Κέρδη:
- Δυνατότητα προσαρμογής διατηρώντας παράλληλα το νόημα εφαρμόζοντας τους τεχνικούς κανόνες του υπότιτλου (γραμμή, χαρακτήρας, CPS)
- Δυνατότητα επαλήθευσης σωστών σφαλμάτων ονόματος και αριθμού φωνητικά ενώ επιταχύνεται η μεταγραφή και η αυτόματη κωδικοποίηση χρόνου με ASR
- Δυνατότητα διαχείρισης των ορίων της τεχνητής νοημοσύνης λαμβάνοντας υπόψη το οπτικό πλαίσιο, την τονική διαφορά και τον συγχρονισμό των χειλιών στη μεταγλώττιση
Η μετάφραση ταινίας, τηλεοπτικής σειράς, εταιρικού βίντεο ή διαδικτυακού μαθήματος διαφέρει ριζικά από τη μετάφραση απλού κειμένου: ο χρόνος, η ταχύτητα ανάγνωσης, η εικόνα στην οθόνη, η φωνή και η κίνηση των χειλιών των χαρακτήρων αποτελούν επίσης περιορισμούς. Σε αυτή την ενότητα, θα μάθετε οπτικοακουστική μετάφραση (υποτιτλισμός, μεταγλώττιση, φωνή), τους τεχνικούς κανόνες του υποτιτλισμού, τη μεταγραφή και την κωδικοποίηση χρόνου που υποστηρίζεται από AI και τις παγίδες ποιότητας αυτού του τομέα. Ο στόχος είναι να λειτουργήσει σαν ειδικός στην οπτικοακουστική μετάφραση που «ταιριάζει στα μάτια και τα αυτιά του κοινού» αντί να «μεταφράζει το κείμενο».
Βασικές έννοιες
Οπτικοακουστική μετάφραση (AVT) είναι η μετάφραση περιεχομένου που περιέχει ήχο και βίντεο. Οι κύριες φόρμες είναι ο υποτιτλισμός, η μεταγλώττιση και η ηχητική περιγραφή. Ο υποτιτλισμός είναι η αντανάκλαση του λόγου σε γραπτή μορφή στην οθόνη. Η μεταγλώττιση είναι η εκ νέου μεταγλώττιση της αρχικής φωνής στη γλώσσα-στόχο. Το Voice-over είναι όταν ο αρχικός ήχος τίθεται σε σίγαση και διαβάζεται μια μετάφραση πάνω του (συνήθης στα ντοκιμαντέρ).
Δύο κρίσιμοι τεχνικοί όροι του υποτιτλισμού: CPS (Χαρακτήρες ανά δευτερόλεπτο) περιορίζει την ταχύτητα του υποτιτλισμού έτσι ώστε ο θεατής να μπορεί να τον διαβάσει άνετα. Το γενικά αποδεκτό ανώτατο όριο είναι περίπου 17 χαρακτήρες ανά δευτερόλεπτο (χαμηλότερο για το παιδικό περιεχόμενο). Timecode είναι η ώρα έναρξης λήξης που υποδεικνύει πότε θα εμφανιστεί και θα εξαφανιστεί ο υπότιτλος στην οθόνη (όπως 00:01:23.400).
Γιατί είναι δύσκολο; Διότι σημαίνει προσαρμογή μετάφρασης σε υπότιτλους. Δύο γραμμές, ~ 42 χαρακτήρες ανά γραμμή, ελάχιστο ~ 1 δευτερόλεπτο και μέγιστο ~ 6 δευτερόλεπτα χρόνος οθόνης και το όριο CPS — πρέπει να συμμορφώνεστε με όλα αυτά διατηρώντας παράλληλα το νόημα και τον τόνο. Γι' αυτό η μετάφραση των υπότιτλων είναι συχνά θέμα συμπίεσης και αναδιατύπωσης, όχι λέξη προς λέξη μετάφραση.
Συμβουλή: Αποφύγετε το αντανακλαστικό της «μετάφρασης κάθε λέξης» στους υπότιτλους. Ο θεατής παρακολουθεί και διαβάζει την εικόνα. Δεν μπορούν να διαβαστούν πολύ μεγάλοι υπότιτλοι. Η εύρεση της συντομότερης φυσικής έκφρασης που διατηρεί το νόημα είναι η αληθινή μαεστρία του λεζάντα.
Ο ρόλος της τεχνητής νοημοσύνης στην οπτικοακουστική μετάφραση
Το AI επιταχύνει σημαντικά πολλά βήματα σε αυτόν τον τομέα:
- Μεταγραφή: Με το ASR (Automatic Speech Recognition), η φωνή μεταγράφεται αυτόματα. Αυτό εξάγει την ακατέργαστη πηγή του υπότιτλου σε λίγα λεπτά.
