Napisy w 99 językach i zastrzeżenie, którego nikt nie drukuje
Krótkie wideo oglądane jest głównie bez dźwięku, więc napisy nie są ozdobą: dla sporej części twojej widowni są dźwiękiem. Katto wypala je automatycznie. Ta strona mówi też, gdzie technologia się zatrzymuje, bo to ta część, którą odkryłbyś dopiero po wybraniu narzędzia.
Transkrypcją zajmuje się Whisper large-v3, więc język twojego odcinka jest niemal na pewno obsłużony.
Języki z modelem wymuszonego dopasowania. To w nich napis może podświetlić dokładnie wypowiadane słowo.
Nazwane ustawienia, 16 z nich w planie darmowym. Podgląd w edytorze używa tego samego silnika co eksport.
Zainstalowanych na maszynie renderującej, a nie tylko wypisanych w menu. Krój, którego tam nie ma, zostałby po cichu zastąpiony.
99 języków, 41 zsynchronizowanych słowo po słowie
To dwa różne zadania, a większość porównań zbija je do jednej liczby. Transkrypcja zamienia mowę w tekst i działa w 99 językach. Dopasowanie umieszcza każde słowo na osi czasu i wymaga osobnego modelu na język. Mamy ich 41. W pozostałych 58 językach napisy są poprawne i czytelne, po prostu pojawiają się wierszami, zamiast zapalać się słowo po słowie.
Podajemy ten podział, bo podświetlanie słowo po słowie to dokładnie ten efekt, który ludzie mają na myśli, mówiąc o animowanych napisach. Narzędzie reklamujące synchronizację słowną we wszystkich obsługiwanych językach opisuje w istocie zasięg swojej transkrypcji i pozostawia resztę twoim domysłom.
Gdzie sam pomysł się rozsypuje
Japoński, tajski i chiński zapisuje się bez spacji, więc nie ma granic słów, do których można by się dopasować. Synchronizacja słowna jest tam pojęciem rozmytym niezależnie od modelu, a napisy układają się na poziomie znaku albo frazy. To nie luka w naszej implementacji, tylko uczciwy sufit, a kto twierdzi inaczej, nie próbował w tych pismach.
Podgląd jest silnikiem renderującym
Napisy są wypalane w wideo, a nie dołączane jako ścieżka, więc przetrwają ponowne wysłanie i platformy ignorujące pliki napisów. To czyni z podglądu obietnicę: to, co ułożysz w edytorze, zostaje wypalone, aż po krój pisma. 48 krojów w selektorze jest zainstalowanych na maszynie renderującej, a nie tylko wypisanych, bo krój istniejący wyłącznie w menu zostaje po cichu zastąpiony i dowiadujesz się o tym przy eksporcie.
Poprawianie tego, co transkrypcja usłyszała źle
Nazwy własne to pierwsze miejsce, w którym transkrypcja pęka, i zarazem słowa, które twoja widownia zauważa. Zanim w ogóle otworzysz klip, przez nazwy i rzadkie terminy przechodzi przebieg korygujący, a to, co mu umknęło, można zmienić słowo po słowie w panelu transkrypcji. Te poprawki trafiają wprost do napisów, więc nazwę poprawiasz raz, a nie raz na klip.
Pytania
Transkrypcja i synchronizacja to dwa osobne zadania. Wszystkie 99 języków dostaje poprawny tekst. 41 z nich ma dodatkowo model dopasowania, który umieszcza każde słowo na osi czasu. W pozostałych 58 synchronizacja jest zdaniowa, więc napisy pojawiają się wierszami, zamiast podświetlać każde wypowiadane słowo.
Bo podświetlanie słowo po słowie to efekt, który większość ma na myśli, mówiąc o animowanych napisach. Jeśli narzędzie deklaruje synchronizację słowną w każdym obsługiwanym języku, zaokrągla w górę, a przekonasz się o tym, próbując w swoim.
Języki zapisywane bez spacji z założenia nie mają granic słów, do których można by się dopasować, więc synchronizacja słowna jest tam rozmytym pomysłem przy każdym modelu. Napisy są tam synchronizowane na poziomie znaku albo frazy, co jest uczciwym sufitem, a nie wybranym przez nas ograniczeniem.
Tak. Są renderowane do pliku, więc przetrwają ponowne wysłanie i platformy ignorujące ścieżki napisów. Dlatego też podgląd w edytorze ma znaczenie: to, co ułożysz, zostaje wypalone.
Tak, w panelu transkrypcji w edytorze. Winowajcą są zwykle nazwy własne, a te są poprawiane automatycznie, zanim je zobaczysz, więc ręczny przebieg bywa krótki.
16 z 51. Pozostałe 35 jest w Creatorze. Zestaw darmowy nie jest okrojoną próbką, obejmuje typowe wyglądy, łącznie z podświetlaniem słowo po słowie.
Sprawdź we własnym języku
Plan darmowy zawiera 16 z 51 stylów, co wystarczy, by zobaczyć, czy synchronizacja w twoim języku jest słowna, czy zdaniowa.