CapTune：使用锚定生成模型适应非语音字幕
人机交互
2025-08-28 v1
摘要
非语音字幕是听力受损或聋人（DHH）观众观看视频时的必备要素，但常规方法往往忽视了他们的多样化偏好。我们提出CapTune系统，使字幕能够根据DHH观众的需求进行定制，同时保留创作者的意图。CapTune允许字幕作者通过具体示例定义安全的转换空间，并使观众能够在四个维度上个性化字幕：细节程度、表达性、声音表现方式及类型匹配。针对七位字幕创作者和十二位DHH参与者的评估显示，CapTune支持创作者的创造力控制，同时增强观众对内容的情感参与。我们的发现还揭示了信息丰富度与认知负荷之间的权衡、诠释性表述与描述性表述之间的张力，以及字幕偏好具有情境依赖性。
引用
@article{arxiv.2508.19971,
title = {CapTune: Adapting Non-Speech Captions With Anchored Generative Models},
author = {Jeremy Zhengqi Huang and Caluã de Lacerda Pataca and Liang-Yuan Wu and Dhruv Jain},
journal= {arXiv preprint arXiv:2508.19971},
year = {2025}
}
备注
ASSETS 2025