Les auteurs présentent un benchmark et un système de référence pour la sous-titration en direct du Kirtan sikh, qui implique la récitation chantée continue de versets du Sri Guru Granth Sahib Ji. Contrairement à la transcription à vocabulaire ouvert, cette tâche nécessite des correspondances mot pour mot exactes issues de l'écriture canonique pour éviter les fautes d'orthographe religieusement inappropriées.
- Le benchmark v1 comprend 12 cas d'évaluation dérivés de quatre enregistrements annotés manuellement et trois décalages de démarrage à froid, totalisant environ 57 minutes d'audio noté.
- Un système de référence utilisant un IndicConformer de 120M finement ajusté atteint une précision globale des frames de 57,9 % sur la variante aveugle en direct la plus difficile, avec un RTF d'environ 0,05 sur un cœur Apple Silicon.
- La méthode de notation calcule la précision des frames à une résolution de 1s avec un collier de 1s et une notation tolérante aux gaps, répondant ainsi aux besoins spécifiques de précision d'affichage de la tâche.
Le benchmark, le système de référence et un déploiement en direct sont publiés sous des licences permissives pour faciliter de nouvelles améliorations dans ce domaine spécialisé.