- Αυτόματη κωδικοποίηση ώρας: Τα εργαλεία χωρίζουν τη συνομιλία σε τμήματα και παράγουν πρόχειρους κωδικούς χρόνου.
- Προσχέδιο μετάφρασης: Το κείμενο μεταγραφής μεταφράζεται.
- Έλεγχος CPS/length: Το AI μπορεί να επισημάνει ποιος υπότιτλος υπερβαίνει την ταχύτητα ανάγνωσης και να προτείνει συντόμευση.
Αλλά προσέξτε: το ASR κάνει λάθος στον θόρυβο, την προφορά, την επικαλυπτόμενη ομιλία, τα σωστά ονόματα και τους τεχνικούς όρους. δεν μπορεί να παρέχει "ηχητική περιγραφή" Αυτός που μιλάει μπορεί να μπερδευτεί. Η μετάφραση AI δεν βλέπει την εικόνα - δεν μπορεί να γνωρίζει πότε ένα αντικείμενο που εμφανίζεται στην οθόνη ονομάζεται "αυτό". Επομένως, ο άνθρωπος επαληθεύει το οπτικό πλαίσιο και την ακρίβεια αποκρυπτογράφησης.
Προσοχή: Το πιο συνηθισμένο λάθος είναι να πιστεύουμε ότι η έξοδος ASR είναι «αποκωδικοποιημένη». Η ASR κάνει συχνά λάθη, ειδικά σε ονόματα, αριθμούς, επωνυμίες και τεχνικούς όρους. μια εσφαλμένη μεταγραφή μεταφέρεται στη μετάφραση και τον υποτιτλισμό. Φροντίστε να επαληθεύσετε κρίσιμες περιοχές ακούγοντας τον ήχο.
Κανόνες μορφής υπότιτλων
Κοινοί κανόνες (διαφέρει ανά πλατφόρμα):
- ~37-42 χαρακτήρες ανά γραμμή, έως 2 γραμμές.
- Διάρκεια: ~1-6 δευτερόλεπτα; Αποφύγετε τους πολύ σύντομους «φλας» υπότιτλους.
- CPS να μην υπερβαίνει το ~17 (περιεχόμενο για ενηλίκους).
- Σπάστε την πρόταση όπου έχει νόημα (μην αφήνετε "και" ή "αλλά" στο τέλος της γραμμής).
- Εάν είναι δυνατόν, μην παραλείψετε την περικοπή σκηνής (αλλαγή λήψης).
- Ακολουθήστε τους κανόνες της πλατφόρμας για αντικείμενα όπως βρισιές, τραγούδια, γραφή οθόνης.
τρεις μίνι θήκες
Περίπτωση 1 — ASR + μετά την επεξεργασία επιταχύνθηκε κατά 60%. Μια ομάδα πρώτα μετέγραψε και κωδικοποίησε ένα ντοκιμαντέρ διάρκειας 45 λεπτών με το ASR, στη συνέχεια το μετέφρασε και το επεξεργάστηκε μετά. Ο χρόνος μειώθηκε κατά 60% σε σύγκριση με τη μεταγραφή + κωδικοποίηση χρόνου από την αρχή. Αλλά όλα τα σωστά ονόματα και αριθμοί διορθώθηκαν με σύγκριση ήχου.
Περίπτωση 2 — Έλεγχος CPS αποθηκευμένη αναγνωσιμότητα. Η πρώτη μετάφραση ενός εκπαιδευτικού βίντεο με υπότιτλους ήταν ακριβής, αλλά το CPS ήταν κατά μέσο όρο 24 — το κοινό δεν μπορούσε να συμβαδίσει. Ένας κύκλος συντόμευσης με τεχνητή νοημοσύνη μείωσε τους υπότιτλους κατά 30%, μειώνοντας το CPS σε 16. Το νόημα διατηρήθηκε, ήρθε η αναγνωσιμότητα.
Περίπτωση 3 — Σφάλμα οπτικού περιβάλλοντος. Στη μετάφραση που βασίζεται στο ASR, ένας χαρακτήρας έδειξε μια πινακίδα στην οθόνη και είπε "διάβασε αυτό". Η τεχνητή νοημοσύνη το μετέφρασε ως "διάβασε", αλλά το κείμενο στην πινακίδα δεν μεταφράστηκε, οπότε ο θεατής δεν μπορούσε να δει τι να διαβάσει. Ο υπότιτλος πρόσθεσε μια ξεχωριστή λεζάντα για τη λεζάντα οθόνης. Αυτός που είδε την εικόνα έκανε τη διαφορά.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Λίστα επαλήθευσης μεταγραφής (ASR):
Παρακάτω είναι μια αυτόματη μεταγραφή ενός βίντεο. Σημειώστε πιθανά σφάλματα στη μεταγραφή: σωστές ονομασίες, επωνυμίες, αριθμοί, τεχνικοί όροι, διφορούμενες/ελλιπείς προτάσεις. Καταχωρίστε τα ως "επαλήθευση με φωνή". Μην μεταφράζετε. Μεταγραφή: [...]
