Hvad gør en god undertekst? Læsehastighed, linjeskift og timing forklaret

Alle tekstningsværktøjer på markedet giver de samme to løfter: hastighed og nøjagtighed. Undertekster på sekunder. Nogleoghalvfems procent ordnøjagtighed.

De bedste undertekster er dem, du aldrig lægger mærke til. Denne guide gennemgår de håndværksstandarder, der gør det muligt: læsehastighed, linjelængde, linjeskift, timing — og skønnet ind imellem. Det er de samme standarder, som streamingtjenester og tv-stationer bruger, og de gælder lige så meget for et 40 sekunders klip til sociale medier som for en spillefilm.

De tre egenskaber ved en undertekst, der virker

En god undertekst er:

  1. Nøjagtig — den siger det, der blev sagt.
  2. Synkroniseret — den kommer, når ordene siges, og forsvinder, når de er slut.
  3. Læsbar — seeren når at læse den færdig i ro og mag, før den forsvinder, uden at miste billedet.

Automatisk talegenkendelse har i al væsentlighed løst den første egenskab. Timing-motorer klarer den anden nogenlunde. Den tredje — læsbarheden — er der, hvor næsten al automatisk tekstning stadig falder, fordi læsbarhed ikke er et transskriptionsproblem. Det er et typografi- og tidsproblem. Resten af denne guide handler om at løse det.

Læsehastighed: tallet, der styrer alt

Læsehastighed er et af de vigtigste mål for undertekstkvalitet. Den udtrykkes normalt som tegn pr. sekund (CPS) og beregnes ved at dividere antallet af tegn i en undertekst, inklusive mellemrum og tegnsætning, med den tid, den bliver på skærmen. I praksis holdes professionelle undertekster typisk omkring 15-17 CPS, mens 20 CPS almindeligvis behandles som en øvre grænse for voksne seere. Traditionel europæisk tekstning har ofte brugt et roligere tempo omkring 12 CPS, mens retningslinjer fra tv-stationer som BBC typisk svarer til cirka 15-17 CPS. En simpel tommelfingerregel: ganger du CPS med 10,5, får du omtrent antallet af ord pr. minut. 12 CPS er cirka 125 ord i minuttet, 17 CPS omkring 180, og 20 CPS er et krævende tempo, der bør bruges sparsomt.

Den vigtige pointe er, at den maksimale læsehastighed ikke må blive standardmålet. At lægge sig konsekvent tæt på den øvre grænse er trættende og tvinger seeren til at bruge mere opmærksomhed på at læse end på selve videoen. At sigte mod omkring 15-17 CPS giver plads til hurtigere passager i dialogen uden at gøre hele oplevelsen unødigt anstrengende. At læse undertekster er desuden noget andet end at læse almindelig tekst: seeren kan ikke sænke tempoet, gå tilbage eller skimme i eget tempo, fordi hver undertekst forsvinder på et fast tidspunkt. Når underteksterne kører for hurtigt, når seeren simpelthen ikke at læse dem færdige — og så er for høj læsehastighed et funktionelt tilgængelighedsproblem, ikke bare et spørgsmål om stil.

Formen: to linjer, ~42 tegn, ingen strandede ord

Den fysiske form på en undertekst er bemærkelsesværdigt standardiseret:

  • Højst to linjer pr. undertekst. Undertekster på tre linjer dækker for meget af billedet og tvinger blikket til at skanne lodret igen.
  • Højst ~42 tegn pr. linje for sprog med latinsk skrift — Netflix’ tal, som nu er de facto branchenorm. Sendetraditioner bygget på tekst-tv brugte 37, og mange tv-stationer gør det stadig.
  • Hold dig til én linje, når teksten kan være der. En anden linje er en nødvendighed, ikke en standardindstilling.
  • Balancér linjerne. Når du er nødt til at bryde i to linjer, så sigt efter nogenlunde samme længde. Undgå det “strandede” ord — én lang linje med et enkelt ensomt ord under. Hvor en helt jævn deling ikke er mulig, foretrækkes normalt en lidt kortere øverste linje: den holder blokken kompakt og dækker mindre af billedet.

