Lợi nhuận:
- Khả năng phù hợp mà vẫn giữ được ý nghĩa bằng cách áp dụng các quy tắc kỹ thuật của phụ đề (dòng, ký tự, CPS)
- Khả năng xác minh lỗi tên và số thích hợp bằng giọng nói đồng thời tăng tốc độ sao chép và mã hóa thời gian tự động với ASR
- Khả năng quản lý các giới hạn của trí tuệ nhân tạo bằng cách tính đến bối cảnh hình ảnh, sự khác biệt về âm sắc và hát nhép trong lồng tiếng
Dịch một bộ phim, phim truyền hình dài tập, video công ty hay khóa học trực tuyến hoàn toàn khác với dịch văn bản thuần túy: thời gian, tốc độ đọc, hình ảnh trên màn hình, giọng nói và cử động môi của nhân vật cũng là những hạn chế. Trong phần này, bạn sẽ học dịch thuật nghe nhìn (phụ đề, lồng tiếng, lồng tiếng), các quy tắc kỹ thuật về phụ đề, phiên âm và mã hóa thời gian được AI hỗ trợ cũng như những cạm bẫy về chất lượng của lĩnh vực này. Mục đích là làm việc giống như một chuyên gia dịch thuật nghe nhìn “phù hợp với mắt và tai của khán giả” hơn là “dịch văn bản”.
Các khái niệm cơ bản
Dịch thuật nghe nhìn (AVT) là dịch thuật nội dung có chứa âm thanh và video; Các hình thức chính là phụ đề, lồng tiếng và mô tả âm thanh. Phụ đề là sự phản ánh của bài phát biểu dưới dạng văn bản trên màn hình. Lồng tiếng là việc lồng lại giọng nói gốc sang ngôn ngữ đích. Thuyết minh là khi âm thanh gốc bị tắt và bản dịch được đọc đè lên (phổ biến trong phim tài liệu).
Hai thuật ngữ kỹ thuật quan trọng của phụ đề: CPS (Ký tự mỗi giây) giới hạn tốc độ phụ đề để người xem có thể đọc thoải mái; Giới hạn trên được chấp nhận chung là khoảng 17 ký tự mỗi giây (thấp hơn đối với nội dung dành cho trẻ em). Timecode là thời gian bắt đầu kết thúc cho biết khi nào phụ đề sẽ xuất hiện và biến mất trên màn hình (chẳng hạn như 00:01:23.400).
Tại sao nó khó? Bởi vì nó có nghĩa là dịch phù hợp với phụ đề. Hai dòng, ~42 ký tự trên mỗi dòng, thời gian sử dụng màn hình tối thiểu ~1 giây và tối đa ~6 giây cũng như giới hạn CPS — bạn cần tuân thủ tất cả những điều này trong khi vẫn duy trì ý nghĩa và giọng điệu. Đó là lý do tại sao dịch phụ đề thường là vấn đề nén và diễn đạt lại chứ không phải dịch từng từ.
Mẹo: Tránh phản xạ “dịch từng chữ” trong phụ đề. Người xem vừa xem vừa đọc hình ảnh; Phụ đề dài quá không đọc được. Việc tìm ra cách diễn đạt tự nhiên ngắn nhất mà vẫn giữ được ý nghĩa chính là tài năng thực sự của người chú thích.
Vai trò của AI trong dịch thuật nghe nhìn
AI tăng tốc đáng kể một số bước trong lĩnh vực này:
- Phiên âm: Với ASR (Nhận dạng giọng nói tự động), giọng nói sẽ được phiên âm tự động. Điều này trích xuất nguồn thô của phụ đề trong vài phút.
- Mã hóa thời gian tự động: Công cụ chia cuộc hội thoại thành các đoạn và tạo mã thời gian nháp.
- Bản dịch nháp: Văn bản bảng điểm được dịch.
- Kiểm soát CPS/độ dài: AI có thể đánh dấu phụ đề nào vượt quá tốc độ đọc và đề xuất rút ngắn.
Nhưng hãy cẩn thận: ASR mắc lỗi về tiếng ồn, giọng nói, cách nói trùng lặp, tên riêng và thuật ngữ kỹ thuật; không thể cung cấp "mô tả âm thanh"; Ai đang nói có thể bị nhầm lẫn. Bản dịch AI không nhìn thấy hình ảnh - nó không thể biết khi nào một vật thể hiển thị trên màn hình được gọi là "cái đó". Do đó, con người xác minh bối cảnh trực quan và giải mã độ chính xác.
Thận trọng: Lỗi phổ biến nhất là cho rằng đầu ra ASR được "giải mã". ASR thường xuyên mắc lỗi, đặc biệt là về tên riêng, số hiệu, nhãn hiệu và thuật ngữ kỹ thuật; phiên âm không chính xác sẽ chuyển sang bản dịch và phụ đề. Hãy chắc chắn xác minh các khu vực quan trọng bằng cách nghe âm thanh.
