Đo thời lượng lời thuyết minh đã dịch trước khi chốt bản dựng
Bản đọc tiếng Anh có thể vừa một cảnh trong khi bản thu đã dịch kéo dài quá cảnh đó. Phân tích ghép cặp của chúng tôi trên 200 đoạn đọc phục vụ nghiên cứu cho thấy vì sao thời lượng lời thuyết minh đa ngôn ngữ cần được đưa vào phần bàn giao sản xuất trước khi chốt hình.
Phân tích mô tả thời lượng bản thu được siêu dữ liệu ghi nhận cho 200 đoạn nguồn đã dịch có chung trong 10 cấu hình kiểm thử FLEURS, từ khung gồm 350 đoạn tiếng Anh. Đây là những đoạn đọc phục vụ nghiên cứu, không phải công việc thuyết minh thương mại. Siêu dữ liệu được thu thập ngày 24 tháng 10 năm 2026 (UTC).
Tóm tắt nghiên cứu
Doanh nghiệp có nên chốt video bản địa hóa theo thời lượng lời thuyết minh tiếng Anh? Hãy đo các bản đọc đã dịch trước. Chúng tôi so sánh thời lượng bản thu do siêu dữ liệu ghi nhận cho 200 đoạn nguồn có trong cả 10 cấu hình kiểm thử FLEURS đã chọn. Sau khi các lần đọc lặp được tổng hợp thành trung vị trong từng đoạn, mỗi đoạn được gán trọng số như nhau. Trung vị mức thay đổi ghép cặp so với tiếng Anh nằm từ −6,1% ở các bản thu tiếng Hà Lan đến +82,4% ở các bản thu tiếng Filipino; không con số nào là mức thời gian dự phòng sản xuất áp dụng cho cả một ngôn ngữ.[1][2]
Ví dụ cố định 15 giây giúp việc bàn giao cụ thể hơn. Trong 186 đoạn có trung vị tiếng Anh vừa thời lượng đó, 110 trung vị tiếng Filipino vượt quá nó. Theo quy tắc chặt hơn, mọi bản thu tiếng Anh quan sát được đều vừa thời lượng đối với 178 đoạn, trong khi mọi bản thu tiếng Filipino quan sát được đều vượt thời lượng đối với 72 đoạn. Khác biệt về người đọc, thành phần giới tính, bản dịch và khoảng ngừng vẫn đan xen. Đóng góp là phép so sánh thời lượng bản thu có thể kiểm tra, gồm cả 9 phép đối chiếu đích và một ví dụ được chọn trước khi có kết quả thời lượng, để giúp nhóm yêu cầu bản đọc có đo thời gian trước khi chốt dựng.
Người dựng đã chuẩn bị xong một video sản phẩm ngắn. Lời thuyết minh tiếng Anh vừa khít, sản phẩm xuất hiện đúng khung hình dự kiến và cảnh kết còn chỗ cho thông tin chào bán. Kịch bản đã dịch được gửi đến với cùng thông điệp. Rất dễ coi bản thu là hạng mục cuối cùng chỉ cần đưa vào một trục thời gian đã hoàn tất.
Đó là lúc một thông tin còn thiếu có thể trở thành vấn đề sản xuất: chưa ai đo thời lượng bản đọc đã dịch. Kịch bản được phê duyệt về ý nghĩa không cho người dựng biết phần thể hiện được thu âm sẽ chiếm bao lâu. Phần bàn giao hữu ích bao gồm cả câu chữ đã được phê duyệt và thời lượng bản thu.
Chúng tôi xem xét sự khác biệt đó trong FLEURS, bộ ngữ liệu nghiên cứu gồm những đoạn đọc đã dịch. Trên 200 đoạn nguồn khớp nhau, quan hệ thời lượng bản thu thay đổi cả giữa các cấu hình lẫn giữa những lần đọc cùng một đoạn. Các bảng dưới giữ lại những khác biệt đó. Chúng cho doanh nghiệp hoặc nhà sáng tạo lý do để yêu cầu bằng chứng thời lượng cho sản phẩm thực tế, mà không biến số trung bình của nghiên cứu thành mức dự phòng được bảo đảm.
