# Патент ByteDance на субтитры: распознавание отдельных дорожек и устранение наложения по времени

Разбираем US11837234B2: выбор аудиодорожек и изменение времени субтитров, отдельно от публичных инструкций CapCut.

Source: https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing

ГЛАВНАЯ / Новости и аналитика Новости и аналитика Патент ByteDance на субтитры: распознавание отдельных дорожек и устранение наложения по времени Разбираем US11837234B2: выбор аудиодорожек и изменение времени субтитров, отдельно от публичных инструкций CapCut. Искусственный интеллект 2026.11.18 Опубликовано IPLEX Время чтения: 7 мин. Условный пример кулинарного видео: текст создаётся отдельно для двух аудиодорожек. Когда в учебном видео одновременно звучат пояснение и инструкция, нужно решить две задачи: распознать нужную речь и выбрать время показа текста. В US11837234B2 описаны распознавание выбранных дорожек по отдельности, сортировка фрагментов по времени начала и сокращение предыдущего субтитра при наложении интервалов. Рассмотрим этот процесс на условном примере. 1. Два голоса в учебном видео Представим запись сборки модели: ведущий объясняет назначение деталей, а отдельно записанный голос добавляет короткие указания. При распознавании только сведённой записи одновременные реплики могут приводить к пропускам или смешению слов. Аудиодорожка — отдельная линия звука на общей шкале времени. Раздельные дорожки дикторского текста, инструкций и музыки позволяют менять положение и громкость независимо, а также выбирать исходные дорожки для распознавания. Патент US11837234B2 компании Beijing ByteDance Network Technology выдан в США 5 декабря 2023 года. Предмет этого разбора — техническое решение: распознавание выбранных дорожек по отдельности и объединение текста для одного видео. 2. Независимое распознавание выбранных дорожек Автоматическое распознавание речи преобразует запись в текст. На фигуре 1 по запросу создания субтитров определяются данные каждой выбранной дорожки; фигура 2 показывает выбор одной или нескольких дорожек и запуск обработки. Можно, например, выбрать дикторский текст и инструкции, исключив отдельную музыкальную дорожку. Каждый голос распознаётся на уже существующей собственной дорожке. Это не следует смешивать с разделением голосов в сведённой записи. Результат содержит текстовые фрагменты с временем начала и окончания показа. Несмотря на раздельное распознавание, их необходимо разместить на общей шкале времени видео. 3. Сортировка и сокращение предыдущего интервала Если сначала вывести весь текст одной дорожки, а затем другой, порядок не будет соответствовать видео. На фигуре 3 фрагменты всех выбранных дорожек сортируются по времени начала показа. Далее конец предыдущего фрагмента сравнивается с началом следующего. В примере с наложением окончание предыдущего сдвигается к началу следующего. При наличии промежутка или совпадении этих времён такое сокращение не требуется. Меняется время отображения текста, а исходная речь остаётся на месте. Для одновременно начинающихся фрагментов отдельно описан вариант сохранения того, который заканчивается позже всех. Если важно передать каждую реплику, редактору следует проверить и сохранённый текст. 4. Одна секунда наложения в условном примере Пусть субтитр A «Сначала проверьте паз в основании» показывается с 3-й по 7-ю секунду, а B «Поставьте боковую панель вертикально» — с 6-й по 9-ю. Они относятся к разным дорожкам и пересекаются между 6-й и 7-й секундами. Условная сцена сборки модели с отдельными дорожками и черновыми интервалами субтитров. По описанному правилу конец A переносится с 7-й на 6-ю секунду. Теперь A виден с 3-й по 6-ю, B — с 6-й по 9-ю. Текст и звук не изменяются; корректируется лишь интервал показа. Отсутствие наложения ещё не означает удобства чтения. Для длинной инструкции трёх секунд может не хватить. Разбиение текста и дополнительная настройка времени остаются задачами редактора, а автоматически полученные интервалы служат исходным вариантом. 5. Что описано в публичной справке CapCut ByteDance включает CapCut в список своих средств видеомонтажа. Справка CapCut объясняет создание автоматических субтитров через распознавание речи: в настольной версии выбирают источник звука и язык, затем редактируют текст и время на монтажной шкале. Учебная команда может просматривать черновик вместе с изображением и звуком. Ошибка в слове требует правки текста, а субтитр, оставшийся после завершения инструкции, — изменения времени. Это разные виды корректировки. Единое оформление нескольких видео не предполагает одинаковой длительности субтитров. Быстрая речь или добавленная инструкция требуют иных интервалов. Сопоставление смены кадра, реплик и начала показа помогает определить необходимые правки. 6. Какие результаты полезно фиксировать разработчикам Разделяйте входные данные, распознавание и отображение. Запишите выбранные дорожки и периоды одновременной речи, затем оцените пропущенные слова, начало и конец показа и достаточность времени для чтения. Сравните распознавание сведённого звука с обработкой отдельных дорожек на одном видео. Для настройки времени включите короткие и длинные тексты, одновременное начало и отсутствие наложений. Фиксируйте необходимые исправления и трудозатраты редактора. Для патентного обсуждения опишите критерии выбора дорожек, временные значения при сравнении соседних фрагментов и настройку читаемости после сокращения. Результаты изменения условий на одной шкале времени помогают конкретно объяснить технический вклад. Сохранены исходные обозначения и формы; содержание раскрыто в тексте. Учебные ситуации являются условными примерами. Публичное описание продукта само по себе не подтверждает осуществление конкретного пункта патентной формулы. Патент USPTO US11837234B2 Справка CapCut по распознаванию субтитров Продукты и сервисы ByteDance Распознавание речи iFLYTEK: как сопоставлять термины встречи со звуком ИИ Samsung для аудио: интерфейс до завершения разделения звука Изучите проекты IPLEX в области ИИ и материалы для обсуждения распознавания речи и управления временем субтитров. Опыт патентного поверенного Ким Ёндока в области ИИ Исходная публикация в Tistory Прочитать корейский оригинал Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела. Обсудить этот вопрос ↗ Все статьи НА ЭТОЙ СТРАНИЦЕ 1. Два голоса в учебном видео 2. Независимое распознавание выбранных дорожек 3. Сортировка и сокращение предыдущего интервала 4. Одна секунда наложения в условном примере 5. Что описано в публичной справке CapCut 6. Какие результаты полезно фиксировать разработчикам ОБРАТИТЕСЬ В IPLEX Обсудите с нами вопросы интеллектуальной собственности Мы рассматриваем ваши технологические и бизнес-потребности вместе. ↗ Связаться с нами Новее Товарные знаки в Польше: заявка, возражения, регистрация и продление ↗ Ранее Дизайн встраиваемой розетки: скрытая задняя сторона тоже учитывается ↗ Материалы по теме Искусственный интеллект 2026.11.19 Эмбеддинги Matryoshka для поиска изображений: отбор по префиксу и ранжирование по полному вектору Разбираем Matryoshka Representation Learning: обучение вложенных представлений и результаты поиска на ImageNet-1K из NeurIPS 2022. ↗ Читать статью Искусственный интеллект 2026.11.17 Распознанный текст Apple: от номера или URL к подходящему действию US12001642B2 связывает распознанный текст, координаты, тип данных и ввод пользователя с контекстными меню и действиями. ↗ Читать статью Искусственный интеллект 2026.11.16 Hyundai Mobis: распознать занятие пассажира перед настройкой салона US12233843B2 объединяет признаки областей изображения и связывает состояния пассажира с освещением, сиденьями и регулируемой тонировкой. ↗ Читать статью

