Miksi automaattiset tekstitykset näyttävät vääriltä – ja miten korjaat jokaisen ongelman
Ajoit litteroinnin, ja tarkkuus on aidosti vaikuttava – jokainen sana on oikein. Sitten katsot videon tekstitykset päällä, ja jokin on kiistatta pielessä. Tekstiseinät painavat kuvaa. Lohkot vilahtavat ohi ennen kuin ehdit lukea ne loppuun. Rivit katkeavat keskeltä lauseketta. Se ei näytä televisiolta; se näyttää tulosteelta.
Mikään ei mennyt rikki. Raa'at automaattitekstitykset ovat oikeaa tekstiä, joka on paloiteltu taukojen tunnistuksella – sen mukaan, missä puhuja hengitti, ei sen mukaan, miten virkkeet toimivat tai miten silmä lukee. Tuloksena on tietty, ennustettava joukko rakenneongelmia, samat seitsemän lähes jokaisessa raakatiedostossa.
Tämä artikkeli nimeää ne yksi kerrallaan, ennen ja jälkeen -esimerkein – raakaversio ylhäällä, sama kohta yhden Enhance-ajon jälkeen alla. Kun kerran näet ongelmat, et voi olla näkemättä niitä – ja niiden korjaaminen lakkaa olemasta mystistä.
Ongelma 1 – Ajatukset pirstoutuneina sirpaleiksi
Taukojen tunnistus katkaisee siitä, mistä ääni katkesi, joten yksi virke saapuu orvoiksi paloiksi:
RAAKA – kaksi lohkoa:
00:02:14,100 → 00:02:16,250 Ja oli yksi mittaus, 00:02:16,300 → 00:02:18,400 johon koko tiimi palasi kerta toisensa jälkeen.
Kumpikaan lohko ei merkitse yksin mitään; katsoja kannattelee puolikasta ajatusta ruudun vaihtuessa. Ratkaisu on yhdistää se, minkä kielioppi liittää yhteen:
PARANNETTU – yksi lohko, kaksi riviä:
00:02:14,100 → 00:02:18,400 Ja oli yksi mittaus, johon koko tiimi palasi kerta toisensa jälkeen.
Yksi kokonainen ajatus, ruudulla 4,3 sekuntia, mukavat ~16 merkkiä sekunnissa. Samat sanat – rakenne kantoi ne toisin.
Ongelma 2 – Lohkot, jotka katoavat ennen kuin olet lukenut ne
Pirstoutumisen kääntöpuoli: palat niin lyhyitä, että ne tuskin rekisteröityvät. Lohko, joka näkyy 0,88 sekuntia:
RAAKA – kaksi lohkoa:
00:03:00,900 → 00:03:02,550 Kysymys on yksinkertainen. 00:03:02,600 → 00:03:03,480 Miksi sillä on väliä?
Alle sekunnin näyttöaika – räpäytä, ja se on alitajuinen viesti, ei tekstitys. Parannettuna kaksi lyhyttä virkettä yhdistyvät yhdeksi rauhalliseksi lohkoksi, ja näyttöaika venytetään seuraavaan taukoon:
PARANNETTU – yksi lohko:
00:03:00,900 → 00:03:05,700 Kysymys on yksinkertainen. Miksi sillä on väliä?
Ongelma 3 – Ei ilmaa lohkojen välissä
Kun katsot raakatiedostojen aikakoodeja tarkasti, huomaat peräkkäisiä lohkoja, jotka törmäävät suoraan toisiinsa – yksi päättyy 00:04:11,240 ja seuraava alkaa 00:04:11,240. Nolla väliä. Kun teksti vaihtuu ilman näkyvää katkoa, silmä ei useinkaan rekisteröi uuden tekstityksen ilmestyneen – lukija kadottaa paikkansa tekstissä, jonka ei nähnyt vaihtuvan.
