Napisy SDH: co to jest i czym różnią się od CC

Różnica między SDH, closed captions i zwykłymi napisami to odbiorca. Zwykłe napisy są dla widzów, którzy słyszą, ale nie rozumieją języka, więc niosą dialogi, zwykle w tłumaczeniu. Napisy zamknięte (closed captions, CC) i SDH (napisy dla niesłyszących i słabosłyszących) są dla widzów, którzy nie słyszą, więc dodają dźwięki: muzykę, efekty i informację, kto mówi.

SDH i closed captions różnią się głównie sposobem dostarczenia, a napisy wymuszone to czwarty rodzaj, który włącza się sam. Najpierw wszystkie cztery obok siebie, a potem to, co każdy z nich musi zawierać.

SDH, closed captions, napisy i napisy wymuszone

Kolumna, która łamie schemat, to ostatnia. Napisy wymuszone pisze się dla słyszących widzów, którzy rozumieją główny język, i są jedynym rodzajem, który widz nigdy nie musi włączać.

Pozostałe trzy dzieli jedna wyraźna granica. Jeśli ścieżka zakłada, że widz słyszy dźwięk, to są zwykłe napisy. Jeśli ma zastąpić dźwięk, to są napisy dla niesłyszących — wszystko jedno, czy oznaczone CC, czy SDH.

Co musi zawierać ścieżka SDH?

Wszystko, co słyszący widz dostaje z dźwięku i co ma znaczenie dla historii. Wytyczne dostępności W3C definiują napisy jako tekstową alternatywę „zarówno dla mowy, jak i dla informacji dźwiękowych niebędących mową, potrzebnych do zrozumienia treści multimedialnej” i zaliczają do nich efekty dźwiękowe, muzykę, śmiech, oznaczanie mówców i lokalizację (WCAG 2.2, Understanding SC 1.2.2).

Angielski (USA) przewodnik stylu Netflixa dla tekstu czasowanego przekłada to na konkretne zasady dla SDH:

1. Efekty dźwiękowe i imiona mówców idą w nawiasach kwadratowych, małymi literami, z wyjątkiem nazw własnych: [door creaks], [Maya].
2. Opisuj tylko to, czego nie pokazuje obraz. Oznaczenie mówcy albo efekt dźwiękowy stosuje się tylko wtedy, gdy nie da się go rozpoznać wzrokowo.
3. Opisuj dźwięk, nie akcję. „Opisuj dźwięki i audio, a nie elementy wizualne czy działania” — głos, tempo mowy, głośność.
4. Efekty dźwiękowe istotne dla fabuły są zawsze uwzględniane, chyba że obraz już czyni je oczywistymi.
5. Teksty piosenek idą między nutami, ze spacją po każdej stronie: ♪ like this ♪.
6. Nienazwani mówcy dostają etykiety ogólne, takie jak [man] albo [woman], numerowane, gdy jest ich kilku.

W pliku z napisami trzy linijki SDH wyglądają tak:

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 ♪

Nic w tym pliku nie jest technicznie wyjątkowe. To zwykły .srt, ten sam format, którego używają napisy w tłumaczeniu. O tym, że to SDH, decyduje wyłącznie treść: dźwięk w nawiasie, nazwany mówca spoza kadru, tekst piosenki oznaczony jako śpiewany.

Ten sam przewodnik stosuje do SDH i do napisów w tłumaczeniu te same limity układu: 42 znaki w wierszu oraz do 20 znaków na sekundę (CPS) w programach dla dorosłych i 17 w programach dla dzieci. Inne języki ustalają własne liczby, a niektóre pozwalają, żeby SDH biegło szybciej niż zwykłe napisy; tabelę znajdziesz w poradniku o prędkości czytania.

W Stanach Zjednoczonych napisy telewizyjne podlegają też prawnym standardom jakości. Przepisy FCC wymagają napisów dokładnych, zsynchronizowanych, kompletnych i właściwie umieszczonych, a odgłosy tła i inne dźwięki wliczają do dokładności (poradnik FCC dla konsumentów).

Czy SDH to to samo co closed captions?

Pod względem treści prawie. Pod względem drogi na ekran nie, i właśnie ta różnica sprawia, że przetrwały obie nazwy.

Closed captions zaczęły się jako technologia telewizyjna. Przewodnik Apple po napisach w Final Cut Pro opisuje CEA-608 jako „standard closed captions dla transmisji i wideo w sieci”, który może być osadzony w samym pliku multimedialnym. Odtwarzacz albo telewizor dekoduje te dane napisów i rysuje je własnym rendererem napisów.

SDH to ta sama treść dostarczona jako zwykła ścieżka napisów: .srt, .vtt, ścieżka w .mkv, strumień napisów na płycie. Może używać czcionek i pozycjonowania dostępnych dla każdych napisów i działa na wszystkim, co odtwarza napisy. Dlatego ten sam rodzaj ścieżki w jednym serwisie streamingowym nazywa się „CC”, a w innym „SDH”.

