即時語音轉文字字幕 ·
中、台、客、英混講即時上字。
端點科技的 STT 是廣電專屬的 AI 語音轉文字字幕引擎，即時辨識中文、台語、客語、英語混講，端到端延遲 < 500ms，字幕準確率 98%。新聞直播、賽事轉播與節目後製共用同一條字幕流程，輸出格式相容 NCC 字幕規範。
< 500 ms端到端延遲
98%字幕準確率
4中 / 台 / 客 / 英
24/7無人值守自動上字
來賓切成台語的那一行，
也跟得上。
STT 的逐字稿每一行都帶時間碼、語者與語言標記，包括國語句子裡夾著英文術語的那一行。下方詞庫面板顯示即時強制校正——91% 與 99% 的差距就在這裡。
從人工聽打 + 後期校對，
到 AI 即時上字幕，字幕成為播出的一部分。
STT 把字幕從後期工序移進播出流程：直播即時上字，VOD 批次產生字幕檔。舊式工作流程是直播同步派 2 名速錄員聽打，VOD 後期再請外包校對，新聞 30 分鐘節目要 4 小時上完字幕，預算逐年壓縮，人力越來越難找。STT 在 GPU 上即時辨識，< 500ms 延遲；多語言混合（中 + 台 + 客 + 英），自動標點；輸出 SRT / EBU-STL 直接送 Playout / MAM。
速錄員聽打、後期校對、外包成本
直播派 2-3 名速錄員，VOD 外包逐字稿；30 分鐘節目要 4 小時校對；台語 / 客語要再加錢；夜班與假日加倍計薪；人事流動造成術語庫斷層。
即時辨識、多語混合、自動上字
GPU 即時辨識 < 500ms 延遲；中 / 台 / 客 / 英混合辨識；自動標點與斷句；客製術語庫與口音模型；輸出 SRT / VTT / EBU-STL 直送 Playout / MAM；24/7 無人值守。
現在 · 人工聽打 + 後期校對
- 直播派 2 名速錄員同步聽打
- VOD 後期再請外包校對
- 30 分鐘節目要 4 小時上完字幕
- 預算逐年壓縮，人力越來越難找
導入後 · AI 即時上字幕
- 即時辨識，延遲小於 500ms
- 中、台、客、英多語言混合
- 自動標點與斷句
- 輸出 SRT／EBU-STL 直送 Playout 與 MAM
三層能力，串成一條
即時字幕自動化線。
STT 的能力分為多語言辨識、即時推論與廣電整合三層。每一層都可獨立評估、按通道數與語言模型授權、後續逐步擴展。
多語言辨識 · Multilingual ASR
中文（繁 / 簡）、台語、客語、英語、廣東話混合辨識；自動語言切換；廣電術語庫客製訓練；新聞 / 體育 / 綜藝 / 戲劇場景模型；數字 / 專名 / 縮寫智慧轉寫。
- 中 / 台 / 客 / 英 / 廣 5 語
- 自動語言切換
- 術語庫與場景模型
- 口音與背景噪音抗干擾
即時推論引擎 · Real-time Inference
GPU 加速推論，端到端延遲 < 500ms；自動標點與斷句；多人辨識（speaker diarization）；多通道並行；節點故障自動接手；24/7 不間斷服務。
- < 500ms 端到端延遲
- 98% 字幕準確率
- 多人辨識（diarization）
- 多通道並行 + 故障接手
廣電整合與輸出 · Broadcast Output
輸出 SRT / VTT / TTML / EBU-STL；直送 Playout 播出系統與 Marquee 跑馬燈；回寫 MAM 作為時間碼級索引；REST API 與 webhook；NCC 字幕規範；HLS / DASH OTT 平台支援。
- SRT / VTT / TTML / EBU-STL
- Playout / Marquee / MAM 整合
- REST API + webhook
- NCC 字幕規範相容
語音辨識 ASR
標點與斷句
字幕格式化
推送至播出／OTT
端到端 < 500ms
STT 字幕流程：聲音進，字幕出，
五個步驟自動完成。