2) Μετάφραση υπότιτλων (CPS/περιορισμένο μήκος):
Μεταφράστε την ακόλουθη μεταγραφή σε υπότιτλους [γλώσσα προορισμού]. ΠΕΡΙΟΡΙΣΜΟΣ: κάθε υπότιτλος πρέπει να έχει το πολύ 2 γραμμές, γραμμή ~42 χαρακτήρες, CPS να μην υπερβαίνει τους ~17. ΣΥΝΤΟΜΕΥΣΗ και πολιτογράφηση διατηρώντας παράλληλα το νόημα. μην μεταφράζετε λέξη προς λέξη. Διατηρήστε τους κωδικούς χρόνου. Κωδικοί μεταγραφής + ώρας: [...]
3) Έλεγχος CPS/αναγνωσιμότητας:
Υπολογίστε κατά προσέγγιση το CPS με βάση τη διάρκεια και τον αριθμό χαρακτήρων για καθέναν από τους παρακάτω υπότιτλους. Σημειώστε όποιο υπερβαίνει το 17 και προτείνετε μια συντομότερη εναλλακτική που διατηρεί το νόημα. Υπότιτλοι (κείμενο | διάρκεια δευτερόλεπτα): [...]
4) Έλεγχος κειμένου οθόνης / οπτικού περιβάλλοντος:
Στον παρακάτω διάλογο, σημειώστε τα σημεία που μπορεί να αναφέρονται στην εικόνα (κείμενο οθόνης, αιχμηρό αντικείμενο, πινακίδα). Πείτε εάν απαιτούνται πρόσθετοι υπότιτλοι / επεξηγήσεις για αυτούς, υποθέτοντας ότι ο θεατής δεν μπορεί να δει την εικόνα. Διάλογος: [...]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: "Μετάφραση αυτών των υπότιτλων." (Χωρίς μήκος, CPS, κανόνες γραμμής, η έξοδος δεν χωράει στην οθόνη, δεν είναι αναγνώσιμη.)
Güçlü: "Μεταφράστε αυτήν τη μεταγραφή διαλόγου σε τουρκικούς υπότιτλους. Κάθε υπότιτλος πρέπει να έχει το πολύ 2 γραμμές, 42 χαρακτήρες ανά γραμμή. Συντομεύστε τον διατηρώντας το νόημα όταν είναι απαραίτητο για την ταχύτητα ανάγνωσης. Δώστε την ομιλούμενη γλώσσα στα φυσικά τουρκικά, απαλύνετε την αργκό. Μην αγγίζετε τους κωδικούς χρόνου."
Διαφορά: η ισχυρή προτροπή δίνει τους τεχνικούς περιορισμούς του υπότιτλου (γραμμή, χαρακτήρας, CPS, τόνος). η έξοδος προσεγγίζει ουσιαστικά τους χρησιμοποιήσιμους υπότιτλους.
Διάγραμμα σύγκρισης μορφών AVT
μορφή
Τι κάνει
συνεισφορά AI
ανθρώπινο κρίσιμο σημείο
υπότιτλος
Μεταγράφει την ομιλία
ASR, μετάφραση, CPS
Ταίριασμα, οπτικό πλαίσιο
μεταγλώττιση
Voiceover στη γλώσσα-στόχο
Προσχέδιο μετάφρασης
συγχρονισμός χειλιών, υποκριτική
εκφώνηση
Διαβάστε τη μετάφραση παραπάνω
Μετάφραση, συγχρονισμός
Φυσική ροή, τόνος
Ηχητική περιγραφή
Περιγράφει την εικόνα με ήχο
προσχέδιο κειμένου
Οπτική ερμηνεία (ανθρώπινη)
Συνήθη λάθη
- Μετάφραση της μεταγραφής ASR χωρίς επαλήθευση. Τα σωστά λάθη ονόματος/αριθμού μεταφέρονται στον υπότιτλο.
- Μετάφραση λέξη προς λέξη και περιήγηση στο CPS. Το κοινό δεν μπορεί να διαβάσει. πρέπει να γίνει εφαρμογή.
- Αγνοώντας το οπτικό πλαίσιο. Το κείμενο της οθόνης και τα αιχμηρά αντικείμενα παραμένουν αμετάφραστα.
- Κάνοντας το διαχωρισμό των γραμμών άσκοπο. Χαλάει την αναγνωσιμότητα.
- Ισοπεδώνοντας τον τόνο/μητρώο. Οι διάλεκτοι και η αργκό των χαρακτήρων εξαφανίζονται.
