Napisy AI do filmu: poprawny tekst może pojawić się w złym momencie

Instruktorka mówi: „Tej strony jeszcze nie odwracamy”. Na ekranie widać przygotowany arkusz, po chwili następuje cięcie i pokaz drugiej strony. Napis z przeczeniem pojawia się dopiero przy tym nowym ujęciu. Słowa są poprawne, lecz osoba oglądająca film bez dźwięku przypisuje je do innej czynności. Korekta samego tekstu nie znajdzie tego błędu.

To fikcyjny przykład filmu pracowni druku. Automatycznie przygotowane napisy mają pomóc odbiorcy powtórzyć kolejne czynności. Ich jakość trzeba więc sprawdzić w czasie odtwarzania, razem z obrazem. Plik z piękną polszczyzną może nadawać się do dalszej pracy, a jednocześnie nie nadawać się jeszcze do publikacji jako napisy.

Co usłyszał model, a co zrozumie odbiorca

Zacznij od wersji filmu, która rzeczywiście ma być udostępniona. Skrypt nagrania może różnić się od wypowiedzi instruktorki: ktoś dopowiedział wyjaśnienie, zmienił kolejność albo skrócił zdanie podczas montażu. Jeśli oceniasz napisy tylko względem pierwotnego scenariusza, potwierdzisz dokument, którego widz nie słyszy i nie ogląda.

Przesłuchaj wypowiedź i porównaj ją z tekstem. W filmie pracowni przed przeglądem wypisz informacje, których zmiana odwraca rezultat: nazwę materiału, stronę arkusza, kolejność działań, liczbę powtórzeń i moment przejścia dalej. Literówka w słowie pomocniczym może nie zmienić zadania, lecz pominięcie „jeszcze” zmienia moment działania. Będziesz wtedy oceniać te same punkty w wersji automatycznej i po korekcie, zamiast kierować się ogólnym wrażeniem płynnego tekstu.

Przy niewyraźnym słowie porównaj nagranie z osobą znającą materiał. Nie zastępuj nierozpoznanej nazwy prawdopodobnym terminem tylko dlatego, że dobrze pasuje do tematu. Jeśli słowa nie da się ustalić, potrzebne jest uzgodnione oznaczenie braku albo poprawa nagrania. Model nie powinien sam zamieniać niepewnego odczytu w pewną instrukcję, której autor nie potwierdził.

Oddziel zapis wypowiedzi od jej redakcyjnego wygładzenia. Narzędzie może usunąć powtórzenie, przestawić fragment albo dopisać interpunkcję. Czasem ułatwia to czytanie, czasem przesuwa warunek do innego zdania. Jeśli instruktorka mówi „tylko na tej stronie”, skrót nie może zostawić samego „na tej stronie” w miejscu, w którym zniknie ograniczenie.

W3C WAI opisuje napisy jako zsynchronizowany tekst wypowiedzi i innych informacji dźwiękowych potrzebnych do zrozumienia materiału. Z tego wynika konkretne pytanie przy odbiorze: czy osoba bez dostępu do dźwięku otrzyma informacje potrzebne do zrozumienia tej wersji filmu? Samo przepisanie słów nie odpowiada jeszcze na całość tego pytania.

W naszym przykładzie za kadrem ktoś pyta, czy można już odwrócić arkusz. Odpowiedź „jeszcze nie” jest zrozumiała z pytaniem, a bez niego brzmi jak przypadkowy komentarz. Jeśli napisy obejmą tylko głos instruktorki, widz może stracić podstawę krótkiej odpowiedzi. Uwzględnij pytania i komentarze zza kadru, gdy niosą potrzebną informację.

Przy zmianie mówcy określ, czy można go rozpoznać z obrazu. Jeśli dwie osoby rozmawiają poza kadrem, sam nowy wiersz nie zawsze pokaże zmianę. Sposób oznaczenia powinien pomagać zrozumieć rozmowę. Nie dopisuj z kolei nazwisk, których nie ma w materiale i których nie ustalono z jego autorem.

Podobnie wybieraj informacje o dźwiękach. W filmie pokazującym demonstrację sygnał urządzenia może oznaczać zakończenie etapu. Osoba bez dźwięku potrzebuje wiedzieć, że sygnał wystąpił, jeśli dalsza wypowiedź właśnie do niego nawiązuje. Nie chodzi o katalogowanie każdego szelestu w pracowni. Zapisuj to, co ma znaczenie dla zrozumienia konkretnej sceny.

Rozróżnij też napisy od opisu samego obrazu. Tekst wypowiedzi nie naprawi sytuacji, w której pokazano inną stronę arkusza, niż wskazuje narracja. Taki błąd należy do montażu lub treści filmu. Przy generowanym materiale sprawdza się również ciągłość przedmiotu i czynności w wideo AI. Poprawna transkrypcja nie potwierdza poprawności całej demonstracji.

