Караоке-титры с таймингом

Положить рядом с песней и назвать так же, как её: плеер найдёт его сам и будет подсвечивать строки. Большинство караоке-программ и многие обычные плееры это умеют.

У строки в LRC есть только начало — плеер держит её до следующей метки. Именно поэтому караоке-программы читают LRC, а привычный SRT почти никакая из них не понимает.

Потому что модель училась на речи, а не на пении. Мешают музыка поверх голоса, растянутые гласные и рифмы вместо обычного порядка слов. Лучше всего выходит на балладах и рэпе с чёткой дикцией, хуже — на плотном миксе и крике. Сильно помогает сначала прогнать песню через «убрать вокал» наоборот — то есть через «оставить только вокал».

Да, и это тот редкий случай, когда иначе никак. Распознавание речи делает нейросеть, которую браузеру не поднять: звук сжимается и уходит на наш сервер, а оттуда через ретранслятор в сервис распознавания. После выдачи результата файл у нас удаляется. Всё остальное в разделе «Музыка» считается прямо в браузере и никуда не отправляется.