സബ്‌ടൈറ്റിലിംഗ്, ഡബ്ബിംഗ്, ഓഡിയോവിഷ്വൽ വിവർത്തനം

നേട്ടങ്ങൾ:

• ഉപശീർഷകത്തിൻ്റെ സാങ്കേതിക നിയമങ്ങൾ (ലൈൻ, പ്രതീകം, സിപിഎസ്) പ്രയോഗിച്ചുകൊണ്ട് അർത്ഥം സംരക്ഷിക്കുമ്പോൾ അനുയോജ്യമാക്കാനുള്ള കഴിവ്
• എഎസ്ആർ ഉപയോഗിച്ച് ട്രാൻസ്ക്രിപ്ഷനും ഓട്ടോമാറ്റിക് ടൈംകോഡിംഗും വേഗത്തിലാക്കുമ്പോൾ വോയ്‌സ് ഉപയോഗിച്ച് ശരിയായ പേരും നമ്പറും പിശകുകൾ പരിശോധിക്കാനുള്ള കഴിവ്
• വിഷ്വൽ സന്ദർഭം, ടോണൽ വ്യത്യാസം, ഡബ്ബിംഗിലെ ലിപ് സിങ്ക് എന്നിവ കണക്കിലെടുത്ത് കൃത്രിമ ബുദ്ധിയുടെ പരിധികൾ നിയന്ത്രിക്കാനുള്ള കഴിവ്

ഒരു സിനിമ, ടിവി സീരീസ്, കോർപ്പറേറ്റ് വീഡിയോ അല്ലെങ്കിൽ ഓൺലൈൻ കോഴ്‌സ് വിവർത്തനം ചെയ്യുന്നത് പ്ലെയിൻ ടെക്‌സ്‌റ്റ് വിവർത്തനം ചെയ്യുന്നതിൽ നിന്ന് തികച്ചും വ്യത്യസ്തമാണ്: സമയം, വായനാ വേഗത, ഓൺ-സ്‌ക്രീൻ ചിത്രം, ശബ്ദം, കഥാപാത്രങ്ങളുടെ ചുണ്ടുകളുടെ ചലനം എന്നിവയും നിയന്ത്രണങ്ങളാണ്. ഈ യൂണിറ്റിൽ, നിങ്ങൾ ഓഡിയോവിഷ്വൽ വിവർത്തനം (സബ്‌ടൈറ്റിലിംഗ്, ഡബ്ബിംഗ്, വോയ്‌സ് ഓവർ), സബ്‌ടൈറ്റിൽ ചെയ്യുന്നതിനുള്ള സാങ്കേതിക നിയമങ്ങൾ, AI- പിന്തുണയുള്ള ട്രാൻസ്‌ക്രിപ്‌ഷനും സമയ കോഡിംഗും, ഈ ഫീൽഡിൻ്റെ ഗുണമേന്മയുള്ള പോരായ്മകളും പഠിക്കും. "വാചകം വിവർത്തനം ചെയ്യുക" എന്നതിലുപരി "പ്രേക്ഷകരുടെ കണ്ണിനും കാതിനും യോജിക്കുന്ന" ഒരു ഓഡിയോവിഷ്വൽ വിവർത്തന വിദഗ്ദ്ധനെപ്പോലെ പ്രവർത്തിക്കുക എന്നതാണ് ലക്ഷ്യം.

അടിസ്ഥാന ആശയങ്ങൾ

ഓഡിയോവിഷ്വൽ പരിഭാഷ (AVT) എന്നത് ഓഡിയോയും വീഡിയോയും അടങ്ങിയ ഉള്ളടക്കത്തിൻ്റെ വിവർത്തനമാണ്; സബ്ടൈറ്റിലിംഗ്, ഡബ്ബിംഗ്, ഓഡിയോ വിവരണം എന്നിവയാണ് പ്രധാന രൂപങ്ങൾ. സ്‌ക്രീനിൽ രേഖാമൂലമുള്ള സംഭാഷണത്തിൻ്റെ പ്രതിഫലനമാണ് സബ്‌ടൈറ്റിലിംഗ്. ലക്‌ഷ്യ ഭാഷയിൽ ഒറിജിനൽ വോയ്‌സ് വീണ്ടും ഡബ്ബ് ചെയ്യുന്നതാണ് ഡബ്ബിംഗ്. യഥാർത്ഥ ശബ്‌ദം നിശബ്ദമാക്കുകയും അതിന് മുകളിൽ ഒരു വിവർത്തനം വായിക്കുകയും ചെയ്യുന്നതാണ് വോയ്‌സ് ഓവർ (ഡോക്യുമെൻ്ററികളിൽ സാധാരണ).