STT 接收直播訊號或 VOD 檔案，經 GPU 語音辨識、標點斷句與格式化後，把字幕送進 Playout、Marquee 字幕跑馬燈、MAM 與 OTT 平台。
- Audio In直播訊號 / VOD 檔案 · 多通道輸入
- ASRGPU 推論 · 多語言混合辨識
- Punctuate標點 + 斷句 + 多人分離
- FormatSRT / VTT / EBU-STL · NCC 規範
- DeliverPlayout · Marquee · MAM · OTT
工程規格。
STT 以容器化部署在 NVIDIA GPU 上，通道數依 GPU 規模擴展。完整規格表與技術評估可預約技術顧問現場演示。
| 支援語言 | 中文（繁 / 簡）· 台語 · 客語 · 英語 · 廣東話 · 自動語言切換 · 客製術語庫 |
|---|---|
| 辨識性能 | 端到端延遲 < 500ms · 字幕準確率 98%（標準場景）· 多人辨識（speaker diarization） |
| 輸入格式 | SDI / NDI / RTMP / SRT 即時串流 · WAV / MP4 / MXF VOD 檔案 · 多通道並行 |
| 輸出格式 | SRT · VTT · TTML · EBU-STL · CEA-608/708 · 即時 RTMP / SRT caption track |
| 系統整合 | Playout 播出 · Marquee 跑馬燈 · MAM 媒資 · REST API · webhook · OTT（HLS / DASH） |
| 硬體需求 | NVIDIA GPU（T4 / A10 / L4 起跳）· Linux 作業系統 · 容器化部署 · 通道數依 GPU 規模擴展 |
| 授權模式 | 依語音辨識通道數與語言模型授權；按月或年度方案；軟體授權 + 年度維護 |
三步，從評估到上線。
申請試用
填寫聯絡表單，業務將於一個工作天內回覆，安排技術顧問評估。
系統整合評估
技術顧問評估辨識通道數、語言模型需求與既有 Playout / Marquee / MAM 整合，規劃 GPU 配置與試用方案。
部署與上線
完成 GPU 部署與術語庫客製後進行驗收測試（含直播 + VOD 場景），分階段導入，確保現有字幕作業不受影響。
常見問題。
STT 支援哪些語言？可以辨識國台語混講嗎？
可以，端點科技的 STT 支援中文（繁 / 簡）、台語、客語、英語與廣東話，並能在同一句中自動切換語言。術語庫與口音模型可依新聞、體育、綜藝、戲劇場景客製，降低背景噪音與多人交談的影響。
AI 即時字幕和人工聽打相比，差在哪裡？
STT 在直播中即時產生字幕並可 7×24 無人值守運行，不必為每一場直播排速錄員班表。端到端延遲低於 500ms，字幕準確率 98%（標準場景），相較傳統人工聽打速度提升超過 10 倍。適合新聞直播與體育賽事轉播，也可用於節目後製的批次字幕生成。
STT 輸出哪些字幕格式？符合 NCC 字幕規範嗎？
STT 輸出 SRT、VTT、TTML、EBU-STL 與 CEA-608/708，也可在 RTMP / SRT 串流中帶即時字幕軌，格式相容 NCC 字幕規範。字幕可直送 Playout 播出系統、MAM 媒資管理與 HLS / DASH OTT 平台。
STT 的授權方式怎麼計算？
STT 依語音辨識通道數與語言模型授權，提供按月或年度方案，並含年度維護。詳細報價請洽業務顧問，依實際字幕需求提供授權方案。
部署 STT 需要什麼硬體？
STT 需搭配 NVIDIA GPU（T4 / A10 / L4 起跳）執行即時 AI 推論，運行於 Linux 並以容器化部署。同時辨識的通道數依 GPU 規模擴展，技術顧問將協助評估配置。
如何開始評估和試用 STT？
填寫聯絡表單後，業務將於一個工作天內回覆，安排技術顧問評估辨識通道數與語言模型需求。導入時會先客製術語庫，再以直播與 VOD 場景驗收。