J4.02.3time-aligned transcript设计研究
文字稿需与时间轴对应
别名: 交互式文字稿 · 时间戳文字稿 · interactive transcript
概念解释
稿和声音若只是「同一场的两种版本」，人无法在两者之间会合。时间对齐（time-aligned / interactive transcript）让每一句坐在媒体时钟上：点这句话，播放头落到那一秒；播到哪一句，那一句被标出来。墙一样的纯文本完成了「有稿」，但没有完成「对得上」。
机制
媒体是时间的，文档是空间的。不对齐时，用户在稿里找到一段，仍要在进度条上盲猜，误差常常是几十秒到几分钟。对齐之后，稿同时是导航：听的人用眼睛精确定位，读的人可以停在一句上反复看，不必把播放器当磁带倒带。
粒度决定用途。每分钟一个戳比没有强，只能粗定位。句级才能对准那句专有名词。稿已经存在时，强制对齐（forced alignment）把词和声波对上，成本远低于重做字幕轨。对齐失败的典型样子是整段时间戳错位——点「结论」却落到开场寒暄，用户会以为稿写错了，其实是钟没对准。
怎么研究
布置查找并跳转：在稿里点出目标句，测量播放头与真实发生时刻的误差。比较无时间戳、段级戳、句级戳。
自变量：对齐粒度、是否随播放高亮当前句、自动对齐还是人工打点。 因变量：定位误差（秒）、操作步数、点错句的次数。
不要用「能不能搜到这个词」当主指标——那是检索，不是对齐。误差分布比平均值有用：少数严重错位会毁掉信任。
边界
不打算和音频一起消费的会议纪要，时间戳价值低，日期和出席者更要紧。直播尚未结束，时钟还在走，稳定对齐做不到。音乐、掌声、多人叠声会让句边界糊掉，句级对齐会假精确。只有音频、用户不打开播放器、只把稿当文章读时，高亮当前句没有用，但时间戳仍可供以后回去听。对得很准却全文是错词，对齐救不了内容——校对是另一条生产线。
怎么落地
- 句或段带可点击的时间戳；播放时当前句高亮。
- 自动对齐之后抽查开场、中段、结尾三处，整段平移的错位一次就能发现。
- 验证：从稿中点一句只出现一次的专有名词，播放器应落在真实发音的 ±2 秒内；再播三十秒，看高亮是否跟着走。对不上，稿还只是旁边一份文档。