RAAKA – nolla väliä ja 1,4 sekunnin häntä:
00:04:08,900 → 00:04:11,240 Anturit olivat käyneet koko talven 00:04:11,240 → 00:04:12,600 ilman yhtäkään vikaa.
PARANNETTU – yhdistetty:
00:04:08,900 → 00:04:12,900 Anturit olivat käyneet koko talven ilman yhtäkään vikaa.
Siellä missä peräkkäiset lohkot säilyvät erillisinä, Enhance lisää alan standardin mukaisen mikrotauon (100 ms) jokaisen parin väliin – näet sen alempana olevissa esimerkeissä. Se kuulostaa mitättömältä. Ruudulla se on ero virtaavan ja nykivän tekstin välillä – ja juuri sellainen yksityiskohta, jonka toimitusmäärittelyt oikeasti tarkistavat.
Ongelma 4 – Rivit katkeavat siitä mihin hengitys osui, ei siitä mihin virke pysähtyy
Raaka paloittelu jakaa säännöllisesti kesken lausekkeen – erottaa verbin objektistaan, subjektin sivulauseestaan:
RAAKA – kaksi lohkoa, nolla väliä, jaettu kesken lauseen:
00:05:31,800 → 00:05:34,050 ajatus siitä että näin pieni muutos voisi siirtää 00:05:34,050 → 00:05:36,700 koko sulamiskauden lähes kuukaudella.
Parannettuna sama kohta katkaistaan uudelleen niistä kohdista, joissa virke itse pysähtyy – rivinvaihdot lohkojen sisällä sijoitettuna merkityksen eikä merkkimäärän mukaan, ja 100 ms lohkojen väliin:
PARANNETTU:
00:05:31,800 → 00:05:34,300 ajatus siitä että näin pieni muutos voisi siirtää koko sulamiskauden - 00:05:34,400 → 00:05:36,900 - lähes kuukaudella.
Huomaa yhdysviivat – niistä lisää ongelmassa 6.
Ongelma 5 – Lukunopeuksia joilla kukaan ei lue
Hiljainen tappaja, koska sitä ei näe tiedostosta – sen vain tuntee toistossa:
RAAKA – yksi rivi, 74 merkkiä, 2,45 sekuntia:
00:06:44,200 → 00:06:46,650 Data osoitti, että jää oheni nopeammin kuin yksikään malli oli ennustanut.
Se on noin 30 merkkiä sekunnissa – lähes kaksinkertainen mukavaan ylärajaan nähden, yhdellä ainoalla rivillä kaukana kaikkien rivinpituusrajojen yli. Katsojat eivät koe tätä «nopeina tekstityksinä»; he kokevat sen niin, etteivät lukeneet niitä – ja äänettömälle yleisölle se on itse sisältö, joka katoaa.
PARANNETTU – näyttöaikaa pidennetty, rivi katkaistu luonnollisesta tauosta:
00:06:44,200 → 00:06:48,900 Data osoitti, että jää oheni nopeammin kuin yksikään malli oli ennustanut.
Samat 74 merkkiä, nyt ~16 sekunnissa. Lukunopeus on se standardi, jonka raakatiedostot rikkovat pahiten – ja se, jonka käsin korjaaminen kestää pisimpään, koska jokainen ylitys tarkoittaa aikakoodien uudelleenlaskentaa.
Ongelma 6 – Käytännöt joista raakatekstitykset eivät ole koskaan kuulleet
Osa siitä, mikä saa lähetystason tekstitykset näyttämään ammattimaisilta, ei ole virheiden korjausta lainkaan – se on käsityökäytäntöjä, joista puheentunnistimella ei ole mitään käsitystä. Selkein esimerkki: jatkoviivat, kun virke jatkuu lohkojen yli:
RAAKA:
00:07:12,300 → 00:07:15,800 Hän on viettänyt yksitoista talvea asemalla mitaten sitä mitä useimmat meistä eivät koskaan näe 00:07:15,800 → 00:07:17,950 ja toivoen että luvut ovat väärässä.