Dwa kolejne terminy dopełniają zestaw, oba z tej samej strony W3C:

• Closed captions „można włączać i wyłączać w niektórych odtwarzaczach”.
• Napisy otwarte (open captions) „nie mogą być wyłączone” — są częścią obrazu. Wypalone napisy na wideo z TikToka albo Reels to napisy otwarte; kiedy je wypalać, wyjaśnia hardsub vs softsub.

W3C zauważa też, że „w niektórych krajach napisy typu captions nazywa się subtitles”. Brytyjscy nadawcy używają subtitles na to, co Amerykanie nazywają captions, i stąd bierze się większość zamieszania w wynikach wyszukiwania.

Jak SDH nazywa się w innych językach

Te terminy nie przekładają się jeden do jednego, więc oto, co oznacza każda etykieta tam, gdzie ją spotkasz:

Serwisy streamingowe zwykle zostawiają w menu angielski skrót bez względu na język interfejsu, dlatego „SDH” i „CC” wyszukuje się w każdym języku z tej listy.

Czym są napisy wymuszone?

Napisy wymuszone to te, które pojawiają się, gdy napisy są wyłączone. Obejmują tylko to, czego widz rozumiejący główny język nadal nie mógłby zrozumieć: scenę w innym języku, tablicę, wiadomość tekstową na ekranie telefonu.

Netflix nazywa je forced narratives, a jego angielski przewodnik stylu jest wobec nich rygorystyczny: tekst na ekranie napisuje się tylko wtedy, gdy ma znaczenie dla fabuły, wielkimi literami, nigdy w jednym napisie razem z dialogiem, a obcojęzyczne dialogi tłumaczy się tylko wtedy, gdy widz miał je zrozumieć.

W pliku wideo o tym, że ścieżka jest wymuszona, decyduje flaga. Specyfikacja Matroska definiuje flagę wymuszoną (forced) dla napisów jako uprawniającą ścieżkę do automatycznego wyboru, gdy pasuje do języka widza, „nawet jeśli preferencje użytkownika zwykle nie włączałyby napisów”, dla „ścieżek zawierających wyłącznie tłumaczenia dźwięku w językach obcych lub tekstu na ekranie”. Ta sama specyfikacja ma osobną flagę hearing-impaired dla ścieżek SDH. W MKVToolNix to --forced-display-flag i --hearing-impaired-flag; dodawanie napisów do MKV opisuje muxowanie oraz to, dlaczego pełnej ścieżki nigdy nie wolno oznaczać jako wymuszonej.

Którą wersję zrobić?

„Wgrywam na YouTube wideo typu talking head”. Jedna ścieżka w stylu SDH w języku nagrania. Większość to dialogi plus kilka dźwięków, które mają znaczenie: [laughs], [upbeat music], głos spoza kadru.

„Tłumaczę wideo na inne rynki”. Zwykłe napisy, po jednej ścieżce na język. Widz czytający hiszpańską ścieżkę zwykle słyszy ścieżkę dźwiękową.

„W moim filmie jest jedna scena w innym języku”. Ścieżka wymuszona tylko dla tej sceny, plus pełne napisy albo SDH dla widzów, którzy ich chcą.

„Dostarczam materiał do serwisu streamingowego albo nadawcy”. Decyduje ich specyfikacja, aż do stylu nawiasów. Netflix publikuje przewodnik stylu tekstu czasowanego dla każdego języka.

„To na TikToka albo Reels”. Napisy otwarte, wypalone w obrazie. Większość widowni ogląda bez dźwięku, więc krótki opis dźwięku zasługuje tam na miejsce.

Czy automatyczna transkrypcja tworzy SDH?

Nie, i warto precyzyjnie powiedzieć, czego brakuje. Modele rozpoznawania mowy, takie jak Whisper, są zbudowane do transkrypcji mowy. Dają dialogi, czyli największą część ścieżki SDH, i pomijają większość tego, co czyni ją SDH.

• Efekty dźwiękowe. Whisper nie opisuje wiarygodnie drzwi, telefonu ani strzału. Gdy mimo to wypisze coś w nawiasach nad muzyką albo ciszą, traktuj to jako domysł do sprawdzenia, a nie jako linijkę do zachowania; skąd biorą się takie linijki, wyjaśnia dlaczego Whisper zmyśla tekst.
• Imiona mówców. Whisper nie wie, kto mówi. Narzędzia do diaryzacji potrafią rozdzielić głosy na „mówcę 1” i „mówcę 2”, ale nazwanie ich oraz ocena, kiedy obraz już pokazuje, kto mówi, to kwestia osądu.
• Muzyka. Tekst piosenki może zostać zapisany, czasem źle; to, czy utwór zasługuje na oznaczenie ♪, tytuł w cudzysłowie, czy na nic, to decyzja redakcyjna.

Automatyczna transkrypcja to więc napisy dialogowe. Żeby zrobić z niej SDH, ktoś musi raz przejść przez nią, oglądając wideo z włączonym dźwiękiem, i dodać oznaczenia dźwięków. Taki przebieg jest szybszy niż transkrypcja od zera, ale nie jest opcjonalny.

