Generowanie napisów do filmu z dźwięku: od pliku SRT do YouTube'a i montażu

Co właściwie powstaje, gdy generujesz napisy z dźwięku

Narzędzie słucha ścieżki dźwiękowej, rozpoznaje mowę i dzieli ją na krótkie fragmenty. Każdy fragment dostaje numer, czas pojawienia się i zniknięcia oraz tekst. Tak wygląda plik SRT – zwykły plik tekstowy, który rozumie YouTube, większość odtwarzaczy i edytorów wideo.

Starsi internauci pamiętają jeszcze napisy w formacie MicroDVD, zapisywane jako pliki .txt z numerami klatek w klamrach. Rozjeżdżały się, gdy wersja filmu miała inną liczbę klatek na sekundę niż ta, do której je przygotowano. SRT opiera się na czasie, a nie na klatkach, więc ten problem znika – o ile napisy powstały do tego samego pliku, przy którym będą wyświetlane. Przegląd innych formatów znajdziesz w tekście o formatach plików z napisami (po angielsku).

Ważne rozróżnienie: plik SRT to napisy „miękkie”, które widz może włączyć lub wyłączyć. Napisy „wtopione” w obraz to zupełnie inna operacja, wykonywana w programie do montażu.

Przygotowanie nagrania, zanim wygenerujesz napisy

Rozpoznawanie mowy jest tak dobre, jak dźwięk, który dostaje. Kilka rzeczy robi dużą różnicę:

• Głośna muzyka pod głosem przeszkadza najbardziej. Jeśli masz projekt montażowy, wyeksportuj wersję z wyciszoną lub ściszoną muzyką tylko na potrzeby napisów – czasy i tak będą pasować do wersji finalnej, o ile nie zmienisz cięć.
• Nagrania z wiatrem, pogłosem w pustym mieszkaniu albo mikrofonem laptopa daleko od mówiącego dadzą więcej błędów.
• Nazwy własne, marki i branżowe skróty wypisz sobie wcześniej – będziesz ich szukać przy poprawkach.
• Jeśli film jest dłuższy niż 2 godziny, podziel go na części.

Generowanie napisów w mydubly krok po kroku

mydubly działa w przeglądarce, interfejs jest po angielsku, dlatego podaję oryginalne nazwy przycisków:

1. Przeciągnij film (MP4, MOV, WebM, MKV lub M4V) na pole «Drop a video here». Plik wideo zostaje w przeglądarce – do przetworzenia przez HTTPS trafia wyłącznie wyodrębniony dźwięk.
2. Zostaw wyłączony przełącznik «Full translation output». Aplikacja pokaże tryb «Timestamped transcript only».
3. W polu «Select language» wybierz ten sam język, w którym mówią osoby w filmie (np. polski), jeśli chcesz napisy w oryginale – tekst wróci bez tłumaczenia. Język jest rozpoznawany automatycznie («Source: Auto detect») i nie da się go ustawić ręcznie.
4. Kliknij «Transcribe video» i nie zamykaj karty, dopóki zadanie się nie skończy – opuszczenie strony je anuluje.
5. Kliknij «Download subtitles». Dostaniesz plik subtitles.srt. Przy okazji możesz pobrać zwykły transkrypt («Download transcript») – przyda się do opisu filmu.

Czego mydubly nie robi przy napisach: nie wtapia ich w obraz (dostajesz osobny plik SRT lub VTT), nie ma edytora do poprawiania tekstu w aplikacji, nie wczytuje gotowych plików SRT do tłumaczenia, nie oznacza mówiących i nie tłumaczy napisów widocznych na ekranie. Nie importuje też filmów z linków – potrzebujesz pliku na swoim urządzeniu. Wynik i dźwięk są usuwane z serwera w ciągu 30 minut od zakończenia zadania, więc pobierz pliki od razu. Więcej o samym narzędziu przeczytasz na stronie generatora napisów (po angielsku).

Jak wygląda plik SRT i co w nim poprawić

Każdy napis w pliku SRT ma trzy części: numer kolejny, linię z czasem w formacie godziny:minuty:sekundy,milisekundy oraz tekst. mydubly tworzy jedną jednowierszową kwestię na każdy fragment mowy.

Plik otworzysz w Notatniku, TextEdit czy dowolnym edytorze tekstu, ale wygodniej poprawia się go w programie do napisów, takim jak Subtitle Edit lub Aegisub – widzisz wtedy obraz, falę dźwięku i czasy. Poprawiaj tylko tekst i ewentualnie czasy; nie usuwaj pustych linii między kwestiami, bo to one oddzielają napisy. Szczegółowo opisuje to poradnik jak edytować plik SRT (po angielsku).

Na co patrzeć w polskich napisach: nazwiska i nazwy firm, liczebniki (zapis cyfrą czy słownie – wybierz jeden styl), końcówki fleksyjne przy niewyraźnej wymowie, interpunkcję w dłuższych zdaniach. Rozpoznawanie oparte na modelu Whisper dobrze radzi sobie ze zwykłą polszczyzną, ale przy żargonie i szybkich wtrąceniach musisz je sprawdzić sam.

