فائدہ:
- سب ٹائٹل (لائن، کریکٹر، سی پی ایس) کے تکنیکی اصولوں کو لاگو کرکے معنی کو محفوظ رکھتے ہوئے فٹ ہونے کی صلاحیت
- ASR کے ساتھ ٹرانسکرپشن اور خودکار ٹائم کوڈنگ کو تیز کرتے ہوئے آواز کے ذریعے مناسب نام اور نمبر کی غلطیوں کی تصدیق کرنے کی اہلیت
- بصری سیاق و سباق، ٹونل فرق اور ڈبنگ میں ہونٹ سنک کو مدنظر رکھتے ہوئے مصنوعی ذہانت کی حدود کو منظم کرنے کی صلاحیت
فلم، ٹی وی سیریز، کارپوریٹ ویڈیو یا آن لائن کورس کا ترجمہ سادہ متن کا ترجمہ کرنے سے یکسر مختلف ہے: وقت، پڑھنے کی رفتار، آن اسکرین امیج، آواز اور کرداروں کی ہونٹوں کی حرکت بھی رکاوٹیں ہیں۔ اس یونٹ میں، آپ آڈیو وژوئل ترجمہ (سب ٹائٹلنگ، ڈبنگ، وائس اوور)، سب ٹائٹلنگ کے تکنیکی اصول، AI سے تعاون یافتہ ٹرانسکرپشن اور ٹائم کوڈنگ، اور اس فیلڈ کے معیار کے نقصانات سیکھیں گے۔ اس کا مقصد ایک آڈیو وژوئل ترجمہ ماہر کی طرح کام کرنا ہے جو "متن کا ترجمہ کرنے" کے بجائے "سامعین کی آنکھوں اور کانوں میں فٹ بیٹھتا ہے"۔
بنیادی تصورات
آڈیو ویژول ترجمہ (AVT) آڈیو اور ویڈیو پر مشتمل مواد کا ترجمہ ہے۔ اہم شکلیں سب ٹائٹلنگ، ڈبنگ اور آڈیو کی تفصیل ہیں۔ ذیلی عنوان اسکرین پر تحریری شکل میں تقریر کی عکاسی ہے۔ ڈبنگ اصل آواز کو ہدف کی زبان میں دوبارہ ڈب کرنا ہے۔ وائس اوور وہ ہوتا ہے جب اصل آواز کو خاموش کر دیا جاتا ہے اور اس پر ترجمہ پڑھا جاتا ہے (دستاویزی فلموں میں عام)۔
سب ٹائٹلنگ کی دو اہم تکنیکی اصطلاحات: CPS (حروف فی سیکنڈ) سب ٹائٹلنگ کی رفتار کو محدود کرتا ہے تاکہ ناظر اسے آرام سے پڑھ سکے۔ عام طور پر قبول شدہ بالائی حد تقریباً 17 حروف فی سیکنڈ ہے (بچوں کے مواد کے لیے کم)۔ ٹائم کوڈ شروع کا اختتامی وقت ہے جو اس بات کی نشاندہی کرتا ہے کہ سب ٹائٹل کب ظاہر ہوگا اور اسکرین پر غائب ہوگا (جیسے 00:01:23،400)۔
یہ مشکل کیوں ہے؟ کیونکہ اس کا مطلب ہے سب ٹائٹلز میں ترجمہ فٹ کرنا۔ دو لائنیں، ~42 حروف فی سطر، کم از کم ~1 سیکنڈ اور زیادہ سے زیادہ ~6 سیکنڈ اسکرین ٹائم، اور CPS کی حد — آپ کو معنی اور لہجے کو برقرار رکھتے ہوئے ان سب کی تعمیل کرنے کی ضرورت ہے۔ اسی لیے ذیلی عنوان کا ترجمہ اکثر کمپریشن اور ریفریجنگ کا معاملہ ہوتا ہے، لفظ بہ لفظ ترجمہ نہیں۔
