Sottotitoli SDH e CC: significato e differenze

La differenza tra SDH, closed caption e sottotitoli sta nel pubblico. I sottotitoli sono per chi sente ma non capisce la lingua, quindi riportano i dialoghi, di solito tradotti. I closed caption (CC) e gli SDH, cioè i sottotitoli per non udenti e ipoudenti, sono per chi non sente, quindi aggiungono i suoni: musica, effetti e chi sta parlando.

SDH e closed caption differiscono soprattutto per come vengono consegnati, e i sottotitoli forzati sono un quarto tipo che si attiva da solo. Prima tutti e quattro a confronto, poi che cosa deve contenere ciascuno.

SDH, closed caption, sottotitoli e sottotitoli forzati a confronto

La colonna che rompe lo schema è l'ultima. I sottotitoli forzati sono scritti per spettatori che sentono e capiscono la lingua principale, e sono l'unico tipo che lo spettatore non deve mai attivare.

Gli altri tre si dividono nettamente lungo un'unica linea. Se la traccia presuppone che lo spettatore senta la colonna sonora, è un sottotitolo. Se la sostituisce, è un sottotitolo per non udenti, che sia etichettato CC o SDH.

Cosa deve contenere una traccia SDH?

Tutto ciò che chi sente ricava dall'audio e che conta per la storia. Le linee guida sull'accessibilità del W3C definiscono i sottotitoli per non udenti (captions) come un'alternativa testuale «sia per il parlato sia per le informazioni audio non vocali necessarie a capire il contenuto multimediale», ed elencano effetti sonori, musica, risate, identificazione di chi parla e luogo come parte di questa definizione (WCAG 2.2, Understanding SC 1.2.2).

La guida di stile di Netflix per il timed text in inglese (USA) trasforma tutto questo in regole concrete per gli SDH:

1. Effetti sonori e nomi di chi parla vanno tra parentesi quadre, in minuscolo, tranne i nomi propri: [door creaks], [Maya].
2. Indica solo ciò che l'immagine non mostra. L'indicazione di chi parla o di un effetto sonoro si usa solo quando non si può riconoscere visivamente.
3. Descrivi il suono, non l'azione. «Descrivi i suoni e l'audio, non gli elementi visivi o le azioni» — la voce, la velocità del parlato, il volume.
4. Gli effetti sonori rilevanti per la trama si inseriscono sempre, a meno che l'immagine non li renda già evidenti.
5. I testi delle canzoni stanno tra note musicali, con uno spazio per lato: ♪ like this ♪.
6. Chi non ha un nome riceve un'etichetta generica, come [man] o [woman], numerata quando sono più persone.

In un file di sottotitoli, tre battute SDH hanno questo aspetto:

12
00:01:04,200 --> 00:01:06,900
[door creaks open]

13
00:01:07,100 --> 00:01:09,800
[Maya] Is anyone here?

14
00:01:10,400 --> 00:01:13,600
♪ I've been waiting all night ♪

Dal punto di vista tecnico, in quel file non c'è nulla di speciale. È un normale .srt, lo stesso formato di un sottotitolo tradotto. A renderlo SDH è soltanto il contenuto: il suono tra parentesi, il nome di chi parla fuori campo, i testi segnati come cantati.

La stessa guida dà agli SDH e ai sottotitoli tradotti gli stessi limiti di impaginazione: 42 caratteri per riga, e fino a 20 caratteri al secondo per i programmi per adulti e 17 per quelli per bambini. Le altre lingue fissano numeri propri, e alcune permettono agli SDH di scorrere più veloci dei sottotitoli normali; la guida alla velocità di lettura ha la tabella.

Negli Stati Uniti anche i closed caption televisivi sono soggetti a standard di qualità previsti dalla legge. Le regole della FCC richiedono sottotitoli accurati, sincroni, completi e posizionati correttamente, e contano rumori di fondo e altri suoni come parte dell'accuratezza (guida della FCC per i consumatori).

SDH e closed caption sono la stessa cosa?

Per quello che dicono, quasi. Per come arrivano sullo schermo, no, ed è questa differenza a far sopravvivere entrambi i nomi.

I closed caption sono nati come tecnologia di trasmissione. La guida di Apple ai sottotitoli in Final Cut Pro descrive CEA-608 come «uno standard di sottotitoli per non udenti per il broadcasting e i video web». Può viaggiare incorporato nel file multimediale. Il player o la TV decodifica quei dati e li disegna con il proprio motore di rendering dei sottotitoli.

L'SDH è lo stesso tipo di contenuto consegnato come normale traccia di sottotitoli: un .srt, un .vtt, una traccia in un .mkv, lo stream di sottotitoli di un disco. Può usare i font e il posizionamento di qualsiasi sottotitolo e si riproduce su qualsiasi cosa riproduca sottotitoli. Per questo lo stesso tipo di traccia compare come «CC» su un servizio di streaming e come «SDH» su un altro.