Μεταγλώττιση και συγχρονισμός χειλιών
Ενώ ο περιορισμός του υποτιτλισμού είναι η ταχύτητα ανάγνωσης, ο περιορισμός της μεταγλώττισης είναι ο χρόνος και τα χείλη. Υπάρχουν τρεις διαφορετικοί τύποι συγχρονισμού στη φωνητική μετάφραση: lip-sync — όπου η μετάφραση ταιριάζει με την κίνηση του στόματος του χαρακτήρα, ειδικά τα ανοιχτά φωνήεντα σε κοντινά πλάνα. ισοχρονία — η γραμμή μετάφρασης έχει το ίδιο μήκος με την αρχική γραμμή, ούτε πολύ μικρή ούτε πολύ μεγάλη. συγχρονισμός χειρονομιών — αντιστοίχιση όσων λέγονται με τις κινήσεις των χεριών και των χεριών του χαρακτήρα. Γι' αυτό ο μεταφραστής μεταγλωττίζει συχνά μια "πιασάρικη" γραμμή που διατηρεί το νόημα αλλά με εντελώς διαφορετικές λέξεις. Η πιστότητα των λέξεων είναι ακόμη μικρότερη από τους υπότιτλους εδώ.
Το AI μπορεί να παρέχει ένα ακατέργαστο προσχέδιο μετάφρασης και μια προειδοποίηση χρόνου για μεταγλώττιση ("αυτή η γραμμή είναι 40% μεγαλύτερη από την αρχική, συντομεύστε την"). Οι νέες τεχνολογίες μπορούν ακόμη και να κλωνοποιήσουν τον ήχο και να παράγουν αυτόματη μεταγλώττιση. αλλά η υποκριτική, το συναίσθημα, η τελειοποίηση της αναπνοής του χαρακτήρα και ο συγχρονισμός των χειλιών εξακολουθούν να είναι δουλειά του ανθρώπινου μεταφραστή και ηθοποιού. Η αυτόματη μεταγλώττιση παρέχει ένα περίγραμμα. Η καλλιτεχνική και σύγχρονη απόφαση είναι ανθρώπινη. Επιπλέον, η συναίνεση του ατόμου του οποίου η φωνή είναι κλωνοποιημένη είναι ένα σημαντικό ηθικό και νομικό ζήτημα.
Συνοπτικά
Η οπτικοακουστική μετάφραση είναι η τέχνη της προσαρμογής του κειμένου εντός των περιορισμών του ματιού και του αυτιού του θεατή: τα όρια γραμμής/χαρακτήρα/CPS στον υποτιτλισμό, ο συγχρονισμός των χειλιών στη μεταγλώττιση, το οπτικό πλαίσιο είναι ο καθοριστικός παράγοντας σε όλα αυτά. Η τεχνητή νοημοσύνη επιταχύνει τη μεταγραφή, την κωδικοποίηση χρόνου, τη σύνταξη μετάφρασης και τον έλεγχο CPS με το ASR. Αλλά το ASR είναι λάθος με τα σωστά ονόματα και τον θόρυβο, δεν μπορεί να δει την εικόνα και οι αποφάσεις προσαρμογής λαμβάνονται από τον άνθρωπο. Ο κύριος υπότιτλος δεν μεταφράζει λέξη προς λέξη. βρίσκει τη συντομότερη, πιο φυσική έκφραση που διατηρεί το νόημα.
Εργασία εφαρμογής
Επιλέξτε ένα σύντομο (2-3 λεπτά) βίντεο κλιπ. Μεταγράψτε με ένα εργαλείο ASR και συγκρίνετε και διορθώστε τις επικίνδυνες περιοχές με τον ήχο με ένα πρότυπο "επαλήθευσης μεταγραφής". Στη συνέχεια, μεταφράστε με τον περιορισμό CPS ~17 με το πρότυπο "μετάφραση υπότιτλων" και συντομεύστε τους υπότιτλους που υπερβαίνουν το όριο με το "Στοιχείο ελέγχου CPS". Εάν υπάρχει κείμενο ή πινακίδα στην οθόνη, εφαρμόστε έναν "έλεγχο οπτικού περιβάλλοντος".
λίστα ελέγχου
- [ ] Επιβεβαίωσα την αποκρυπτογράφηση ASR φωνητικά για το συγκεκριμένο όνομα/αριθμό.
- [ ] Έκανα τους υπότιτλους να ταιριάζουν με τους κανόνες γραμμής/χαρακτήρα/CPS.
- [ ] Το συντόμευσα και το φυσικοποίησα, όχι λέξη προς λέξη, διατηρώντας το νόημα.
- [ ] Έλαβα υπόψη το οπτικό πλαίσιο (κείμενο στην οθόνη, σημάδι).
- [ ] Το μετέφρασα για να διατηρήσω τις διαφορές στον τόνο και τον χαρακτήρα.