സബ്‌ടൈറ്റിലിങ്ങിൻ്റെ രണ്ട് നിർണായക സാങ്കേതിക നിബന്ധനകൾ: CPS (സെക്കൻഡിലെ പ്രതീകങ്ങൾ) ഉപശീർഷകത്തിൻ്റെ വേഗത പരിമിതപ്പെടുത്തുന്നു, അതുവഴി കാഴ്ചക്കാരന് അത് സുഖകരമായി വായിക്കാൻ കഴിയും; പൊതുവായി അംഗീകരിക്കപ്പെട്ട ഉയർന്ന പരിധി സെക്കൻഡിൽ 17 പ്രതീകങ്ങളാണ് (കുട്ടികളുടെ ഉള്ളടക്കത്തിന് കുറവ്). സ്‌ക്രീനിൽ സബ്‌ടൈറ്റിൽ എപ്പോൾ ദൃശ്യമാകുമെന്നും അപ്രത്യക്ഷമാകുമെന്നും സൂചിപ്പിക്കുന്ന ആരംഭ-അവസാന സമയമാണ് ടൈംകോഡ് (ഉദാ: 00:01:23,400).

എന്തുകൊണ്ട് ബുദ്ധിമുട്ടാണ്? കാരണം, സബ്‌ടൈറ്റിലുകളിലേക്കുള്ള വിവർത്തനം യോജിച്ചതാണ്. രണ്ട് വരികൾ, ഓരോ വരിയിലും ~42 പ്രതീകങ്ങൾ, കുറഞ്ഞത് ~1 സെക്കൻഡും പരമാവധി ~6 സെക്കൻഡ് സ്‌ക്രീൻ സമയം, കൂടാതെ CPS പരിധി - അർത്ഥവും സ്വരവും നിലനിർത്തിക്കൊണ്ട് നിങ്ങൾ ഇവയെല്ലാം പാലിക്കേണ്ടതുണ്ട്. അതുകൊണ്ടാണ് സബ്‌ടൈറ്റിൽ വിവർത്തനം പലപ്പോഴും കംപ്രഷൻ്റെയും റീഫ്രാസിംഗിൻ്റെയും കാര്യമാണ്, അല്ലാതെ വാക്കിന് വേണ്ടിയുള്ള വിവർത്തനമല്ല.

നുറുങ്ങ്: സബ്ടൈറ്റിലുകളിൽ "എല്ലാ വാക്കും വിവർത്തനം ചെയ്യുക" എന്ന റിഫ്ലെക്സ് ഒഴിവാക്കുക. കാഴ്ചക്കാരൻ ചിത്രം കാണുകയും വായിക്കുകയും ചെയ്യുന്നു; വളരെ ദൈർഘ്യമേറിയ സബ്‌ടൈറ്റിലുകൾ വായിക്കാൻ കഴിയില്ല. അർത്ഥം നിലനിർത്തുന്ന ഏറ്റവും ചെറിയ സ്വാഭാവിക പദപ്രയോഗം കണ്ടെത്തുന്നത് അടിക്കുറിപ്പുകാരൻ്റെ യഥാർത്ഥ വൈദഗ്ധ്യമാണ്.

