Un análisis comparativo de la calidad de subtítulos intralingüísticos en Polaco: el caso de rehablado y subtítulos producidos por Whisper AI

dc.abstract.en	The aim of this study is to compare the quality of live intralingual subtitles prepared by means of the respeaking technique and subtitles generated by artificial intelligence using Whisper. The first chapter addresses the matters of audiovisual translation and the classification of subtitles by the type of translation involved, their technical qualities, and the time of their preparation. Then, the matter of live subtitling is further examined, as it is the object of this study. The second chapter defines the technique of respeaking and its process. In the third chapter, there is a description of the automatic speech recognition model – Whisper, ASR tools, and their most common mistakes. The fourth chapter describes the NER model that is used for the evaluation of the quality of the subtitles in this study. Moreover, it contains a description of the taxonomy of correct editions. In the fifth chapter, four specimens of subtitles are investigated, evaluated by the NER model, and then compared between each other. Three of these are generated by Whisper, and one is respoken. The results of the evaluation name the subtitles generated by Whisper v2 large and Whisper v3 large of good quality, the subtitles by Whisper v3 turbo as mediocre subtitles and the subtitles made by the respeaking technique unacceptable. However, in the conclusions, the author points out some flaws of the NER model, its inadequateness to assess holistically the quality of subtitles, its inadequacy to measure the quality of subtitles generated by artificial intelligence, and emphasises the problem of a lack of an adequate systematisation of the assessment of the quality of live subtitles.
dc.abstract.language	es
dc.abstract.other	El objetivo de nuestro trabajo es comparar la calidad de los subtítulos extralingüísticos en vivo preparados a través de la técnica del rehablado y generados por una herramienta de inteligencia artificial – Whisper. En el primer capítulo, explicamos la cuestión de traducción audiovisual y la clasificación de subtítulos según el tipo de traducción, sus rasgos técnicos, y el tiempo disponible para su elaboración, con el fin de profundizar más el tema de la subtitulación en vivo, que es el objeto de nuestro estudio. En el segundo capítulo, hay una definición del rehablado y la explicación de su proceso. En el tercer capítulo, describimos una herramienta del reconocimiento de voz Whisper, las herramientas ASR y sus errores más frecuentes. En el cuarto capítulo, hay una descripción del modelo NER, usado en nuestro estudio para evaluar la calidad de los subtítulos, y la taxonomía de ediciones correctas. A continuación, en el capítulo cinco, cuatro especímenes de subtítulos, tres generados por Whisper y uno preparado por un rehablador, están investigados, evaluados según el modelo NER y comparados entre sí. Los resultados del análisis NER pronuncian los subtítulos de Whisper v2 large y v3 large de buena calidad, los subtítulos de Whisper v3 turbo como mediocre, y los subtítulos preparados a través de la técnica del rehablado como inaceptables. A pesar de los resultados, en las conclusiones de nuestro estudio subrayamos las limitaciones del modelo NER, su inadecuación para evaluar los subtítulos generados por inteligencia artificial y el problema de la falta de sistematización de evaluación de la calidad de subtitulación en vivo.
dc.abstract.pl	Celem niniejszej pracy jest porównanie jakości napisów wewnątrzjęzykowych na żywo wykonanych techniką respeakingu i napisów przygotowanych przez narzędzie sztucznej inteligencji – Whisper. W pierwszym rozdziale zostały opisane zagadnienia związane z tłumaczeniem audiowizualnym i klasyfikacja napisów poprzez podział na rodzaje tłumaczenia, ich cechy techniczne, i czas ich przygotowania, by następnie zgłębić temat napisów na żywo, które są podmiotem tej pracy. W rozdziale drugim zdefiniowana jest metoda respeakingu i jej proces. W rozdziale trzecim opisany jest model automatycznego rozpoznawania mowy Whisper, urządzenia ASR i ich najczęstsze błędy. W rozdziale czwartym opisany jest użyty w pracy model NER służący do oceny jakości napisów i taksonomia poprawnej edycji tekstu. Na podstawie tych zagadnień teoretycznych, w rozdziale piątym są zbadane, ocenione na podstawie modelu NER i porównane pomiędzy sobą trzy próbki tekstu wygenerowane przez Whisper i jedna przygotowana przez respeakera. Wyniki badania określają napisy Whisper v2 large i v3 large jako dobre, napisy v3 turbo jako przeciętne i napisy przygotowane techniką respeakingu jako nieakceptowalne. Mimo to, we wnioskach podkreślone są wady modelu NER, jego nieadekwatność do holistycznej oceny jakości napisów, nieprzystosowanie do oceny napisów wykonanych przez sztuczną inteligencję i podkreślony jest problem braku usystematyzowanej oceny jakości napisów na żywo.
dc.affiliation	Uniwersytet Warszawski
dc.affiliation.department	Wydział Lingwistyki Stosowanej
dc.contributor.author	Fajfer, Karolina
dc.contributor.promoter	Figiel, Wojciech
dc.contributor.reviewer	Biernacka, Agnieszka
dc.contributor.reviewer	Figiel, Wojciech
dc.date.defence	2025-07-02
dc.date.issued	2025
dc.date.submitted	2025-06-23
dc.identifier.apd	239688
dc.language	es
dc.publisher	Uniwersytet Warszawski
dc.rights	ClosedAccess
dc.subject.en	audiovisual translation
dc.subject.en	NER model
dc.subject.en	live subtitling
dc.subject.en	respeaking
dc.subject.en	artificial intelligence
dc.subject.language	es
dc.subject.other	traducción audiovisual
dc.subject.other	modelo NER
dc.subject.other	subtitulación en vivo
dc.subject.other	rehablado
dc.subject.other	inteligencia artificial
dc.subject.pl	tłumaczenie audiowizualne
dc.subject.pl	model NER
dc.subject.pl	napisy na żywo
dc.subject.pl	respeaking
dc.subject.pl	sztuczna inteligencja
dc.title	Un análisis comparativo de la calidad de subtítulos intralingüísticos en Polaco: el caso de rehablado y subtítulos producidos por Whisper AI
dc.title.alternative	Analiza porównawcza jakości napisów wewnątrzjęzykowych w języku polskim na przykładzie respeakingu i napisów wygenerowanych przez Whisper AI
dc.type	BachelorThesis