Disse grænser findes af samme grund som hastighedsgrænsen: øjet skal nå både teksten og billedet inden for de samme sekunder. Korte, forudsigelige former gør den tur hurtig.

Linjeskift: følg grammatikken, ikke linealen

Her adskiller god tekstning sig tydeligst fra automatisk output. Hvor en linje brydes, betyder lige så meget som, hvor lang den er, fordi vi læser tekst i grammatiske enheder. Et brud midt i en enhed tvinger hjernen til at holde en ufuldstændig struktur åben hen over springet — en bitte lille anstrengelse, ganget med hver eneste undertekst i videoen.

Reglen: adskil aldrig ord, der hører til samme grammatiske enhed.

Hold sammen:

  • Artikel + substantiv (en / rapport ✗)
  • Præposition + styrelse (til / udvalgsformanden ✗)
  • Verbum + hjælpeverbum eller partikel (har / afsluttet, give / op ✗)
  • Fornavn + efternavn, tal + enhed, datoer

Dårligt brud (deler præpositionsforbindelsen):

Hun afleverede rapporten til udvalgsformanden før afstemningen.

Godt brud (hver linje er en hel enhed):

Hun afleverede rapporten til udvalgsformanden før afstemningen.

Dårligt brud (river verbet fra objektet):

Efter mødet besluttede vi at udskyde lanceringen til foråret.

Godt brud:

Efter mødet besluttede vi at udskyde lanceringen til foråret.

Læg mærke til, at de gode versioner ikke er kortere — de er blot brudt der, hvor sætningen selv trækker vejret. Det er hele princippet. Når en sætning tilbyder et komma, en sætningsgrænse eller en naturlig pause, så bryd der. Linealen er en begrænsning, ikke en rettesnor.

Timing: hvornår underteksten lever, og hullerne imellem

Fire tal styrer underteksternes timing:

  • Mindste varighed: ~0,8-1 sekund. Selv en undertekst, der bare siger “Ja.”, har brug for tid til at blive opdaget, fikseret og læst. Netflix’ gulv er ⅚ sekund (cirka 833 ms); noget kortere registreres som et blink.
  • Længste varighed: 6-7 sekunder. Derudover læser seeren færdig, læser igen og begynder at spekulere på, om afspilleren er frosset. Varer talen længere, så del underteksten op.
  • Synkronisér til talens start. Underteksten bør komme, i det ordene begynder — en brøkdel for tidligt tolereres, mærkbart for sent gør ikke, fordi seeren hører stemmen og kigger ned efter tekst, der ikke er der endnu.
  • Hul mellem på hinanden følgende undertekster: ~2 billeder (80-120 ms). Dette er usynligt og helt nødvendigt. Når én undertekst øjeblikkeligt erstattes af den næste uden hul, opfanger øjet ofte ikke, at teksten overhovedet skiftede — især hvis de to blokke ligner hinanden i form. Et blink på to billeder fortæller læseren: ny tekst, begynd forfra. Professionel tekstning indsætter disse mikrohuller overalt; rå automatisk tekstning gør det næsten aldrig.

Og én finesse, der adskiller arbejde i sendekvalitet fra resten: respektér klippene. En undertekst, der hænger hen over et klip, bliver som regel læst om — scenen skiftede, så hjernen antager, at teksten gjorde det samme. Hvor timingen tillader det, så afslut underteksten ved klippet eller lad den løbe et godt stykke forbi; lad den ikke ligge nogle få billeder på tværs af klippet.

Én tanke pr. undertekst

Ud over mekanikken er der segmenteringen: hvad der skal ligge i hver blok. Princippet er, at hver undertekst skal være en selvstændig betydningsenhed — en sætning eller en fuldstændig ledsætning af en.

  • Foretræk hele sætninger pr. blok. Når en sætning må strække sig over to blokke, så del ved en sætningsgrænse, og lad den første blok slutte ved en naturlig pause.
  • Tag ikke to eller tre strandede ord med over i en ny undertekst. Er halen af en sætning så kort, så balancér delingen om.
  • I dialog: bland ikke slutningen på én talers sætning med starten på en andens i samme blok, medmindre du bevidst former en undertekst med to talere (med tankestreger).