ഓഡിയോവിഷ്വൽ വിവർത്തനത്തിൽ AI യുടെ പങ്ക്

ഈ മേഖലയിലെ നിരവധി ഘട്ടങ്ങൾ AI ഗണ്യമായി വേഗത്തിലാക്കുന്നു:

1. ട്രാൻസ്ക്രിപ്ഷൻ: ASR (ഓട്ടോമാറ്റിക് സ്പീച്ച് റെക്കഗ്നിഷൻ) ഉപയോഗിച്ച്, ശബ്ദം സ്വയമേവ ട്രാൻസ്ക്രൈബ് ചെയ്യപ്പെടും. ഇത് മിനിറ്റുകൾക്കുള്ളിൽ സബ്‌ടൈറ്റിലിൻ്റെ അസംസ്‌കൃത ഉറവിടം വേർതിരിച്ചെടുക്കുന്നു.
2. ഓട്ടോമാറ്റിക് ടൈം കോഡിംഗ്: ടൂളുകൾ സംഭാഷണത്തെ സെഗ്മെൻ്റുകളായി വിഭജിക്കുകയും ഡ്രാഫ്റ്റ് ടൈം കോഡുകൾ നിർമ്മിക്കുകയും ചെയ്യുന്നു.
3. വിവർത്തന ഡ്രാഫ്റ്റ്: ട്രാൻസ്ക്രിപ്റ്റ് ടെക്സ്റ്റ് വിവർത്തനം ചെയ്തു.
4. CPS/ദൈർഘ്യ നിയന്ത്രണം: ഏത് സബ്‌ടൈറ്റിൽ വായനാ വേഗതയെ കവിയുന്നു എന്ന് അടയാളപ്പെടുത്താനും ചെറുതാക്കാൻ നിർദ്ദേശിക്കാനും AI-ക്ക് കഴിയും.

എന്നാൽ സൂക്ഷിക്കുക: ശബ്‌ദം, ഉച്ചാരണം, ഓവർലാപ്പുചെയ്യുന്ന സംഭാഷണം, ശരിയായ പേരുകൾ, സാങ്കേതിക പദങ്ങൾ എന്നിവയിൽ ASR തെറ്റുകൾ വരുത്തുന്നു; "ഓഡിയോ വിവരണം" നൽകാൻ കഴിയില്ല; ആരാണ് സംസാരിക്കുന്നത് എന്നത് ആശയക്കുഴപ്പത്തിലായേക്കാം. AI വിവർത്തനം ചിത്രം കാണുന്നില്ല - സ്ക്രീനിൽ കാണിക്കുന്ന ഒരു വസ്തുവിനെ "അത്" എന്ന് വിളിക്കുമ്പോൾ അത് അറിയാൻ കഴിയില്ല. അതിനാൽ, മനുഷ്യൻ വിഷ്വൽ സന്ദർഭവും ഡീക്രിപ്റ്റിംഗ് കൃത്യതയും പരിശോധിക്കുന്നു.

മുന്നറിയിപ്പ്: എഎസ്ആർ ഔട്ട്പുട്ട് "ഡീകോഡ്" ആണെന്ന് കരുതുന്നതാണ് ഏറ്റവും സാധാരണമായ തെറ്റ്. ASR പതിവായി തെറ്റുകൾ വരുത്തുന്നു, പ്രത്യേകിച്ച് ശരിയായ പേരുകൾ, നമ്പറുകൾ, ബ്രാൻഡ് നാമങ്ങൾ, സാങ്കേതിക പദങ്ങൾ എന്നിവയിൽ; ഒരു തെറ്റായ ട്രാൻസ്ക്രിപ്ഷൻ വിവർത്തനത്തിലേക്കും സബ്ടൈറ്റിലിങ്ങിലേക്കും കൊണ്ടുപോകുന്നു. ഓഡിയോ ശ്രവിച്ച് നിർണായക മേഖലകൾ പരിശോധിച്ചുറപ്പിക്കുന്നത് ഉറപ്പാക്കുക.

