Gewinne:
- Fähigkeit, die Konzepte der automatischen Transkription und Sprechertrennung zu verstehen und Rohaufnahmen in zeitcodierten Text umzuwandeln
- Fähigkeit, Untertitelformate (SRT/VTT), Lesegeschwindigkeit und Zeilenregeln zu verstehen sowie mehrsprachige Untertitelentwürfe zu erstellen und zu bearbeiten
- Wir verstehen, dass es in der Verantwortung des Herausgebers liegt, Terminologie, Eigennamen, Zeichensetzungsfehler und Übersetzungsfehler im automatischen Transkript vor der Veröffentlichung zu überprüfen.
Die mühsamste und zeitaufwändigste Aufgabe der Postproduktion war traditionell die Transkription: Ein Redakteur hörte sich endlos stundenlang Interviewmaterial an und tippte jeden Satz von Hand ab. Die Transkription einer einstündigen Aufnahme würde leicht vier bis fünf Stunden dauern. Künstliche Intelligenz hat dieses Geschäft radikal verändert: Heute kann eine einstündige Aufnahme innerhalb von Minuten in zeitcodierten Text umgewandelt werden. Dies beschleunigt sowohl den Bearbeitungsprozess als auch die Barrierefreiheit (Untertitel für hörgeschädigte Zuschauer und stilles Ansehen). Die automatische Ausgabe ist jedoch niemals für die Veröffentlichung im Rohformat geeignet; In dieser Einheit werden wir sowohl die Macht als auch die Fallstricke sehen.
Beginnen wir mit den Bedingungen. Unter Transkription versteht man die schriftliche Umsetzung einer Rede. Automatische Spracherkennung (ASR) ist eine Technologie, die Sprache in Text übersetzt. Der Timecode ist das Zeichen, das angibt, welcher Sekunde der Text im Video entspricht. Beim Sprechertagebuch wird unterschieden, wer gesprochen hat, und der Text wird nach Sprechern unterteilt. Untertitel (Untertitel/Bildunterschrift) ist der zeitcodierte Text, der auf dem Bildschirm erscheint. SRT und VTT sind die gängigsten Untertiteldateiformate; Sie enthalten die Reihenfolge, die Start-End-Zeit und den Text jeder Zeile. Die Lesegeschwindigkeit (CPS: Zeichen pro Sekunde) bestimmt, wie lange die Zeile auf dem Bildschirm verbleiben muss, damit der Betrachter den Untertitel bequem lesen kann.
Die Macht und Grenzen der automatischen Transkription
Die KI-Transkription transkribiert eine klare Einzelsprecherstimme, die in korrektem Türkisch aufgezeichnet wurde, mit sehr hoher Genauigkeit. Aber in den folgenden Situationen macht es Fehler, und wenn Sie diese kennen, können Sie die Überprüfung gezielt durchführen: Eigennamen (Namen von Personen, Marken, Orten werden oft falsch geschrieben), technische Begriffe und Abkürzungen, ähnlich klingende Wörter („kar/kar“, „still/still“), sich überschneidende Sprache (zwei Personen gleichzeitig), Hintergrundgeräusche und Musik, Dialekt-/Akzentunterschiede und Zeichensetzung (Frage oder Satzende). Darüber hinaus kann das Modell in einem lauten Moment ein Wort „hören“ und transkribieren, das noch nie gesprochen wurde – dies ist die Halluzination der Transkription.
Die folgende Tabelle fasst die starken und schwachen Bedingungen für die automatische Transkription zusammen:
Zustand
Genauigkeit
Fokus des Herausgebers
Einzellautsprecher, klarer Klang, ruhige Umgebung
sehr hoch
Eigennamen, Satzzeichen
Panel mit mehreren Lautsprechern
mittel
Sprechertrennung, überlappende Rede
Laute Aufnahme/Aufnahme im Freien
niedrig-mittel
Kunstwort, springen
Technischer/Jargon-Inhalt
mittel
Begriffs- und Abkürzungsschreiben
akzentuierte Rede
Variabel
Wortfehler, Bedeutung
Regeln für Untertitelformat und Lesbarkeit
Ein guter Untertitel ist nicht nur „richtiger Text“; muss lesbar sein. In der internationalen Praxis gibt es einige Faustregeln: Eine Untertitelzeile sollte grundsätzlich nicht länger als zwei Zeilen sein; Jede Zeile sollte eine angemessene Länge haben (ungefähr 37–42 Zeichen). Der Untertitel muss lange genug auf dem Bildschirm bleiben, um gelesen zu werden (normalerweise 1–6 Sekunden); Die Lesegeschwindigkeit sollte nicht zu hoch sein (die meisten Ratgeber gehen von ~15-17 Zeichen/Sekunde als Grenze aus). KI-Tools teilen den Untertitel automatisch auf, aber diese Teilungen schneiden den Satz manchmal an schlechten Stellen ab (Zeile, die mit „und“ endet, Bruch, der die Bedeutung teilt). Die Aufgabe des Redakteurs besteht darin, den Text präzise und flüssig zu verfassen.
