Jak przetłumaczyć wypalone napisy w wideo na polski? Metoda podmiany w czasie rzeczywistym bez ponownego kodowania

Chcesz obejrzeć zagraniczne wideo, a polskich napisów brak? Pierwszy odruch to zwykle szukanie „pliku z napisami" — niestety wiele materiałów w ogóle nie ma gotowych napisów do pobrania: niszowe filmy dokumentalne, wrzucane przez użytkowników wywiady, fragmenty posiadające wyłącznie napisy wbudowane. Co gorsza, te napisy są „wypalone" prosto w obraz: nie da się ich skopiować ani wyciągnąć jako osobny plik — pozostaje mozolne oglądanie w oryginalnym języku. Ten artykuł opisuje podejście do tłumaczenia, które nie wymaga ani zrzutów ekranu klatka po klatce, ani ponownego kodowania wideo: napisy w obrazie w czasie rzeczywistym zmieniają się na polskie.

Najpierw zrozum: dlaczego wypalonych napisów tak trudno przetłumaczyć

Napisy w wideo dzielą się na dwa rodzaje. Napisy miękkie to ścieżka tekstowa niezależna od obrazu: odtwarzacz może je załadować i wyłączyć, wystarczy znaleźć odpowiedni plik. Napisy wypalone (hardsub) są natomiast wyrenderowane wprost w piksele obrazu i zlewają się z grafiką.

Wypalone napisy są trudne do przetłumaczenia z trzech powodów: nie da się wyjąć tekstu — to nie tekst, tylko obraz; treść ciągle się zmienia — napisy zmieniają się zdanie po zdaniu razem z dialogami, a jedno tłumaczenie obejmuje tylko jedno zdanie; zwykłe narzędzia nie mają jak się wpiąć — strony do tłumaczeń przetwarzają tylko wklejony tekst i nie poradzą sobie z obrazem, który właśnie się odtwarza.

Dlatego podejście „zrzut ekranu i tłumaczenie" przy wypalonych napisach to katastrofa: wideo zmienia zdanie co kilka sekund — zanim zrobisz zrzut, poczekasz na rozpoznawanie i przeczytasz tłumaczenie, obraz przejdzie już trzy zdania dalej. Problem nie leży w samym tłumaczeniu, tylko w tym, że jego szybkość nie nadąża za tempem odtwarzania.

Pomysł na podmianę w czasie rzeczywistym: zaznacz pas napisów i niech tłumaczenie nadąży za obrazem

Narzędzia do tłumaczenia ekranu proponują inne rozwiązanie. Na przykładzie VoriTrans całość sprowadza się do trzech kroków:

1. Zaznacz obszar napisów: na odtwarzanym obrazie wybierz poziomy pasek zawierający tylko napisy; wystarczy zrobić to raz.
2. Narzędzie rozpoznaje ciągle: OCR nieustannie odczytuje tekst pojawiający się w tym obszarze; gdy tylko obce napisy zmienią zdanie, rozpoznawanie automatycznie nadąża.
3. Tłumaczenie podmienia się w miejscu: wynik tłumaczenia wyświetla się bezpośrednio na pozycji oryginalnych napisów, więc nie musisz przesuwać wzroku z wideo nawet o centymetr.

Kluczem jest to, że kroki 2 i 3 działają w pętli. Pojawi się nowe zdanie w pasie napisów — tłumaczenie odświeża się samo, bez dotykania myszki. Efekt: wideo to samo, ale tekst na pasie napisów jest już po polsku — i dzieje się to na żywo podczas odtwarzania: nie powstaje nowy plik, oryginalne wideo pozostaje nietknięte.

Trzy detale, które decydują o realnym doświadczeniu

Nawet przy tym samym tłumaczeniu na żywo nawyki zaznaczania i ustawienia robią wyraźną różnicę:

1. Zaznaczaj raczej mało niż dużo: obejmuj tylko poziomy pasek z tekstem napisów, nie cały obraz. Im mniejszy obszar, tym dokładniejsze rozpoznawanie, szybsze odświeżanie i mniejsze ryzyko błędnego rozpoznania innych elementów ekranu.
2. Dopasuj styl tłumaczenia do sceny: gdy obszar napisów jest jasny, czytelniejsze jest tłumaczenie z ciemną obwódką; jeśli nie lubisz nakładki, przełącz się na wyświetlanie w stylu napisów — tłumaczenie osadza się na dole obrazu, a rozmiar i grubość czcionki można regulować.
3. Scena się zmieniła — zaznacz od nowa: z filmu na serial z czołówką, z pełnego ekranu do trybu okna — gdzie napisy zmieniły miejsce, zaznacz obszar jeszcze raz; to kwestia kilku sekund.

