هر جمله، با گوینده و زمانش
گفتارِ ویدیو با زمانِ هر واژه نوشته و به جملههایی شکسته میشود که هر کدام گوینده و آغاز و پایانِ خودشان را دارند؛ اگر چند نفر حرف میزنند، از هم جدا میشوند.
- جدا کردنِ گویندهها
- زمانِ هر جمله از خودِ ویدیو
- زبانِ ویدیو خودکار تشخیص داده میشود