Wgranie napisów na YouTube

YouTube potrafi sam tworzyć napisy automatyczne, ale nie zawsze się pojawiają, a ich jakość bywa różna. Własny plik SRT daje Ci kontrolę nad pisownią nazw i interpunkcją. W YouTube Studio wygląda to mniej więcej tak (nazwy opcji mogą się nieco różnić w zależności od wersji interfejsu):

1. Otwórz YouTube Studio i przejdź do sekcji z napisami.
2. Wybierz film i dodaj język, jeśli nie jest jeszcze ustawiony – dla polskich napisów: polski.
3. Wybierz przesłanie pliku i opcję z synchronizacją czasu, bo SRT zawiera już czasy.
4. Wskaż plik subtitles.srt, przejrzyj podgląd i opublikuj.

Jeśli zamiast tekstu widzisz błąd, najczęściej winne jest uszkodzone formatowanie po ręcznej edycji – na przykład usunięta pusta linia albo zmieniona strzałka w linii czasu. Gotową ścieżkę dla twórców opisuje strona o napisach na YouTube (po angielsku).

Napisy w edytorze wideo i w odtwarzaczu

W programach montażowych, takich jak DaVinci Resolve czy Premiere Pro, plik SRT można zaimportować jako ścieżkę napisów, dopasować wygląd i – jeśli chcesz napisy na stałe w obrazie, na przykład pod rolki w mediach społecznościowych – wyeksportować film z wtopionymi napisami. Przy tej okazji ustaw czcionkę, która ma polskie znaki, i sprawdź na podglądzie każdą literę z ogonkiem.

W odtwarzaczach takich jak VLC czy PotPlayer najprościej nazwać plik napisów tak samo jak film (np. wywiad.mp4 i wywiad.srt) i trzymać oba w jednym folderze – wtedy napisy zwykle wczytują się automatycznie. Różnice między osobnym plikiem a napisami osadzonymi w filmie wyjaśnia tekst o napisach osadzonych i plikach SRT (po angielsku).

Polskie znaki i kodowanie – skąd się biorą „krzaki”

Pliki SRT z mydubly są zapisane w UTF-8 ze znacznikiem BOM. YouTube, nowoczesne edytory i popularne odtwarzacze odczytują je poprawnie. Kłopot pojawia się przy starszych telewizorach, odtwarzaczach DVD czy dekoderach, które zakładają kodowanie Windows-1250, typowe dla polskich napisów sprzed lat.

Rozwiązanie: otwórz plik w Subtitle Edit i zapisz go ponownie z kodowaniem Windows-1250 albo w Notatniku w systemie Windows wybierz „Zapisz jako” i kodowanie ANSI (w polskiej wersji systemu oznacza to właśnie Windows-1250). Zachowaj oryginał w UTF-8 – to on jest właściwy dla YouTube'a i edytorów. Jeśli zamiast krzaków widzisz kwadraty, problemem jest raczej czcionka bez polskich znaków. Więcej przyczyn i rozwiązań opisuje tekst o dziwnych znakach w napisach (po angielsku).

Długość linii i tempo czytania

Napis, który się nie mieści albo znika, zanim widz go przeczyta, jest gorszy niż brak napisu. W praktyce często spotyka się limit około 42 znaków w linii i maksymalnie dwie linie na raz. Ponieważ mydubly tworzy jedną linię na każdy fragment mowy, przy szybkim mówcy zdarzają się kwestie wyraźnie dłuższe.

• Długą kwestię podziel na dwie linie w miejscu naturalnej pauzy – przed spójnikiem, po przecinku, nie w środku nazwiska czy wyrażenia przyimkowego.
• Jeśli nawet dwie linie to za mało, rozbij napis na dwa osobne, z czasem przypisanym do każdej połowy wypowiedzi.
• Bardzo krótkie, migające kwestie typu „No.” albo „Tak, tak” możesz połączyć z sąsiednimi.
• W dialogu dwóch osób w jednym napisie stosuje się półpauzę na początku każdej linii.

Subtitle Edit ma funkcję automatycznego łamania linii, która robi większość tej pracy. Zasady dzielenia tekstu na napisy omawia tekst o segmentacji napisów (po angielsku).

Napisy w innym języku i ile to kosztuje

Jeśli chcesz napisy w innym języku niż oryginał – na przykład angielskie do polskiego vloga albo polskie do niemieckiego szkolenia – w kroku 3 wybierz w polu «Select language» język napisów zamiast języka oryginału. Tłumaczenie obejmuje transkrypt i napisy, a cena się nie zmienia. Jeden przebieg daje jeden plik napisów, więc wersję polską i angielską robisz w dwóch przebiegach. Jeśli zamiast napisów wolisz polski głos, przeczytaj o tym, czym lektor AI różni się od dubbingu.

Napisy kosztują 1 kredyt za każdą rozpoczętą minutę, minimum 5 kredytów za plik; 1000 kredytów to 1 dolar, a nowe konto dostaje 100 darmowych kredytów.

Jeśli oprócz napisów potrzebujesz pełnego zapisu rozmowy, na przykład do pracy dyplomowej, zajrzyj do poradnika o transkrypcji wywiadu.