您好！在UI自动化中读取音频，并且比对音频和当前画面字幕的进度可能相对复杂，因为这涉及到音频数据的处理和比对算法。一般来说，这种需求可能需要使用音频处理库以及一些机器学习或音频识别技术来实现。
您可以考虑使用一些音频处理库，比如pydub或librosa，来处理音频数据。然后利用一些音频特征提取算法来分析音频，并结合当前画面的字幕进度，进行比对。这可能需要一些编程和算法知识，以及对音频处理和机器学习的理解。
另外，也可以考虑使用一些现成的语音识别API，比如Google Cloud Speech-to-Text或者百度语音识别，来将音频转换为文本，然后与当前画面字幕进行比对。
希望这些信息对您有所帮助！如果您有更多问题或者需要进一步帮助，请随时告诉我。