Ghi thời lượng riêng cho từng phiên bản đã thu

So sánh cùng một đoạn trước khi mượn quy tắc thời lượng
Bảng đầu so sánh từng cấu hình đích với tiếng Anh Hoa Kỳ cho cùng 200 đoạn nguồn. Với từng đoạn và cấu hình, chúng tôi lấy trung vị thời lượng các bản thu có sẵn. Sau đó, chúng tôi chia trung vị đích cho trung vị tiếng Anh và biểu diễn độ chênh so với 1 dưới dạng phần trăm. Cuối cùng, chúng tôi tổng hợp 200 mức thay đổi ghép cặp đó. Vì vậy, đoạn có 3 lần đọc được gán trọng số bằng đoạn có 1 lần đọc.[2][4]
Với các bản thu tiếng Tây Ban Nha Mỹ Latinh, trung vị mức thay đổi ghép cặp là +24,8%. Nửa giữa các mức thay đổi theo từng đoạn nằm từ +10,2% đến +47,0%. Với tiếng Nhật, trung vị tương ứng là +36,6%, với nửa giữa từ +17,8% đến +61,8%. Những con số này mô tả các bản thu đã công bố cho những đoạn khớp nhau; chúng không quy định cách thể hiện của mỗi ngôn ngữ.
Cách này khác với chia 2 trung vị thời lượng tổng thể. Trên cùng các đoạn chung, trung vị của những giá trị tổng hợp theo đoạn bằng tiếng Anh là 9,3 giây, còn giá trị tương ứng của tiếng Tây Ban Nha là 11,6 giây. Chia các số hiển thị đó không tái tạo kết quả ghép cặp +24,8%. Chúng tôi ghép từng đoạn trước, nên phép so sánh đặt đoạn đích ngắn cạnh chính tham chiếu tiếng Anh của nó, thay vì cạnh một đoạn khác ở gần giữa phân bố.
Các bản thu tiếng Hà Lan có trung vị mức thay đổi ghép cặp là −6,1%, còn các bản thu tiếng Filipino là +82,4%. Giữ cả hai trong bảng giúp thấy khoảng quan hệ quan sát được. Điều này cũng tránh để bài hàm ý mọi bản thu đã dịch đều dài hơn. Trong tập chung, trung vị của 71 đoạn tiếng Hà Lan dài hơn tiếng Anh, 2 đoạn bằng nhau và số còn lại ngắn hơn.
Các hàng theo thứ tự cấu hình cố định dùng trong phân tích, không sắp theo kết quả. Đọc ngang hàng phù hợp với phép so sánh nguồn, rồi giữ bối cảnh nghiên cứu đi kèm. Tiếng Tây Ban Nha Mỹ Latinh và tiếng Filipino là phạm vi nguồn của bộ dữ liệu; xuất bản bài này bằng ngôn ngữ khác không biến các bản thu thành bằng chứng về thị trường đó.
Mức thay đổi thời lượng bản thu ghép cặp so với tiếng Anh Hoa Kỳ
Mỗi hàng đều dùng cùng 200 đoạn nguồn đã dịch. Trung vị thời lượng đích của từng đoạn được chia cho trung vị tiếng Anh của nó; độ chênh so với 1 được biểu diễn bằng phần trăm. Q25 và Q75 giới hạn nửa giữa các mức thay đổi ghép cặp đó.
| Cấu hình bản thu đích | Trung vị mức thay đổi tương đối (%) | Mức thay đổi ở phân vị thứ 25 (%) | Mức thay đổi ở phân vị thứ 75 (%) |
|---|---|---|---|
| Tiếng Tây Ban Nha Mỹ Latinh | 24,8% | 10,2% | 47,0% |
| Tiếng Pháp (Pháp) | 5,7% | -10,0% | 29,1% |
| Tiếng Đức (Đức) | 31,4% | 0,0% | 62,4% |
| Tiếng Hà Lan (Hà Lan) | -6,1% | -21,6% | 8,9% |
| Tiếng Indonesia (Indonesia) | 26,3% | 11,4% | 49,9% |
| Tiếng Mã Lai (Malaysia) | 11,3% | -1,2% | 29,1% |
| Tiếng Filipino (Philippines) | 82,4% | 54,2% | 120,1% |
| Tiếng Thái (Thái Lan) | 20,8% | 1,6% | 42,0% |
| Tiếng Nhật (Nhật Bản) | 36,6% | 17,8% | 61,8% |
Độ phân tán quan trọng khi công việc có thời lượng cố định
Một trung vị cô đọng 200 mối quan hệ thành một con số. Nhưng một cảnh cụ thể vẫn phải chứa một bản đọc cụ thể. Các mốc tứ phân vị cạnh mỗi trung vị cho thấy vì sao chỉ đưa giá trị giữa vào bản yêu cầu sẽ bỏ mất thông tin liên quan đến quyết định đó.
