KuaishouのECライブストリーミング技術チームは、ライブ字幕エンジニアリングを導入し、エンドツーエンドのレイテンシを1.5〜2秒から400〜500ミリ秒に短縮し、文字誤り率を7.81%から3.51%に削減しました。このシステムは、自動音声認識、PTSアライメント、カスケード型配信、クライアント側レンダリングという4段階のパイプラインを通じて、数百万人の同時接続ユーザーをサポートします。重要な革新点は、sentenceId、revision、プレイヤーのタイムラインを用いたストリーミング修正メカニズムであり、これによりちらつきなく継続的に更新される字幕を安定して提供しています。これは、高同時実行かつリアルタイムなECライブストリーミングシナリオにおける最初の体系的なエンジニアリングアプローチであり、堅牢なリアルタイムAIシステムの構築に有益な知見を提供します。