സബ്ടൈറ്റിൽ ഫോർമാറ്റ് നിയമങ്ങൾ

പൊതു നിയമങ്ങൾ (പ്ലാറ്റ്ഫോം അനുസരിച്ച് വ്യത്യാസപ്പെടുന്നു):

• ഒരു വരിയിൽ ~37-42 പ്രതീകങ്ങൾ, പരമാവധി 2 വരികൾ.
• ദൈർഘ്യം: ~ 1-6 സെക്കൻഡ്; വളരെ ചെറിയ "ഫ്ലാഷ്" സബ്ടൈറ്റിലുകൾ ഒഴിവാക്കുക.
• CPS ~17 കവിയരുത് (മുതിർന്നവർക്കുള്ള ഉള്ളടക്കം).
• വാചകം അർത്ഥമുള്ളിടത്ത് തകർക്കുക (വരിയുടെ അവസാനം "ഒപ്പം" അല്ലെങ്കിൽ "എന്നാൽ" വിടരുത്).
• സാധ്യമെങ്കിൽ, സീൻ കട്ട് (ഷോട്ട് ചേഞ്ച്) ഒഴിവാക്കരുത്.
• ആണയിടൽ, പാട്ടുകൾ, സ്ക്രീൻ റൈറ്റിംഗ് തുടങ്ങിയ ഇനങ്ങൾക്ക് പ്ലാറ്റ്ഫോം നിയമങ്ങൾ പാലിക്കുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ASR + പോസ്റ്റ്-എഡിറ്റ് 60% വേഗത്തിലാക്കി. ഒരു ടീം ആദ്യം ASR ഉപയോഗിച്ച് 45 മിനിറ്റ് ദൈർഘ്യമുള്ള ഒരു ഡോക്യുമെൻ്ററി ട്രാൻസ്‌ക്രൈബ് ചെയ്യുകയും ടൈം കോഡ് ചെയ്യുകയും ചെയ്തു, തുടർന്ന് അത് വിവർത്തനം ചെയ്യുകയും പോസ്റ്റ് എഡിറ്റ് ചെയ്യുകയും ചെയ്തു. ആദ്യം മുതൽ ട്രാൻസ്‌ക്രൈബിംഗ് + സമയ കോഡിംഗുമായി താരതമ്യം ചെയ്യുമ്പോൾ സമയം 60% കുറഞ്ഞു. എന്നാൽ എല്ലാ ശരിയായ പേരുകളും അക്കങ്ങളും ശബ്‌ദ താരതമ്യം വഴി ശരിയാക്കി.

കേസ് 2 - CPS സംരക്ഷിച്ച വായനാക്ഷമത പരിശോധിക്കുക. സബ്‌ടൈറ്റിലുകളുള്ള ഒരു നിർദ്ദേശ വീഡിയോയുടെ ആദ്യ വിവർത്തനം കൃത്യമായിരുന്നു, എന്നാൽ CPS ശരാശരി 24 ആയിരുന്നു - പ്രേക്ഷകർക്ക് അത് നിലനിർത്താനായില്ല. ഒരു റൗണ്ട് AI-പവർ ഷോർട്ട്‌നിംഗ് സബ്‌ടൈറ്റിലുകൾ 30% ചുരുക്കി, CPS 16 ആയി കുറയ്ക്കുന്നു; അർത്ഥം സംരക്ഷിക്കപ്പെട്ടു, വായനാക്ഷമത വന്നു.

കേസ് 3 - ദൃശ്യ സന്ദർഭ പിശക്. ASR അടിസ്ഥാനമാക്കിയുള്ള വിവർത്തനത്തിൽ, ഒരു കഥാപാത്രം സ്ക്രീനിലെ ഒരു അടയാളം ചൂണ്ടി "അത് വായിക്കുക" എന്ന് പറഞ്ഞു; AI അതിനെ "വായിക്കുക" എന്ന് വിവർത്തനം ചെയ്‌തു, പക്ഷേ ചിഹ്നത്തിലെ വാചകം വിവർത്തനം ചെയ്തിട്ടില്ല, അതിനാൽ കാഴ്ചക്കാരന് എന്താണ് വായിക്കേണ്ടതെന്ന് കാണാൻ കഴിഞ്ഞില്ല. ക്യാപ്ഷനർ സ്‌ക്രീൻ അടിക്കുറിപ്പിനായി ഒരു പ്രത്യേക അടിക്കുറിപ്പ് ചേർത്തു; ചിത്രം കണ്ടയാളാണ് വ്യത്യാസം വരുത്തിയത്.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ട്രാൻസ്ക്രിപ്ഷൻ (ASR) സ്ഥിരീകരണ ലിസ്റ്റ്:

