hebrew-captions-asr은(는) 무엇을 하나요?
히브리어 전사 및 굽기 자막: 프로필별로 ASR 경로를 선택하고, 단어 타이밍을 얻고, 수동 교정을 수행하며, RTL 호환 자막 카드를 제작(입장 및 퇴장 애니메이션 포함)한 다음, caption_qa와 커버리지 명세서로 검증합니다.
다른 모든 규칙보다 우선하는 규칙
language="he"를 강제합니다. HyperFrames 내장transcribe는 기본값이small.en(히브리어에 취약)이며,init이 자동으로 전사를 시도합니다:--skip-transcribe를 사용하고 로컬 ivrit-ai 경로를 사용하세요.- 전체 전사본에 대해 LLM을 실행하지 마십시오. 특정 단어는 프로젝트별 철자 사전을 사용하여 수동으로 수정하고, 모호한 단어는 여러 패스에 걸쳐 다수결로 결정한 후 더 이상 변경하지 마십시오. 인도 기준: 철자 오류 제로(이름, 브랜드, 인용문); 히브리어 원어민이 승인하고, 모델 비평가는 후보만 지목합니다.
- 날짜가 명시된 견적과 승인 없이 클라우드 ASR/TTS를 호출하지 마십시오 (
paid-generation-gate). 기본값은 로컬 및 무료입니다. "local = $0"에는 설정, 빌드 시간 및 교정 시간이 포함되지 않습니다. - HyperFrames 루트에
dir="rtl"을 설정하지 마십시오.<html>에lang="he";direction: rtl은 텍스트 요소에만 적용합니다. 이는 엔진/버전별 해결 방법입니다(0.8.98 테스트에서 검은색 렌더링이 재현되지 않음, E12): 규칙을 유지하되 버전별로 재테스트하고, "루트 RTL은 유효하지 않은 HTML"이라고 가르치지 마십시오. - 파일에서 글꼴을 로드합니다 (
hf/fonts/+@font-face); HyperFrames 브라우저는 설치된 글꼴을 이름으로 찾지 못하고 자동으로 대체합니다. - 측정된 숫자는 특정 기계에 종속됩니다. 속도를 오디오-초/실제-초로 인용하고 타이머 범위 이름을 명시하며, 학생들에게 자체 하드웨어에서 다시 측정하도록 지시하십시오.
- 법규 vs 하우스 프리셋 (의사결정 기본값 Q5). 법규: 퇴장 애니메이션도 입장 애니메이션과 동일하게, 철자 오류 제로, 루트 RTL 금지, 안면 잠금 전 유사 문자 테스트, 재편집 후 역전사. 하우스 프리셋 v1 (재정의 가능): Rubik, 1-3 단어 카드, 하단 레일 y <= 1450, 아래 체류 시간.
- Whisper 도구는 비ASCII 파일 경로에서 작동하지 않습니다 (
whisper-cli가 히브리어 경로에서 문제 발생): ASCII 임시 디렉토리를 사용하세요. 긴 ASR 실행은 무거운 작업과 마찬가지로render_lock아래에서 실행합니다.
입력 -> 출력
입력: 오디오 또는 비디오, DESIGN.md/브랜드 타입 키트, 자막이 편집을 따르는 경우 최종 컷. 출력(프로젝트 기준): data/words.json ([{"text","start","end"}] 초), transcript.srt, transcript.txt, data/captions.json (카드), 컴포지션 내 자막 컴포넌트, 커버리지 명세서를 포함한 _work/qa/captions_report.json.
