快手电商直播如何落地业界首个大规模实时字幕系统 Live Captioning Engineering

快手电商直播技术团队将"主播说话到字幕上屏"端到端耗时从1.5～2秒压缩到400～500毫秒，字错率（CER）从7.81%降至3.51%，并支撑千万级持续并发分发。系统按"拉流—识别—对齐—分发—渲染"链路建设，用 PTS 队列统一媒体时间线，以房间事件加两级级联实现一份计算多方消费，客户端按播放器 PTS 驱动字幕渐进吐字与修正。