PARANNETTU:
00:07:12,300 → 00:07:15,900 Hän on viettänyt yksitoista talvea asemalla mitaten sitä mitä useimmat eivät koskaan näe - 00:07:16,000 → 00:07:18,300 - ja toivoen että luvut ovat väärässä.
Perässä ja edessä oleva viiva kertoo katsojalle ennen kuin tämä on lukenut sanaakaan: tämä ajatus jatkuu / tämä jatkaa ajatusta. Se on tekstitysten vastine typografisille käytöstavoille – näkymätön kun se on paikallaan, erehtymättömän poissa kun se puuttuu. Raakaversiossa sitä ei ole koskaan; parannettu tiedosto lisää sen kaikkialle, missä virke ylittää lohkorajan.
Ongelma 7 – Kaksi ääntä, yksi lohko, ei varoitusta
Haastatteluissa ja keskustelussa puhujat menevät päällekkäin ja vastaavat nopeasti – ja taukojen tunnistus pakkaa iloisesti molemmat äänet yhteen lohkoon, peräkkäin ikään kuin yksi ihminen olisi sanonut kaiken:
RAAKA – kaksi puhujaa, ei mitään merkkiä vaihdosta:
00:08:41,000 → 00:08:44,900 Palaisitko ensi kaudella? Minulla on liput jo valmiina.
Kylmiltään luettuna tuo on yksi ihminen mietiskelemässä ääneen. Lähetysalan käytäntö on repliikkiviiva: jokainen ääni saa oman rivinsä, ja jokainen rivi alkaa viivalla, joka merkitsee vuoropuhelua:
PARANNETTU – yksi rivi per puhuja, viiva kummankin edessä:
00:08:41,000 → 00:08:44,900 - Palaisitko ensi kaudella? - Minulla on liput jo valmiina.
Huomaa ero ongelmaan 6: jatkoviivat (perässä ja edessä) tarkoittavat, että sama ääni jatkaa kahden lohkon yli; repliikkiviivat (yksi kunkin rivin alussa) tarkoittavat, että kaksi ääntä jakaa tämän lohkon. Kaksi käytäntöä, kaksi sijoittelua, kaksi eri viestiä lukijalle – eikä raakatekstitys tunne kumpaakaan.
Yksi edellytys kannattaa tietää: Enhance voi merkitä puhujanvaihdon vain, jos litterointi tietää sellaisen tapahtuneen. Aktivoi puhujantunnistus, kun lataat tiedoston ja valitset raakalitteroinnin asetukset – se tunnistaa kuka sanoi mitä, ja sen varaan repliikkiviivojen muotoilu rakentuu. (Näin puhujaeroteltu litterointi toimii.)
Miltä tämä näyttää mittakaavassa
Jokainen yllä oleva esimerkki kestää muutaman sekunnin – mutta ongelmat eivät tule yksitellen. Puolitoista minuuttia haastattelumateriaalia sisältää helposti 25 raakalohkoa tai enemmän, ja parannuksen jälkeen sama pätkä asettuu noin 18:aan: jokainen aikakoodi laskettu uudelleen, jokainen väli lisätty, jokainen rivi katkaistu uudelleen. Venytä laskutoimitus sitten 45 minuutin jaksoon – satoja lohkoja, joista jokainen vaatii saman kourallisen arvioita ja laskelmia. Se on todellinen syy siihen, miksi raakatekstitykset julkaistaan niin usein siivoamattomina: ei tietämättömyys, vaan käsityön puhdas aritmetiikka.
Yhden asian Enhance jättää tarkoituksella tekemättä oletuksena: se ei kirjoita uusiksi. Rakenne ja sanamuoto ovat erillisiä päätöksiä, joita ohjaa yksi asetus kolmella asennolla. Asennossa None/Verbatim – oletus – puhutut täytesanat säilyvät ajossa koskemattomina:
SANATARKKA (oletus) – rakenne uusittu, sanamuoto ennallaan:
00:08:03,500 → 00:08:07,200 Ja siis, tuota, se on juuri se osa, jota mallit eivät vieläkään osaa selittää.