Các bản thu tiếng Pháp có trung vị mức thay đổi ghép cặp là +5,7%, nhưng nửa giữa trải từ −10,0% đến +29,1%. Chênh lệch trung tâm nhỏ cùng tồn tại với những đoạn ở cả hai phía thời lượng tiếng Anh. Các bản thu tiếng Đức có trung vị mức thay đổi là +31,4%, với nửa giữa từ xấp xỉ 0,0% đến +62,4%. Giá trị 0,0% hiển thị đã được làm tròn; tứ phân vị dưới chưa làm tròn hơi lớn hơn 0.
Các khoảng này mô tả nửa giữa những mức thay đổi ghép cặp quan sát được. Chúng không phải khoảng tin cậy, giới hạn từ nhỏ nhất đến lớn nhất hay khoảng chắc chắn chứa bản thu thương mại trong tương lai. Các đoạn nguồn, bản dịch và cách thể hiện khác với kịch bản sản phẩm mới. Ngay cả sao chép đúng tỷ lệ trung vị của bảng cũng vẫn khiến nhóm sản xuất thiếu bản thu thực tế cần để dựng.
Sự khác biệt đó thay đổi câu hỏi theo cách thiết thực. Thay vì hỏi một ngôn ngữ luôn cần thêm bao nhiêu thời gian, người phụ trách sản xuất có thể hỏi bản đọc đã dịch được phê duyệt có vừa cảnh dự kiến hay không. Bảng giải thích vì sao việc kiểm tra hữu ích; bản thu cho công việc mới cung cấp câu trả lời.
Một đoạn có thể đi kèm nhiều thời lượng bản thu
Đoạn nguồn 1662 được chọn vì có ID nhỏ nhất hiện diện trong cả 10 cấu hình, trước khi chúng tôi tổng hợp thời lượng. Bảng của đoạn này bao gồm mọi lần đọc có sẵn. Chúng tôi không tìm ví dụ nổi bật sau khi thấy thời lượng, và không tái xuất bản câu chữ hay âm thanh của đoạn ở đây.[3][4]
2 tệp tiếng Anh dài xấp xỉ 8,4 và 11,2 giây, cho trung vị 9,8 giây. 3 tệp tiếng Đức nằm từ 10,4 đến 23,5 giây, với trung vị 10,5. 2 tệp tiếng Filipino nằm từ 22,3 đến 24,9 giây, với trung vị 23,6. Đây là thời lượng toàn tệp từ siêu dữ liệu nguồn, được làm tròn đến 1 chữ số thập phân để hiển thị.
Trung vị của 2 lần đọc có thể là trung điểm số học, không phải thời lượng của tệp thực được ghi âm. Giá trị tiếng Anh 9,8 giây hiển thị là một giá trị tổng hợp như vậy. Người dựng chọn bản thu vẫn cần dùng thời lượng riêng của tệp đã chọn. Số bản thu và khoảng từ nhỏ nhất đến lớn nhất làm rõ sự khác biệt đó bên cạnh trung vị.
Độ phân tán tiếng Đức cũng nhắc rằng không nên quy mọi giây chênh lệch cho độ dài bản dịch. Chúng tôi không có ID người nói, không nghe bản thu và không tách lời nói khỏi khoảng ngừng. Ở đây không thể tách riêng cách đọc, người đọc và điều kiện thu âm. Ví dụ hỗ trợ một yêu cầu sản xuất đơn giản: gửi bản thu dự kiến dùng, hoặc bản đọc có đo thời lượng của câu chữ dự kiến, thay vì chỉ ước tính ở cấp ngôn ngữ.
