Болгарська не існує для більшості інструментів субтитрів, тому я побудував один, який підтримує 98 мов

Випадаюче меню – це перша річ, яку ви бачите при завантаженні відео на будь-який інструмент для субтитрів. Довгий список мов, відсортований за алфавітом, іноді з прапорцями поруч з ними. Англійська завжди там, зазвичай на вершині. Іспанська, французька, німецька, португальська. Всі присутні. Гортайте далі, і ви можете знайти китайську, японську, корейську. Продовжуйте гортати. Арабська. Гінді, іноді. А потім список закінчується, або мова, яка вам насправді потрібна, просто там не знаходиться. Болгарська. Не в списку. Не як варіант, не як функція бета-версії, навіть не як невідома запис з етикеткою попередження. Вона просто не існує у світі продукту.

Це не незначне незручність. Коли мова повністю відсутня, інструмент не є частково корисним. Він повністю непридатний. Немає способу, який дає прийнятні результати. Аудіо входить, і інструмент або відхиляє його цілком, або намагається обробити його як щось інше. Результат – сміття, кожен раз.

Досвід творця контенту, основна мова якого виходить за межі вузької смуги "комерційно цікавих" мов, – це постійна адаптація. Це означає навчання роботі з інструментами, а не з ними. Це означає прийняття того факту, що більшість програмного забезпечення просто не було створено з вас на увазі, і що функції, які рекламуються як "глобальні" або "багатомовні", насправді означають "ми підтримуємо десять мов, які приносять нам найбільше грошей".

Російське обійдення та чому воно не спрацьовує

Коли болгарської немає в списку, російська стає обійденням за замовчуванням. Дві мови спільно використовують кирилицю, а певні слова мають подібні корені. На папері це здається розумною наближенням. На практиці це катастрофа, яка створює більше роботи, ніж робити все вручну з нуля.

Російська транскрипція, застосована до болгарського аудіо, дає щось, що на перший погляд здається майже правильним. На екрані з'являються кирилівські символи, слова мають смутно слов'янський вигляд, і можливо один з трьох насправді правильний. Але "майже правильно" у субтитрах означає повністю неправильно. Глядач, який читає субтитри з точністю 60%, не отримує 60% повідомлення. Вони отримують плутанину, розсіювання та враження, що творець не дбав достатньо, щоб перевірити своєю власною роботу.

Процес редагування, який розташований далі, – це де насправді втрачається час. П'ятихвилинне відео може виробити 180-220 окремих сегментів субтитрів. Коли мова транскрипції неправильна, кожен з цих сегментів повинен бути відкритий, прочитаний, порівнятий з фактичним аудіо та повністю перепечатаний. Не виправлено, а перепечатано повністю, тому що російська транскрипція часто настільки мало схожа на болгарський оригінал, що швидше видалити текст і почати з нуля, ніж намагатися це виправити символ за символом. Два години ручного редагування для п'ятихвилинного відео – не надзвичайно. Для комусь, хто керує кількома каналами YouTube із регулярним графіком завантажень, ця арифметика просто не витримує.

Ця точна проблема розширюється далеко за межами болгарської. Творці Гінді стикаються з цим, коли їхній регіональний діалект звинувачується у загальній гінді транскрипції, яка пропускає половину словника. Творці Таїланду мають справу з помилками тональної інтерпретації, які перетворюють кожне друге речення в нісенітницю. В'єтнамська, сербська, тагальська, суахілі. Список мов, які отримують або ігнорування, або погану наближення більшістю інструментів основного субтитру, довгий, і творці, які говорять цими мовами, протягом років тихо поглинають додаткове навантаження.

Чому розрив мови існує на першому місці

Інструменти для субтитрів – це бізнес, і бізнес розподіляє ресурси розробки там, де є дохід. Англомовні ринки являють собою найбільшу частку платежів клієнтів для майже кожного продукту SaaS у сфері створення відеоконтенту. Іспанська та португальська охоплюють більшість Латинської Америки. Французька додає частини Європи та Африки. Німецька, японська, корейська. Кожна з них відкриває ринок із значною купівельною спроможністю. Продукт, який підтримує ці десять чи дванадцять мов, може стверджувати, що він служить більшості своєї потенційної клієнтської бази, і з чисто фінансової точки зору це стверджує захищено.

Додавання нової мови до системи транскрипції не є тривіальним. Це вимагає навчальних даних, тестування якості, постійного обслуговування та документації підтримки. Для мови, на якій говорять сім мільйонів людей, такої як болгарська, розрахунок витрат на доходи рідко виправдовує інвестиції, коли ті ж самі інженерні години можуть піти на покращення точності англійської транскрипції з 95% на 97%, що впливає на мільйони платежів користувачів.

Результатом є ринок, на якому топ п'ятнадцять чи двадцять мов отримують чудову підтримку, наступні тридцять отримують прийнятне охоплення, а все решта або відсутній, або настільки погано реалізовано, що це не повинно бути перелічено як функція взагалі. Це не зловмисне. Це передбачуваний результат створення продуктів, які оптимізуються для найбільшої можливої аудиторії, а не найширшого охоплення. Але розуміння того, чому це відбувається, не робить це менш дратівливим, коли ви той, хто дивиться на меню випадання, яке не включає вашу мову.