مشورہ: سب ٹائٹلز میں "ہر لفظ کا ترجمہ" کے اضطراب سے گریز کریں۔ ناظرین تصویر کو دیکھتا اور پڑھتا ہے۔ بہت لمبے سب ٹائٹلز کو پڑھا نہیں جا سکتا۔ مختصر ترین فطری اظہار تلاش کرنا جو معنی کو محفوظ رکھتا ہے عنوان دینے والے کی حقیقی مہارت ہے۔
آڈیو وژوئل ترجمہ میں AI کا کردار
AI نمایاں طور پر اس علاقے میں کئی مراحل کو تیز کرتا ہے:
- ٹرانسکرپشن: ASR (خودکار اسپیچ ریکگنیشن) کے ساتھ، آواز خود بخود نقل ہو جاتی ہے۔ یہ سب ٹائٹل کے خام ماخذ کو منٹوں میں نکالتا ہے۔
- خودکار ٹائم کوڈنگ: ٹولز گفتگو کو حصوں میں تقسیم کرتے ہیں اور ڈرافٹ ٹائم کوڈ تیار کرتے ہیں۔
- ترجمہ کا مسودہ: نقل کا متن ترجمہ کیا جاتا ہے۔
- CPS/لمبائی کنٹرول: AI نشان زد کر سکتا ہے کہ کون سا ذیلی عنوان پڑھنے کی رفتار سے زیادہ ہے اور اسے مختصر کرنے کا مشورہ دیتا ہے۔
لیکن ہوشیار رہیں: شور، لہجہ، اوور لیپنگ تقریر، مناسب نام، اور تکنیکی اصطلاحات پر ASR کی غلطیاں؛ "آڈیو تفصیل" فراہم نہیں کر سکتا؛ کون بات کر رہا ہے وہ الجھ سکتا ہے۔ AI ترجمہ تصویر کو نہیں دیکھتا ہے - یہ نہیں جان سکتا کہ اسکرین پر دکھائی جانے والی کسی چیز کو کب "وہ" کہا جاتا ہے۔ لہذا، انسان بصری سیاق و سباق اور سمجھنے کی درستگی کی تصدیق کرتا ہے۔
احتیاط: سب سے عام غلطی یہ سوچنا ہے کہ ASR آؤٹ پٹ "ڈی کوڈ" ہے۔ ASR اکثر غلطیاں کرتا ہے، خاص طور پر مناسب ناموں، نمبروں، برانڈ ناموں اور تکنیکی اصطلاحات میں؛ ایک غلط ٹرانسکرپشن ترجمہ اور سب ٹائٹلنگ تک لے جاتا ہے۔ آڈیو سن کر اہم علاقوں کی تصدیق کرنا یقینی بنائیں۔
ذیلی عنوان کی شکل کے قواعد
عام اصول (پلیٹ فارم کے لحاظ سے مختلف ہوتے ہیں):
- ~37-42 حروف فی لائن، زیادہ سے زیادہ 2 لائنیں۔
- دورانیہ: ~1-6 سیکنڈ؛ بہت مختصر "فلیش" سب ٹائٹلز سے پرہیز کریں۔
- CPS ~17 (بالغ مواد) سے زیادہ نہ ہو۔
- جملے کو توڑ دیں جہاں یہ معنی رکھتا ہے (لائن کے آخر میں "اور" یا "لیکن" کو مت چھوڑیں)۔
- اگر ممکن ہو تو، منظر کاٹنا (شاٹ کی تبدیلی) کو مت چھوڑیں۔
- حلف برداری، گانے، اسکرین رائٹنگ جیسی اشیاء کے لیے پلیٹ فارم کے اصولوں پر عمل کریں۔
تین چھوٹے مقدمات
کیس 1 - ASR + پوسٹ ایڈیٹ میں 60% کی رفتار بڑھ گئی۔ ایک ٹیم نے پہلے ASR کے ساتھ 45 منٹ کی دستاویزی فلم کو نقل کیا اور ٹائم کوڈ کیا، پھر اس کا ترجمہ اور پوسٹ ایڈٹ کیا۔ شروع سے ٹرانسکرائب + ٹائم کوڈنگ کے مقابلے وقت میں 60% کمی واقع ہوئی۔ لیکن تمام مناسب ناموں اور نمبروں کو صوتی موازنہ کے ذریعہ درست کیا گیا تھا۔
