快手电商直播技术团队发布自研实时字幕工程范式 Live Captioning Engineering，将主播发声到字幕可展示的端到端延迟由此前1.5至2秒降至400至500毫秒，字符错误率从7.81%降至3.51%，并支持千万级持续并发。该方案将字幕链路拆分为语音识别、PTS对齐、级联分发和端侧渲染四段，并通过sentenceId、revision与播放器时间线实现流式修订和字幕同步，面向高并发电商直播场景提升实时字幕体验。
快手电商直播技术团队发布自研实时字幕工程范式 Live Captioning Engineering，将主播发声到字幕可展示的端到端延迟由此前1.5至2秒降至400至500毫秒，字符错误率从7.81%降至3.51%，并支持千万级持续并发。该方案将字幕链路拆分为语音识别、PTS对齐、级联分发和端侧渲染四段，并通过sentenceId、revision与播放器时间线实现流式修订和字幕同步，面向高并发电商直播场景提升实时字幕体验。