最近刷到《》这段视频发现字幕总对不上，可能因为主播用方言讲台词。自动识别系统能识别70%的普通话，遇到吴语、粤语或专业术语就卡壳。比如“侬”这种上海话发音，识别成“你”就错位了。还有视频里突然出现的古诗词，AI根本分不清是台词还是背景字幕。

为啥是这个理呢？先说自动识别的硬伤。现在主流的ASR系统准确率也就75%左右，遇到连读、叠词、方言词就翻车。比如“侬今朝穿啥衣服”识别成“你今天穿啥衣服”，但“侬”和“你”发音完全不同。再查数据，B站前年测试显示，方言视频字幕错位率高达43%，古诗词识别错误率超60%。比如视频里突然冒出“关关雎鸠”，AI根本分不清是台词还是背景字幕，直接生成乱码。更别提主播边跳边喊的“哎哟喂”，识别成“哎哟喂”和“哎哟喂”其实差三个音节，但AI听不出来。所以字幕总慢半拍，要么漏词要么错字，就像看电视剧没带字幕，光看画面根本看不懂。