Te detale dotyczą też dymków w komiksach i dialogów w grach — im mniejsze i dokładniejsze zaznaczenie, tym lepiej: to uniwersalna zasada dla wszystkich scenariuszy tłumaczenia ekranu.

Co to obejmuje, a czego nie robi

Zakres zastosowań jest szerszy, niż się wydaje: filmy w lokalnym odtwarzaczu, wideo odtwarzane online w przeglądarce, wideo w feedach mediów społecznościowych — dopóki tekst napisów jest widoczny na ekranie, można go zaznaczyć i przetłumaczyć. Jeśli chodzi o języki — 105 języków, w tym chiński, japoński, koreański i angielski, mogą się ze sobą łączyć; chiński uproszczony, chiński hongkoński i chiński tradycyjny tajwański to trzy osobne opcje.

Granice też powiedzmy wprost: narzędzie tłumaczy tekst napisów już wyświetlany na ekranie; nie obejmuje transkrypcji mowy — nie przetłumaczy treści mówionej bez napisów, nie zapewnia dubbingu i nie wyeksportuje pliku wideo z nowymi polskimi napisami. Innymi słowy, rozwiązuje „tłumaczenie podczas oglądania", a nie „obrabianie wideo". Jeśli potrzebujesz napisów, którymi można się podzielić — to praca innej klasy narzędzi.

Zacznij za darmo — wystarczy kilka minut

Większość takich narzędzi oferuje darmowy limit; klient VoriTrans na Windows jest gotowy do użycia od razu po instalacji. Darmowe konto co miesiąc dostaje punkty tłumaczeń: 1,000 dla gościa, 2,000 po rejestracji; ważne w bieżącym miesiącu, na start przy codziennym oglądaniu w zupełności wystarcza; przy większym użyciu pomyśl o subskrypcji — zasady pakietów znajdziesz na oficjalnej stronie cennika.

Zamiast zastanawiać się, które narzędzie ma najmocniejsze parametry, przetestuj darmowym limitem wideo, które najbardziej chcesz obejrzeć: zaznacz pas napisów, odtwarzaj przez pięć minut — czy rozpoznawanie jest stabilne i czy tłumaczenie nadąża, widać od razu.

Częste pytania

Czy tłumaczenie w czasie rzeczywistym uszkadza oryginalne wideo lub wpływa na jakość obrazu?

Nie. Wynik tłumaczenia wyświetla się jako nakładka na obrazie; oryginalny plik wideo nie jest w ogóle modyfikowany, a po zamknięciu narzędzia obraz wraca do stanu pierwotnego. Czytelność tłumaczenia zależy od ustawionego rozmiaru i grubości czcionki — nie ma związku z jakością samego wideo.

Czy można przetłumaczyć wideo z mową bez napisów?

Nie. Narzędzia do tłumaczenia ekranu przetwarzają tekst, który już jest wyświetlany na ekranie; wideo musi najpierw mieć napisy (w tym hardsub w oryginalnym języku), żeby dało się je przetłumaczyć. Czysto mówione treści, wywiady czy podcasty bez napisów są poza zakresem; transkrypcja mowy i dubbing to możliwości innej klasy narzędzi.

Czy obraz z serwisów wideo online też można tak tłumaczyć?

Tak. Dopóki obraz wideo jest wyświetlany na ekranie, a tekst napisów jest czytelny, nie ma różnicy między odtwarzaniem w przeglądarce a lokalnym odtwarzaczem. Tryb pełnoekranowy niektórych serwisów może wpływać na wyświetlanie nakładki; jeśli rozpoznawanie zaczyna szwankować, przejście do trybu okna zwykle rozwiązuje problem.