Ihre Rolle: Assistent der Untertitelredaktion. Nachfolgend finden Sie ein automatisches Transkript. Aufgabe: 1) Teilen Sie den Text gemäß der SRT-Logik in Untertitelblöcke auf. 2) Jeder Block sollte maximal 2 Zeilen lang sein, jede Zeile sollte ~40 Zeichen nicht überschreiten. 3) Teilen Sie den Satz an sinnvollen Stellen auf; Zeile endet mit „und“, „aber“, „das“.4) Markieren Sie Eigennamen und Begriffe mit dem Tag [CHECK], damit ich sie manuell überprüfen kann.5) Ändern Sie den Text nicht, teilen Sie ihn einfach auf und markieren Sie ihn.
Die „[CONTROL]-Tag“-Idee in dieser Eingabeaufforderung ist wertvoll: Wenn die KI Bereiche markiert, in denen sie unsicher oder riskant ist (Eigenname, Begriff), lenkt sie den Blick des Redakteurs auf die richtigen Stellen und verhindert blindes Vertrauen.
Mehrsprachige Untertitel und Übersetzung
Das Öffnen eines Videos in mehreren Sprachen erhöht die Zuschauerzahl. Die KI kann das Transkript aufnehmen, es in die Zielsprache übersetzen und eine Untertiteldatei erstellen. Dies ist eine mächtige Fähigkeit, aber auch die anfälligste: Maschinelle Übersetzung kann Redewendungen, kulturelle Bezüge, Humor und Wortspiele, Begriffe und Kontext falsch darstellen. Den Satz „It's raining cats and dogs“ Wort für Wort zu übersetzen, ist eine Katastrophe. Auch bei der Untertitelübersetzung gibt es eine Platzbeschränkung: Der Satz in der Zielsprache kann länger sein und die Lesegeschwindigkeit überschreiten. Deshalb ist es bei der mehrsprachigen Untertitelung unerlässlich, die Übersetzung von einer Person überprüfen zu lassen, die sich mit der Zielsprache auskennt – insbesondere bei sensiblen Inhalten wie Branding, Recht oder Gesundheit kann eine falsche Übersetzung schwerwiegende Folgen haben.
Übersetzen Sie die folgenden türkischen Untertitelblöcke ins Englische. Regeln: - Übertragen Sie Redewendungen und Witze nicht wörtlich, sondern unter Beibehaltung ihrer BEDEUTUNG. - Lassen Sie den Markennamen und den Produktnamen unverändert und übersetzen Sie ihn nicht. - Lassen Sie jeden Block seine Lesegeschwindigkeit beibehalten; Bei Bedarf kürzen, aber den Sinn nicht verfälschen. - Geben Sie mit [ANMERKUNG DES ÜBERSETZERS] den kulturellen Bezug oder Begriff an, bei dem Sie sich nicht sicher sind.
drei Mini-Koffer
Fall 1 – Beschleunigungslinie. Ein Dokumentarfilmteam verbrachte drei Wochen damit, ein 12-stündiges Interviewarchiv von Hand zu transkribieren. Bei der automatischen Transkription wurde der Rohtext innerhalb eines Tages ausgegeben; Durch die Suche per Text (Wort für Wort) fand das Team in Sekundenschnelle die gewünschten Momente. Dann haben sie sorgfältig nur die 40-minütige Episode bearbeitet und mit Untertiteln versehen, die sie verwenden wollten. Aus drei Wochen wurden vier Tage; Der Überprüfungsaufwand konzentrierte sich auf den verwendeten Abschnitt.
Fall 2 – Kunstwort. Ein Nachrichtensender strahlte das lärmende Straßeninterview ungeprüft mit automatischen Untertiteln aus. Das Model „hörte“ ein unausgesprochenes Wort im Hintergrundsummen, und die Bildunterschrift unterstellte dem Befragten ein unausgesprochenes Wort. In den sozialen Medien gab es eine Reaktion und die Korrektur wurde veröffentlicht. Lektion: Bei verrauschten Aufnahmen müssen automatische Untertitel mit dem Originalton verglichen werden.
Fall 3 – Übersetzungskatastrophe. Eine Marke veröffentlichte die englischen Untertitel ihres Werbevideos mit maschineller Übersetzung und ohne Kontrolle. Wenn eine türkische Redewendung („Keep an Eye Out“) Wort für Wort übersetzt wurde, erschien sie dem englischen Publikum bedeutungslos und sogar komisch, und die Seriosität der Marke wurde beschädigt. Der richtige Weg: die Übersetzung von jemandem überprüfen zu lassen, der die Zielsprache beherrscht.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Untertiteln Sie dieses Video und übersetzen Sie es ins Englische.
