基于語音識別的實時字幕應用于網絡教學的可行性探討

【摘要】網絡教學在當前“互聯網+”和人工智能的大背景下已經成為教育發展的必然趨勢，其意義與作用在當前疫情時期更是得到了充分的體現。如今，在各大網絡教學平臺（如MOOC）的網絡教學錄播課程中，字幕技術已經開始得到應用，然而在網絡直播教學中，鮮有應用實時字幕的實例。語音識別技術的發展為網絡課程實時字幕的實現提供了可能，而實時字幕的應用有望為網絡教學，尤其是直播教學提供有力的支持，從而實現提升學習效率、降低學習者的認知負荷的教學目標。

【關鍵詞】語音識別;實時字幕;網絡教學;視聽翻譯

【作者簡介】趙圣潔，西南大學含弘學院。

一、 項目背景

目前，網絡教學已然成為新型教育模式和技術發展的重點方向，而如何保障網絡教學的質量則是發展的關鍵。

縱觀如今的網絡教學，尤其是直播課程，字幕的應用尚未得到足夠的重視，其有效性和可行性均尚待研究。作為視聽翻譯研究的子類，字幕研究在近年取得了突破性的發展，結合語音識別技術的實時字幕吸引了諸多學界和產業界人士的關注。實時字幕與網絡教學的結合有望提升學習者的學習效率、降低其認知負荷，對網絡教學能夠產生積極的影響。然而無論是國內還是國外在這一領域的研究都剛剛起步，因此不論是產業界、教育界還是學術界都亟須相關實證數據作為借鑒。

鑒于上述，本文旨在探索實時字幕應用于網絡教學的可行性，為網絡教學的研究和實踐提供參考，幫助推動網絡教學的進一步發展。

二、研究現狀和展望

1.視聽翻譯。視聽翻譯是將多模態、多媒體的文本轉化到另一種語言或文化的翻譯研究分支（Baker & Saldanha， 2019，其顯著特點是突破傳統翻譯純文本的局限，將聲音、圖像、文字等融為一體（呂潔，2013）。視聽翻譯領域的研究顯示，通過人工重述（respeaking）和機器語音識別，實時字幕的產出效率大幅提升，而且準確率高達99.5%（Eugeni，2009）。實際上，“重述+語音識別”的模式在許多國家已經取代了以往的“鍵盤”模式，革新了實時字幕的市場。而在國內，實時字幕的普及率仍然不高，絕大多數的網絡課程仍采用傳統的方法制作字幕（鄧微波，2016），面對網絡課程和智能技術飛速發展的新時代，傳統的字幕制作難以滿足時代的需求。

2.字幕與教學。作為視聽翻譯的子類，字幕翻譯長久以來都吸引著國內外學界和產業界的高度興趣。研究顯示，提供字幕對促進學習者學習效率的提高有著積極作用。通過添加字幕，網絡課程從“語音+圖像”輸入進一步豐富為“語音+圖像+文字”的多模態信息輸入，幫助學習者更好地儲存、遷移所學知識。除此之外，若網絡教學在視頻課程中不添加字幕，將會給許多障礙學習者帶來不便（黃璐等，2007）。同濟大學在國家社科基金研究項目“外語本科生多元能力培養模式研究”中觀測了英語專業視聽課不同模式字幕的教學效果，發現學生通過有字幕視聽材料學習的效果比通過無字幕視聽材料學習的效果更好（劉睿&張德祿，2016）。而二語習得方面的研究也發現，為外語學習者提供字幕可以顯著提升其詞匯掌握、句式熟悉以及文化理解程度（Katchen， 1996）。

3.語音識別技術與實時字幕。英國與荷蘭從20世紀初便開始大規模為視頻和廣播節目提供實時字幕，目的在于滿足聽障人士的需求（董海雅，2019）。在教育教學中，實時字幕不僅能滿足學習者對語音、圖像以及文本信息的多模態需求，還能打破以往聽障人士無法參與由語音輸入教學活動的困境。相較于傳統的視聽翻譯模式，語際實時字幕翻譯在傳播的時效性方面占盡優勢，滿足了新媒體觀眾同步觀看的需求（董海雅，2019）。

實時字幕的制作從傳統的鍵盤模式已逐漸過渡至重述（respeaking）模式。Romero-Fresco將重述定義為“一種技藝，重述員聆聽一個（直播）節目或活動的原聲，對著語音識別軟件重新講述一遍，其中包括標點符號以及一些專門針對聾人和聽障者的標注，語音識別軟件將所識別的話語在盡可能短的延遲時間內，轉化為屏幕上顯示的字幕”（Romero-Fresco， 2011）。作為該領域的代表人物，Romero-Fresco對基于語音識別技術的重述做了大量研究，提出了系統的培訓方法、實踐步驟、測量模型等。簡言之，以語音識別為基礎的重述為實時字幕的制作提供了廣闊的空間，并已經在實踐中得以應用（Romero-Fresco， 2011）。

然而，由于目前語音識別技術仍存在缺陷，受背景聲音、噪音環境、說話人口音、語調等因素影響，語音識別軟件有時不能準確識別（董海雅，2019）。這些因素都有可能造成字幕產出和呈現的不確定性，而在其影響下，基于現有語音識別技術的實時字幕能否有效提升網絡教學的質量，尚有待進一步實證研究。

三、意義和實施必要性

綜上所述，先進的語音識別技術已經使實時字幕應用于網絡教學變得可能，并且字幕對學習者提高學習效率有著明顯幫助，這對網絡教學為代表的新型教學模式和字幕技術的發展有著積極作用。但此內容的研究仍停留在理論階段，尚無相關數據與實驗予以證明，期待有更多相關實驗和研究參與到此領域，推動新型教學模式和字幕技術的發展。

參考文獻：

[1]呂潔.2000-2012年間西方視聽翻譯的研究[J].上海翻譯，2013 （04）：68-72.

[2]董海雅.語際實時字幕翻譯研究：現狀與展望[J].東方翻譯，2019 （06）：25-31.

[3]鄧微波.從電影翻譯到視聽翻譯——國內視聽翻譯實踐的歷史與現狀探究[J].中國翻譯，2016，37（01）：80-84.

[4]黃璐，孫禎祥，王滿華.網絡字幕媒體技術及其在遠程教育中的應用[J].中國電化教育，2007（09）：110-112.

[5]劉睿，張德祿.英語專業視聽課不同模式字幕教學效果研究[J].北京科技大學學報（社會科學版），2016，32（05）：23-28.

[6]Baker， M.， & Saldanha， G. Routledge encyclopedia of translation studies. Routledge，2019，30.

[7]Eugeni， C. Respeaking the BBC news： A strategic analysis of respeaking on the BBC. The Sign Language Translator and Interpreter，2009，3（1）：29–68.

[8]Katchen， J. E. （1996）. First Language Subtitles： Help or Hindrance？ Paper presented at the Annual Meeting of the Japan Association of Language Teachers （22nd， Hiroshima， Japan， November 1996）.

[9]Romero-Fresco， P. （2011）. Subtitling through speech recognition： Respeaking. St. Jerome Pub.