Jak dodać napisy w wielu językach do jednego filmu

Dodanie napisów w wielu językach do jednego filmu to trzy decyzje, nie jedno długie zadanie: transkrybuj raz, w oryginalnym języku, dodaj każdy kolejny język jako warstwę tłumaczenia na tych samych czasowaniach, a potem wybierz sposób dostawy — osobne pliki, jedno wideo z przełączalnymi ścieżkami albo jedną wypaloną kopię na język. Prawie każdy bolesny proces tworzenia wielojęzycznych napisów psuje się, bo te kroki wykonano w złej kolejności.

Ten artykuł prowadzi przez kolejność, która działa, przez to, co tłumaczenie robi z czasowaniem i fontami po drodze, oraz przez to, jaki format dostawy faktycznie przyjmuje każda platforma.

Transkrybuj raz, tłumacz w warstwach

Błąd, który kosztuje najwięcej czasu, to ponowne uruchamianie rozpoznawania mowy dla każdego języka.

Rozpoznawanie mowy robi dwie rzeczy naraz: tworzy tekst i tworzy granice linijek — miejsca, w których każdy napis zaczyna się i kończy. Tekst różni się w zależności od języka. Granice nie powinny. Jeśli transkrybujesz to samo wideo pięć razy, dostajesz pięć zestawów nieco innych granic, a poprawka synchronizacji w hiszpańskiej wersji nie robi nic dla niemieckiego pliku. Pomnóż to przez dwugodzinne nagranie i cały proces się zawala.

Tłumaczenie transkryptu, zamiast tego, zachowuje jedną oś czasu:

1. Jedna transkrypcja języka mówionego, z prawdziwym czasowaniem.
2. Jedna runda poprawek — nazwy własne, terminy produktowe, interpunkcja.
3. N tłumaczeń tego poprawionego tekstu, wszystkie odziedziczające te same granice linijek.

To właśnie krok 2 daje największą przewagę. Błędnie zapisane nazwisko poprawione przed tłumaczeniem jest poprawione wszędzie. To samo nazwisko poprawiane później to osiem osobnych edycji.

W Sablate właśnie tak jest zbudowane zadanie: tłumaczenie to warstwa dodana do istniejącej transkrypcji, nie nowe zadanie. Tłumacz offline (Argos) działa na twoim komputerze; DeepL, OpenAI i Claude są dostępne, jeśli użyjesz własnego klucza API. Warto wiedzieć o ścieżce offline: Argos publikuje niemal wyłącznie pary, w których jedną stroną jest angielski, więc para taka jak turecki–niemiecki nie ma bezpośredniego pakietu i jest składana przez angielski jako pośredni etap. Działa, i to właśnie powód, dla którego linia z tureckiego na niemiecki brzmi odczuwalnie płaściej niż z tureckiego na angielski.

Wybierz sposób dostawy, zanim zaczniesz

To decyduje o całym twoim eksporcie, więc zdecyduj o tym najpierw.

Wzorzec, do którego dochodzi większość ludzi: pliki dla platform, które je przyjmują, jeden MKV do archiwizacji i lokalnego odtwarzania, a wypalanie tylko dla jednego lub dwóch języków, którymi mówi ich główna publiczność.

Jeśli nie jesteś pewien, którego z formatów .srt, .vtt czy .ass chce dana platforma, porównanie formatów pokazuje dokładnie, co niesie każdy z nich.

Co tłumaczenie robi z czasowaniem

Przetłumaczone napisy psują się w konkretny, przewidywalny sposób: czasowanie wciąż jest poprawne, a linia jest już nie do przeczytania.

Tłumaczenie z angielskiego na hiszpański, francuski, włoski czy portugalski jest zwykle o 20–30 procent dłuższe. Niemieckie złożenia wydłużają tekst w inny sposób — mniej słów, ale słowa, które nie mieszczą się w wierszu liczącym 42 znaki. Linijka wciąż zaczyna się i kończy tam, gdzie zaczął i skończył mówić rozmówca. Widz zwyczajnie nie jest w stanie przeczytać tylu znaków w 1,8 sekundy.

Miarą tego jest liczba znaków na sekundę (CPS), a punktem odniesienia są przewodniki stylu Netflixa dla poszczególnych języków:

Te limity to nie przypadkowa surowość. Japoński napis niesie znacznie więcej znaczenia na znak, więc ta sama sekunda mowy potrzebuje na ekranie znacznie mniej znaków, a tłumaczenie maszynowe, które wypełnia linijkę do angielskiego limitu, jest nieczytelne.