Jeśli do filmu dodano syntetyczny głos, porównaj napisy także z gotowym nagraniem, a nie wyłącznie z tekstem podanym do generatora. Kontrola syntezy mowy AI obejmuje między innymi nazwy i jednostki. Głos oraz napis mogą osobno wyglądać na zgodne z dokumentem, a podczas odtwarzania przekazywać różne oznaczenie modelu lub materiału.

Czas i podział zdania są częścią znaczenia

Wróć do przeczenia z otwarcia. Znajdź moment wypowiedzi, odpowiadający mu obraz i czas wyświetlenia napisu. Sprawdź początek oraz koniec. Zbyt późny początek przypisze zdanie następnej czynności. Zbyt późne zniknięcie pozostawi dawną instrukcję nad nową sceną, nawet jeśli napis pojawił się we właściwej chwili.

Instrukcja edycji napisów YouTube osobno opisuje zmianę tekstu i znaczników czasu, czyli momentów pojawienia się oraz zniknięcia. Czas można poprawić w edytorze lub pobranym pliku. Przy własnym odbiorze potraktuj więc korektę tekstu i synchronizacji jako dwa zadania, nawet jeśli narzędzie pokazuje je obok siebie.

Samo stałe przesunięcie wszystkich napisów może nie wystarczyć. Jeśli usunięto fragment ze środka filmu, początek nadal pasuje, a późniejsze wypowiedzi są już przesunięte. Przejdź przez materiał od początku do końca. Szczególnie sprawdź okolice cięć, wstawek z muzyką, przyspieszonych demonstracji i końcowej planszy.

Początek i koniec filmu obejrzyj osobno. Pierwsza krótka wypowiedź może wypaść jeszcze przed pojawieniem się pierwszego napisu, a końcowa informacja zostać ucięta razem z ostatnim ujęciem. Poprawność środkowej części materiału nie pokaże tych braków. W filmie pracowni dotyczy to choćby wskazania, którą stroną położyć arkusz na początku oraz gdzie odłożyć go po zakończeniu.

Podział tekstu może również zmienić odczyt. Gdy ekran najpierw pokazuje „można odwrócić arkusz”, a dopiero później „dopiero po zakończeniu tego etapu”, widz przez chwilę dostaje niepełne polecenie. Sprawdź, czy warunek i czynność dają się przeczytać jako jeden sensowny fragment w odpowiednim czasie. Nie oceniaj podziału wyłącznie według równych długości wierszy.

Skracanie wypowiedzi wymaga zachowania jej ograniczeń. W naszym przykładzie słowa wskazujące stronę, kolejność i moment nie są ozdobnikami. Jeśli pełne zdanie jest za długie na dany odcinek, popraw podział albo uzgodnij skrót z osobą znającą materiał. Mechaniczne usuwanie najkrótszych wyrazów może usunąć właśnie „nie” lub „po”.

Odtwórz film w zwykłym tempie bez zatrzymywania przy każdym napisie. Korektor znający wypowiedź na pamięć może uznać tekst za czytelny, choć nowy widz musi jednocześnie obserwować ręce instruktorki. Jeżeli co chwilę trzeba zatrzymywać obraz, sprawdź gęstość tekstu oraz jego podział. Nie wprowadzaj jednak jednego arbitralnego limitu dla wszystkich rodzajów materiału.

W próbie rozdziel trzy czynności:

• Porównaj tekst z dźwiękiem, aby wykryć błędy słów i znaczenia.
• Obejrzyj film bez dźwięku, aby ocenić samodzielność napisów i ich związek z obrazem.
• Wróć do miejsc rozbieżności z oboma torami, aby ustalić przyczynę i potrzebną zmianę.

Każda z tych prób odpowiada na inne pytanie. Oglądanie wyłącznie z dźwiękiem może ukryć brak w napisach, bo słuchacz uzupełni go z wypowiedzi. Oglądanie wyłącznie bez dźwięku nie pozwoli natomiast potwierdzić zgodności z tym, co rzeczywiście powiedziano. W raporcie zapisz, którą próbę wykonano i na jakim pliku.

Po przewinięciu do środka demonstracji sprawdź, czy widz nadal może rozpoznać czynność z aktualnego obrazu i napisu. Długi fragment tekstu rozpoczęty wcześniej może nie dać się odczytać po takim wejściu. Nie oznacza to potrzeby objaśniania całego filmu w każdym wierszu; chodzi o rozsądny podział przy zmianach etapu i tematu.

