Hva kjennetegner en god undertekst? Lesehastighet, linjeskift og timing forklart

Alle tekstverktøy på markedet gir de samme to løftene: hastighet og nøyaktighet. Undertekster på sekunder. Nittiogtre komma noe prosent ordnøyaktighet.

De beste undertekstene er de du aldri legger merke til. Denne guiden dekker håndverksstandardene som gjør det mulig: lesehastighet, linjelengde, linjeskift, timing — og skjønnsvurderingene imellom. Det er de samme standardene strømmetjenester og kringkastere bruker, og de gjelder like mye for et 40 sekunders klipp til sosiale medier som for en spillefilm.

De tre egenskapene til en undertekst som fungerer

En god undertekst er:

Nøyaktig — den sier det som ble sagt.
Synkronisert — den kommer når ordene sies, og forsvinner når de er ferdige.
Lesbar — seeren rekker å lese den ferdig i ro og mak før den forsvinner, uten å miste bildet.

Automatisk talegjenkjenning har i all hovedsak løst den første egenskapen. Timing-motorer håndterer den andre rimelig godt. Den tredje — lesbarheten — er der nesten all automatisk teksting fortsatt ryker, fordi lesbarhet ikke er et transkripsjonsproblem. Det er et typografi- og tidsproblem. Resten av denne guiden handler om å løse det.

Lesehastighet: tallet som styrer alt

Lesehastighet er et av de viktigste målene på undertekstkvalitet. Den uttrykkes vanligvis som tegn per sekund (CPS), regnet ut ved å dele antall tegn i en undertekst, inkludert mellomrom og tegnsetting, på tiden den står på skjermen. I praksis holdes profesjonelle undertekster gjerne rundt 15–17 CPS, mens 20 CPS vanligvis behandles som en øvre grense for voksne seere. Tradisjonell europeisk teksting har ofte brukt et roligere tempo på rundt 12 CPS, mens retningslinjer fra kringkastere som BBC typisk tilsvarer omtrent 15–17 CPS. En enkel tommelfingerregel: ganger du CPS med 10,5, får du omtrent antall ord per minutt. 12 CPS er rundt 125 ord i minuttet, 17 CPS omtrent 180, og 20 CPS er et krevende tempo som bør brukes sparsomt.

Det viktige poenget er at den maksimale lesehastigheten ikke må bli standardmålet. Å legge seg konsekvent tett opp mot øvre grense er slitsomt og tvinger seeren til å bruke mer oppmerksomhet på å lese enn på å se videoen. Å sikte mot rundt 15–17 CPS gir rom for raskere partier i dialogen uten å gjøre hele opplevelsen unødvendig anstrengende. Å lese undertekster er dessuten noe annet enn å lese vanlig tekst: seeren kan ikke senke tempoet, gå tilbake eller skumlese i sitt eget tempo, fordi hver undertekst forsvinner på et fast tidspunkt. Når undertekstene går for fort, rekker seeren rett og slett ikke å lese dem ferdig — og da er for høy lesehastighet et funksjonelt tilgjengelighetsproblem, ikke bare et spørsmål om stil.

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

Den fysiske formen på en undertekst er bemerkelsesverdig standardisert:

Maksimalt to linjer per undertekst. Undertekster på tre linjer dekker for mye av bildet og tvinger blikket til å skanne vertikalt på nytt.
Maksimalt ~42 tegn per linje for språk med latinsk skrift — Netflix' tall, som nå er de facto bransjenorm. Kringkastingstradisjoner bygget på tekst-tv brukte 37, og mange kringkastere gjør det fortsatt.
Hold deg til én linje når teksten får plass. En andre linje er en nødvendighet, ikke en standardinnstilling.
Balanser linjene. Når du må bryte i to linjer, sikt mot omtrent lik lengde. Unngå det «løsrevne» ordet — én lang linje med et enkelt strandet ord under. Der en helt jevn deling ikke er mulig, foretrekkes vanligvis en litt kortere øverste linje: den holder blokken kompakt og dekker mindre av bildet.

