Jaka jest różnica między transkrypcją, napisami dla niesłyszących a napisami?

Te trzy terminy są mylone na co dzień, ale opisują różne rzeczy.

Transkrypcja to pełny tekst pisany nagrania audio lub wideo – zwykle jako ciągły tekst, często z etykietami mówców i znacznikami czasu. Jest dostarczana jako .txt, .docx lub ustrukturyzowany .json i stanowi podstawę do dalszej pracy: indeksów wyszukiwania, wyciągania cytatów, streszczeń, tłumaczeń lub tworzenia napisów.

Napisy dla niesłyszących (captions) to krótkie segmenty tekstu precyzyjnie zsynchronizowane z dźwiękiem i wyświetlane na wideo podczas odtwarzania. Są przeznaczone przede wszystkim dla widzów niesłyszących i niedosłyszących i często zawierają wskazówki niewerbalne, takie jak [śmiech], [muzyka] lub [trzaśnięcie drzwiami]. Pliki napisów dla niesłyszących występują w formatach takich jak SRT (.srt) lub WebVTT (.vtt) – oba zawierają znaczniki czasu w formacie HH:MM:SS oraz krótkie bloki tekstu po 1-2 wiersze.

Napisy w tradycyjnym znaczeniu to tłumaczenia treści mówionej na inny język – na przykład angielski film z niemieckimi napisami. Technicznie używają tych samych formatów co napisy dla niesłyszących (SRT, VTT), ale zwykle pomijają niewerbalne wskazówki dźwiękowe. W amerykańskim angielskim słowa \"captions\" i \"subtitles\" są często używane zamiennie, co potęguje zamieszanie.

Praktyczny przebieg pracy: zacznij od transkrypcji, podziel ją na czytelne bloki po 32-42 znaki w wierszu, dodaj precyzyjne znaczniki czasu początku/końca i wyeksportuj jako SRT dla YouTube/LinkedIn lub jako VTT dla webowych odtwarzaczy HTML5. Narzędzia takie jak DeepScript eksportują SRT, VTT, TXT i JSON z jednej transkrypcji – nie musisz samodzielnie budować konwersji.

W skrócie: transkrypcja = treść. Napisy dla niesłyszących = treść + synchronizacja. Napisy = treść + synchronizacja + tłumaczenie.