Veštačka inteligencija u titlovanju: gde nam stvarno pomaže, a gde je opasna

Ne pripadam onima koji brane zanat od tehnologije. Napravio sam previše softvera da bih to radio sa čistom savešću. U studiju za titlovanje koristimo automatsko prepoznavanje govora svakog dana i bilo bi glupo da ne koristimo, jer je zaista dobro.

Ali postoji tačno mesto na kome alat prestaje da bude pomoć i postaje trošak, i to mesto nije tamo gde ljudi misle.

Gde alat radi posao bolje od nas

Transkript čistog studijskog govora. Tu nema priče, mašina to radi brže i jednako tačno, a čovek koji to kuca ručno troši sate na najmanje kreativan deo posla. Isto važi za grubi vremenski kod, prvo približno poravnanje titlova sa zvučnim talasom.

To je dvadesetak procenata ukupnog vremena na jednom naslovu i pošteno je reći da nam je alat to gotovo pojeo. Nemam nostalgije za tim.

Gde greši, i zašto se to skupo plaća

Prvo, imena. Alat ne zna da je lik Đorđe, a ne Georgije, i najgore je što ne greši dosledno. U prvoj epizodi napiše jedno, u četvrtoj drugo. Gledalac to primeti odmah, a u fajlu se ne vidi kao greška jer su obe reči ispravne reči.

Drugo, obraćanje. Engleski nema razliku između ti i vi. Srpski ima, i ta razlika je često čitava scena. Kada dvoje likova pređu sa persiranja na ti, to je trenutak koji je scenarista namerno napisao. Mašina to ne vidi jer u originalu nema šta da vidi, pa pogodi, i obično pogreši u pogrešnom smeru.

Treće, rod. Rečenica u kojoj se na srpskom vidi da li govori muškarac ili žena je u engleskom potpuno neutralna. Bez slike se to ne može znati. To je jedan od razloga zbog kojih se titl nikada ne radi iz samog transkripta.

Četvrto, sažimanje. Ovo je najveći. Titl ima najviše dva reda i oko 42 znaka po redu, a gledalac ne stiže da pročita više od sedamnaest znakova u sekundi. Alat seče tekst tamo gde je u zvuku bila pauza, a pauza u govoru nije isto što i kraj misli. Zato dobiješ prelom usred sintagme i predugačke redove koji tehnički postoje, a praktično se ne mogu pročitati.

Peto, rezovi. Titl koji ostane preko promene kadra izgleda kao kvar iako je vremenski tačan. Nijedan automatski alat to ne pokušava da reši, jer za to mora da gleda sliku, a ne da sluša zvuk.

Kako to izgleda kod nas

U Librum Studiju alat stoji na početku lanca i nikada na kraju. Automatski transkript i grubi tajming ulaze kao nacrt, zatim ide prevod za titl sa sažimanjem, pa tajming i spoting po govoru i rezovima, pa lektura koju radi neko ko nije prevodio, pa lingvistička kontrola kvaliteta kroz celo trajanje naslova.

Četiri faze provere, a ne jedna. Ceo tok je opisan na strani sa radnim tokom, i namerno je javan, jer je to razgovor koji sa klijentima ionako vodimo.

Šta bih rekao nekome ko razmišlja da uštedi

Ušteda je stvarna, ali nije tamo gde izgleda. Ako pustiš automatski titl u distribuciju, trošak se pomeri na kontrolu kvaliteta naručioca, pa na ispravke pod pritiskom roka, pa na utisak gledaoca koji ne zna ko je radio titl ali zna čiju platformu gleda.

Ako imaš već napravljene automatske titlove i nisi siguran u kakvom su stanju, to se proverava na celom fajlu i ispravlja kao poseban posao, bez ponovnog prevođenja od nule. Ta usluga se zove ispravke posle kontrole kvaliteta i jeftinija je nego što ljudi očekuju, upravo zato što prevod ostaje.

Detaljnije o tome gde tačno pucaju automatski titlovi na srpskom pisao sam u tekstu može li veštačka inteligencija sama da titluje film, a kako je uopšte nastao studio, u tekstu iz izdavaštva u titlovanje.