Disse grensene finnes av samme grunn som fartsgrensen: øyet må rekke over både teksten og bildet i de samme sekundene. Korte, forutsigbare former gjør den turen rask.

Linjeskift: følg grammatikken, ikke linjalen

Her skiller god teksting seg tydeligst fra automatisk output. Hvor en linje brytes betyr like mye som hvor lang den er, fordi vi leser tekst i grammatiske enheter. Et brudd midt i en enhet tvinger hjernen til å holde en ufullstendig struktur åpen over hoppet — en bitteliten anstrengelse, multiplisert med hver eneste undertekst i videoen.

Regelen: aldri skill ord som hører til samme grammatiske enhet.

Hold sammen:

Artikkel + substantiv (en / rapport ✗)
Preposisjon + styring (til / komitélederen ✗)
Verb + hjelpeverb eller partikkel (har / fullført, gi / opp ✗)
Fornavn + etternavn, tall + enhet, datoer

Dårlig brudd (splitter preposisjonsuttrykket):

Hun overleverte rapporten til komitélederen før avstemningen.

Godt brudd (hver linje er en hel enhet):

Hun overleverte rapporten til komitélederen før avstemningen.

Dårlig brudd (river verbet fra objektet):

Etter møtet bestemte vi oss for å utsette lanseringen til våren.

Godt brudd:

Etter møtet bestemte vi oss for å utsette lanseringen til våren.

Legg merke til at de gode versjonene ikke er kortere — de er bare brutt der setningen selv puster. Det er hele prinsippet. Når en setning tilbyr et komma, en setningsgrense eller en naturlig pause, bryt der. Linjalen er en begrensning, ikke en rettesnor.

Timing: når underteksten lever, og mellomrommene imellom

Fire tall styrer timingen av undertekster:

Minimumsvarighet: ~0,8–1 sekund. Selv en undertekst som bare sier «Ja.» trenger tid til å bli oppdaget, fiksert og lest. Netflix' gulv er ⅚ sekund (omtrent 833 ms); noe kortere registreres som et blink.
Maksimumsvarighet: 6–7 sekunder. Utover det leser seeren ferdig, leser om igjen, og begynner å lure på om spilleren har frosset. Varer talen lengre, del opp underteksten.
Synkroniser til talestart. Underteksten bør komme idet ordene begynner — en brøkdel tidlig tolereres, merkbart sent gjør det ikke, fordi seeren hører stemmen og kikker ned etter tekst som ikke er der ennå.
Mellomrom mellom påfølgende undertekster: ~2 bilder (80–120 ms). Dette er usynlig og helt nødvendig. Når én undertekst erstattes umiddelbart av den neste uten mellomrom, klarer ofte ikke øyet å registrere at teksten skiftet — særlig hvis de to blokkene ligner i form. Et blink på to bilder forteller leseren: ny tekst, begynn på nytt. Profesjonell teksting legger inn disse mikromellomrommene overalt; rå automatteksting gjør det nesten aldri.

Og én finesse som skiller arbeid av sendekvalitet fra resten: respekter klipp. En undertekst som henger igjen over et klipp, blir gjerne lest om igjen — scenen skiftet, så hjernen antar at teksten gjorde det også. Der timingen tillater det, avslutt underteksten ved klippet eller la den løpe godt forbi; ikke la den ligge noen få bilder på tvers av klippet.

Én tanke per undertekst

Bortenfor mekanikken finnes segmenteringen: hva som skal ligge i hver blokk. Prinsippet er at hver undertekst skal være en selvstendig meningsenhet — en setning, eller en fullstendig setningsdel av en.

Foretrekk hele setninger per blokk. Når en setning må gå over to blokker, del ved en setningsgrense, og la den første blokken slutte ved en naturlig pause.
Ikke dra to eller tre løsrevne ord med inn i en ny undertekst. Er halen av en setning så kort, balanser delingen på nytt.
I dialog: ikke bland slutten på én talers setning og starten på en annens i samme blokk, med mindre du bevisst former en undertekst med to talere (med tankestreker).