ഒരു വീഡിയോയുടെ സ്വയമേവയുള്ള ട്രാൻസ്ക്രിപ്ഷൻ ചുവടെയുണ്ട്. ട്രാൻസ്ക്രിപ്ഷനിൽ സാധ്യമായ പിശകുകൾ അടയാളപ്പെടുത്തുക: ശരിയായ പേരുകൾ, ബ്രാൻഡ് നാമങ്ങൾ, നമ്പറുകൾ, സാങ്കേതിക പദങ്ങൾ, അവ്യക്തമായ/അപൂർണ്ണമായ വാക്യങ്ങൾ. ഇവയെ "ശബ്ദത്തിലൂടെ സ്ഥിരീകരിക്കുക" എന്ന് ലിസ്റ്റുചെയ്യുക. വിവർത്തനം ചെയ്യരുത്. പകർത്തുക: [...]

2) സബ്‌ടൈറ്റിൽ വിവർത്തനം (CPS/ദൈർഘ്യം പരിമിതം):

ഇനിപ്പറയുന്ന ട്രാൻസ്ക്രിപ്ഷൻ [ലക്ഷ്യഭാഷ] സബ്ടൈറ്റിലുകളിലേക്ക് വിവർത്തനം ചെയ്യുക. നിയന്ത്രണം: ഓരോ സബ്‌ടൈറ്റിലിനും പരമാവധി 2 വരികൾ, ലൈൻ ~42 പ്രതീകങ്ങൾ, CPS ~17-ൽ കൂടരുത്. അർത്ഥം സംരക്ഷിക്കുമ്പോൾ ചെറുതാക്കി സ്വാഭാവികമാക്കുക; വാക്ക് വാക്കിന് വിവർത്തനം ചെയ്യരുത്. സമയ കോഡുകൾ സൂക്ഷിക്കുക. ട്രാൻസ്ക്രിപ്ഷൻ + സമയ കോഡുകൾ: [...]

3) CPS/വായനക്ഷമത പരിശോധന:

ഇനിപ്പറയുന്ന ഓരോ സബ്‌ടൈറ്റിലിനും ദൈർഘ്യവും പ്രതീകങ്ങളുടെ എണ്ണവും അടിസ്ഥാനമാക്കി ഏകദേശ CPS കണക്കാക്കുക. 17-ൽ കൂടുതലുള്ളവ അടയാളപ്പെടുത്തുകയും അർത്ഥം സംരക്ഷിക്കുന്ന ഒരു ഹ്രസ്വ ബദൽ നിർദ്ദേശിക്കുകയും ചെയ്യുക. സബ്ടൈറ്റിലുകൾ (ടെക്സ്റ്റ് | ദൈർഘ്യം സെക്കൻഡ്): [...]

4) സ്ക്രീൻ ടെക്സ്റ്റ് / വിഷ്വൽ സന്ദർഭ പരിശോധന:

ഇനിപ്പറയുന്ന ഡയലോഗിൽ, ചിത്രത്തെ പരാമർശിച്ചേക്കാവുന്ന സ്ഥലങ്ങൾ അടയാളപ്പെടുത്തുക (സ്ക്രീൻ ടെക്സ്റ്റ്, പോയിൻ്റ്ഡ് ഒബ്ജക്റ്റ്, സൈൻ). കാഴ്ചക്കാരന് ചിത്രം കാണാൻ കഴിയില്ലെന്ന് കരുതി ഇവയ്ക്ക് അധിക സബ്‌ടൈറ്റിലുകൾ / വിശദീകരണങ്ങൾ ആവശ്യമുണ്ടോ എന്ന് പറയുക. സംഭാഷണം: [...]

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഈ സബ്ടൈറ്റിലുകൾ വിവർത്തനം ചെയ്യുക." (ദൈർഘ്യം, CPS, ലൈൻ നിയമങ്ങൾ ഇല്ല; ഔട്ട്‌പുട്ട് സ്ക്രീനിൽ ചേരില്ല, വായിക്കാൻ കഴിയില്ല.)