Dårlig segmentering er grunden til, at nogle tekstspor føles uforklarligt trættende, selv når hver enkelt blok er kort: snittene lander midt i tanken, så hver blok efterlader læseren hængende.

Ordret eller redigeret? Et ærligt svar

Virkelig tale er fuld af falske starter, fyldord og gentagelser: “Så, øh, jeg tror – jeg tror, det vi nok bør gøre, er …” Skal underteksten bære det hele?

Det professionelle svar er: det afhænger af, hvad videoen skal, og der er en reel afvejning begge veje.

Argumentet for let redigering. Når talen løber fra læsehastigheden, må noget give sig, og at trimme “øh”, “altså”, falske starter og umiddelbare selvgentagelser væk er standardgrebet i professionel tekstning. Det gør ulæselig tale på 24 CPS til læsbar tekst på 16 CPS, samtidig med at hvert ord, der bærer betydning, står tilbage. For markedsføringsindhold, kurser og korte klip til sociale medier er dette næsten altid rigtigt.

Argumentet for ordret. Mange døve og hørehæmmede seere foretrækker udtrykkeligt ordrette undertekster — tøvet, fyldordene, måden nogen taler på, er en del af det, alle andre får gennem ørerne, og at redigere det væk er en lille portvogterhandling. For interviews, hvor talerens facon betyder noget, for juridiske og arkivmæssige optagelser, og som tilgængelighedsstandard når læsehastigheden tillader det, er ordret det mere respektfulde valg.

Den uærlige position er at lade som om spændingen ikke findes. Den ærlige arbejdsgang er: ordret hvor læsehastigheden tillader det, komprimér kun når alternativet er en undertekst, ingen når at læse færdig — og “forbedr” aldrig det, nogen faktisk sagde.

For døve og hørehæmmede seere: SDH-tilføjelserne

Almindelige undertekster forudsætter, at seeren hører alt bortset fra sproget. SDH (undertekster for døve og hørehæmmede) forudsætter, at seeren slet ikke kan høre, og tilføjer:

  • Talerangivelse, når den ikke er visuelt indlysende — en stemme uden for billedet, en telefonsamtale, overlappende talere: DAVID: Vi bliver nødt til at tale sammen.
  • Lydmarkeringer, der betyder noget for handlingen: [dør smækker], [dæmpet skænderi i naboværelset], [telefon vibrerer]. Testen er narrativ relevans — tekst den lyd, handlingen har brug for, ikke enhver baggrundslyd.
  • Musiknotation: ♪ for sangtekst, der synges, eller en beskrivelse — [spændte strygere bygger op] — når musikken udfører fortællende arbejde.

Er tilgængelighed en del af grunden til, at I tekster — og juridisk set er det i stigende grad tilfældet — er SDH-konventionerne minimumsniveauet, ikke bonussen. (For den juridiske side, se vores guide til tilgængelighedsdirektivet og hvad det kræver for video.)

Hvorfor rå automatisk tekstning falder på disse standarder

Intet af ovenstående er eksotisk viden — så hvorfor ignorerer de fleste automatiske tekstningssystemer det? Fordi talegenkendelsesmotorer segmenterer efter pausedetektering, ikke efter grammatik eller læsehastighed. Motoren hører en strækning tale, transskriberer den og stempler hele strækningen som én blok. En tryg taler, der ikke holder pauser, producerer en mur på fem sekunder og 120 tegn. Blokgrænserne lander, hvor taleren trak vejret — midt i en sætning, midt i et navn, midt i et tal. På hinanden følgende blokke støder direkte ind i hinanden uden et eneste billedes hul. Hvert enkelt ord kan være rigtigt, samtidig med at sporet som helhed i praksis er ulæseligt.

Det er den præcise betydning af “nøjagtigt og ubrugeligt” — og derfor siger et tekstspors procentsats for ordnøjagtighed meget lidt om, hvorvidt det virker.

