Untertitelung, Synchronisation und audiovisuelle Übersetzung

Gewinne:

• Fähigkeit zur Anpassung unter Beibehaltung der Bedeutung durch Anwendung der technischen Regeln des Untertitels (Zeile, Zeichen, CPS)
• Möglichkeit, Fehler bei Eigennamen und Nummern per Sprache zu überprüfen und gleichzeitig die Transkription und die automatische Zeitcodierung mit ASR zu beschleunigen
• Fähigkeit, die Grenzen der künstlichen Intelligenz zu bewältigen, indem beim Synchronisieren visueller Kontext, Tonunterschiede und Lippensynchronisation berücksichtigt werden

Die Übersetzung eines Films, einer Fernsehserie, eines Unternehmensvideos oder eines Online-Kurses unterscheidet sich grundlegend von der Übersetzung von reinem Text: Zeit, Lesegeschwindigkeit, Bild auf dem Bildschirm, Stimme und die Lippenbewegung der Charaktere sind ebenfalls Einschränkungen. In dieser Einheit lernen Sie die audiovisuelle Übersetzung (Untertitelung, Synchronisation, Voice-Over), die technischen Regeln der Untertitelung, KI-gestützte Transkription und Zeitkodierung sowie die Qualitätsfallen dieses Fachgebiets kennen. Ziel ist es, wie ein audiovisueller Übersetzungsexperte zu arbeiten, der „in die Augen und Ohren des Publikums passt“ und nicht „den Text übersetzt“.

Grundlegende Konzepte

Unter audiovisueller Übersetzung (AVT) versteht man die Übersetzung von Inhalten, die Audio- und Videoinhalte enthalten. Die Hauptformen sind Untertitelung, Synchronisation und Audiodeskription. Untertitelung ist die Wiedergabe der Rede in schriftlicher Form auf dem Bildschirm. Beim Synchronisieren handelt es sich um die Neusynchronisierung der Originalstimme in der Zielsprache. Beim Voice-Over wird der Originalton stummgeschaltet und eine Übersetzung darüber vorgelesen (üblich bei Dokumentarfilmen).

Zwei wichtige Fachbegriffe der Untertitelung: CPS (Characters Per Second) begrenzt die Geschwindigkeit der Untertitelung, damit der Betrachter sie bequem lesen kann; Die allgemein akzeptierte Obergrenze liegt bei etwa 17 Zeichen pro Sekunde (bei Inhalten für Kinder niedriger). Der Timecode ist die Start-End-Zeit, die angibt, wann der Untertitel auf dem Bildschirm erscheint und verschwindet (z. B. 00:01:23.400).

Warum ist es schwierig? Weil es darum geht, die Übersetzung in Untertitel einzubauen. Zwei Zeilen, ca. 42 Zeichen pro Zeile, mindestens ca. 1 Sekunde und maximal ca. 6 Sekunden Bildschirmzeit sowie das CPS-Limit – all dies müssen Sie einhalten und dabei Bedeutung und Ton beibehalten. Deshalb ist die Übersetzung von Untertiteln oft eine Frage der Komprimierung und Neuformulierung und nicht einer Wort-für-Wort-Übersetzung.

Tipp: Vermeiden Sie den Reflex, in Untertiteln „jedes Wort zu übersetzen“. Der Betrachter sieht und liest das Bild zugleich; Zu lange Untertitel können nicht gelesen werden. Den kürzesten natürlichen Ausdruck zu finden, der die Bedeutung bewahrt, ist die wahre Meisterschaft des Untertitelers.

Die Rolle der KI in der audiovisuellen Übersetzung

KI beschleunigt in diesem Bereich mehrere Schritte deutlich:

1. Transkription: Mit ASR (Automatic Speech Recognition) wird die Stimme automatisch transkribiert. Dadurch wird die Rohquelle des Untertitels in wenigen Minuten extrahiert.
2. Automatische Zeitcodierung: Tools unterteilen das Gespräch in Segmente und erstellen Entwürfe für Zeitcodes.
3. Übersetzungsentwurf: Der Transkripttext wird übersetzt.
4. CPS/Längenkontrolle: Die KI kann markieren, welcher Untertitel die Lesegeschwindigkeit überschreitet und eine Kürzung vorschlagen.

Aber Vorsicht: ASR macht Fehler bei Lärm, Akzent, überlappender Sprache, Eigennamen und Fachbegriffen; kann keine „Audiobeschreibung“ bereitstellen; Wer spricht, kann verwirrt sein. Die KI-Übersetzung sieht das Bild nicht – sie kann nicht wissen, wann ein auf dem Bildschirm angezeigtes Objekt „das“ heißt. Daher überprüft der Mensch den visuellen Kontext und die Entschlüsselungsgenauigkeit.

Achtung: Der häufigste Fehler besteht darin, zu glauben, dass die ASR-Ausgabe „dekodiert“ sei. ASR macht häufig Fehler, insbesondere bei Eigennamen, Nummern, Markennamen und Fachbegriffen; Eine fehlerhafte Transkription überträgt sich auf die Übersetzung und Untertitelung. Stellen Sie sicher, dass Sie kritische Bereiche überprüfen, indem Sie sich den Ton anhören.