Naprawą nigdy nie jest przesuwanie znaczników czasu — pasują do ścieżki audio, a to jest jedyna rzecz, której nie zmienisz. Naprawą jest skrócenie tekstu albo podzielenie linijki na dwie. Edytor Sablate oznacza podczas edycji każdą linijkę powyżej 17 CPS, co jest właściwym alarmem dla większości języków łacińskich i cyrylickich, a celowo złagodzonym dla japońskiego i koreańskiego; traktuj to jako minimum, nie jako certyfikat jakości.

Dobierz każdemu językowi font, który go narysuje

Ten problem jest niewidoczny do momentu renderowania, a potem staje się bardzo widoczny.

Fonty do napisów — te ciężkie, wąskie kroje, które sprawiają, że napisy wyglądają jak napisy — obejmują zwykle tylko alfabet łaciński, cyrylicę i grecki, i nic poza tym. Skieruj taki font na arabski, hebrajski, tajski, dewanagari, hangul albo CJK, i dostajesz puste prostokąty — w wideo, na którego zakodowanie poświęciłeś już dwadzieścia minut.

Sablate radzi sobie z tym, sprawdzając pismo każdej warstwy językowej i podstawiając font systemowy, który faktycznie zawiera te glify — zarówno w podglądzie, jak i przy wypalaniu, więc to, co widzisz w edytorze, trafia do pliku. Każda warstwa językowa niesie też własny styl, co ma znaczenie nie tylko dla fontów: rozmiar, który dobrze czyta się po angielsku, jest często za duży dla 16-znakowego wiersza po koreańsku.

Wgrywanie napisów w wielu językach na YouTube

YouTube przyjmuje jeden plik napisów na język na film, wgrywany w osobnym kroku. Nie istnieje jeden plik z napisami wielojęzycznymi do wgrania — „wiele języków” mieszka na platformie, nie w pliku.

1. YouTube Studio, potem Napisy, potem twój film.
2. Dodaj język, wybierz język, potem Wgraj plik.
3. Wgraj plik .srt albo .vtt dla tego języka.
4. Powtórz dla każdego języka. Tłumaczenia tytułu i opisu są w osobnej sekcji.

Dwie rzeczy warto wiedzieć. Autotłumaczenie YouTube jest darmowe i natychmiastowe, co naprawdę trudno pobić kosztem — ale tłumaczy własny autotranskrypt, więc każde słowo, które rozpoznawanie mowy zrozumiało źle, jest teraz źle we wszystkich językach. Do tego YouTube renderuje każdy napis we własnym stylu odtwarzacza, więc stylizacja w twoim pliku nie jest tym, co widzi widz. Jeśli wygląd ma znaczenie, wypal napisy.

Jak wypadają poszczególne narzędzia

Subtitle Edit zasługuje na szczerą wzmiankę: jest darmowy, jest świetny i umie robić transkrypcję oraz tłumaczenie. W zamian wymaga konfiguracji — modeli, narzędzi i muxingu ustawianych osobno — i nie produkuje stylizowanego wypalania. Jeśli lubisz taki rodzaj konfigurowania, to najlepsza darmowa odpowiedź w tej kategorii.

Eksportowanie wyniku

Kiedy warstwy już istnieją, eksport to najkrótsza część:

• Pliki napisów dla każdego języka — .srt, .vtt albo .txt, jeden na język, do wgrywania na platformy.
• Jeden MKV z każdym językiem — każdy język zapisany jako własna ścieżka ASS z właściwym tagiem języka, font napisów dołączony do pliku, a pierwsza ścieżka oznaczona jako domyślna. Wideo i audio są kopiowane strumieniowo, więc nic nie jest przekodowywane, a eksport trwa sekundy, nie tyle, co kodowanie. Pro.
• Wypalone wideo — jeden render na język, w 16:9, 9:16 albo 1:1. To jedyny sposób dostawy, który przetrwa TikToka, Reels i Shorts. Jak działa wypalanie napisów opisuje stronę jakości.

W planie Darmowym zadanie niesie jedną warstwę tłumaczenia offline, a pierwsze zadanie, które przekroczy dziesięciominutową ścianę, może nieść trzy. Pro usuwa te limity za jedną płatność $29 — zobacz cennik, by sprawdzić dokładnie, co obejmuje.

W skrócie

Transkrybuj raz. Popraw ten transkrypt, zanim zaczniesz cokolwiek tłumaczyć. Dodawaj języki jako warstwy na tych samych czasowaniach. Sprawdzaj prędkość czytania i fonty dla każdego języka, bo obie rzeczy zmieniają się razem z tekstem. Potem wyeksportuj ten jeden sposób dostawy, który faktycznie przyjmuje twoja platforma — a jeśli odpowiedzią jest „wszystkie trzy”, to i tak ta sama praca.