Gains :
- Possibilité d'ajustement tout en préservant le sens en appliquant les règles techniques du sous-titre (ligne, caractère, CPS)
- Possibilité de vérifier vocalement les erreurs de nom et de numéro tout en accélérant la transcription et le codage temporel automatique avec ASR
- Capacité à gérer les limites de l'intelligence artificielle en prenant en compte le contexte visuel, la différence de ton et la synchronisation labiale dans le doublage
Traduire un film, une série télévisée, une vidéo d'entreprise ou un cours en ligne est radicalement différent de traduire un texte brut : le temps, la vitesse de lecture, l'image à l'écran, la voix et le mouvement des lèvres des personnages sont également des contraintes. Dans cette unité, vous apprendrez la traduction audiovisuelle (sous-titrage, doublage, voix off), les règles techniques du sous-titrage, la transcription et le timecoding assistés par l'IA, ainsi que les pièges de qualité de ce domaine. L'objectif est de travailler comme un expert en traduction audiovisuelle qui « s'adapte aux yeux et aux oreilles du public » plutôt que de « traduire le texte ».
Notions de base
La traduction audiovisuelle (AVT) est la traduction de contenu contenant de l'audio et de la vidéo ; Les principales formes sont le sous-titrage, le doublage et l’audiodescription. Le sous-titrage est le reflet du discours écrit sur l'écran. Le doublage est le redoublage de la voix originale dans la langue cible. La voix off consiste à couper le son original et à lire une traduction dessus (ce qui est courant dans les documentaires).
Deux termes techniques critiques du sous-titrage : CPS (Characters Per Second) limite la vitesse du sous-titrage afin que le spectateur puisse le lire confortablement ; La limite supérieure généralement acceptée est d'environ 17 caractères par seconde (inférieure pour les contenus destinés aux enfants). Le timecode est l'heure de début et de fin qui indique quand le sous-titre apparaîtra et disparaîtra à l'écran (par exemple 00:01:23,400).
Pourquoi est-ce difficile ? Parce que cela signifie intégrer la traduction dans les sous-titres. Deux lignes, environ 42 caractères par ligne, un minimum d'environ 1 seconde et un maximum d'environ 6 secondes de temps d'écran, et la limite CPS — vous devez respecter tout cela tout en conservant le sens et le ton. C'est pourquoi la traduction des sous-titres est souvent une question de compression et de reformulation, et non de traduction mot à mot.
Astuce : évitez le réflexe de « traduire chaque mot » dans les sous-titres. Le spectateur regarde et lit l’image ; Les sous-titres trop longs ne peuvent pas être lus. Trouver l’expression naturelle la plus courte qui préserve le sens est la véritable maîtrise du sous-titreur.
Le rôle de l’IA dans la traduction audiovisuelle
L’IA accélère considérablement plusieurs étapes dans ce domaine :
- Transcription : Avec l'ASR (Automatic Speech Recognition), la voix est automatiquement transcrite. Cela extrait la source brute du sous-titre en quelques minutes.
- Codage temporel automatique : les outils divisent la conversation en segments et produisent des projets de codes temporels.
- Brouillon de traduction : le texte de la transcription est traduit.
- Contrôle CPS/longueur : L'IA peut marquer quel sous-titre dépasse la vitesse de lecture et suggérer un raccourcissement.
Mais attention : l'ASR se trompe sur le bruit, l'accent, les discours qui se chevauchent, les noms propres et les termes techniques ; ne peut pas fournir de « description audio » ; Celui qui parle peut être confus. La traduction de l'IA ne voit pas l'image – elle ne peut pas savoir quand un objet affiché à l'écran s'appelle « ça ». Par conséquent, l’humain vérifie le contexte visuel et l’exactitude du déchiffrement.
Attention : L'erreur la plus courante est de penser que la sortie ASR est « décodée ». ASR commet des erreurs fréquentes, notamment dans les noms propres, les numéros, les noms de marques et les termes techniques ; une transcription incorrecte se répercute sur la traduction et le sous-titrage. Assurez-vous de vérifier les zones critiques en écoutant l’audio.