Quy tắc định dạng phụ đề
Các quy tắc chung (thay đổi tùy theo nền tảng):
- ~37-42 ký tự trên mỗi dòng, tối đa 2 dòng.
- Thời lượng: ~1-6 giây; Tránh phụ đề "flash" quá ngắn.
- CPS không vượt quá ~17 (nội dung người lớn).
- Ngắt câu ở chỗ hợp lý (không để "và" hoặc "nhưng" ở cuối dòng).
- Nếu có thể, đừng bỏ qua phần cắt cảnh (thay đổi cảnh quay).
- Tuân thủ các quy tắc nền tảng đối với các mục như chửi thề, bài hát, viết màn hình.
ba trường hợp nhỏ
Trường hợp 1 - ASR + chỉnh sửa hậu kỳ được tăng tốc 60%. Đầu tiên, một nhóm đã phiên âm và mã hóa thời gian cho một bộ phim tài liệu dài 45 phút bằng ASR, sau đó dịch và chỉnh sửa hậu kỳ. Thời gian giảm 60% so với sao chép + thời gian mã hóa từ đầu. Nhưng tất cả tên riêng và số đều được sửa bằng cách so sánh âm thanh.
Trường hợp 2 - CPS kiểm tra khả năng đọc đã lưu. Bản dịch đầu tiên của video hướng dẫn có phụ đề rất chính xác nhưng CPS trung bình là 24 — khán giả không thể theo kịp. Một đợt rút ngắn được hỗ trợ bởi AI đã rút ngắn phụ đề 30%, giảm CPS xuống 16; ý nghĩa được bảo tồn, khả năng đọc đã đến.
Trường hợp 3 - Lỗi ngữ cảnh trực quan. Trong bản dịch dựa trên ASR, một ký tự chỉ vào một ký hiệu trên màn hình và nói "đọc cái đó"; AI dịch là "đọc rồi", nhưng dòng chữ trên tấm biển không được dịch nên người xem không thấy được nội dung cần đọc. Người phụ đề đã thêm chú thích riêng cho chú thích màn hình; Người nhìn thấy hình ảnh đã tạo nên sự khác biệt.
Bốn mẫu có thể sao chép
1) Danh sách xác minh phiên âm (ASR):
Dưới đây là bản sao tự động của video. Đánh dấu các lỗi có thể xảy ra trong bản phiên âm: tên riêng, tên thương hiệu, con số, thuật ngữ kỹ thuật, câu mơ hồ/chưa đầy đủ. Liệt kê những điều này là "xác minh bằng giọng nói". Đừng dịch. Phiên âm: […]
2) Dịch phụ đề (giới hạn CPS/độ dài):
Dịch phần phiên âm sau sang phụ đề [ngôn ngữ đích]. HẠN CHẾ: mỗi phụ đề tối đa 2 dòng, dòng ~42 ký tự, CPS không vượt quá ~17. RÚT GỌN và nhập tịch mà vẫn giữ nguyên ý nghĩa; không dịch từng chữ. Bảo quản mã thời gian. Phiên âm + mã thời gian: […]
3) Kiểm tra CPS/khả năng đọc:
Tính toán CPS gần đúng dựa trên thời lượng và số ký tự cho từng phụ đề sau. Đánh dấu bất kỳ số nào vượt quá 17 và đề xuất một giải pháp thay thế ngắn hơn mà vẫn giữ nguyên ý nghĩa. Phụ đề (văn bản | thời lượng giây): […]
4) Kiểm tra ngữ cảnh văn bản/hình ảnh trên màn hình:
Trong đoạn hội thoại sau, hãy đánh dấu những vị trí có thể liên quan đến hình ảnh (văn bản trên màn hình, vật nhọn, ký hiệu). Cho biết liệu có cần thêm phụ đề / giải thích cho những nội dung này hay không, giả sử rằng người xem không thể nhìn thấy hình ảnh. Đối thoại: […]
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Dịch những phụ đề này." (Không có độ dài, CPS, quy tắc dòng; đầu ra sẽ không vừa với màn hình, không thể đọc được.)
Güçlü: "Dịch đoạn hội thoại này sang phụ đề tiếng Thổ Nhĩ Kỳ. Mỗi phụ đề tối đa 2 dòng, 42 ký tự mỗi dòng; rút ngắn nhưng vẫn giữ nghĩa khi cần thiết để tăng tốc độ đọc. Nói ngôn ngữ bằng tiếng Thổ Nhĩ Kỳ tự nhiên, giảm nhẹ tiếng lóng. Không chạm vào mã thời gian."
Sự khác biệt: dấu nhắc mạnh đưa ra các ràng buộc kỹ thuật của phụ đề (dòng, ký tự, CPS, âm điệu); đầu ra thực sự đạt đến phụ đề có thể sử dụng được.
