Automatyczne wykrywanie i transkrypcja dialogów

Zanim zdubbingujesz wideo, musisz wiedzieć, kto co mówi i kiedy. To najbardziej żmudny etap dubbingu: odsłuchiwanie każdej kwestii, przepisywanie jej, notowanie czasu. Wykonane ręcznie potrafi pochłonąć godziny przy kilku minutach materiału. Dobra wiadomość: automatyczna transkrypcja dialogów wykonuje dziś tę pracę za ciebie — i dzieli ją dokładnie tam, gdzie będzie tego potrzebować twoja taśma rytmiczna.

Wykrywać mowę, a nie tylko ją słyszeć

Transkrypcja to nie samo zamienianie dźwięku na tekst. Aby przygotować dubbing, dwie informacje liczą się tak samo jak same słowa:

• Gdzie każda kwestia się zaczyna i kończy. Silnik transkrypcji wykrywa segmenty mowy i ciszę między nimi. Każde zdanie dostaje punkt wejścia i wyjścia, z dokładnością do setnej sekundy.
• Język mówiony. Prawidłowe rozpoznanie języka źródłowego pozwala uniknąć klasycznego błędu — przepisania japońskiego tak, jakby to był inny język — który psuje wszystko, co dzieje się dalej.

Efektem nie jest ściana tekstu, lecz sekwencja kwestii już podzielonych i oznaczonych czasem. To dokładnie surowiec dla taśmy rytmicznej.

Od transkrypcji do taśmy rytmicznej

Surowa transkrypcja to tylko punkt wyjścia. To, co czyni ją użyteczną dla dubbingu, to co robisz z nią dalej.

Każdy wykryty segment staje się linią tekstu przypiętą do swojego pierwotnego czasu. Nie musisz już zgadywać, gdzie umieścić kwestię: pojawia się ona już ustawiona pod obrazem, w chwili, gdy postać mówi. Pozostaje tylko zaadaptować tekst — przetłumaczyć, skrócić, by zmieścił się w czasie, uszanować ruch ust — a potem go nagrać.

Innymi słowy, automatyczna transkrypcja usuwa mechaniczną część pracy i zostawia ci część twórczą: adaptację i grę aktorską.

Poprawiać, zamiast wpisywać wszystko

Żaden silnik nie jest doskonały. Źle zapisana nazwa własna, nakładająca się kwestia, połknięte słowo: automatyczna transkrypcja czasem się myli. Ale poprawianie jest nieporównanie szybsze niż wpisywanie wszystkiego od zera.

Dobry nawyk: przeczytaj transkrypcję ponownie, gdy już leży na taśmie rytmicznej, z uchem przy wideo. Od razu wychwycisz przesunięcie lub błąd, poprawisz tekst lub czas i ruszysz dalej. Gros pracy nad czasem — etap, który ręcznie trwa najdłużej — jest już zrobiony.

Dlaczego to zmienia sposób pracy

Bez automatycznej transkrypcji przygotowanie taśmy rytmicznej dla dziesięciu minut wideo potrafi zająć cały wieczór, zanim jeszcze nagrasz pierwszą kwestię. Z nią zaczynasz od tekstu już podzielonego i otaśmowanego czasowo, a swój czas poświęcasz na to, co naprawdę się liczy: jakość adaptacji i interpretacji.

To także sprawia, że dubbing staje się wykonalny dla samotnego twórcy. To, co dawniej wymagało zespołu do detekcji i studia, mieści się dziś w przeglądarce.

Zrób to w Voxdub

W Voxdub wykrywanie i transkrypcja dialogów są wbudowane w przebieg pracy: importujesz wideo, tekst zostaje wykryty, podzielony i otaśmowany czasowo, a następnie umieszczony na taśmie rytmicznej, gotowy do adaptacji i nagrania. Poprawiasz to, co trzeba, synchronizujesz, nagrywasz ludzkie głosy. 7-dniowy okres próbny daje czas na przetestowanie metody na własnym wideo.

Zacznij od krótkiego klipu, pozwól transkrypcji wykonać pierwsze przejście, a zobaczysz zaoszczędzony czas już przy pierwszej kwestii.