Генератор субтитрів на YEB був побудований з іншим набором пріоритетів. Замість того, щоб почати з найбільш комерційно цінних мов і працювати назовні, механізм транскрипції був вибраний спеціально для його широти підтримки мов. Дев'яносто вісім мов з самого початку, не як аспірація дорожної карти, а як вимога запуску. Болгарська, сербська, гінді, таїландська, в'єтнамська, тагальська та десятки інших, які рідко з'являються в списках функцій конкурентів, обробляються безпосередньо, з тим же конвеєром транскрипції та тими ж стандартами якості як англійська чи іспанська.

Що насправді означає правильна підтримка мови на практиці

Підтримка мови не означає просто приймати аудіо цією мовою та повертати деякий текст. Це означає, що механізм транскрипції розуміє фонетичну структуру, загальний словник, кадавр та ритм природного мовлення цією мовою. Це означає, що коли болгарський мовник записує відео, результат не повинен потребувати ручної корекції поза іноді власним іменем або технічним терміном, на якому можна почнути будь-яку систему транскрипції.

На YEB Captions завантаження болгарського відео працює точно так само, як завантаження англійського. Мова вибирається з повного списку 98 варіантів, аудіо обробляється, а транскрипція повертається як правильно розрахований сегменти субтитрів у болгарській мові. Ніякого російського наближення, ніякого ручного друку, ніяких двогодинних сеансів редагування для п'ятихвилинного відео. Сегменти все ще можна редагувати індивідуально, якщо потрібно, наприклад невірне слово тут чи імення, яке потребує корекції там, але вихідна точність робить ці правки вимірюються в хвилинах, а не годинах.

Те ж саме стосується перекладу субтитрів. Контент, спочатку перенесений у болгарській мові, може бути перекладений на будь-яку з інших підтримуваних мов перед рендерингом. Музичне відео з болгарськими текстами можна опублікувати з англійськими, іспанськими чи японськими субтитрами без проходження окремого робочого процесу перекладу. Для творців, які публікують контент, спрямований на міжнародну аудиторію, це усуває весь шар ручної роботи, який раніше вимагав або найму перекладача, або витрачання вечора зі словником та масою терпіння.

Справа не в тому, що YEB Captions – єдиний інструмент у світі, який підтримує болгарську мову. Кілька інструментів пропонують його у певній формі. Справа в тому, що правильна підтримка, де якість транскрипції дійсно придатна без великої ручної корекції, залишається рідкісною для мов поза основним потоком, і розрив між "перелічене як підтримуване" та "насправді добре працює" часто величезний.

Ширша проблема побудови інструментів для всіх

Існує припущення, вкладене в більшість розробки програмного забезпечення, що "кожен" означає "кожен, хто говорить основною мовою". Сторінки функцій говорять "глобальні" та "багатомовні", тоді як фактичний список мов розповідає набагато вужчу історію. Це не обмежується лише інструментами для субтитрів. Послуги машинного перекладу, голосові помічники, системи OCR та механізми пошуку – всі виявляють той же характер глибокої підтримки невеликої кількості мов та поверхневої чи неіснуючої підтримки для решти.

Те, що робить інструменти для субтитрів особливо помітним, це характер провалу. Коли голосовий помічник неправильно розуміє команду, користувач може повторити її або замість цього ввести. Коли інструмент субтитрів виробляє текст сміття, цей текст опиняється в відео, що публікується сотнями або тисячами глядачів. Помилка постійна, публічна та прямо пов'язана з професійною репутацією творця. Це неправильно, не просто незручно; це видима невдача якості, яку глядачі помічають негайно.

Творці, які говорять недостатньо обслугованими мовами, протягом років розробили всілякі обійдення. Деякі записують свої відео англійською мовою навіть тоді, коли їхня аудиторія говорить чим-то іншим. Деякі повністю пропускають субтитри та приймають нижчі цифри залучення. Деякі використовують найближчу доступну мову, а потім витрачають години на виправлення результату, поглинаючи вартість праці, яку їхні англомовні конкуренти просто не повинні мати справи. Ніхто з них не є справжніми рішеннями. Вони є компромісами, змушені ринком, який вирішив, що певні мови не варті правильної підтримки.

Побудова captions.yeb.to з 98 мовами була частково відповіддю на цю специфічну фрустрацію та частково визнанням того, що недостатньо обслуговуваний сегмент ринку набагато більший, ніж здається більшість компаній. Сім мільйонів болгарських мовців – це мало в порівнянні з англійськими або мандаринськими. Але додайте всі мови, які потрапляють у категорію "комерційно не цікавих", включаючи сербів, таїланців, в'єтнамців, мовців тагальської, мовців суахілі, і ви розмовляєте про сотні мільйонів людей, які протягом років погано обслуговувалися інструментами для субтитрів. Це не ніша. Це ринок, який просто не був вирішений, і ландшафт додатків для підписів повільно починає це відображати.