Due altri termini completano il quadro, entrambi dalla stessa pagina del W3C:

• I closed caption «si possono attivare e disattivare con alcuni player».
• Gli open caption (sottotitoli sempre visibili) «non si possono disattivare» — fanno parte dell'immagine. I sottotitoli impressi in un video TikTok o Reels sono open caption; hardsub vs softsub spiega quando imprimerli.

Il W3C osserva anche che «in alcuni paesi i caption si chiamano sottotitoli». Le emittenti britanniche usano «subtitles» per ciò che quelle americane chiamano «captions», ed è all'origine della maggior parte della confusione nei risultati di ricerca.

Come si chiama l'SDH nelle altre lingue

I termini non si traducono uno a uno, quindi ecco che cosa significa ogni etichetta nel posto in cui la incontrerai:

I servizi di streaming di solito lasciano la sigla inglese nei menu, qualunque sia la lingua dell'interfaccia, ed è per questo che «SDH» e «CC» si cercano in tutte le lingue di questo elenco.

Cosa sono i sottotitoli forzati?

I sottotitoli forzati sono quelli che compaiono quando i sottotitoli sono disattivati. Coprono solo ciò che uno spettatore che capisce la lingua principale non riuscirebbe comunque a seguire: una scena in un'altra lingua, un cartello, un messaggio sullo schermo di un telefono.

Netflix li chiama «forced narratives», e la sua guida di stile per l'inglese è rigida: il testo a schermo si sottotitola solo se conta per la trama, in maiuscolo, senza mai unirlo ai dialoghi nello stesso sottotitolo, e i dialoghi stranieri si traducono solo se il pubblico doveva capirli.

In un file video, a rendere forzata una traccia è un flag. La specifica Matroska definisce il flag forzato per i sottotitoli come ciò che rende una traccia idonea alla selezione automatica quando corrisponde alla lingua dello spettatore «anche se le preferenze dell'utente normalmente non attiverebbero i sottotitoli», per le «tracce che contengono solo traduzioni dell'audio in lingue straniere o del testo a schermo». La stessa specifica ha un flag separato per i non udenti (hearing-impaired) per le tracce SDH. In MKVToolNix i due sono --forced-display-flag e --hearing-impaired-flag; aggiungere sottotitoli a un MKV spiega come fare il mux e perché una traccia completa non va mai contrassegnata come forzata.

Quale dovresti creare?

«Carico su YouTube un video con una sola persona che parla in camera.» Una traccia in stile SDH nella lingua parlata. Per lo più sono dialoghi, più i pochi suoni che contano: [laughs], [upbeat music], una voce fuori campo.

«Sto traducendo il mio video per altri mercati.» Sottotitoli normali, uno per lingua. Chi legge la traccia in spagnolo di solito sente la colonna sonora.

«Il mio film ha una scena in un'altra lingua.» Una traccia forzata solo per quella scena, più sottotitoli completi o SDH per chi li vuole.

«Consegno a un servizio di streaming o a un'emittente.» Decide la loro specifica, fino allo stile delle parentesi. Netflix pubblica una guida di stile per il timed text per ogni lingua.

«È per TikTok o Reels.» Open caption, impressi nell'immagine. La maggior parte del pubblico guarda senza audio, quindi anche una breve indicazione sonora si guadagna il suo posto.

La trascrizione automatica produce SDH?

No, ed è utile essere precisi su ciò che manca. I modelli di riconoscimento vocale come Whisper sono fatti per trascrivere il parlato. Producono i dialoghi, che sono la parte più grande di una traccia SDH, e lasciano fuori quasi tutto ciò che la rende SDH.

• Effetti sonori. Whisper non descrive in modo affidabile una porta, un telefono o uno sparo. Quando scrive qualcosa tra parentesi sopra la musica o il silenzio, consideralo un'ipotesi da verificare, non una battuta da tenere; perché Whisper inventa testo spiega da dove arrivano quelle righe.
• Nomi di chi parla. Whisper non sa chi sta parlando. Gli strumenti di diarizzazione possono dividere le voci in «speaker 1» e «speaker 2», ma dare loro un nome, e decidere quando l'immagine mostra già chi parla, è una scelta di giudizio.
• Musica. I testi possono essere trascritti, a volte male; se una canzone merita una battuta con ♪, un titolo tra virgolette o niente del tutto è una decisione editoriale.

Quindi una trascrizione automatica è un sottotitolo di dialoghi. Per trasformarla in SDH serve un passaggio di qualcuno che guardi il video con l'audio acceso e aggiunga le indicazioni. Quel passaggio è più rapido che trascrivere da zero, ma non è facoltativo.

