|
||
- ✅ 2,025 個片段
|
||
|
||
---
|
||
|
||
## 決策
|
||
|
||
**正式採用：`asr_processor_small.py`** ⭐
|
||
|
||
**理由**：
|
||
1. ✅ 台灣腔調識別最佳
|
||
2. ✅ 多語言自動支援
|
||
3. ✅ 長影片處理穩定
|
||
4. ✅ 專業詞彙準確度高
|
||
5. ✅ 性價比合理（50 秒/短影片，15 分鐘/長片）
|
||
|
||
---
|
||
|
||
## 聯絡與反饋
|
||
|
||
如有問題或需要進一步優化，請參考：
|
||
- 詳細說明：`ASR_PROCESSOR_README.md`
|
||
- 測試報告：`/tmp/asr_comparison.md`
|
||
- 長影片報告：`/tmp/asr_small_long.json`
|