Napisy wypalone czy osobne
Napisy do wideo można dodać na dwa sposoby, a każdy z nich rozwiązuje inny problem.
Napisy osobne (miękkie) znajdują się we własnym pliku, zwykle SRT lub VTT, albo jako ścieżka w pliku MKV lub MP4. Widz może je włączać i wyłączać, wybrać język, a tekst pozostaje ostry w każdym rozmiarze. Haczyk polega na tym, że odtwarzacz musi je obsługiwać, a wiele miejsc, w których ogląda się krótkie filmy, nie odczytuje pliku napisów dołączonego obok wideo.
Napisy wypalone (twarde) są rysowane bezpośrednio w klatkach. Stanowią po prostu część obrazu, więc pojawiają się wszędzie, gdzie odtwarzane jest wideo: w podglądzie w komunikatorze, w feedzie mediów społecznościowych, na telefonie w trybie wyciszonym, na stronie z minimalistycznym odtwarzaczem czy na telewizorze, który ignoruje ścieżki napisów. Nie da się ich wyłączyć, przetłumaczyć w odtwarzaczu ani później zmienić ich stylu.
Wypalone napisy to praktyczny wybór dla klipów do mediów społecznościowych, gdzie duża część widzów przewija z wyłączonym dźwiękiem, oraz dla każdego wideo, które przekazujesz komuś innemu, nie mając kontroli nad tym, jak zostanie odtworzone. W przypadku archiwum filmów lub wielojęzycznej biblioteki lepsze są osobne pliki.
Co dzieje się z Twoim wideo
To narzędzie działa w całości na naszych serwerach, w jednym zadaniu złożonym z dwóch etapów:
- Rozpoznawanie mowy. Dźwięk jest transkrybowany modelem mowy Whisper na fragmenty ze znacznikami czasu, dokładnie tak jak w narzędziu do transkrypcji po wybraniu wyniku SRT. Cisza jest pomijana, a interpunkcja dodawana automatycznie.
- Renderowanie. Fragmenty są rysowane na klatkach, a wideo jest ponownie kodowane do H.264 MP4 z ustawieniem jakości (CRF 23), które utrzymuje obraz blisko oryginału. Dźwięk jest ponownie kodowany do AAC 128 kb/s, a plik jest ułożony tak, by zaczynał się odtwarzać przed pełnym pobraniem.
Rozdzielczość i liczba klatek na sekundę pozostają bez zmian. Pliki MOV, MKV i WebM wracają jako MP4, czyli format, którego oczekują platformy społecznościowe i komunikatory. Gotowy plik ma nazwę oryginału z dopiskiem -subtitled.
Ponieważ cały obraz jest kodowany ponownie, rozmiar wyniku może różnić się od wejścia. Klip nagrany w HEVC na nowym iPhonie może wrócić nieco większy, bo H.264 potrzebuje więcej bitów dla tej samej jakości. Jeśli rozmiar ma znaczenie, przepuść potem wynik przez Kompresję wideo.
Jak wyglądają napisy
Styl jest stały i zaprojektowany tak, by pozostawał czytelny na każdym tle:
- Biały tekst bezszeryfowy, wyśrodkowany na dole kadru.
- Półprzezroczysty ciemny prostokąt za każdym wierszem zamiast obrysu, dzięki czemu słowa są czytelne zarówno na jasnym niebie, jak i w ruchliwych scenach.
- Rozmiar tekstu skaluje się z wysokością wideo, więc wersja 720p i 4K tego samego klipu wyglądają proporcjonalnie tak samo.
- Dolny margines wynoszący mniej więcej jedną dziesiątą wysokości kadru, który chroni tekst przed paskami postępu i obszarem podpisów nakładanym przez aplikacje na telefonach.
Każdy napis odpowiada jednej rozpoznanej frazie. Szybka lub ciągła mowa daje dłuższe frazy, które łamią się na dwa lub więcej wierszy; bardziej widać to w pionowym wideo 9:16, w którym kadr jest wąski.
Jak uzyskać czysty wynik za pierwszym razem
Ponieważ tekstu nie da się edytować przed wypaleniem, dostajesz dokładnie taką jakość, jaką da rozpoznawanie. Kilka rzeczy zwiększa szanse:
- Ustaw język mówiony, zamiast zostawiać automatyczne wykrywanie, gdy klip zaczyna się od muzyki lub dżingla. Napisy są tworzone w języku, którym się mówi; wybranie innego ich nie przetłumaczy.
- Użyj najczystszego dźwięku, jaki masz. Muzyka w tle pod mową to najczęstsza przyczyna brakujących lub zniekształconych wierszy.
- Uważaj na nazwy i liczby. Nazwy marek, imiona i liczby to miejsca, w których skupiają się błędy. Jeśli są ważne, najpierw sprawdź krótki klip testowy.
- Zachowaj oryginał. Wypalony tekst jest trwały, więc przechowuj czystą wersję na wypadek, gdybyś potrzebował jej bez napisów lub z poprawionym tekstem.
Jeśli potrzebujesz pełnej kontroli nad treścią, wygeneruj plik SRT przez transkrypcję, popraw go i zamiast tego wczytaj jako ścieżkę napisów w edytorze wideo.
Czas, limity i prywatność
Czas przetwarzania zależy głównie od długości nagrania, bo rozpoznawanie działa mniej więcej w czasie rzeczywistym, więc przycięcie klipu do fragmentu, który faktycznie opublikujesz, narzędziem Przytnij wideo oszczędza zarówno czas oczekiwania, jak i limit. Darmowe użycie obejmuje jedno wideo dziennie, do 10 minut i 500 MB, bez konta. Premium znosi dzienny limit i przyjmuje nagrania do 90 minut. Przesłane wideo jest usuwane po zakończeniu przetwarzania, a wynik wygasa automatycznie w ciągu mniej więcej godziny.