Es gibt keine Formatierung, keine Lesbarkeitsregeln, keine Validierungszeichen. Die Ausgabe wird grob und riskant sein.
Kraftvolle Aufforderung:
Ihre Rolle: zweisprachiger Untertiteleditor. Eingabe: Türkisches zeitkodiertes Transkript. Aufgabe: 1) Türkische Untertitel um 2 Zeilen / ~40 Zeichen / gute Aufteilungsregeln bearbeiten. 2) Eigennamen und Begriffe mit [CONTROL] markieren. 3) Englische Übersetzung separat erstellen; Übertragen Sie die Phrase wörtlich, bewahren Sie den Markennamen.4) Markieren Sie Blöcke, die die Lesegeschwindigkeit überschreiten, mit [LANG].5) Erfinden Sie keine Wörter; Schreiben Sie den unbestimmten Laut [UNINDIZIERT].
Häufige Fehler
- Veröffentlichung automatischer Transkripte ohne Kontrolle. Fehler in Eigennamen, Begriffen, Zeichensetzung und erfundenen Wörtern bleiben bestehen.
- Schlechte Zeilenaufteilung. Zeilen, die mit „and/but/ki“ enden, erschweren das Lesen.
- Überschreitung der Lesegeschwindigkeit. Lange Untertitel, die auf dem Bildschirm zu kurz sind, können nicht gelesen werden.
- Die maschinelle Übersetzung wird nicht überprüft. Wenn eine Redewendung, ein Witz oder ein Begriff schief geht, leidet die Marke.
- Umgehen der Sprecherunterscheidung. Wenn im Panel Unklarheiten darüber bestehen, wer was gesagt hat, ist der Untertitel irreführend.
Tipp: Sehen Sie sich beim Bearbeiten des Transkripts das Video mit einer Geschwindigkeit von 1,25–1,5 an und prüfen Sie, ob es mit den Untertiteln synchronisiert ist. Auf diese Weise können Sie sowohl Timecode-Differenzen als auch erfundene/verpasste Wörter schnell erkennen.
Achtung: In Bereichen wie Gesundheitswesen, Recht, Finanzen kann ein einziges falsch transkribiertes Wort (z. B. eine Dosis, eine Inhaltsstoffnummer) schwerwiegende Folgen haben. In diesen Inhalten muss jede Zahl und jeder Begriff gesondert überprüft werden.
Zusammenfassend
Automatisierte Transkription und Untertitelung sind die größte Zeitersparnis in der Postproduktion und ermöglichen Barrierefreiheit. KI reduziert Stunden der Transkription auf Minuten und ermöglicht die Suche per Text. Die Ausgabe ist jedoch im Rohzustand nicht zur Veröffentlichung geeignet: Eigennamen, Begriffe, Zeichensetzung, Kunstwörter und fehlerhafte Zeilenumbrüche müssen korrigiert werden. Lesbarkeitsregeln (Zeilenlänge, Dauer, Lesegeschwindigkeit) sorgen dafür, dass der Text für den Betrachter flüssig ist. Bei mehrsprachigen Untertiteln muss die maschinelle Übersetzung von einer Person überprüft werden, die die Zielsprache beherrscht. AI gießt und schlägt vor; Für Richtigkeit, Lesbarkeit und Sinnhaftigkeit ist der Herausgeber verantwortlich.
Anwendungsaufgabe
Machen Sie eine kurze Gesprächsaufzeichnung (vielleicht Ihre eigene Stimme, 2-3 Minuten) und lassen Sie sie automatisch transkribieren. Vergleichen Sie die Ausgabe mit dem Originalaudio und kennzeichnen Sie Eigennamen, Begriffe und Zeichensetzungsfehler. Finden Sie mindestens fünf Fehler. Lassen Sie dann den Text gemäß den oben genannten Regeln in Untertitelblöcke unterteilen, in eine Sprache übersetzen und korrigieren Sie mindestens zwei riskante Stellen (Redewendungen/Begriffe) in der Übersetzung. Melden Sie den Vorgang und alle gefundenen Fehler.
Checkliste
- [ ] Habe ich das Transkript mit dem Originalaudio verglichen und etwaige Eigennamen-/Begriffs-/Interpunktionsfehler korrigiert?
- [ ] Habe ich nach erfundenen oder ausgelassenen Wörtern gesucht?
- [ ] Habe ich den Untertitel entsprechend den Regeln für Zeilenlänge, Dauer und Lesegeschwindigkeit bearbeitet?
- [ ] Habe ich bei mehrsprachigen Untertiteln die Übersetzung sorgfältig mit jemandem überprüft, der die Zielsprache kennt?
- [ ] Habe ich jede Zahl und jeden Begriff in sensiblen Inhalten separat überprüft?