Creare SDH e sottotitoli da un'unica trascrizione

Sablate copre la parte che l'automazione fa bene e lascia spazio a quella che non fa. Trascrive i dialoghi sul tuo computer, e nell'editor aggiungi [door slams] o il nome di chi parla a qualsiasi battuta, dividi una battuta diventata troppo lunga e ne trascini le tempistiche sulla timeline. L'editor segnala quando una riga è troppo veloce da leggere, cosa che conta di più negli SDH, dove le indicazioni sonore aggiungono caratteri senza aggiungere tempo.

Dalla stessa trascrizione si aggiungono le traduzioni come livelli, ognuno con il proprio stile e il proprio font. Copre entrambi i lati di questo articolo: una traccia SDH nella lingua originale e sottotitoli normali in ogni lingua in cui traduci. Ognuno si esporta come .srt o .vtt, come .mp4 con sottotitoli impressi per gli open caption oppure, con Pro, come un unico .mkv con una traccia per lingua.

Sablate non identifica chi parla e non imposta i flag forzato o per non udenti nell'.mkv. Per i flag lo strumento giusto è MKVToolNix, e per un lavoro SDH impegnativo in decine di formati di sottotitoli Subtitle Edit è gratuito:

Il piano gratuito copre video fino a dieci minuti, tre lavori al mese e un livello di traduzione offline; Pro costa $29 una tantum, e la pagina dei prezzi elenca la differenza.

In breve

I sottotitoli presuppongono che lo spettatore senta; i closed caption e gli SDH presuppongono che non senta, e aggiungono i suoni e chi parla. CC e SDH portano lo stesso tipo di contenuto e differiscono nella consegna: dati di closed caption da trasmissione contro una normale traccia di sottotitoli. I sottotitoli forzati sono la traccia parziale che si mostra da sola, per le battute straniere e il testo a schermo. Se crei una sola traccia per il tuo video, fai un SDH nella lingua parlata e tieni i sottotitoli normali per le traduzioni.

Domande frequenti

Cosa significa SDH nei sottotitoli?

SDH significa sottotitoli per non udenti e ipoudenti. Una traccia SDH contiene i dialoghi più i suoni che chi non sente non può percepire: effetti sonori tra parentesi quadre, testi delle canzoni tra note musicali e il nome di chi parla quando è fuori campo. I menu dello streaming la elencano come opzione a sé, accanto ai sottotitoli normali nella stessa lingua.

Qual è la differenza tra closed caption e sottotitoli?

Il pubblico. I sottotitoli presuppongono che lo spettatore senta e di solito traducono i dialoghi in un'altra lingua. I closed caption (CC) presuppongono che non senta, restano nella lingua parlata e aggiungono effetti sonori, musica e identificazione di chi parla. Entrambi si possono attivare e disattivare; i caption che non si possono disattivare si chiamano open caption.

SDH e closed caption sono la stessa cosa?

Quasi, nel contenuto; non nella consegna. Entrambi descrivono i suoni e identificano chi parla per spettatori non udenti e ipoudenti. I closed caption in senso stretto sono un formato di trasmissione, come i dati CEA-608 trasportati nel segnale video. L'SDH viaggia come una normale traccia di sottotitoli, quindi si riproduce ovunque si riproducano sottotitoli e usa font e posizionamento da sottotitoli.

Cosa sono i sottotitoli forzati?

I sottotitoli forzati compaiono anche quando i sottotitoli sono disattivati. Traducono solo ciò che il pubblico dovrebbe capire ma non può, come una battuta in lingua straniera o un cartello sullo schermo. Netflix li chiama forced narratives. In un file MKV, un flag forzato dice al player di mostrare quella traccia in automatico quando corrisponde alla lingua dell'audio.

Devo creare SDH o sottotitoli normali per il mio video?

Per una traccia nella lingua parlata, crea un SDH. Gli spettatori non udenti hanno bisogno delle indicazioni sonore, chi guarda senza audio ne trae vantaggio, e le WCAG definiscono i sottotitoli come comprensivi dell'audio non vocale oltre che dei dialoghi. I sottotitoli normali sono la scelta giusta per le traduzioni rivolte a chi sente ma non capisce la lingua originale.

L'IA può generare sottotitoli SDH in automatico?

Solo la parte dei dialoghi. Un riconoscimento vocale come Whisper trascrive ciò che dicono le persone, cioè quasi tutta una traccia SDH, ma non descrive in modo affidabile gli effetti sonori, non segna la musica e non nomina chi parla. Quelle indicazioni richiedono ancora una persona che guardi il video e aggiunga descrizioni tra parentesi, come una porta che sbatte o chi parla fuori campo.