Genius-bot · 3 минуты чтения
Больше половины зрителей смотрят ролики без звука. Субтитры давно перестали быть заботой о слабослышащих и стали условием, при котором видео вообще досматривают. Разберём, как сделать их автоматически и почему «автоматически» не значит «без участия человека».
Как это устроено
Схема из двух шагов. Сначала модель распознаёт речь и возвращает текст с отметками времени — на какой секунде какая фраза. Потом этот текст режется на короткие строки и накладывается на видео либо отдаётся отдельным файлом.
Первый шаг закрывает расшифровка записи: на выходе текст с пунктуацией, отметками времени и разделением по говорящим. Второй — дело монтажного редактора или встроенного инструмента площадки.
Почему автоматические субтитры всегда правят
Распознавание ошибается предсказуемо, и знать эти места полезно заранее.
- Имена и названия. Фамилии, бренды, топонимы модель слышит как похожие обычные слова.
- Термины. Профессиональная лексика уезжает чаще всего.
- Цифры. «Двадцать пять тысяч» может стать «25 000», а может — «2500».
- Границы реплик. В диалоге фразы слипаются, если говорящие перебивают друг друга.
- Обрывы и оговорки. Модель честно запишет «э-э-э» и повтор слова — в титрах это лишнее.
Вычитка часа записи занимает от сорока минут до полутора часов. Это и есть реальная работа; распознавание — минуты.
Что портит результат сильнее всего
Шум. Улица, кондиционер, эхо пустой комнаты. Если запись шумная, прогоните её через очистку звука до расшифровки — качество титров вырастет заметнее, чем от смены модели.
Музыка под речью. Громкий фон съедает окончания. Если дорожки смешаны, помогает разделение вокала и музыки: голос отделяется, и распознавание идёт по чистой речи.
Несколько говорящих на одном микрофоне. Разделение по ролям ломается, и правку приходится делать вручную.
Как оформлять титры, чтобы их читали
- Две строки максимум. Три уже закрывают кадр.
- Сорок символов в строке. Ориентир, дальше глаз не успевает.
- Одна мысль — один титр. Не рвите фразу посередине смысловой группы.
- Держите титр на экране не меньше секунды. Мелькание раздражает сильнее, чем отсутствие субтитров.
- Контрастная подложка. Белый текст на светлом кадре нечитаем.
- Не дублируйте озвучку дословно. В титрах убирают «ну», «вот», повторы — читается легче, а смысл тот же.
Вшитые или отдельным файлом
Отдельный файл зритель может выключить, а поисковик — прочитать. Плюс его легко перевести на другой язык. Минус: в соцсетях такие субтитры часто не показываются.
Вшитые в картинку видны везде и всегда, но их нельзя выключить и нельзя перевести без пересборки ролика.
Практическое правило: для площадок с полноценным плеером — отдельный файл, для вертикальных роликов в соцсетях — вшитые. Для длинных видео часто делают и то и другое.
Субтитры как услуга
Это одна из самых спокойных ниш: спрос стабильный, требования понятные, конкуренция ниже, чем в «творческих» направлениях — желающих делать титры к чужим вебинарам заметно меньше, чем желающих рисовать картинки.
Кто заказывает: онлайн-школы, подкастеры, блогеры, компании с записями вебинаров, агентства. Часто это повторяющаяся работа — а повторяющийся заказчик ценнее разового.
Как считать цену: за минуту исходника или за пакет записей. Себестоимость — стоимость расшифровки (указана на странице сервиса) плюс ваше время на вычитку, и вычитка здесь основная статья. Считать по времени распознавания — верный способ работать в минус; про этот расчёт подробно говорят на обучении заработку на нейросетях.
Короткий вывод
Нейросеть снимает самую нудную часть — набор текста с отметками времени. Всё остальное — чистка исходника, вычитка, разбивка на читаемые строки — остаётся человеку, и именно за это платят.
Начать проще всего со своей записи: прогоните через расшифровку, вычитайте, соберите титры. Через пару таких проходов вы будете точно знать свою скорость и сможете назвать честную цену.