Regeln für das Untertitelformat

Allgemeine Regeln (variiert je nach Plattform):

• ~37-42 Zeichen pro Zeile, maximal 2 Zeilen.
• Dauer: ~1-6 Sekunden; Vermeiden Sie sehr kurze „Flash“-Untertitel.
• Der CPS darf ~17 nicht überschreiten (Inhalte für Erwachsene).
• Brechen Sie den Satz dort ab, wo es Sinn macht (lassen Sie nicht „und“ oder „aber“ am Ende der Zeile stehen).
• Überspringen Sie den Szenenschnitt (Aufnahmewechsel) möglichst nicht.
• Befolgen Sie die Plattformregeln für Elemente wie Fluchen, Lieder und Drehbuchschreiben.

drei Mini-Koffer

Fall 1 – ASR + Nachbearbeitung um 60 % beschleunigt. Ein Team hat zunächst einen 45-minütigen Dokumentarfilm mit ASR transkribiert und zeitcodiert, ihn dann übersetzt und nachbearbeitet. Zeitersparnis um 60 % im Vergleich zur Transkription + Zeitkodierung von Grund auf. Alle Eigennamen und Nummern wurden jedoch durch Lautvergleich korrigiert.

Fall 2 – CPS prüft gespeicherte Lesbarkeit. Die erste Übersetzung eines Lehrvideos mit Untertiteln war korrekt, aber der CPS lag im Durchschnitt bei 24 – das Publikum konnte nicht mithalten. Eine Runde KI-gestützter Verkürzungen verkürzte die Untertitel um 30 % und reduzierte die CPS auf 16; Der Sinn blieb erhalten, die Lesbarkeit kam.

Fall 3 – Visueller Kontextfehler. In der ASR-basierten Übersetzung zeigte eine Figur auf ein Zeichen auf dem Bildschirm und sagte „Lies das“; Die KI übersetzte es als „lies es“, aber der Text auf dem Schild wurde nicht übersetzt, sodass der Betrachter nicht sehen konnte, was er lesen sollte. Der Untertiteler hat eine separate Beschriftung für die Bildschirmunterschrift hinzugefügt; Die Person, die das Bild gesehen hat, hat den Unterschied gemacht.

Vier kopierbare Vorlagen

1) Verifizierungsliste für die Transkription (ASR):

Unten finden Sie eine automatische Transkription eines Videos. Markieren Sie mögliche Fehler in der Transkription: Eigennamen, Markennamen, Nummern, Fachbegriffe, mehrdeutige/unvollständige Sätze. Listen Sie diese als „per Stimme bestätigen“ auf. Nicht übersetzen. Transkribieren: [...]

2) Untertitelübersetzung (CPS/Länge begrenzt):

Übersetzen Sie die folgende Transkription in [Zielsprache]-Untertitel. EINSCHRÄNKUNG: Jeder Untertitel darf maximal 2 Zeilen lang sein, die Zeile sollte etwa 42 Zeichen lang sein und der CPS darf etwa 17 nicht überschreiten. KÜRZEN und naturalisieren, dabei die Bedeutung bewahren; Übersetzen Sie nicht Wort für Wort. Timecodes beibehalten. Transkription + Zeitcodes: [...]

3) CPS/Lesbarkeitsprüfung:

Berechnen Sie den ungefähren CPS basierend auf Dauer und Zeichenanzahl für jeden der folgenden Untertitel. Markieren Sie alle Wörter, die größer als 17 sind, und schlagen Sie eine kürzere Alternative vor, die die Bedeutung beibehält. Untertitel (Text | Dauer Sekunden): [...]

4) Bildschirmtext-/visuelle Kontextprüfung:

Markieren Sie im folgenden Dialog die Stellen, die auf das Bild verweisen können (Bildschirmtext, spitzer Gegenstand, Schild). Sagen Sie, ob hierfür zusätzliche Untertitel/Erläuterungen erforderlich sind, vorausgesetzt, dass der Betrachter das Bild nicht sehen kann. Dialog: [...]

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwach: „Übersetze diese Untertitel.“ (Keine Länge, CPS, Zeilenregeln; Ausgabe passt nicht auf den Bildschirm, unlesbar.)

Güçlü: „Übersetzen Sie dieses Dialogtranskript in türkische Untertitel. Jeder Untertitel darf maximal 2 Zeilen mit 42 Zeichen pro Zeile umfassen; kürzen Sie ihn unter Beibehaltung der Bedeutung, wenn dies für die Lesegeschwindigkeit erforderlich ist. Geben Sie die gesprochene Sprache in natürlichem Türkisch an, mildern Sie den Slang. Berühren Sie nicht die Zeitcodes.“

Unterschied: Starke Eingabeaufforderung gibt die technischen Einschränkungen des Untertitels an (Zeile, Zeichen, CPS, Ton); Die Ausgabe kommt tatsächlich brauchbaren Untertiteln nahe.

