Sugiero que se incluya un sistema de reconocimiento de palabras en función del acento.
He notado que los subtitulos en inglés de audio con acento británico contienen más errores que los audios con acento norteamericano.
Si se identifica el acento de la persona en cada video y el sistema tiene una base de datos de audio en ese acento, sería mucho más efectivo.
Gracias,
Manu.