Vaihda jompaankumpaan tiivistävään tilaan – Smart tai kovempaan tiivistykseen Aggressive – ja Enhance jättää täytesanat pois osana ajoa:
TIIVISTETTY (Smart):
00:08:03,500 → 00:08:07,200 Se on juuri se osa, jota mallit eivät vieläkään osaa selittää.
Tekstisi kirjoitetaan uusiksi vain silloin, kun olet sitä pyytänyt – asetusten koko läpikäynti on Enhance-oppaassa.
Ratkaisu käytännössä
Jokainen tämän sivun ongelma on mekaaninen – löydettävissä säännöllä, korjattavissa säännöllä. Juuri siksi yksi Enhance-ajo korjaa kaikki seitsemän koko tiedoston läpi kerralla: jakaa ja yhdistää lohkoja, laskee aikakoodit uudelleen, lisää välit, katkaisee rivit uudelleen, kesyttää lukunopeuden, soveltaa käytännöt. Sinun työksesi jää tarkistus – ne kymmenen prosenttia, jotka ovat harkintaa.
Mihin tämä sijoittuu isommassa kuvassa: jäsentäminen on vaihe 2 videon tekstityksen täydellisessä työnkulussa – litteroinnin jälkeen, ennen editointia ja kääntämistä. Ja se, mihin tyyliin jäsennät, riippuu videon määränpäästä: tv-rauhallinen vai syöte-nopea.
Katso se omassa materiaalissasi
Läpikäydyt esimerkit vakuuttavat; ennen ja jälkeen omassa videossasi ratkaisee. Ilmainen tilaus antaa täyden pääsyn editoriin ja riittävän kuukausimäärän Enhance-ajoon omilla raakatekstityksilläsi, jotta voit verrata tulosta rinnakkain. Maksulliset tilaukset kasvattavat määrää, vientilaatua ja yhteistyötä; yksityiskohdat löytyvät hinnoittelusivulta.
UKK
Tekstitykseni ovat tarkkoja – onko näillä ongelmilla oikeasti väliä? Tarkkuus ja luettavuus ovat kaksi eri ominaisuutta. Tiedosto voi olla sanatarkasti täydellinen ja pettää katsojan silti paloittelussa, nopeudessa ja ajoituksessa – juuri niissä ominaisuuksissa, joista ammattistandardit oikeasti kertovat ja jotka saavutettavuusvaatimukset hiljaisesti olettavat.
Miksi kaikki automaattitekstitystyökalut tuottavat samat ongelmat? Koska ne kaikki paloittelevat taukojen tunnistuksella – se on puheentunnistuksen luontainen tulos. Ongelmat eivät ole yhden työkalun vika; ne ovat sitä mitä «raaka» tarkoittaa. Kuilu kulkee tunnistuksen (ratkaistu) ja rakenteen (jäljellä oleva työ) välillä.
Voinko korjata nämä ongelmat käsin? Täysin – jokainen tämän sivun korjaus onnistuu käsin missä tahansa tekstityseditorissa, ja tavoiteltavat standardit löytyvät laatuoppaastamme. Rajoite on laskutoimitus: satoja lohkoja jokaista videotuntia kohden, useita päätöksiä kussakin. Enhance on olemassa siksi, että työ on tarpeeksi sääntöpohjaista automatisoitavaksi, ei siksi että se olisi käsin mahdotonta.
Muuttaako rakenteen korjaaminen sitä mitä sanottiin? Ei, ellet pyydä sitä. Oletusasetuksella None/Verbatim Enhance järjestää uudelleen sen, miten sanat asettuvat ruudulle – jakamisen, ajoituksen, välit, rivinvaihdot – koskematta itse sanoihin. Valitse asetuksista Smart tai Aggressive, niin täytesanat jätetään pois osana ajoa; valinta on aina sinun.