Dårlig segmentering er grunnen til at enkelte tekstspor føles uforklarlig slitsomme selv når hver enkelt blokk er kort: kuttene lander midt i tanken, så hver blokk etterlater leseren hengende.

Ordrett eller redigert? Et ærlig svar

Ekte tale er full av falske starter, fyllord og gjentakelser: «Så, eh, jeg tror – jeg tror det vi sannsynligvis bør gjøre, er …» Skal underteksten bære alt sammen?

Det profesjonelle svaret er: det kommer an på hva videoen skal gjøre, og det finnes en reell avveining begge veier.

Argumentet for lett redigering. Når talen løper fra lesehastigheten, må noe gi etter, og å trimme bort «eh», «liksom», falske starter og umiddelbare selvgjentakelser er standard førstegrep i profesjonell teksting. Det gjør uleselig tale på 24 CPS om til lesbar tekst på 16 CPS, samtidig som hvert ord som bærer mening blir stående. For markedsinnhold, kurs og korte klipp til sosiale medier er dette nesten alltid riktig.

Argumentet for ordrett. Mange døve og hørselshemmede seere foretrekker uttrykkelig ordrette undertekster — nølingen, fyllordene, måten noen snakker på, er en del av det alle andre får gjennom ørene, og å redigere det bort er en liten portvokterhandling. For intervjuer der talerens væremåte betyr noe, for juridiske og arkivmessige opptak, og som tilgjengelighetsstandard når lesehastigheten tillater det, er ordrett det mer respektfulle valget.

Den uærlige posisjonen er å late som spenningen ikke finnes. Den ærlige arbeidsflyten er: ordrett der lesehastigheten tillater det, komprimer bare når alternativet er en undertekst ingen rekker å lese ferdig — og aldri «forbedre» det noen faktisk sa.

For døve og hørselshemmede seere: SDH-tilleggene

Vanlige undertekster forutsetter at seeren hører alt bortsett fra språket. SDH (undertekster for døve og hørselshemmede) forutsetter at seeren ikke hører noe, og legger til:

Taleridentifisering når det ikke er visuelt åpenbart — en stemme utenfor bildet, en telefonsamtale, overlappende talere: DAVID: Vi må snakke sammen.
Lydsignaler som betyr noe for handlingen: [dør smeller igjen], [dempet krangel i naborommet], [telefon vibrerer]. Testen er narrativ relevans — tekst den lyden handlingen trenger, ikke hver eneste bakgrunnslyd.
Musikkmarkering: ♪ for sangtekst som synges, eller en beskrivelse — [spente strykere bygger seg opp] — når musikken gjør fortellende arbeid.

Er tilgjengelighet en del av grunnen til at dere tekster — og juridisk sett er det i økende grad det — er SDH-konvensjonene minstekravet, ikke bonusen. (For den juridiske siden, se guiden vår til tilgjengelighetsdirektivet og hva det krever for video.)

Hvorfor rå automatteksting ryker på disse standardene

Ingenting av det ovenstående er eksotisk kunnskap — så hvorfor overser de fleste automatiske tekstesystemer det? Fordi talegjenkjenningsmotorer segmenterer etter pausedeteksjon, ikke etter grammatikk eller lesehastighet. Motoren hører en strekning med tale, transkriberer den, og stempler hele strekningen som én blokk. En trygg taler som ikke tar pauser, produserer en vegg på fem sekunder og 120 tegn. Blokkgrensene lander der taleren pustet — midt i en setningsdel, midt i et navn, midt i et tall. Påfølgende blokker støter rett inn i hverandre uten et eneste bildes mellomrom. Hvert enkelt ord kan være riktig samtidig som sporet som helhet i praksis er uleselig.

Det er den presise betydningen av «nøyaktig og ubrukelig» — og derfor sier prosenten for ordnøyaktighet i et tekstspor svært lite om hvorvidt det fungerer.