Güçlü: "ഈ ഡയലോഗ് ട്രാൻസ്‌ക്രിപ്റ്റ് ടർക്കിഷ് സബ്‌ടൈറ്റിലുകളിലേക്ക് വിവർത്തനം ചെയ്യുക. ഓരോ സബ്‌ടൈറ്റിലും പരമാവധി 2 വരികൾ ആയിരിക്കണം, ഓരോ വരിയിലും 42 പ്രതീകങ്ങൾ; വായനാ വേഗതയ്ക്ക് ആവശ്യമുള്ളപ്പോൾ അർത്ഥം സംരക്ഷിച്ചുകൊണ്ട് അത് ചെറുതാക്കുക. സ്വാഭാവിക ടർക്കിഷ് ഭാഷയിൽ സംസാരിക്കുന്ന ഭാഷ നൽകുക, സ്ലാംഗ് മൃദുവാക്കുക. സമയ കോഡുകൾ തൊടരുത്."

വ്യത്യാസം: ശക്തമായ പ്രോംപ്റ്റ് സബ്ടൈറ്റിലിൻ്റെ സാങ്കേതിക നിയന്ത്രണങ്ങൾ നൽകുന്നു (ലൈൻ, പ്രതീകം, CPS, ടോൺ); ഔട്ട്പുട്ട് യഥാർത്ഥത്തിൽ ഉപയോഗയോഗ്യമായ സബ്ടൈറ്റിലുകളെ സമീപിക്കുന്നു.

AVT ഫോർമാറ്റുകളുടെ താരതമ്യ ചാർട്ട്

ഫോർമാറ്റ്

എന്ത് ചെയ്യുന്നു

AI സംഭാവന

മനുഷ്യ നിർണായക പോയിൻ്റ്

ഉപശീർഷകം

പ്രസംഗം പകർത്തുന്നു

എഎസ്ആർ, വിവർത്തനം, സിപിഎസ്

അനുയോജ്യം, ദൃശ്യ സന്ദർഭം

ഡബ്ബിംഗ്

ടാർഗെറ്റ് ഭാഷയിൽ വോയ്‌സ്ഓവർ

വിവർത്തന ഡ്രാഫ്റ്റ്

ചുണ്ടിൻ്റെ സമന്വയം, അഭിനയം

വോയ്സ് ഓവർ

മുകളിലുള്ള വിവർത്തനം വായിക്കുക

വിവർത്തനം, സമയം

സ്വാഭാവിക ഒഴുക്ക്, ടോൺ

ഓഡിയോ വിവരണം

ശബ്ദം ഉപയോഗിച്ച് ചിത്രം വിവരിക്കുന്നു

ഡ്രാഫ്റ്റ് ടെക്സ്റ്റ്

ദൃശ്യ വ്യാഖ്യാനം (മനുഷ്യൻ)

സാധാരണ തെറ്റുകൾ

• ASR ട്രാൻസ്ക്രിപ്റ്റ് പരിശോധിച്ചുറപ്പിക്കാതെ വിവർത്തനം ചെയ്യുന്നു. ശരിയായ പേര്/നമ്പർ പിശകുകൾ സബ്ടൈറ്റിലിലേക്ക് കൊണ്ടുപോകും.
• വാക്ക് വാക്കിന് വിവർത്തനം ചെയ്ത് സിപിഎസിൽ ചുറ്റിക്കറങ്ങുന്നു. പ്രേക്ഷകർക്ക് വായിക്കാൻ കഴിയില്ല; ഫിറ്റ് ചെയ്യണം.
• ദൃശ്യ സന്ദർഭം അവഗണിക്കുന്നു. സ്‌ക്രീൻ ടെക്‌സ്‌റ്റും പോയിൻ്റഡ് ഒബ്‌ജക്‌റ്റുകളും വിവർത്തനം ചെയ്യപ്പെടാതെ തുടരുന്നു.
• വരി വിഭജനം അർത്ഥശൂന്യമാക്കുന്നു. ഇത് വായനാക്ഷമതയെ നശിപ്പിക്കുന്നു.
• ടോൺ/രജിസ്റ്റർ പരത്തുന്നു. കഥാപാത്രങ്ങളുടെ ഭാഷകളും ഭാഷകളും അപ്രത്യക്ഷമാകുന്നു.

