Распознавание речи конечно работает хорошо, но порой оно делает смешные ошибки, к примеру, "fool" может услышать как "food" и наоборот. Может быть есть какой-то вариант, чтобы накормить его своими собственными сабами?
К примеру, если заливать свое видео на youtube, там же создавать свои сабы, может быть есть какой-то вариант, чтобы оно стащило сабы в виде текста? Может быть можно заливать видео на другие сервисы?
Кто-нибудь вообще экспериментировал именно с сабами?