Specifikationen kort fortalt

Professionelle undertekster bør normalt holde sig inden for en læsehastighed på 15-17 tegn pr. sekund (CPS), omtrent svarende til 160-180 ord pr. minut, med 20 CPS som absolut loft. Hver undertekst bør bruge én linje, hvor det er muligt, og højst to, med maksimalt omkring 42 tegn pr. linje for latinsk skrift. Linjeskift bør følge naturlige grammatiske grænser, mens hver undertekst som regel bør blive på skærmen i mindst 0,8-1 sekund og ikke længere end 6-7 sekunder. På hinanden følgende undertekster bør adskilles af et lille hul på cirka to billeder, eller 80-120 millisekunder, og undertekster bør undgå at ligge nogle få billeder på tværs af klip. Segmenteringen bør følge hele sætninger eller meningsbærende ledsætninger frem for at efterlade korte, strandede fragmenter, mens undertekster for døve og hørehæmmede (SDH) desuden bør indeholde talerangivelse og lydmarkeringer, der er relevante for at forstå handlingen.

Hvor Inwista kommer ind

Alt ovenstående kan gøres i hånden. Professionelle tekstere har gjort det i hånden i årtier — til en reel omkostning i timer.

Inwista automatiserer det. Transskriptionen giver dig den nøjagtige tekst, editoren giver dig fuld manuel kontrol, og Enhance anvender denne artikel med ét klik: den deler alt for lange blokke op i læsbare, bryder linjer ved grammatiske grænser, indsætter de branchestandardiserede mikrohuller mellem underteksterne og sænker læsehastigheden mod det professionelle niveau — mens du beholder det sidste ord om hver eneste blok. Forudindstillinger justerer resultatet mod sende- eller socialt format.

Med Inwistas gratisabonnement kan du køre hele arbejdsgangen på dit eget materiale — upload, transskribér, strukturér, redigér og eksportér. Aktuelle grænser og abonnementsdetaljer finder du på prissiden.

Prøv det på din næste video →

Ofte stillede spørgsmål

Hvad er CPS i tekstning? Tegn pr. sekund — antallet af tegn i en undertekst (inklusive mellemrum og tegnsætning) divideret med dens varighed på skærmen. Det er standardmålet for læsehastighed i undertekster. Professionelt arbejde sigter mod 15-17 CPS; Netflix tillader op til 20 CPS for engelsk voksenindhold.

Hvor mange tegn bør en undertekstlinje have? Højst omkring 42 tegn pr. linje for sprog med latinsk skrift, med maksimalt to linjer pr. undertekst. Sendetraditioner med rødder i tekst-tv bruger ofte 37.

Hvad er seks-sekunders-reglen? En klassisk europæisk retningslinje: to fulde undertekstlinjer skal blive på skærmen i cirka seks sekunder — hvilket svarer til omkring 12 CPS. Moderne platformsstandarder tillader hurtigere tempo, men reglen lever videre som en påmindelse om, at behageligt er langsommere end muligt.

Bør undertekster være ordrette eller redigerede? Begge dele er legitime. Ordret bevarer præcis det, der blev sagt, og foretrækkes af mange døve og hørehæmmede seere; let redigering (fjernelse af fyldord og falske starter) er standard, når talen ellers går for hurtigt til at kunne læses. Komprimér kun, når læsehastigheden tvinger det frem, og ændr aldrig betydningen.

Hvorfor føles automatisk genererede undertekster svære at læse, selv når ordene er rigtige? Fordi talegenkendelsesmotorer segmenterer efter pauser, ikke efter grammatik eller læsehastighed — hvilket giver alt for lange blokke, brud midt i sætninger og ingen huller mellem underteksterne. Ordnøjagtighed og læsbarhed er to adskilte problemer.

Hvad er den korteste tid, en undertekst bør blive på skærmen? Omkring 0,8-1 sekund, selv for et enkelt ord. Netflix’ gulv er ⅚ sekund. Kortere end det læses som et blink snarere end som tekst.


De standarder, der henvises til, er de offentliggjorte eller bredt dokumenterede retningslinjer fra de nævnte platforme og tv-stationer på skrivetidspunktet; enkelte stilguider udvikler sig, og konkrete produktioner kan stille deres egne krav.