Règles de format des sous-titres
Règles communes (varie selon la plateforme) :
- ~37-42 caractères par ligne, 2 lignes maximum.
- Durée : ~1 à 6 secondes ; Évitez les sous-titres « flash » très courts.
- Le CPS ne doit pas dépasser ~ 17 (contenu pour adultes).
- Cassez la phrase là où elle a du sens (ne laissez pas « et » ou « mais » à la fin de la ligne).
- Si possible, ne sautez pas le montage de la scène (changement de plan).
- Suivez les règles de la plateforme pour des éléments tels que les jurons, les chansons, l'écriture de scénarios.
trois mini-cases
Cas 1 — ASR + post-édition accélérée de 60 %. Une équipe a d’abord transcrit et timecodé un documentaire de 45 minutes avec ASR, puis l’a traduit et post-édité. Temps réduit de 60% par rapport à la transcription + time coding from scratch. Mais tous les noms propres et tous les nombres ont été corrigés par comparaison sonore.
Cas 2 — La vérification CPS a sauvegardé la lisibilité. La première traduction d'une vidéo pédagogique sous-titrée était exacte, mais le CPS était en moyenne de 24 – le public n'a pas pu suivre. Une série de raccourcissements alimentés par l'IA a raccourci les sous-titres de 30 %, réduisant le CPS à 16 ; le sens a été préservé, la lisibilité est venue.
Cas 3 — Erreur de contexte visuel. Dans la traduction basée sur l'ASR, un personnage a pointé un signe sur l'écran et a dit « lis ça » ; L'IA l'a traduit par "lisez-le", mais le texte sur le panneau n'a pas été traduit, le spectateur ne pouvait donc pas voir quoi lire. Le sous-titreur a ajouté une légende distincte pour la légende de l'écran ; La personne qui a vu l’image a fait la différence.
Quatre modèles copiables
1) Liste de vérification de la transcription (ASR) :
Vous trouverez ci-dessous une transcription automatique d'une vidéo. Marquez les éventuelles erreurs dans la transcription : noms propres, noms de marques, chiffres, termes techniques, phrases ambiguës/incomplètes. Répertoriez-les comme « vérifier vocalement ». Ne traduisez pas. Transcrire : [...]
2) Traduction des sous-titres (CPS/longueur limitée) :
Traduisez la transcription suivante en sous-titres [langue cible]. CONTRAINTE : chaque sous-titre doit faire maximum 2 lignes, ligne ~42 caractères, CPS ne devant pas dépasser ~17. RACCOURCIR et naturaliser tout en préservant le sens ; ne traduisez pas mot à mot. Conservez les codes temporels. Transcription + time codes : [...]
3) Contrôle CPS/lisibilité :
Calculez le CPS approximatif en fonction de la durée et du nombre de caractères pour chacun des sous-titres suivants. Marquez ceux qui dépassent 17 et suggérez une alternative plus courte qui préserve le sens. Sous-titres (texte | durée secondes) : [...]
4) Vérification du texte à l'écran et du contexte visuel :
Dans le dialogue suivant, marquez les endroits pouvant faire référence à l'image (texte à l'écran, objet pointu, panneau). Indiquez si des sous-titres/explications supplémentaires sont nécessaires, en supposant que le spectateur ne puisse pas voir l'image. Dialogues : [...]
Invite faible/Invite forte
Faible : "Traduisez ces sous-titres." (Pas de longueur, de CPS, de règles de ligne ; la sortie ne tiendra pas à l'écran, illisible.)
Güçlü : "Traduisez cette transcription de dialogue en sous-titres turcs. Chaque sous-titre doit comporter au maximum 2 lignes, 42 caractères par ligne ; raccourcissez-le tout en préservant le sens lorsque cela est nécessaire à la vitesse de lecture. Donnez la langue parlée en turc naturel, adoucissez l'argot. Ne touchez pas aux codes temporels."
Différence : une invite forte donne les contraintes techniques du sous-titre (ligne, caractère, CPS, tonalité) ; la sortie se rapproche en fait des sous-titres utilisables.