ഡബ്ബിംഗും ലിപ് സിങ്കും

സബ്‌ടൈറ്റിലിങ്ങിൻ്റെ നിയന്ത്രണം വായനാ വേഗതയാണെങ്കിൽ, ഡബ്ബിംഗിൻ്റെ പരിമിതി സമയവും ചുണ്ടുകളുമാണ്. വോയ്‌സ്-ഓവർ വിവർത്തനത്തിൽ മൂന്ന് വ്യത്യസ്ത തരം സമന്വയങ്ങളുണ്ട്: ലിപ്-സമന്വയം - ഇവിടെ വിവർത്തനം കഥാപാത്രത്തിൻ്റെ വായയുടെ ചലനവുമായി പൊരുത്തപ്പെടുന്നു, പ്രത്യേകിച്ച് ക്ലോസപ്പുകളിലെ തുറന്ന സ്വരാക്ഷരങ്ങൾ; ഐസോക്രോണി - വിവർത്തന വരി യഥാർത്ഥ വരിയുടെ അതേ നീളമുള്ളതാണ്, വളരെ ചെറുതോ നീളമോ അല്ല; ആംഗ്യ സമന്വയം - കഥാപാത്രത്തിൻ്റെ കൈകളുടെയും കൈകളുടെയും ചലനങ്ങളുമായി പൊരുത്തപ്പെടുന്നു. അതുകൊണ്ടാണ് ഡബ്ബിംഗ് വിവർത്തകൻ പലപ്പോഴും അർത്ഥം കാത്തുസൂക്ഷിക്കുന്ന, എന്നാൽ തികച്ചും വ്യത്യസ്തമായ വാക്കുകൾ ഉപയോഗിച്ച് "ആകർഷിക്കുന്ന" വരി എഴുതുന്നത്; ഇവിടെ ഉപശീർഷകത്തേക്കാൾ കുറവാണ് വാക്കുകളുടെ വിശ്വസ്തത.

AI-ക്ക് ഒരു റോ വിവർത്തന ഡ്രാഫ്റ്റും ഡബ്ബിംഗിനുള്ള സമയ മുന്നറിയിപ്പും നൽകാൻ കഴിയും ("ഈ വരി ഒറിജിനലിനേക്കാൾ 40% കൂടുതലാണ്, ചുരുക്കുക"). പുതിയ സാങ്കേതികവിദ്യകൾക്ക് ശബ്ദം ക്ലോൺ ചെയ്യാനും സ്വയമേവയുള്ള ഡബ്ബിംഗ് നിർമ്മിക്കാനും കഴിയും; എന്നാൽ അഭിനയം, വികാരം, കഥാപാത്രത്തിൻ്റെ ശ്വസനം, ചുണ്ടുകൾ സമന്വയിപ്പിക്കൽ എന്നിവ ഇപ്പോഴും മനുഷ്യ വിവർത്തകൻ്റെയും ശബ്ദ നടൻ്റെയും ജോലിയാണ്. ഓട്ടോമാറ്റിക് ഡബ്ബിംഗ് ഒരു രൂപരേഖ നൽകുന്നു; കലാപരവും സമന്വയവുമായ തീരുമാനം മനുഷ്യൻ്റേതാണ്. കൂടാതെ, ശബ്ദം ക്ലോൺ ചെയ്ത വ്യക്തിയുടെ സമ്മതം ഒരു പ്രധാന ധാർമ്മികവും നിയമപരവുമായ പ്രശ്നമാണ്.

