Автоматические субтитры на видео делает программа распознавания речи: она превращает звук в текст, расставляет время появления слов и накладывает их на картинку. Работа занимает минуты вместо часов, но результат нельзя выпускать непроверенным: машина путает имена, слипает слова и принимает за речь посторонние звуки. Ниже порядок работы, список типичных ошибок и проверка, которую мы применяем к каждому ролику.
Как это устроено
Автосубтитры складываются из трёх шагов. Сначала распознавание: программа слушает звук и записывает слова. Затем разметка: к каждому слову привязывается время начала и конца. Наконец оформление: слова делятся на строки и рисуются на картинке с нужным шрифтом, цветом и положением.
Ошибки возникают на каждом шаге. Распознавание ошибается в именах и терминах, разметка в местах, где слова произнесены слитно, а оформление в положении текста: он может закрыть лицо или уйти в зону кнопок площадки.
Шаг 1. Подготовьте звук
Чем чище запись, тем меньше ошибок. Если в ролике фоновая музыка громче речи или несколько человек говорят одновременно, качество упадёт. Проверьте, что голос различим, и при необходимости уберите шум.
Шаг 2. Выберите язык и запустите распознавание
Укажите язык речи. Если в ролике две речи, например русская и английская цитата, автоматика часто спотыкается на переходе. В таком случае цитату придётся править вручную.
Распознавание есть во многих приложениях для монтажа, на сайтах и в сервисах нарезки. Путь в каждом свой: ищите пункт вроде «автоматические субтитры» или «распознать речь». Подробнее о способах: «Как сделать субтитры на видео».
Шаг 3. Вычитайте текст
Прочитайте весь текст глазами. Особенно проверьте:
- имена людей и названия компаний;
- числа и даты: «пятнадцать» против «пятьдесят» ломает смысл;
- термины и сленг;
- слова, похожие по звучанию.
Одна ошибка в числе, в имени или в ключевом слове разрушает доверие. Зритель, заметивший её, обычно не пишет об этом, он просто уходит.
Шаг 4. Проверьте синхрон
Включите ролик со звуком и посмотрите на две-три фразы: в начале, в середине и в конце. Текст должен появляться вместе с голосом. Допустимый рассинхрон в нашем оценщике ±0,15 секунды: больше этого уже заметно. Если рассинхрон растёт к концу, тайминги слов съехали.
Частая причина: распознавание склеило два слова в одно, и время распределилось неверно. Мы с этим сталкивались: слипшиеся слова давали неверные тайминги, и край ролика определялся неверно. Теперь мы дополнительно проверяем край по звуку: если у самого края тишина, это предупреждение, а не брак.
Шаг 5. Оформление и положение
- Не больше двух строк на экране.
- Не больше 17 знаков в секунду: быстрее читать не успевают.
- Текст в нижней трети кадра, выше кнопок площадки.
- Не закрывать лицо.
- Контрастный цвет и обводка либо плашка.
Эти пороги мы используем в автоматическом оценщике. Вы можете проверять их вручную, если работаете в редакторе.
Типичные ошибки автосубтитров
- Чат принят за речь. В записи стрима чтение чата и донатов попадает в текст. В Cleepex это закрыто: на пяти записях ложных срабатываний стало 0 вместо двух.
- Двойные слова. Распознавание повторяет слово дважды.
- Пропуски. Тихая речь на фоне музыки теряется.
- Иностранные слова. Названия и сленг распознаются транслитом.
- Нет знаков препинания. Текст читается как сплошная лента.
Какие записи распознаются лучше всего
Качество автосубтитров сильно зависит от типа записи. Студийный подкаст с двумя микрофонами даёт самый чистый результат: голоса разделены, фона почти нет. Интервью, снятое на телефон в кафе, хуже: шум зала съедает окончания слов. Лекция с одним спикером и петличным микрофоном обычно распознаётся уверенно, но насыщена терминами, и вычитка займёт время.