Tableau comparatif des formats AVT
formater
Qu'est-ce que
Contribution de l'IA
point critique humain
sous-titre
Transcrit le discours
ASR, traduction, CPS
Ajustement, contexte visuel
doublage
Voix off dans la langue cible
Projet de traduction
synchronisation labiale, jeu d'acteur
voix off
Lire la traduction ci-dessus
Traduction, timing
Flux naturel, tonicité
Audiodescription
Décrit l'image avec le son
projet de texte
Interprétation visuelle (humaine)
Erreurs courantes
- Traduire la transcription ASR sans la vérifier. Les erreurs de nom/numéro correct sont reportées dans le sous-titre.
- Traduire mot à mot et se déplacer dans CPS. Le public ne sait pas lire ; l'ajustement doit être fait.
- Ignorer le contexte visuel. Le texte à l’écran et les objets pointés ne sont pas traduits.
- Rendre le fractionnement de ligne inutile. Cela gâche la lisibilité.
- Aplatir le ton/le registre. Les dialectes et l'argot des personnages disparaissent.
Doublage et synchronisation labiale
Alors que la contrainte du sous-titrage est la vitesse de lecture, la contrainte du doublage est le temps et les lèvres. Il existe trois types distincts de synchronisation dans la traduction en voix off : la synchronisation labiale — où la traduction correspond au mouvement de la bouche du personnage, en particulier les voyelles ouvertes dans les gros plans ; isochronie — la ligne de traduction ayant la même longueur que la ligne d'origine, ni trop courte ni trop longue ; synchronisation gestuelle - faire correspondre ce qui est dit avec les mouvements des mains et des bras du personnage. C'est pourquoi le traducteur de doublage écrit souvent une ligne « accrocheuse » qui préserve le sens mais avec des mots complètement différents ; La fidélité des mots est encore inférieure aux sous-titres ici.
L'IA peut fournir un brouillon de traduction brut et un avertissement de temps pour le doublage ("cette ligne est 40% plus longue que l'original, raccourcissez-la"). Les nouvelles technologies peuvent même cloner le son et produire un doublage automatique ; mais le jeu du jeu, l'émotion, le réglage fin de la respiration du personnage et la synchronisation labiale restent le travail du traducteur humain et du doubleur. La copie automatique fournit un aperçu ; La décision artistique et synchrone appartient à l’humain. De plus, le consentement de la personne dont la voix est clonée constitue une question éthique et juridique importante.
En résumé
La traduction audiovisuelle est l'art d'adapter le texte aux contraintes de l'œil et de l'oreille du spectateur : les limites ligne/caractère/CPS dans le sous-titrage, la synchronisation labiale dans le doublage, le contexte visuel est le facteur déterminant dans chacun d'entre eux. L'IA accélère la transcription, le codage temporel, la rédaction de la traduction et la vérification CPS avec ASR ; Mais l'ASR se trompe sur les noms propres et le bruit, il ne peut pas voir l'image et les décisions d'ajustement sont prises par l'humain. Le maître sous-titreur ne traduit pas mot à mot ; trouve l'expression la plus courte, la plus naturelle qui préserve le sens.
Tâche de candidature
Choisissez un court clip vidéo (2-3 minutes). Transcrivez avec un outil ASR et comparez et corrigez les zones à risque avec l'audio avec un modèle de « vérification de transcription ». Traduisez ensuite avec la contrainte CPS ~17 avec le modèle "traduction des sous-titres" et raccourcissez les sous-titres qui dépassent la limite avec le "Contrôle CPS". S'il y a un texte ou un signe à l'écran, appliquez une « vérification du contexte visuel ».
liste de contrôle
- [ ] J'ai vérifié le décryptage ASR vocalement pour le nom/numéro spécifique.
- [ ] J'ai fait en sorte que les sous-titres correspondent aux règles ligne/caractère/CPS.
- [ ] Je l'ai raccourci et naturalisé, non pas mot à mot, en préservant le sens.
- [ ] J'ai pris en compte le contexte visuel (texte à l'écran, signe).
- [ ] Je l'ai traduit pour préserver les différences de ton et de caractère.