«Latência» corresponde a três perguntas diferentes
A maioria das confusões sobre latência das legendas surge quando duas destas grandezas são tratadas como uma só. Ao separá-las, os números deixam de parecer contraditórios.
As três grandezas
Latência, tempo de processamento e atraso
Latência do vídeo
A diferença entre o vídeo de saída e o de entrada: a latência base do protocolo mais o buffer configurado. É possível alcançar uma latência inferior a um segundo com qualquer tipo de saída.
Tempo de processamento
O tempo necessário para o fluxo produzir uma legenda, tradução ou dobragem a partir da palavra falada: reconhecimento de voz, tradução e síntese de voz.
Atraso
O que o espectador sente: a legenda em relação ao áudio que ouve. O atraso é o tempo de processamento menos a latência, com um mínimo de zero.
O equilíbrio
O buffer é o controlo
Aumentar a latência reduz o atraso. Este é o equilíbrio e deve ser ajustado em cada implementação.
Buffer zero
O vídeo passa apenas com a latência base do percurso e os espectadores veem as legendas pouco depois das palavras serem ditas: atraso inferior a 2s por SRT e, normalmente, cerca de 5 segundos em relação ao áudio nos fluxos HLS.
Alguns segundos de buffer
Para legendas no mesmo idioma, um buffer de 3-5 segundos absorve todo o tempo de processamento e permite apresentá-las sincronizadas com o áudio, sem atraso percetível.
Tradução e dobragem
As legendas traduzidas e o áudio dobrado são entregues em tempo real e necessitam de um buffer maior do que as legendas no mesmo idioma para ficarem sincronizados, porque a tradução demora mais do que a transcrição. O buffer é ajustado para cada projeto, não indicado como um único número.
A latência base também conta
O tempo já consumido pelo percurso, como a duração de um segmento na ingestão CMAF, também é utilizado para processamento. O buffer e a latência base sobrepõem-se em vez de se somarem, pelo que a latência total se aproxima do maior dos dois.
Por percurso
Latência base por percurso de distribuição
O que cada percurso acrescenta ao vídeo antes do buffer e o que isso significa para as legendas. Todos os percursos aceitam buffer adicional, exceto HLS na origem em modo append, que não acrescenta nem altera nada no stream.
- SRT / MPEG-TS
- O percurso de vídeo acrescenta meio segundo de latência nos fluxos SRT: cerca de 0,3 segundos de multiplexação mais cada troço SRT. A inserção de legendas demora menos de um segundo, com atraso inferior a 2s; as soluções habituais apresentam legendas em direto entre 4 e 8 segundos.
- Ingestão CMAF (DASH-IF)
- Um segmento de latência base, que também ajuda a absorver o processamento das legendas.
- HLS na origem (modo append)
- Zero real: o stream existente é ampliado, não atrasado. Nos fluxos HLS, os espectadores veem normalmente as legendas cerca de 5 segundos depois do áudio, pois este percurso não tem buffer para absorver o processamento.
- Widget
- Cerca de um segundo de latência base, com as legendas a demorarem normalmente 1-3 segundos de ponta a ponta, desde a palavra falada até à apresentação.
Perguntas frequentes
As legendas podem aparecer exatamente sincronizadas com o áudio?
Sim. Configure um buffer de alguns segundos para que a latência do vídeo absorva o tempo de processamento e as legendas surjam sem atraso percetível. Muitos clientes optam por buffer zero e aceitam um pequeno atraso das legendas, normalmente inferior a 2 segundos em fluxos SRT. A opção adequada depende de o seu público tolerar melhor o vídeo ou as legendas atrasados.
Qual é a velocidade das legendas da SyncWords em comparação com as soluções habituais?
Inserção de legendas em streams SRT em menos de um segundo e atraso inferior a 2s por SRT, em comparação com os 4 a 8 segundos habituais. No widget para eventos, as legendas aparecem normalmente em 1-3 segundos de ponta a ponta, desde a palavra falada até à apresentação.
Qual é a latência das legendas traduzidas e da dobragem?
As legendas traduzidas e a dobragem com IA são entregues em tempo real. A tradução demora mais do que a transcrição, pelo que requerem um buffer maior para ficarem sincronizadas. A definição adequada depende dos idiomas, das opções de qualidade e da tolerância à latência do vídeo; ajustamo-la consigo em vez de indicarmos um único número.
Adicionar legendas atrasa o nosso vídeo?
Apenas pela latência base do percurso mais o buffer escolhido. No percurso SRT, o vídeo acrescenta meio segundo de latência; em HLS na origem no modo append, não acrescenta nada, porque os segmentos originais não são alterados. Nenhum percurso utiliza transcodificação.
Porque distingue a SyncWords três termos?
Porque um único número de «latência» costuma responder à pergunta errada. Um fornecedor que indica a velocidade das legendas pode referir-se ao tempo de processamento; um engenheiro que pergunta pela latência refere-se normalmente ao percurso de vídeo; um espectador sente o atraso. As três grandezas estão relacionadas através do buffer, mas são diferentes e têm valores distintos.
Ajuste no seu próprio stream
O buffer adequado depende do seu público, não de uma especificação. Execute uma prova de conceito com os nossos engenheiros e veja o equilíbrio em direto com o seu próprio conteúdo.