Biểu đồ so sánh các định dạng AVT
định dạng
làm gì
Đóng góp của AI
điểm quan trọng của con người
phụ đề
Phiên âm bài phát biểu
ASR, dịch thuật, CPS
Bối cảnh trực quan, phù hợp
lồng tiếng
Thuyết minh bằng ngôn ngữ đích
bản dịch dự thảo
hát nhép, diễn xuất
lồng tiếng
Đọc bản dịch ở trên
Dịch thuật, thời gian
Dòng chảy tự nhiên, giai điệu
Mô tả âm thanh
Mô tả hình ảnh bằng âm thanh
văn bản dự thảo
Giải thích trực quan (con người)
Những lỗi thường gặp
- Dịch bảng điểm ASR mà không xác minh nó. Lỗi tên/số thích hợp được chuyển sang phụ đề.
- Dịch từng từ và tìm hiểu về CPS. Khán giả không thể đọc được; phải được thực hiện phù hợp.
- Bỏ qua bối cảnh trực quan. Văn bản trên màn hình và các đối tượng nhọn vẫn chưa được dịch.
- Làm cho việc chia dòng trở nên vô nghĩa. Nó làm hỏng khả năng đọc.
- Làm phẳng giai điệu/đăng ký. Tiếng địa phương và tiếng lóng của các nhân vật biến mất.
Lồng tiếng và hát nhép
Trong khi hạn chế của phụ đề là tốc độ đọc thì hạn chế của việc lồng tiếng là thời gian và môi. Có ba kiểu đồng bộ riêng biệt trong bản dịch lồng tiếng: nhép - trong đó bản dịch khớp với cử động miệng của nhân vật, đặc biệt là các nguyên âm mở khi quay cận cảnh; isochrony - dòng dịch có cùng độ dài với dòng gốc, không quá ngắn cũng không quá dài; đồng bộ cử chỉ - khớp những gì được nói với chuyển động bàn tay và cánh tay của nhân vật. Chính vì vậy mà người dịch lồng tiếng thường viết những câu thoại “bắt tai”, giữ nguyên nghĩa nhưng lại dùng từ hoàn toàn khác; Độ trung thực của từ thậm chí còn kém hơn phụ đề ở đây.
AI có thể cung cấp bản dịch thô và cảnh báo thời gian lồng tiếng ("dòng này dài hơn bản gốc 40%, hãy rút ngắn lại"). Các công nghệ mới thậm chí có thể sao chép âm thanh và tạo ra lồng tiếng tự động; nhưng diễn xuất, cảm xúc, tinh chỉnh hơi thở và hát nhép của nhân vật vẫn là công việc của con người phiên dịch và lồng tiếng. Lồng tiếng tự động cung cấp một bản phác thảo; Sự quyết định mang tính nghệ thuật và đồng bộ là của con người. Ngoài ra, sự đồng ý của người được nhân bản giọng nói là một vấn đề đạo đức và pháp lý quan trọng.
Tóm lại
Dịch nghe nhìn là nghệ thuật điều chỉnh văn bản phù hợp với giới hạn của mắt và tai người xem: ranh giới dòng/ký tự/CPS trong phụ đề, hát nhép trong lồng tiếng, ngữ cảnh trực quan là yếu tố quyết định tất cả những dịch vụ đó. AI tăng tốc độ phiên âm, mã hóa thời gian, soạn thảo bản dịch và kiểm tra CPS bằng ASR; Nhưng ASR bị nhầm lẫn về tên riêng và tiếng ồn, nó không thể nhìn thấy hình ảnh và việc quyết định tông màu phù hợp là do con người đưa ra. Người phụ đề chính không dịch từng chữ; tìm ra cách diễn đạt ngắn nhất, tự nhiên nhất mà vẫn giữ được ý nghĩa.
Nhiệm vụ ứng dụng
Chọn một đoạn video ngắn (2-3 phút). Phiên âm bằng công cụ ASR, đồng thời so sánh và sửa các khu vực có rủi ro trong âm thanh bằng mẫu "xác minh phiên âm". Sau đó dịch với ràng buộc CPS ~17 bằng mẫu "dịch phụ đề" và rút ngắn phụ đề vượt quá giới hạn bằng "điều khiển CPS". Nếu có văn bản hoặc ký hiệu trên màn hình, hãy áp dụng "kiểm tra ngữ cảnh trực quan".
danh sách kiểm tra
- [ ] Tôi đã xác minh việc giải mã ASR bằng giọng nói cho tên/số cụ thể.
- [ ] Tôi đã làm cho phụ đề phù hợp với quy tắc dòng/ký tự/CPS.
- [ ] Tôi rút gọn và nhập tịch, không phải từng chữ, giữ nguyên ý nghĩa.
- [ ] Tôi đã tính đến bối cảnh trực quan (văn bản trên màn hình, ký tên).
- [ ] Tôi dịch nó để giữ lại sự khác biệt trong giọng điệu và tính cách.