Стримы самые трудные. Голос ведущего перекрывается музыкой, звуками игры, чатом и донатами. Темп речи высокий, слова сливаются, часть реплик идёт вполголоса. Для таких записей лучше сразу закладывать время на проверку и не рассчитывать, что первый результат подойдёт без правок.
Чек-лист перед публикацией
- Прочитайте весь текст с начала до конца, не пропуская середину.
- Сверьте имена, названия и числа с тем, что реально прозвучало.
- Проверьте первую и последнюю строки: на них смотрят в первую очередь.
- Убедитесь, что текст не выходит за края и не закрывает лицо.
- Посмотрите ролик на телефоне без звука: всё должно быть понятно по тексту.
Пять минут на такую проверку окупаются: зритель, который видит ошибку в первой строке, уходит почти сразу.
Наши цифры
В сравнении Cleepex с другим сервисом нарезки ошибок субтитров в первые 15 секунд было 4,0 % против 11,0 %. Замер не завершён: обработано два видео из пяти, поэтому цифру следует читать как предварительную. В любом случае 4 % означает, что в ролике из 100 слов остаётся около четырёх ошибок, и без вычитки их не найти.
Мы разобрали и 681 ролик чемпионов и обычных роликов из шести ниш. Субтитры там вшиты в картинку, и оценщик читает их только у наших роликов. Размер, положение, число слов в строке, подсветку и цвета субтитров у чужих роликов мы не мерили, и честно говорим: ответа на вопрос «какие субтитры дают больше просмотров» у нас пока нет.
Подсветка слов и стиль
Многие сервисы умеют подсвечивать звучащее слово: оно меняет цвет в момент, когда его произносят. Это удобно, потому что глаз следит за ритмом речи. Подсветка требует точных таймингов слов, и если разметка съехала, подсвеченное слово не совпадает с голосом, что выглядит хуже, чем обычный статичный текст.
Если вы не уверены в точности разметки, отключите подсветку и оставьте простой текст. Лучше аккуратные статичные строки, чем красивая подсветка с запозданием.
Когда автосубтитры не подходят
Если в ролике много специальных терминов, редких имён или нескольких языков, вычитка займёт больше времени, чем ручной набор. Если в ролике важна каждая цифра и цитата, лучше потрудиться вручную. Для разговорных нарезок из подкастов и стримов автоматика обычно справляется, а ваша задача проверить результат.
Сколько времени занимает вычитка
На вычитку одного ролика в минуту уходит заметно меньше времени, чем на ручной набор, если ошибок немного. Основное время съедают спорные места: имена, которые нужно проверить, и числа, которые приходится сверять со звуком. Чтобы не терять время, ведите список имён и терминов своей темы и подставляйте их при проверке.
Что получилось у нас
Наши ролики на YouTube Shorts с автоматическими субтитрами: 1 175 просмотров, 609, третий 0. Заработано пока 0 ₽.
Cleepex ставит субтитры сам и проверяет их оценщиком: зона кнопок, лицо, число строк, скорость чтения, синхрон. Сервис пока закрыт, и о дне открытия мы напишем всем, кто оставит почту.
Частые вопросы
Как сделать автоматические субтитры?
Выберите язык речи в приложении или сервисе, запустите распознавание, вычитайте текст, проверьте синхрон и положение. Названия кнопок в разных программах отличаются, ищите пункт про автоматические субтитры.
Как сделать автосубтитры бесплатно?
Функция автосубтитров есть во многих приложениях для монтажа, бесплатные версии у них разные. Условия и ограничения смотрите на сайтах разработчиков.
Насколько точны автоматические субтитры?
Зависит от записи. В нашем сравнении на двух видео из пяти ошибок в первые 15 секунд было 4,0 % у Cleepex против 11,0 % у другого сервиса. Замер не завершён, а вычитка нужна всегда.
Почему автосубтитры ошибаются?
Распознавание путает имена, термины и числа, склеивает слова при быстрой речи и на стримах может принять за речь чат и донаты. Поэтому текст нужно прочитать до публикации.