Đoạn 1662: giữ khoảng thời lượng bản thu cạnh trung vị
ID nguồn nhỏ nhất có bản thu trong cả 10 cấu hình, được chọn từ khả dụng dữ liệu trước khi tổng hợp thời lượng. Bao gồm mọi bản thu có sẵn. Số giây mô tả toàn tệp trong siêu dữ liệu nguồn, chưa tách khoảng ngừng.
| Cấu hình bản thu | Bản thu có sẵn | Tệp ngắn nhất (giây) | Trung vị thời lượng tệp (giây) | Tệp dài nhất (giây) |
|---|---|---|---|---|
| Tiếng Anh Hoa Kỳ | 2 | 8,4 | 9,8 | 11,2 |
| Tiếng Tây Ban Nha Mỹ Latinh | 3 | 8,8 | 9,5 | 9,5 |
| Tiếng Pháp (Pháp) | 2 | 6,4 | 6,8 | 7,1 |
| Tiếng Đức (Đức) | 3 | 10,4 | 10,5 | 23,5 |
| Tiếng Hà Lan (Hà Lan) | 1 | 7,9 | 7,9 | 7,9 |
| Tiếng Indonesia (Indonesia) | 1 | 11,6 | 11,6 | 11,6 |
| Tiếng Mã Lai (Malaysia) | 2 | 8,0 | 8,6 | 9,1 |
| Tiếng Filipino (Philippines) | 2 | 22,3 | 23,6 | 24,9 |
| Tiếng Thái (Thái Lan) | 3 | 6,5 | 8,7 | 10,1 |
| Tiếng Nhật (Nhật Bản) | 2 | 12,1 | 13,3 | 14,6 |
Ví dụ 15 giây cần đi kèm mẫu số
Chúng tôi cố định 15 giây làm ví dụ lập kế hoạch trước khi tính kết quả. Đây không phải yêu cầu nền tảng, độ dài quảng cáo được khuyến nghị hay mức thời gian dự phòng sản xuất an toàn. Câu hỏi là liệu giá trị tổng hợp bản thu tiếng Anh có vừa thời lượng đó trong khi giá trị tổng hợp đích tương ứng lại vượt quá hay không.
Trong 200 đoạn chung, 186 đoạn có trung vị tiếng Anh không quá 15 giây. Trong nhóm đủ điều kiện đó, trung vị đích vượt 15 giây ở 20 đoạn tiếng Tây Ban Nha Mỹ Latinh, 39 đoạn tiếng Đức, 9 đoạn tiếng Hà Lan, 110 đoạn tiếng Filipino và 37 đoạn tiếng Nhật. Mỗi số đếm có cùng mẫu số 186; các phép so sánh khác được giữ trong bản tải xuống.[6]
Chúng tôi cũng dùng quy tắc chặt hơn theo bản thu quan sát được. Mọi lần đọc tiếng Anh có sẵn phải vừa 15 giây và mọi lần đọc đích có sẵn phải vượt thời lượng đó. Có 178 đoạn tiếng Anh đủ điều kiện. Điều này xảy ra với 11 đoạn tiếng Tây Ban Nha, 9 đoạn tiếng Đức, 4 đoạn tiếng Hà Lan, 72 đoạn tiếng Filipino và 14 đoạn tiếng Nhật. Các số đếm chỉ đề cập những bản thu đã công bố, không phải mọi cách đọc có thể có của đoạn văn.
Phép kiểm tra chặt hơn tránh dựa vào trung điểm số học chưa ai thu âm. Nó vẫn không cho thấy một đoạn không thể được đọc nhanh hơn, dựng khác đi hoặc viết lại phù hợp. Với nhóm sản xuất, sự khác biệt hữu ích là giữa bằng chứng cho thấy bản thu cụ thể được cung cấp vừa thời lượng và giả định rằng phiên bản khác sẽ vừa vì bản tiếng Anh đã vừa.
Lần ra mắt giả định cho thấy nên bàn giao ở đâu
Hãy xét thương hiệu đồ bếp nhỏ hư cấu thuê nhà sáng tạo làm video sản phẩm 15 giây. Ý tưởng có phần trình diễn, thông tin chào bán và cảnh sản phẩm kết thúc. Bản đọc tiếng Anh mất 11 giây. Bản nháp đã dịch được phê duyệt về ý nghĩa, nhưng lần đọc đầu của người thuyết minh dự kiến mất 17 giây. Thương hiệu, kịch bản, thời lượng và nhiệm vụ trong ví dụ đều là giả định; chúng không phải quan sát từ FLEURS.