ചുരുക്കത്തിൽ

കാഴ്ചക്കാരൻ്റെ കണ്ണിൻ്റെയും കാതിൻ്റെയും പരിമിതികൾക്കുള്ളിൽ ടെക്‌സ്‌റ്റ് ഘടിപ്പിക്കുന്ന കലയാണ് ഓഡിയോ വിഷ്വൽ വിവർത്തനം: സബ്‌ടൈറ്റിലിങ്ങിലെ വരി/കഥാപാത്രം/സിപിഎസ് അതിരുകൾ, ഡബ്ബിംഗിലെ ലിപ്-സിൻസിംഗ്, ദൃശ്യ സന്ദർഭം ഇവയിലെല്ലാം നിർണ്ണായക ഘടകമാണ്. എഎസ്ആർ ഉപയോഗിച്ച് ട്രാൻസ്ക്രിപ്ഷൻ, ടൈംകോഡിംഗ്, ട്രാൻസ്ലേഷൻ ഡ്രാഫ്റ്റിംഗ്, CPS പരിശോധന എന്നിവ AI വേഗത്തിലാക്കുന്നു; എന്നാൽ എഎസ്ആർ ശരിയായ പേരുകളിലും ശബ്ദത്തിലും തെറ്റിദ്ധരിക്കപ്പെടുന്നു, അതിന് ചിത്രം കാണാൻ കഴിയില്ല, ഫിറ്റ്-ടോൺ തീരുമാനങ്ങൾ എടുക്കുന്നത് മനുഷ്യനാണ്. മാസ്റ്റർ സബ്‌ടൈറ്റിലർ വാക്കിന് വാക്കിന് വിവർത്തനം ചെയ്യുന്നില്ല; അർത്ഥം സംരക്ഷിക്കുന്ന ഏറ്റവും ഹ്രസ്വവും സ്വാഭാവികവുമായ പദപ്രയോഗം കണ്ടെത്തുന്നു.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ചെറിയ (2-3 മിനിറ്റ്) വീഡിയോ ക്ലിപ്പ് തിരഞ്ഞെടുക്കുക. ഒരു ASR ടൂൾ ഉപയോഗിച്ച് ട്രാൻസ്‌ക്രൈബ് ചെയ്യുക കൂടാതെ "ട്രാൻസ്‌ക്രിപ്ഷൻ വെരിഫിക്കേഷൻ" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് ഓഡിയോ ഉപയോഗിച്ച് അപകടസാധ്യതയുള്ള പ്രദേശങ്ങൾ താരതമ്യം ചെയ്യുകയും ശരിയാക്കുകയും ചെയ്യുക. തുടർന്ന് "സബ്‌ടൈറ്റിൽ വിവർത്തനം" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് CPS ~17 പരിമിതി ഉപയോഗിച്ച് വിവർത്തനം ചെയ്യുക, കൂടാതെ "CPS നിയന്ത്രണം" ഉപയോഗിച്ച് പരിധി കവിയുന്ന സബ്‌ടൈറ്റിലുകൾ ചെറുതാക്കുക. ഒരു സ്‌ക്രീൻ വാചകമോ അടയാളമോ ഉണ്ടെങ്കിൽ, "വിഷ്വൽ സന്ദർഭ പരിശോധന" പ്രയോഗിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ നിർദ്ദിഷ്‌ട പേര്/നമ്പറിനായി വോയ്‌സ് മുഖേന ASR ഡീക്രിപ്ഷൻ പരിശോധിച്ചു.
• [ ] ഞാൻ സബ്‌ടൈറ്റിലുകൾ വരി/കഥാപാത്രം/സിപിഎസ് നിയമങ്ങൾക്കനുസൃതമാക്കി.
• [ ] ഞാൻ അതിനെ ചുരുക്കുകയും സ്വാഭാവികമാക്കുകയും ചെയ്തു, വാക്കിന് വാക്കല്ല, അർത്ഥം സംരക്ഷിച്ചു.
• [ ] ഞാൻ വിഷ്വൽ സന്ദർഭം (ഓൺസ്ക്രീൻ ടെക്സ്റ്റ്, സൈൻ) കണക്കിലെടുത്തിട്ടുണ്ട്.
• [ ] സ്വരത്തിലും സ്വഭാവത്തിലും ഉള്ള വ്യത്യാസങ്ങൾ സംരക്ഷിക്കാൻ ഞാൻ ഇത് വിവർത്തനം ചെയ്തു.