Vergleichstabelle der AVT-Formate

formatieren

Was bedeutet

KI-Beitrag

menschlicher kritischer Punkt

Untertitel

Transkribiert die Rede

ASR, Übersetzung, CPS

Passform, visueller Kontext

Synchronisation

Voiceover in der Zielsprache

Übersetzungsentwurf

Lippensynchronisation, Schauspiel

Voice-Over

Lesen Sie die Übersetzung oben

Übersetzung, Timing

Natürlicher Fluss, Ton

Audiodeskription

Beschreibt das Bild mit Ton

Textentwurf

Visuelle Interpretation (menschlich)

Häufige Fehler

• Das ASR-Transkript übersetzen, ohne es zu überprüfen. Fehler bei korrekten Namen/Nummern werden auf den Untertitel übertragen.
• Wort für Wort übersetzen und CPS umgehen. Das Publikum kann nicht lesen; Passung muss gemacht werden.
• Visuellen Kontext ignorieren. Bildschirmtexte und spitze Objekte bleiben unübersetzt.
• Zeilenaufteilung sinnlos machen. Es beeinträchtigt die Lesbarkeit.
• Den Ton/das Register abflachen. Die Dialekte und der Slang der Charaktere verschwinden.

Synchronisation und Lippensynchronisation

Während die Einschränkung bei der Untertitelung in der Lesegeschwindigkeit liegt, liegt die Einschränkung bei der Synchronisierung in der Zeit und den Lippen. Es gibt drei verschiedene Arten der Synchronisierung bei der Voice-Over-Übersetzung: Lippensynchronisation – wobei die Übersetzung der Mundbewegung der Figur entspricht, insbesondere offene Vokale in Nahaufnahmen; Isochronie – die Übersetzungslinie hat die gleiche Länge wie die Originallinie, weder zu kurz noch zu lang; Gestensynchronität – Anpassung des Gesagten an die Hand- und Armbewegungen der Figur. Deshalb schreibt der Synchronübersetzer oft eine „eingängige“ Zeile, die die Bedeutung wahrt, aber mit völlig anderen Worten; Die Worttreue ist hier noch geringer als bei Untertiteln.

Die KI kann einen Rohübersetzungsentwurf und eine Zeitwarnung für die Synchronisierung bereitstellen („Diese Zeile ist 40 % länger als das Original, kürzen Sie sie“). Neue Technologien können sogar Ton klonen und eine automatische Synchronisierung ermöglichen; Aber Schauspiel, Emotionen, die Feinabstimmung der Atmung und der Lippensynchronisation der Figur sind immer noch die Aufgabe des menschlichen Übersetzers und Synchronsprechers. Das automatische Überspielen liefert einen Überblick; Die künstlerische und synchrone Entscheidung liegt beim Menschen. Darüber hinaus ist die Zustimmung der Person, deren Stimme geklont wird, eine wichtige ethische und rechtliche Frage.

Zusammenfassend

Bei der audiovisuellen Übersetzung handelt es sich um die Kunst, Text an die Grenzen des Auges und Ohrs des Betrachters anzupassen: Zeilen-/Zeichen-/CPS-Grenzen bei der Untertitelung, Lippensynchronisation bei der Synchronisation, der visuelle Kontext ist in all diesen Fällen der entscheidende Faktor. KI beschleunigt Transkription, Zeitcodierung, Übersetzungsentwurf und CPS-Prüfung mit ASR; Aber ASR irrt sich in Eigennamen und Rauschen, es kann das Bild nicht sehen und die Entscheidungen über den passenden Ton werden vom Menschen getroffen. Der Master-Untertiteler übersetzt nicht Wort für Wort; findet den kürzesten und natürlichsten Ausdruck, der die Bedeutung bewahrt.

Anwendungsaufgabe

Wählen Sie einen kurzen (2-3 Minuten) Videoclip. Transkribieren Sie mit einem ASR-Tool und vergleichen und korrigieren Sie riskante Bereiche mit dem Audio mithilfe einer Vorlage zur „Transkriptionsüberprüfung“. Übersetzen Sie dann mit der CPS ~17-Einschränkung mit der Vorlage „Untertitelübersetzung“ und kürzen Sie die Untertitel, die das Limit überschreiten, mit der „CPS-Steuerung“. Wenn ein Bildschirmtext oder ein Zeichen vorhanden ist, wenden Sie eine „visuelle Kontextprüfung“ an.

Checkliste

• [ ] Ich habe die ASR-Entschlüsselung per Spracheingabe für den spezifischen Namen/die spezifische Nummer überprüft.
• [ ] Ich habe die Untertitel an die Zeilen-/Zeichen-/CPS-Regeln angepasst.
• [ ] Ich habe es gekürzt und eingebürgert, nicht Wort für Wort, um die Bedeutung beizubehalten.
• [ ] Ich habe den visuellen Kontext (Bildschirmtext, Zeichen) berücksichtigt.
• [ ] Ich habe es übersetzt, um die Unterschiede in Ton und Charakter zu bewahren.