Nếu nhà sáng tạo đã chốt mọi cảnh theo bản đọc tiếng Anh, tệp 17 giây buộc họ quyết định khi đã gần cuối quá trình dựng. Người phụ trách khách hàng có thể làm rõ lựa chọn đó bằng cách yêu cầu bản đọc có đo thời lượng trong lúc câu chữ đã dịch vẫn đang được xem xét. Bản yêu cầu nên xác định thông điệp phải giữ chính xác, thời gian cảnh có thể dùng và ai có quyền phê duyệt thay đổi một trong hai.
Không nhất thiết phải tự động yêu cầu người thuyết minh đọc nhanh hơn. Người dịch có thể đề xuất cách diễn đạt tự nhiên ngắn hơn mà vẫn giữ thông tin chào bán. Người dựng có thể dành thêm thời gian cho phần trình diễn, chuyển chi tiết phụ sang nội dung đi kèm hoặc chuẩn bị bản dựng riêng nếu định dạng đã thống nhất cho phép. Đây là lựa chọn sản xuất để trao đổi, không phải cải thiện đã được phân tích ngữ liệu của chúng tôi chứng minh.
Phần bàn giao hữu ích cho công việc giả định này có thể viết: “Phiên bản đích: __. Kịch bản đã được phê duyệt: __. Bản thu dự kiến dùng: __ giây, đo từ tệp được cung cấp. Thời gian dành cho cảnh: __ giây. Câu chữ chào bán và thông tin phải công bố: __. Người phê duyệt thay đổi kịch bản: __. Người phê duyệt bản dựng: __.” Các chỗ trống do nhóm thực tế điền; bảng nghiên cứu không thể điền thay.
Khi có nhiều phiên bản đích, người phụ trách khách hàng có thể giữ một dòng cho mỗi bản thu dự kiến dùng thay vì đánh dấu cả dự án là “bản dịch đã được phê duyệt”. Phê duyệt câu chữ và phê duyệt thời lượng trả lời những câu hỏi khác nhau. Nếu người dịch đổi một tuyên bố về sản phẩm sau bản đọc thử, dòng đó cần nêu thay đổi trước khi nhà sáng tạo dùng lại thời lượng trước đây. Đây là cách sắp xếp nhiệm vụ giả định được đề xuất, không phải mức giảm rủi ro dự án đã được kiểm nghiệm.
Khi bản thu đã sửa được cung cấp, nhà sáng tạo có thể xem lại phiên bản hoàn chỉnh cùng người phụ trách ngôn ngữ và ý nghĩa. Chỉ xét độ vừa theo thời lượng có thể bỏ sót cách đọc gượng hoặc khung hình kết khó đọc. Nghiên cứu này không đo chất lượng hay phản ứng của đối tượng. Đóng góp cho nhiệm vụ giả định là biết thời lượng bản thu sớm hơn, còn người làm video vẫn chịu trách nhiệm về lựa chọn sáng tạo.
Giữ câu chữ, bản thu và hình cùng nhau khi xem lại
Để bàn giao thời lượng thuyết minh đa ngôn ngữ, tài liệu hữu ích phải đủ ngắn để đi cùng công việc. Nó xác định phiên bản kịch bản đã phê duyệt, bản thu dự kiến dùng và thời lượng cảnh. Nếu một phần thay đổi, người nhận lần bàn giao tiếp theo có thể thấy bằng chứng thời lượng nào còn áp dụng.
Bản đọc thử có đo thời lượng có thể bộc lộ xung đột khi nhóm còn nhiều lựa chọn. Cần tiếp tục gắn nhãn là bản đọc thử, thay vì coi nó là bằng chứng người thuyết minh cuối cùng sẽ đọc với cùng thời lượng. Khi bản thu dự kiến dùng được gửi đến, hãy thay giả định bằng thời lượng đo được của nó và xem lại trong bản dựng thực tế.
Giữ nguyên vẹn phiên bản đã dịch trong lần xem lại đó. Người kiểm tra ý nghĩa cần nghe cách thể hiện cùng hình ảnh, còn người dựng cần thấy khoảng ngừng, lúc sản phẩm xuất hiện và khung hình cuối có phối hợp hay không. Tệp vừa một thời lượng chỉ là một phần bằng chứng; đó không phải phê duyệt mọi thứ trong phiên bản.