프로필별 ASR 경로 (소유자 기계에서만 측정)
| 프로필 | 경로 | 증거 및 한계 |
|---|---|---|
| 모든 CPU (휴대용 기준) | faster-whisper + ivrit turbo CT2, int8, 8 물리적 코어 스레드 | 614.22초 오디오에 대해 731.4초 = 0.84 오디오-초/실제-초 (E08) |
| AMD/Windows + Vulkan 드라이버 | -DGGML_VULKAN=ON으로 빌드된 whisper.cpp + ivrit GGML 모델 | 동일 오디오에 대해 105.6초 = 5.82 오디오-초/실제-초; 동일 빌드 CPU에서 1033.0초 (9.78배 느림); RX 7600S는 GGML_VK_DISABLE_COOPMAT=1 필요 (로컬 전용: 실행 충돌 시에만 설정, exit 127) |
| NVIDIA | faster-whisper CUDA 12 / cuDNN 9 또는 whisper.cpp CUDA | 측정되지 않음 |
| Apple Silicon | whisper.cpp Metal | 측정되지 않음 |
말뭉치: 68개의 FLEURS he_il 클립, 614.22초의 낭독 음성, 한 번의 패스, 유휴 기계, 전체 래퍼 시간. 해당 말뭉치의 WER (NFC, 소문자, 구두점 -> 공백): whisper.cpp CPU 18.09%, Vulkan 18.26%, CT2 일반 17.74%, CT2 + VAD 19.38% (1161개 중 4-19개 단어 편집: 근접하지만 동일하지 않음). 실제 대화, 잡음이 많은 전화 오디오 및 수동 단어 경계 정확도는 측정되지 않았습니다. 전체 표, 빌드 레시피 및 한계: references/asr-routes.md; 날짜가 명시된 사실: references/volatile-facts.md. |
절차
- 경로. 기계를 프로브(
doctor)하고, 위 경로 중 하나를 선택한 다음asr_route.json을 작성합니다 (모델 경로/리비전/해시, 장치, 정밀도, 스레드, 백엔드 로그 라인). 가중치는 고정되며, 절대 "최신"을 사용하지 않습니다. - VAD 결정 (클립별 선택 사항, 의사결정 기본값 Q8). VAD 없이 Whisper는 3초의 디지털 무음 및 3초의 낮은 잡음(E02)에 대해 비어 있지 않은 히브리어 텍스트를 반환했습니다. E08에서 실행된 명시적 스팬 VAD는 일반 CT2보다 느리고 정확도가 낮았습니다 (225 대 206 단어 편집). 따라서: 이 오디오의 60초 샘플에서 A/B 테스트를 수행하고 WER이 더 낮은 쪽을 유지하며, 오디오에 긴 비음성 구간이 있을 때 항상 무음 제어를 실행합니다.
- 전사 단어 타임스탬프와 함께; 시간 영역 내의 모든 세그먼트를 소비합니다.
words.json,.srt(--words-per-cue 3단어 팝, 6 문장 모드),.txt를 저장합니다. 노래 또는 음악 배경 오디오:references/asr-routes.md의 신뢰도 필터를 사용하여 VAD 없이 "가사 패스"를 수행합니다. - 교정 전체 텍스트: 이름, 브랜드, 숫자 (숫자 단어가 아닌 숫자), 철자 사전, 모호한 단어는 다수결로 결정합니다. 필러("אה/אממ"는 일반적으로 Whisper 출력에 없음: 유성 간극 찾기)를 표시하고 담화 단어를 자동으로 삭제하지 마십시오.
- 재편집 후 전체 조립된 VO에 대해 ASR을 수행하고 의도한 텍스트와 비교합니다 (
join_diff); 분리된 조인 스니펫은 "깨끗하다"고 말하지만 전체 파일에서는 잔여물이 들립니다. TTS 출력도 동일한 방식으로 역전사합니다. - 카드 제작 (
references/caption-timing.md): 1-3 단어, 키워드 색상의 키워드, bidi 격리, 입장 + 퇴장, 2프레임 일찍 스왑, 음성보다 0.08-0.1초 먼저, 시작 시간을 0으로 클램프;references/hebrew-typography.md에 따라 글꼴 테스트;references/rtl-and-bidi.md에 따라 레이아웃 및 bidi. - QA.
captions.json에 대해scripts/caption_lint.py, 렌더링에 대해caption_qa --band <top>:1450,hf_preflight, 모든 키워드 프레임에서 스냅샷 (--describe false),frame_qa; 커버리지 명세서 작성 (예상 디코딩 프레임, 밴드, 가정된 FPS, 확인되지 않은 사항).
게이트
상태: pass | fail | blocked | n/a + 사유; 시간 초과, 빈 카드 목록 또는 누락된 파일은 blocked입니다.
| 게이트 | 조건 | 증거 | 거짓일 경우 | 담당자 | 재확인 시점 |
|---|---|---|---|---|---|
| G1 ASR 경로 | 기능 프로브에서 경로 선택됨; 모델 + 가중치 고정; language=he 강제 | asr_route.json (경로, 리비전, 장치, 정밀도, 스레드, 타이머 범위) | CPU CT2 int8로 폴백 | 이 스킬 | 새 기계, 드라이버, 모델 |
| G2 VAD | VAD 켜기/끄기는 60초 실제 샘플의 A/B 테스트로 결정; 오디오에 긴 비음성 구간이 있을 때 무음 제어 실행 | 두 WER 값 (scripts/wer.py) + 제어 출력 기록 | VAD가 더 나쁜 WER을 보이면 끄기; 환각이 나타나면 필터 추가 | 이 스킬 | 새 오디오 유형 |