SDH i napisy z jednej transkrypcji

Sablate obejmuje to, co automatyzacja robi dobrze, i zostawia miejsce na to, czego nie robi. Transkrybuje dialogi na twoim komputerze, a w edytorze dodajesz [door slams] albo imię mówcy do dowolnej linijki, dzielisz linijkę, która wyszła za długa, i przeciągasz jej czasowanie na osi czasu. Edytor ostrzega, gdy linijka jest zbyt szybka do przeczytania, co ma większe znaczenie w SDH, gdzie opisy dźwięków dodają znaki bez dodawania czasu.

Z tej samej transkrypcji dodajesz tłumaczenia jako warstwy, każdą z własnym stylem i czcionką. To obejmuje obie strony tego artykułu: ścieżkę SDH w języku oryginału i zwykłe napisy w każdym języku, na który tłumaczysz. Każdą wyeksportujesz jako .srt lub .vtt, wypalone .mp4 dla napisów otwartych albo, w Pro, jeden .mkv ze ścieżką na język.

Sablate nie rozpoznaje mówców i nie ustawia w .mkv flagi wymuszonej (forced) ani flagi hearing-impaired. Do flag właściwym narzędziem jest MKVToolNix, a do ciężkiej pracy nad SDH w dziesiątkach formatów napisów darmowy jest Subtitle Edit:

Darmowy plan obejmuje wideo do dziesięciu minut, trzy zadania miesięcznie i jedną warstwę tłumaczenia offline; Pro kosztuje $29 jednorazowo, a różnicę wymienia strona cennika.

W skrócie

Zwykłe napisy zakładają, że widz słyszy; closed captions i SDH zakładają, że nie, i dodają dźwięki oraz mówców. CC i SDH niosą ten sam rodzaj treści i różnią się sposobem dostarczenia: telewizyjne dane napisów kontra zwykła ścieżka napisów. Napisy wymuszone to częściowa ścieżka, która sama się włącza, dla obcojęzycznych kwestii i tekstu na ekranie. Jeśli robisz jedną ścieżkę do własnego wideo, zrób SDH w języku nagrania, a zwykłe napisy zachowaj dla tłumaczeń.

Najczęściej zadawane pytania

Co oznacza SDH przy napisach?

SDH oznacza napisy dla niesłyszących i słabosłyszących. Ścieżka SDH niesie dialogi oraz dźwięki, których widz nie słyszy: efekty dźwiękowe w nawiasach kwadratowych, teksty piosenek między nutami i imię mówcy, gdy mówiący jest poza kadrem. Serwisy streamingowe pokazują ją jako osobną opcję obok zwykłych napisów w tym samym języku.

Czym różnią się closed captions od napisów?

Odbiorcą. Zwykłe napisy zakładają, że widz słyszy, i zwykle tłumaczą dialogi na inny język. Closed captions zakładają, że widz nie słyszy, zostają w języku nagrania i dodają efekty dźwiękowe, muzykę oraz oznaczanie mówców. Jedne i drugie można włączać i wyłączać; napisy, których nie da się wyłączyć, nazywa się napisami otwartymi (open captions).

Czy SDH to to samo co closed captions?

Prawie, w treści; nie w sposobie dostarczenia. Oba opisują dźwięki i oznaczają mówców dla widzów niesłyszących i słabosłyszących. Closed captions w ścisłym sensie to format telewizyjny, na przykład dane napisów CEA-608 niesione w sygnale wideo. SDH jest dostarczane jako zwykła ścieżka napisów, więc działa wszędzie tam, gdzie działają napisy, i używa czcionek oraz pozycjonowania napisów.

Czym są napisy wymuszone?

Napisy wymuszone pojawiają się nawet wtedy, gdy napisy są wyłączone. Tłumaczą tylko to, co widz ma zrozumieć, a nie może, na przykład obcojęzyczną kwestię albo napis na ekranie. Netflix nazywa je forced narratives. W pliku MKV flaga wymuszona każe odtwarzaczowi automatycznie pokazać tę ścieżkę, gdy pasuje do języka dźwięku.

Robić SDH czy zwykłe napisy do mojego wideo?

Do ścieżki w języku nagrania zrób SDH. Niesłyszący widzowie potrzebują opisów dźwięków, korzystają z nich też osoby oglądające bez dźwięku, a WCAG definiuje napisy jako obejmujące także dźwięki niebędące mową, nie tylko dialogi. Zwykłe napisy to właściwy wybór dla tłumaczeń kierowanych do słyszących widzów, którzy nie rozumieją oryginalnego języka.

Czy AI może automatycznie generować napisy SDH?

Tylko część z dialogami. Rozpoznawanie mowy, takie jak Whisper, transkrybuje to, co mówią ludzie, czyli większość ścieżki SDH, ale nie opisuje wiarygodnie efektów dźwiękowych, nie oznacza muzyki ani nie podpisuje mówców. Te oznaczenia nadal wymagają osoby, która ogląda wideo i dodaje opisy w nawiasach, na przykład trzaśnięcie drzwiami i imiona mówców spoza kadru.