4 bước dưới là gợi ý bàn giao, không phải quy trình đã được kiểm nghiệm trong FLEURS. Chúng áp dụng sự phân biệt của nghiên cứu giữa câu chữ và thời lượng thu âm vào quyết định sản xuất. Chúng không hứa hẹn về phạm vi tiếp cận, giữ chân người xem, chuyển đổi hay số lần chỉnh sửa dự án sẽ cần.
Giữ thời lượng bản thu qua 4 lần bàn giao

Thống nhất câu chữ
Xác định phiên bản đích, kịch bản đã được phê duyệt và người xem xét ý nghĩa.
Đo thời lượng bản đọc dự kiến
Đính kèm thời lượng đo được của bản thu; ghi rõ bản đọc thử là tạm thời.
Xử lý việc khớp thời lượng
Thống nhất mọi thay đổi kịch bản hoặc cảnh trước khi chốt dựng.
Xem lại toàn bộ phiên bản
Kiểm tra bản thu đã chọn cùng hình ảnh, thông tin chào bán và khung hình kết.
Giữ rõ tập ghép cặp khi dùng lại một con số
Phép so sánh chung bao gồm 200 trong số 350 đoạn kiểm thử tiếng Anh. 150 đoạn còn lại thiếu ít nhất một cấu hình đã chọn. Việc có đủ dữ liệu có thể mang tính chọn lọc, nên không được mô tả tập chung là mẫu ngẫu nhiên của kịch bản, ngôn ngữ hay công việc thuyết minh.
Chúng tôi lặp lại từng phép so sánh tiếng Anh–đích bằng mọi cặp khớp nhau có sẵn. Mẫu số nằm từ 251 ở tiếng Hà Lan đến 349 ở tiếng Filipino và tiếng Thái. Chúng tôi cũng lặp lại phép so sánh tập chung chỉ với những đoạn có ít nhất 2 lần đọc tiếng Anh và 2 lần đọc đích; các tập con đó có từ 66 đến 166 đoạn. Cả 9 kết quả ghép cặp và mẫu số của chúng đều có trong bản tải xuống.[4]
Các tập con có lần đọc lặp giữ cùng chiều của trung vị mức thay đổi ghép cặp với phép so sánh chính trong mọi cấu hình. Đó là kiểm tra hữu ích cho lựa chọn tổng hợp cụ thể này. Nó không kiểm soát người đọc hay biến các mẫu ghép cặp khác nhau thành những quần thể có thể so sánh. Các bản thu lặp không phải người tham gia độc lập.
Những bản thu tiếng Đức, Hà Lan, Indonesia, Mã Lai và Filipino đã thu thập đều được gắn nhãn nam; các bản thu tiếng Thái đều được gắn nhãn nữ. Tiếng Anh, Tây Ban Nha, Pháp và Nhật có cả hai nhãn. Không có mã nhận diện người nói, phân tích không thể tách cấu hình khỏi thành phần người đọc, cách thể hiện, bản dịch hay việc giữ lại bản thu. Hãy đọc bảng như mô tả các bản thu này, kèm giới hạn đó bên cạnh mọi con số được dùng lại.[7]
Cách thực hiện phép so sánh thời lượng bản thu
FLEURS là bộ ngữ liệu nghiên cứu ra mắt năm 2022, dùng những đoạn đọc đã dịch. Tài liệu của bên công bố và TensorFlow Datasets xác định ID văn bản nguồn dùng chung giữa các ngôn ngữ cùng trường siêu dữ liệu về tổng số khung âm thanh ở 16.000 Hz. Chúng tôi lấy trường đó chia cho 16.000 để có số giây của toàn tệp do siêu dữ liệu ghi nhận. Chúng tôi không giải mã âm thanh, kiểm tra độ dài dạng sóng hay loại bỏ khoảng lặng.[1][2]
Chúng tôi thu thập 10 tệp siêu dữ liệu kiểm thử ở bản sửa đổi cố định của bên công bố được ghi trong chú thích vào ngày 24 tháng 10 năm 2026 (UTC). Các tệp chứa 7.528 bản thu trên những đoạn có sẵn. Việc ghép cặp dùng ID nguồn, không dùng vị trí hàng. Tập chung 200 đoạn, các quy tắc 15 giây, kiểm tra lần đọc lặp và ví dụ 1662 được cố định sau khi biết khả dụng dữ liệu và trước khi tính các giá trị tổng hợp thời lượng.[3][4]
Ngày thu thập cho biết trạng thái nguồn mà chúng tôi sử dụng. Nó không biến những bản thu ra mắt cùng bộ ngữ liệu nghiên cứu năm 2022 thành khảo sát người thuyết minh hay nhà sáng tạo năm 2026. Dữ liệu công khai giữ bản sửa đổi nguồn để người đọc sau này phân biệt phân tích mới trên tài liệu sẵn có với các phần thể hiện mới được thu thập.