Spesifikasjonen i korte trekk

Profesjonelle undertekster bør normalt holde seg innenfor en lesehastighet på 15–17 tegn per sekund (CPS), omtrent tilsvarende 160–180 ord per minutt, med 20 CPS som absolutt tak. Hver undertekst bør bruke én linje der det er mulig og ikke mer enn to, med maksimalt rundt 42 tegn per linje for latinsk skrift. Linjeskift bør følge naturlige grammatiske grenser, mens hver undertekst normalt bør stå på skjermen i minst 0,8–1 sekund og ikke lenger enn 6–7 sekunder. Påfølgende undertekster bør skilles av et lite mellomrom på omtrent to bilder, eller 80–120 millisekunder, og undertekster bør unngå å ligge noen få bilder på tvers av klipp. Segmenteringen bør følge hele setninger eller meningsbærende setningsdeler i stedet for å etterlate korte, løsrevne fragmenter, mens undertekster for døve og hørselshemmede (SDH) i tillegg bør inkludere taleridentifisering og lydsignaler som er relevante for å forstå handlingen.

Hvor Inwista kommer inn

Alt over kan gjøres for hånd. Profesjonelle tekstere har gjort det for hånd i tiår — til en reell kostnad i timer.

Inwista automatiserer det. Transkripsjonen gir deg den nøyaktige teksten, editoren gir deg full manuell kontroll, og Enhance anvender denne artikkelen med ett klikk: den deler altfor lange blokker i lesbare, bryter linjer ved grammatiske grenser, legger inn bransjestandard mikromellomrom mellom undertekstene og senker lesehastigheten mot profesjonelt nivå — mens du beholder siste ord på hver eneste blokk. Forhåndsinnstillinger justerer resultatet mot sendings- eller sosial-format.

Med Inwistas gratisplan kan du kjøre hele arbeidsflyten på ditt eget materiale — last opp, transkriber, strukturer, rediger og eksporter. Gjeldende grenser og plandetaljer finner du på prissiden.

Prøv det på din neste video →

Ofte stilte spørsmål

Hva er CPS i teksting? Tegn per sekund — antall tegn i en undertekst (inkludert mellomrom og tegnsetting) delt på hvor lenge den står på skjermen. Det er standardmålet på lesehastighet i undertekster. Profesjonelt arbeid sikter mot 15–17 CPS; Netflix tillater opptil 20 CPS for engelsk vokseninnhold.

Hvor mange tegn bør en undertekstlinje ha? Maksimalt rundt 42 tegn per linje for språk med latinsk skrift, med maksimalt to linjer per undertekst. Kringkastingstradisjoner med røtter i tekst-tv bruker ofte 37.

Hva er seks-sekunders-regelen? En klassisk europeisk retningslinje: to fulle undertekstlinjer skal stå på skjermen i omtrent seks sekunder — som tilsvarer rundt 12 CPS. Moderne plattformstandarder tillater raskere tempo, men regelen lever videre som en påminnelse om at komfortabelt er saktere enn mulig.

Bør undertekster være ordrette eller redigerte? Begge deler er legitimt. Ordrett bevarer nøyaktig det som ble sagt og foretrekkes av mange døve og hørselshemmede seere; lett redigering (fjerning av fyllord og falske starter) er standard når talen ellers går for fort til å leses. Komprimer bare når lesehastigheten tvinger det frem, og endre aldri meningen.

Hvorfor føles automatgenererte undertekster tunge å lese selv når ordene er riktige? Fordi talegjenkjenningsmotorer segmenterer etter pauser, ikke etter grammatikk eller lesehastighet — og produserer altfor lange blokker, brudd midt i setningsdeler og ingen mellomrom mellom undertekstene. Ordnøyaktighet og lesbarhet er to atskilte problemer.

Hva er minstetiden en undertekst bør stå på skjermen? Rundt 0,8–1 sekund, selv for et enkelt ord. Netflix' gulv er ⅚ sekund. Kortere enn det leses som et blink, ikke som tekst.

Standardene det vises til, er de publiserte eller bredt dokumenterte retningslinjene til de nevnte plattformene og kringkasterne på skrivende tidspunkt; enkeltstående stilguider utvikler seg, og konkrete produksjoner kan pålegge sine egne.