کیس 2 - CPS چیک محفوظ شدہ پڑھنے کی اہلیت۔ سب ٹائٹلز کے ساتھ تدریسی ویڈیو کا پہلا ترجمہ درست تھا، لیکن CPS کی اوسط 24 تھی — سامعین برقرار نہیں رہ سکے۔ AI سے چلنے والے مختصر کرنے کے ایک دور نے ذیلی عنوانات کو 30% تک مختصر کر دیا، جس سے CPS کو 16 تک کم کر دیا گیا۔ معنی محفوظ تھے، پڑھنے کی اہلیت آگئی۔
کیس 3 - بصری سیاق و سباق کی خرابی۔ ASR پر مبنی ترجمے میں، ایک کردار نے اسکرین پر ایک نشان کی طرف اشارہ کیا اور کہا کہ "پڑھ لو"؛ AI نے اس کا ترجمہ "اسے پڑھو" کے طور پر کیا، لیکن نشانی پر موجود متن کا ترجمہ نہیں کیا گیا، اس لیے ناظر یہ نہیں دیکھ سکتا تھا کہ کیا پڑھنا ہے۔ کیپشنر نے اسکرین کیپشن کے لیے ایک الگ کیپشن شامل کیا۔ جس شخص نے تصویر دیکھی اس نے فرق بنا دیا۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) ٹرانسکرپشن (ASR) تصدیقی فہرست:
ذیل میں ویڈیو کا خودکار ٹرانسکرپشن ہے۔ نقل میں ممکنہ غلطیوں کو نشان زد کریں: مناسب نام، برانڈ نام، نمبر، تکنیکی اصطلاحات، مبہم/نامکمل جملے۔ ان کی فہرست بطور "آواز سے تصدیق کریں"۔ ترجمہ نہ کریں۔ نقل کریں: [...]
2) ذیلی عنوان کا ترجمہ (CPS/لمبائی محدود):
مندرجہ ذیل ٹرانسکرپشن کا [ٹارگٹ لینگوئج] سب ٹائٹلز میں ترجمہ کریں۔ پابندی: ہر ذیلی عنوان کو زیادہ سے زیادہ 2 لائنیں، لائن ~42 حروف، CPS ~17 سے زیادہ نہیں ہونی چاہیے۔ معنی کو محفوظ رکھتے ہوئے مختصر اور قدرتی بنائیں۔ لفظ بہ لفظ ترجمہ نہ کریں۔ ٹائم کوڈز کو محفوظ کریں۔ ٹرانسکرپشن + ٹائم کوڈز: [...]
3) CPS/پڑھنے کی اہلیت کی جانچ:
درج ذیل ذیلی عنوانات میں سے ہر ایک کے لیے دورانیے اور کریکٹر کی گنتی کی بنیاد پر تخمینی CPS کا حساب لگائیں۔ 17 سے زیادہ کسی کو نشان زد کریں اور ایک چھوٹا متبادل تجویز کریں جو معنی کو محفوظ رکھے۔ ذیلی عنوانات (متن | دورانیہ سیکنڈ): [...]
4) اسکرین ٹیکسٹ / بصری سیاق و سباق کی جانچ:
مندرجہ ذیل ڈائیلاگ میں، ان جگہوں کو نشان زد کریں جو تصویر کا حوالہ دے سکتے ہیں (اسکرین ٹیکسٹ، نوک دار چیز، نشان)۔ کہیں کہ آیا ان کے لیے اضافی ذیلی عنوانات/ وضاحتیں درکار ہیں، یہ فرض کرتے ہوئے کہ دیکھنے والا تصویر نہیں دیکھ سکتا۔ مکالمہ: [...]