Lần thử tính khả thi trước đó trên tập phát triển chỉ cho 91 đoạn chung, dưới ngưỡng 100 đoạn đã đặt, nên được gác lại. Lần thu thập tập kiểm thử ban đầu dừng ở giới hạn kích thước siêu dữ liệu tiếng Thái; giới hạn lớn hơn được ghi rõ đã giúp hoàn tất cùng khung kiểm thử cố định. Đây là những thay đổi về tính khả thi và truy cập được công khai, không phải bằng chứng về nghiên cứu đăng ký trước mà chưa biết kết quả.
Mọi phép tính ghép cặp dùng số khung và phân số chính xác. Các tứ phân vị dùng nội suy tuyến tính tại vị trí xác định bởi (n−1) × p. Bảng hiển thị phần trăm và giây đến 1 chữ số thập phân, làm tròn gần nhất và ra xa 0 khi đúng nửa đơn vị; số bản thu vẫn là số nguyên. Dữ liệu dẫn xuất công khai giữ các giá trị tổng hợp theo đoạn chính xác, kết quả theo cặp, kiểm tra độ nhạy và cả hai định nghĩa thời lượng. Chúng tôi không tính khoảng tin cậy cho quần thể hay tác động nhân quả.[4]
Ràng buộc thời lượng trong lồng tiếng đã là chủ đề nghiên cứu từ trước.[5] Bài này bổ sung phép so sánh có thể tái lập về thời lượng tệp đã công bố của những đoạn cố định này, cùng thông tin cần để kiểm tra phạm vi bao quát và các bản thu lặp. Nó hỗ trợ yêu cầu bằng chứng thời lượng cho sản phẩm đã dịch trước khi chốt dựng; nó không cung cấp tỷ lệ kéo dài áp dụng chung.
- Tải 67 kết quả được hiển thị (CSV)
- Tải toàn bộ 350 đoạn × 10 cấu hình và giá trị tổng hợp bản thu (CSV)
- Tải cả 9 phép so sánh ghép cặp, kiểm tra độ nhạy và số đếm theo thời lượng (CSV)
- Tải tham chiếu nguồn, phương pháp và mã tái lập (ZIP)
Không cần đăng ký. Dữ liệu dẫn xuất giữ những tổ hợp thiếu dữ liệu và mẫu số thực của các phép so sánh. Gói dùng chung chứa tài liệu phương pháp tiếng Anh, tham chiếu nguồn và mã tái lập; không phân phối lại bản chép lời gốc hay âm thanh. Mọi phiên bản ngôn ngữ mô tả cùng bộ ngữ liệu cố định.[8]
Ghi chú nghiên cứu
- Conneau và cộng sự, FLEURS: Đánh giá các biểu diễn tiếng nói phổ quát bằng học với ít ví dụ (2022), mục 2.1–2.3. Bộ ngữ liệu chứa những đoạn đọc đã dịch, mỗi câu có tối đa 3 bản thu được kiểm tra, lấy mẫu ở 16 kHz. Cách thu thập và mục đích nghiên cứu không xác lập tính đại diện cho sản xuất thuyết minh thương mại. Các đoạn nguồn có xuất xứ từ FLORES; đây không phải mẫu kịch bản quảng cáo.
- TensorFlow Datasets, tài liệu đặc trưng và bộ phân tích dữ liệu của xtreme_s phiên bản 2. ID văn bản nguồn nhất quán giữa các ngôn ngữ và có thể lặp giữa các lần đọc; num_samples ghi tổng số khung âm thanh. Đặc trưng âm thanh khai báo 16.000 Hz. Bộ phân tích sao chép số đếm trong siêu dữ liệu thay vì kiểm tra chúng với dạng sóng đã giải mã. Số giây của chúng tôi là thời lượng toàn tệp do siêu dữ liệu ghi nhận, chưa tách khoảng ngừng và không kiểm soát danh tính người nói.
