快手电商直播技术团队端出了一套名为 Live Captioning Engineering 的实时字幕工程范式，把直播字幕这件事从”能出字”推进到了”实时出、准出字”。最直接的数字是：主播发声到字幕具备展示条件的端到端延迟，从过去的 1.5 到 2 秒压到了 400 到 500 毫秒，字符错误率（CER）从 7.81% 降到 3.51%，背后还要撑住千万级的持续并发 —— 这在以高并发、强实时著称的电商直播场景里，第一次有了一套成体系的工程打法。SentenceId 锁定一句完整的话，revision 标记这句话被修订到第几版，播放器时间线则决定修订后的字幕该在哪一帧刷新，三者配合才能在不闪烁、不串行的前提下，把不断修正的字幕稳稳贴在画面上。