Le problème n’est pas l’accent, c’est la grammaire. Le français empile des homophones qui portent le sens : « ces » et « ses » ne se distinguent que par le possesseur, « a » et « à » que par la fonction, « ou » et « où » que par le lieu. À l’oreille, ils sont rigoureusement identiques. Une machine qui n’entend que le son tranche au petit bonheur, et elle tranche souvent juste, mais pas toujours.
En pratique, une relecture de sous-titres français commence donc toujours au même endroit. Cherche « c’est » et « s’est » dans le fichier, puis « ces » et « ses », puis les accords de participe. En deux minutes tu élimines l’essentiel de ce qui fait mal aux yeux dans un sous-titre automatique, et le reste passe inaperçu.