- Siêu dữ liệu Google FLEURS, bản sửa đổi cố định ab93cf03f9d0cd083c853fad065a6377067408aa, tập kiểm thử, thu thập ngày 24 tháng 10 năm 2026 (UTC). Các cấu hình: en_us, es_419, fr_fr, de_de, nl_nl, id_id, ms_my, fil_ph, th_th và ja_jp. TSV tiếng Anh được liên kết là một trong 10 tệp nguồn; gói ghi từng URL nguồn chính xác và SHA256. Tiếng Tây Ban Nha nguồn là Mỹ Latinh và fil_ph là tiếng Filipino.
- Phép tính của Influence IQ: một trung vị trong từng đoạn cho mỗi cấu hình; trọng số đoạn bằng nhau; tỷ số trung vị đích so với tiếng Anh theo cặp và chênh lệch số giây theo cặp. Tập chung dùng cho so sánh chính là 200 đoạn có trong cả 10 cấu hình, từ 350 đoạn tiếng Anh. Các phép so sánh phụ dùng mọi cặp tiếng Anh–đích có sẵn và các đoạn chung có ít nhất 2 bản thu ở mỗi phía. Phương pháp và lựa chọn ví dụ được cố định trước khi tổng hợp thời lượng, sau khi biết khả dụng dữ liệu. Phân số chính xác, nội suy, làm tròn và mọi mẫu số được ghi trong gói tái lập.
- Lồng tiếng trong thực tế: Nghiên cứu quy mô lớn về bản địa hóa do con người thực hiện, với bài học cho lồng tiếng tự động (2023). Công trình trước đã xem xét thời lượng trong lồng tiếng chuyên nghiệp do con người thực hiện. Đóng góp của chúng tôi là bảng thời lượng tệp FLEURS ghép cặp hữu hạn và cách diễn giải để tái sử dụng khi bàn giao sản xuất, không phải phát hiện ràng buộc thời lượng lồng tiếng hay thước chuẩn lồng tiếng chuyên nghiệp.
- Mốc 15 giây được cố định làm ví dụ lập kế hoạch trước khi có kết quả. Quy tắc trung vị: 186 đoạn chung có trung vị tiếng Anh ≤15 giây; đếm trung vị đích >15 giây. Quy tắc mọi bản thu quan sát được: 178 đoạn có mọi bản thu tiếng Anh ≤15 giây; đếm đoạn có mọi bản thu đích quan sát được >15 giây. Bằng đúng mốc vẫn vừa thời lượng. Các số đếm là kết quả mô tả bản thu đã công bố, không phải hướng dẫn nền tảng hay khẳng định về mọi cách đọc có thể có.
- Siêu dữ liệu đã thu thập không có ID người nói. Bản thu tiếng Đức, Hà Lan, Indonesia, Mã Lai và Filipino đều được gắn nhãn nam; bản thu tiếng Thái đều được gắn nhãn nữ. Thiếu cấu hình khiến 150 trong số 350 đoạn tiếng Anh không thuộc tập chung. Kiểm tra theo cặp và lần đọc lặp mô tả những tập con hữu hạn khác nhau, không loại bỏ sự đan xen của người thể hiện, giới tính, cách đọc, bản dịch hay việc giữ lại bản thu. Không báo cáo khoảng tin cậy, xếp hạng tốc độ ngôn ngữ, tác động nhân quả hay dự báo thương mại.
- Nguồn: Google FLEURS, được cung cấp theo CC BY 4.0. Lựa chọn dữ liệu, phép tính, bảng, diễn giải biên tập và bản dịch là các phần chuyển thể của Influence IQ; điều này không hàm ý tác giả bộ dữ liệu chứng thực. Gói công khai phân phối lại các số liệu tổng hợp dẫn xuất và mã, không phải âm thanh gốc hay văn bản đoạn đọc. Làm tròn để hiển thị không thay đổi số đếm nguồn chính xác hay quần thể bản thu dùng chung.
Bài tiếng Anh là nguồn cho mọi phiên bản ngôn ngữ. Mỗi phiên bản báo cáo cùng các bản thu kiểm thử và đoạn văn đã dịch cố định của FLEURS; ngôn ngữ bài không tạo bằng chứng về thị trường mới. Influence IQ chịu trách nhiệm về phân tích, diễn giải và bản dịch.