کمزور فوری / مضبوط اشارہ
کمزور: "ان سب ٹائٹلز کا ترجمہ کریں۔" (کوئی لمبائی، CPS، لائن کے اصول نہیں؛ آؤٹ پٹ اسکرین پر فٹ نہیں ہوگا، ناقابل پڑھا جا سکتا ہے۔)
Güçlü: "اس ڈائیلاگ ٹرانسکرپٹ کا ترکش سب ٹائٹلز میں ترجمہ کریں۔ ہر سب ٹائٹل زیادہ سے زیادہ 2 لائنوں، 42 حروف فی سطر کا ہونا چاہیے؛ پڑھنے کی رفتار کے لیے ضروری ہونے پر معنی کو محفوظ رکھتے ہوئے اسے چھوٹا کریں۔ بولی جانے والی زبان کو قدرتی ترکی میں دیں، سلیگ کو نرم کریں۔ ٹائم کوڈز کو مت چھوئیں۔"
فرق: مضبوط پرامپٹ ذیلی عنوان کی تکنیکی رکاوٹیں دیتا ہے (لائن، کردار، سی پی ایس، ٹون)؛ آؤٹ پٹ دراصل قابل استعمال سب ٹائٹلز تک پہنچتا ہے۔
اے وی ٹی فارمیٹس کا موازنہ چارٹ
فارمیٹ
کیا کرتا ہے
AI کی شراکت
انسانی نازک نقطہ
ذیلی عنوان
تقریر کو نقل کرتا ہے۔
ASR، ترجمہ، CPS
فٹ، بصری سیاق و سباق
ڈبنگ
ہدف کی زبان میں وائس اوور
ترجمہ کا مسودہ
ہونٹ کی مطابقت پذیری، اداکاری
وائس اوور
اوپر ترجمہ پڑھیں
ترجمہ، ٹائمنگ
قدرتی بہاؤ، لہجہ
آڈیو کی تفصیل
تصویر کو آواز کے ساتھ بیان کرتا ہے۔
مسودہ متن
بصری تشریح (انسانی)
عام غلطیاں
- بغیر تصدیق کیے ASR ٹرانسکرپٹ کا ترجمہ کرنا۔ مناسب نام/نمبر کی غلطیاں سب ٹائٹل تک پہنچ جاتی ہیں۔
- لفظ بہ لفظ ترجمہ کرنا اور CPS کے ارد گرد جانا۔ سامعین پڑھ نہیں سکتے۔ فٹ ہونا ضروری ہے.
- بصری سیاق و سباق کو نظر انداز کرنا۔ اسکرین ٹیکسٹ اور نوکدار اشیاء کا ترجمہ نہیں کیا گیا ہے۔
- لائن کی تقسیم کو بے معنی بنانا۔ یہ پڑھنے کی اہلیت کو خراب کرتا ہے۔
- لہجے/رجسٹر کو ہموار کرنا۔ کرداروں کی بولیاں اور بولیاں ختم ہو جاتی ہیں۔
ڈبنگ اور ہونٹ سنک
جبکہ سب ٹائٹل کی پابندی پڑھنے کی رفتار ہے، ڈبنگ کی پابندی وقت اور ہونٹ ہے۔ وائس اوور ترجمے میں مطابقت پذیری کی تین الگ قسمیں ہیں: لپ سنک — جہاں ترجمہ کردار کے منہ کی حرکت سے میل کھاتا ہے، خاص طور پر کلوز اپس میں کھلے سروں سے۔ isochrony - ترجمے کی لائن اصل لائن کی لمبائی کے برابر ہے، نہ بہت چھوٹی اور نہ بہت لمبی؛ اشاروں کی مطابقت پذیری - کردار کے ہاتھ اور بازو کی حرکت کے ساتھ جو کہا جاتا ہے اس سے میل کھاتا ہے۔ یہی وجہ ہے کہ ڈبنگ مترجم اکثر ایک "دلکش" لائن لکھتا ہے جو معنی کو محفوظ رکھتا ہے لیکن بالکل مختلف الفاظ کے ساتھ؛ لفظ کی مخلصی یہاں ذیلی عنوان سے بھی کم ہے۔