Sprawdź, czy napisy nie zasłaniają informacji, na którą właśnie trzeba spojrzeć. W filmie pracowni może to być małe oznaczenie strony arkusza albo detal pokazany na dole kadru. Przesunięcie tekstu, zmiana ujęcia lub układu wymagają oceny w gotowej wersji. Czytelność napisów i czytelność demonstracji muszą być sprawdzone razem.

Przy kilku wersjach językowych nie kopiuj bezrefleksyjnie podziału z jednego języka do drugiego. Ta sama myśl może potrzebować innej długości i kolejności słów. Odbiór tłumaczenia powinien uwzględniać czas na przeczytanie oraz związek z ujęciem. Poprawność tłumaczenia jako dokumentu nie potwierdza jeszcze poprawności gotowych napisów.

Odebrane mają być napisy, które trafią do widza

Zachowaj powiązanie filmu z wersją pliku napisów. Jeżeli montaż zmienia się po korekcie, ponownie sprawdź miejsca, na które ta zmiana wpływa. Nazwa „napisy_finalne” nie pokazuje, czy plik dotyczy filmu przed skróceniem wstępu czy po nim. Oznaczenie wersji powinno pozwolić rozpoznać parę bez pamiętania całej korespondencji.

Otwórz wyeksportowany plik w odtwarzaczu używanym do publikacji lub jego rzeczywistym podglądzie. Podgląd w narzędziu do tworzenia napisów jest potrzebny, lecz odbiorca zobaczy inny etap. Sprawdź polskie znaki, kolejność fragmentów, brakujące odcinki i wybraną ścieżkę językową. Poprawność samego importu potwierdza jedynie, że plik został przyjęty.

Jeśli dostępna jest ścieżka automatyczna i poprawiona, upewnij się, którą widz rzeczywiście wybrał. Nazwy języka i wariantu powinny pozwalać je rozróżnić. Przy tekście wmontowanym w obraz dodatkowa ścieżka może wyświetlać drugie napisy w tym samym miejscu. Odbierz ten układ w odtwarzaczu, zamiast zakładać, że dodanie kolejnej wersji zawsze pomaga.

Przy osadzaniu wideo na stronie usługowej dochodzi wybór napisów w samym odtwarzaczu. Widz powinien móc odnaleźć właściwy język i zobaczyć uzgodnioną wersję. Jeśli napisy są na stałe częścią obrazu, sprawdź ich widoczność w rzeczywistym rozmiarze osadzenia. To inna próba niż podgląd pełnoekranowy na monitorze autora.

Nie zastępuj tego odbioru kontrolą tekstowej transkrypcji. W protokołach ze spotkań przygotowywanych przez AI istotne jest przypisanie wypowiedzi i zachowanie ustaleń. Napisy mają jeszcze czas wyświetlenia oraz relację do obrazu. Tej dodatkowej warstwy nie zobaczysz w zwykłym dokumencie z tekstem.

Również opis alternatywny obrazu przygotowany przez AI pełni inną rolę niż ścieżka napisów. Dobierz formę do informacji, której odbiorca potrzebuje. Dodanie jednego tekstowego dodatku do filmu nie oznacza, że rozwiązał wszystkie sposoby odbioru materiału ani wszystkie jego problemy dostępności.

Po poprawkach odtwórz zmienione fragmenty z sąsiednimi wypowiedziami. Przesunięcie jednego napisu może skrócić czas kolejnego albo spowodować ich nakładanie. Korekta uznana za gotową na podstawie samego wiersza tekstu nie rozstrzyga tego skutku. Zachowaj wynik ponownego sprawdzenia przy aktualnej parze filmu i napisów, aby dało się wskazać wersję faktycznie przyjętą.

W raporcie wskazuj rozbieżność wraz z miejscem w filmie i skutkiem dla sensu. „Napis za późno” jest trudniejsze do oceny niż „przeczenie pojawia się przy następnym ujęciu i dotyczy już innej czynności”. Taki opis pozwala osobie poprawiającej wybrać właściwe działanie: przesunąć czas, zmienić podział lub wrócić do montażu.

W Aeneia Audit można ocenić sposób używania AI do przygotowania materiałów oraz kryteria ich przyjmowania. Do oceny wybierz faktycznie publikowaną wersję oraz osobę, która potrafi sprawdzić jej język i treść. Sam raport z narzędzia generującego napisy nie zastępuje odtworzenia filmu.

Gdy widz ogląda demonstrację bez dźwięku, powinien rozumieć, której strony arkusza dotyczy zdanie i kiedy ma wykonać czynność. Jeśli musi najpierw posłuchać, żeby poprawnie zinterpretować napis, potrzebna jest korekta. Przeczenie ma pracować w tej samej scenie co instrukcja, a nie przychodzić po niej z uprzejmym sprostowaniem.