- https://www.iplexlaw.co.kr/ru
- https://www.iplexlaw.co.kr/ru/blog/category/ai
- https://image-ppubs.uspto.gov/dirsearch-public/print/downloadPdf/11837234
- https://www.capcut.com/help/how-to-recognise-subtitles
- https://www.bytedance.com/products-services
- https://www.iplexlaw.co.kr/ru/blog/iflytek-contextual-hotword-speech-recognition
- https://www.iplexlaw.co.kr/ru/blog/samsung-ai-audio-classification-separation
- https://www.iplexlaw.co.kr/ru/ai-patents
- https://iplexlaw.tistory.com/30
- https://www.iplexlaw.co.kr/ko/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing#article-30-en-0
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing#article-30-en-1
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing#article-30-en-2
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing#article-30-en-3
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing#article-30-en-4
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing#article-30-en-5
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog/poland-trademark-filing-guide
- https://www.iplexlaw.co.kr/ru/blog/brunch-case-1973
- https://www.iplexlaw.co.kr/ru/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/ru/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/ru/blog/apple-recognized-text-contextual-actions
- https://www.iplexlaw.co.kr/ru/blog/apple-recognized-text-contextual-actions
- https://www.iplexlaw.co.kr/ru/blog/hyundai-mobis-occupant-state-cabin-control
- https://www.iplexlaw.co.kr/ru/blog/hyundai-mobis-occupant-state-cabin-control