AI خام ترجمہ کا مسودہ اور ڈبنگ کے لیے وقت کی وارننگ فراہم کر سکتا ہے ("یہ لائن اصل سے 40% لمبی ہے، اسے مختصر کریں")۔ نئی ٹیکنالوجیز آواز کا کلون اور خودکار ڈبنگ بھی بنا سکتی ہیں۔ لیکن اداکاری، جذبات، کردار کی سانسوں کو ٹھیک کرنا اور ہونٹوں کو ہم آہنگ کرنا اب بھی انسانی مترجم اور آواز اداکار کا کام ہے۔ خودکار ڈبنگ ایک خاکہ فراہم کرتی ہے۔ فنکارانہ اور ہم آہنگی کا فیصلہ انسان کا ہے۔ مزید برآں، جس شخص کی آواز کلون کی گئی ہے اس کی رضامندی ایک اہم اخلاقی اور قانونی مسئلہ ہے۔
خلاصہ میں
آڈیو ویژوئل ترجمہ ناظرین کی آنکھ اور کان کی پابندیوں کے اندر متن کو فٹ کرنے کا فن ہے: ذیلی عنوان میں لائن/کریکٹر/سی پی ایس کی حدود، ڈبنگ میں ہونٹ کی مطابقت پذیری، بصری سیاق و سباق ان سب کا تعین کرنے والا عنصر ہے۔ اے آئی اے ایس آر کے ساتھ ٹرانسکرپشن، ٹائم کوڈنگ، ٹرانسلیشن ڈرافٹنگ، اور سی پی ایس چیکنگ کو تیز کرتا ہے۔ لیکن ASR مناسب ناموں اور شور میں غلط ہے، یہ تصویر نہیں دیکھ سکتا اور فٹ ٹون فیصلے انسان کرتے ہیں۔ ماسٹر سب ٹائٹلر لفظ کے بدلے لفظ کا ترجمہ نہیں کرتا ہے۔ سب سے مختصر، سب سے زیادہ فطری اظہار تلاش کرتا ہے جو معنی کو محفوظ رکھتا ہے۔
درخواست کا کام
ایک مختصر (2-3 منٹ) ویڈیو کلپ کا انتخاب کریں۔ ASR ٹول کے ساتھ نقل کریں اور "ٹرانسکرپشن کی تصدیق" ٹیمپلیٹ کے ساتھ آڈیو کے ساتھ خطرناک علاقوں کا موازنہ اور درست کریں۔ پھر "سب ٹائٹل ٹرانسلیشن" ٹیمپلیٹ کے ساتھ CPS ~17 رکاوٹ کے ساتھ ترجمہ کریں اور "CPS کنٹرول" کے ساتھ حد سے تجاوز کرنے والے سب ٹائٹلز کو چھوٹا کریں۔ اگر اسکرین کا متن یا نشان ہے تو، "بصری سیاق و سباق کی جانچ" کا اطلاق کریں۔
چیک لسٹ
- میں نے مخصوص نام/نمبر کے لیے آواز کے ذریعے ASR ڈکرپشن کی تصدیق کی۔
- میں نے سب ٹائٹلز کو لائن/کریکٹر/CPS اصولوں کے اندر فٹ کر دیا ہے۔
- [ ] میں نے اسے مختصر کیا اور قدرتی بنایا، لفظ کے بدلے نہیں، معنی کو محفوظ رکھتے ہوئے۔
- میں نے بصری سیاق و سباق (آن اسکرین ٹیکسٹ، سائن) کو مدنظر رکھا۔
- میں نے اس کا ترجمہ لہجے اور کردار کے فرق کو برقرار رکھنے کے لیے کیا۔