| G3 전사본 | 모든 이름/브랜드/숫자 교정됨; 철자 사전 적용됨; 히브리어 원어민이 승인한 철자 오류 0개 | 승인된 전사본 + 사전; 샘플에 대한 수정 텍스트 대비 wer.py | 단어 수동 수정; 전체 텍스트에 LLM 사용 금지 | 이 스킬 + 사람 | 텍스트 변경 시 |
| G4 조립된 컷 | 전체 조립된 VO의 ASR이 의도한 단어와 일치; 추가 토큰 없음; 각 문장의 처음/마지막 2단어 존재 | join_diff JSON | 조인 수정, 재편집, 재-ASR | edit-talking-head G2 | 모든 재편집 |
| G5 RTL / bidi | 루트 dir=rtl 없음; lang="he"; 라틴 문자, 숫자, 통화, URL 격리됨; 방해 bidi 제어 없음; 최종 프레임 확인 | scripts/caption_lint.py bidi 블록 + hf_preflight + 확인된 프레임 | 스팬 격리; 제어 제거 | 이 스킬 | 자막 텍스트 변경 시 |
| G6 유사 문자 / 글꼴 | 각 키워드가 최종 크기 및 360x640으로 렌더링됨; ו/ז, ד/ר, ה/ח가 다른 단어로 읽힐 수 없음; 글꼴이 파일에서 로드됨 | hf/QA.md의 샘플 기록 (글꼴 파일, 해시, 크기, 프레임) + 대체 없음을 보여주는 스냅샷 | 해당 단어의 얼굴 변경 (Karantina "לבזבז"가 "לבובו"로 읽힘) | 이 스킬 | 글꼴, 크기 또는 키워드 변경 시 |
| G7 타이밍 + 애니메이션 | 단어 >= 0.25초, 카드 >= 0.9초, 마지막 단어 >= 0.25초; 퇴장 애니메이션 존재; 스왑 겹침 1-2프레임; 음수 시작 없음 | caption_lint 보고서 + caption_qa + 프레임 확인 | 재타이밍; 퇴장 애니메이션 추가 | 이 스킬 | 재편집 또는 재타이밍 시 |
| G8 안전 영역 + 대비 + 커버리지 | 자막 하단 y <= 1450 (하우스 프리셋); 브랜드 색상 키워드 >= 4.5:1 (스트립 기준); caption_qa가 자체 커버리지 명시 | caption_qa 보고서 (커버리지 명세서 + 대비 수치 포함) | 이동, 색상 변경 또는 배경 추가 | 이 스킬 | 레이아웃 변경 또는 새 비율 시 |
하우스 프리셋 v1 수치 (각각 재정의 가능; 출처는 참조 문서에 날짜와 함께 표시됨)
Rubik: Black (900) 키워드, Regular/600 작은 단어; 1080x1920에서 54-66px (E03 잠정 기본값; Alef 700 및 Noto Sans Hebrew 600이 동등하게 평가됨; Karantina는 단일 모델 정적 검토에서 4.2 대비 1.8점, 인간 패널 없음, 휴대폰 없음, 애니메이션 없음). 단어 팝 1-3 단어, 카드당 0.35-0.7초; 입장 애니메이션은 퇴장 애니메이션과 대칭 (blur-out-up, 약 4프레임, 10px 상승, 6px 흐림); A-roll에서 자막 레일 y 900-1240, 하단 <= 1450; 키 텍스트 y <= 1248. 9:16 플랫폼 표는 2026-09 날짜이며 법규로 검증되지 않았음: 휴대폰에서 오버레이 테스트를 실행하세요.
참조 (필요할 때 로드)
references/asr-routes.md- ASR 경로 선택/구축, WER 프로토콜, VAD, 가사 패스, 클라우드 옵션 (실행되지 않음).references/hebrew-typography.md- 글꼴 선택, 유사 문자 테스트, E03 표, 라이센스.references/rtl-and-bidi.md- 혼합 히브리어/영어/숫자 라인, HyperFrames 및 After Effects RTL 함정.references/caption-timing.md- 모드, 정확한 타이밍 레시피, 안전 영역, 대비 스크립트.references/volatile-facts.md- 속도, WER, 고정값, 라이센스, 안전 영역 수치를 인용하기 전에.- 스크립트:
scripts/caption_lint.py(카드 타이밍/bidi/레일 린트),scripts/wer.py(선언된 정규화를 사용한 WER/CER); 둘 다 stdlib,--self-check; 스크립트 경로는 이 스킬의 폴더를 기준으로 합니다. - 저장소 수준의 날짜가 표시된 모듈 (다른 곳에서 소유):
agent-content/references/asr-routes.md,agent-content/references/hebrew-rtl-captions.md,agent-content/references/platform-specs.md,agent-content/techniques/caption-collision.md; 날짜가 표시된 표나 상자 충돌 방법이 필요할 때 로드합니다. - 형제 스킬:
edit-talking-head,render-qa-deliver,video-analysis(분석 보고서, 자막 아님).
증거 상태
ASR: 실험 E02/E08 (소유자 기계); 글꼴: E03; 타이밍 및 퇴장 규칙: 소유자 프로젝트에서 가져옴. 인간 타이밍 실제 값 없음, 클라우드 ASR 실행되지 않음, ONNX 변환에 대한 모델 라이센스 해결 없음. 명시됨; 결정론적 검사만 수행됨; 모델 평가 실행되지 않음 (Q4).