Vigtigste pointer
Tilgængelig tekstning er ikke bare tekstning, der findes. Den skal indeholde replikker plus de ikke-verbale lyde, der har betydning, den skal markere hvert taler-skift, og den skal komme og forsvinde i takt med talen. Undertekster er noget andet igen – typisk kun replikker og ofte oversat. En transskription er teksten uden tidskoder, og den er til dem, der slet ikke kan bruge afspilleren, så det er en selvstændig leverance og ikke en erstatning. Automatisk tekstning uden en korrekturgennemgang er den mest almindelige fejl.
Nogen har sagt til dig, at tekstningen skal være tilgængelig. Du har tekstning. Nu forsøger du at regne ud, hvad forskellen egentlig er mellem de to udsagn, og ingen har været særlig konkrete om det.
Problemet er næsten aldrig, at en video slet ikke har et tekstningsspor. Det er, at tekstningssporet er ubrugeligt på en måde, der først bliver synlig, når en døv eller hørehæmmet seer forsøger at følge videoen med det. Her er, hvad det i praksis betyder, i den rækkefølge du vil møde det.
Tre ord, tre leverancer, tre målgrupper
Tekstning, undertekster og transskription bruges i flæng i almindelig tale, og det krav, du har fået stillet, gør højst sandsynligt ikke det. Hvis kravet nævner to af dem, vil det have to forskellige ting.
Tekstning indeholder replikkerne plus de ikke-verbale lyde, der har betydning. Den er skrevet ud fra den antagelse, at seeren ikke hører noget som helst, så alt det, lydsiden byder på, som billedet ikke selv viser, skal stå i teksten.
Undertekster indeholder typisk kun replikker og er ofte en oversættelse. De går ud fra, at man kan høre videoen fint, man bare ikke forstår sproget, der tales. Et undertekstspor fortæller ikke, at alarmen gik i gang, fordi en hørende seer på målsproget ikke har brug for at få det fortalt.
En transskription er teksten i sig selv, uden tidskoder. Ingen cues, ingen synkronisering, ingen afspiller involveret. Den er til dem, der bruger en skærmlæser, dem der ikke kan betjene videoafspilleren, og dem der simpelthen hellere vil læse indholdet end sidde og se det.
Det sidste punkt er det, folk oftest slår sammen med de andre. En transskription, der lægges op ved siden af videoen, opfylder ikke et krav om tekstning, og en tekstningsfil opfylder ikke et krav om transskription, fordi de når forskellige mennesker på forskellige måder. Hvis du producerer det ene og kalder det begge dele, har du produceret ét.
Det skal siges klart: krav til tilgængelighed varierer fra land til land, fra branche til branche og fra organisation til organisation. Der findes ikke én global standard, du selv kan tjekke op mod og være færdig. Den regel, der tæller, er den din organisation faktisk er bundet af, og der er nogen i din organisation, der ved, hvilken det er, selv hvis de ikke har sagt det til dig. Spørg, før du bygger en proces op om et gæt.
Tekstning skal indeholde lyden, ikke kun talen
Det er her, folk der kun har tænkt på tekstning som tale-til-tekst, bliver overrasket. En dør, der smækker. En alarm. Latter uden for billedet. En telefon, der ringer, og som får personen i billedet til at stoppe midt i en sætning. Ingenting af det er replikker, og ingenting af det er synligt.
Hvis en seer, der ikke kan høre lydsiden, ser din video, og der sker noget, de ikke kan forklare, har tekstningen svigtet på præcis det, den skulle løse. Personen i billedet, der reagerer på en lyd, du aldrig nævnte, virker nu bare uforståelig.
Testen er ikke “var der en lyd”, men “har lyden betydning”. Rumklang skal ikke tekstes. Baggrundsmusik, ingen reagerer på, skal det som regel heller ikke. Alarmen, der får alle til at forlade rummet, skal derimod med. Det skal latter også, når den fortæller, hvordan en replik faldt ud. Vurderingen er din, og det er en reel vurdering, ikke en regel du kan lade et system klare automatisk, hvilket er en af grundene til, at et menneskeligt gennemløb af filen betyder noget. Vil du have den lange udgave af, hvordan det gøres i praksis, dækker guiden til tekstning til hørehæmmede selve håndværket.
Overdriv det heller ikke. Et tekstningsspor, der noterer hver eneste raslen, konkurrerer med replikkerne om seerens læsetid og sætter seeren bagud i forhold til videoen. Tag det med, der ændrer scenens betydning. Lad resten være.
At vise hvem der taler
Et tekstningsspor, der kører tre menneskers replikker sammen uden nogen markering af, hvor den ene stopper og den næste starter, er teknisk til stede og reelt ubrugeligt. Det er en af de mest almindelige fejl i en fil, der har klaret enhver boks-afkrydsning, fordi kontrollen spørger, om der findes tekstning, ikke om den kan læses.
Tænk på, hvad en hørende seer får gratis. Stemmer lyder forskelligt. Man ved, svaret kom fra en anden person, fordi det kom fra en anden strube, og man kan tit høre, hvilken side af rummet det kom fra. Fjern lyden, og alt det forsvinder. På billedsiden kan et reaktionsklip eller en tæt beskæring holde taleren helt uden for billedet i en hel sætnings længde.
Konventionerne for at markere et skift varierer fra sted til sted og fra platform til platform, og alle de almindelige virker, så længe du bruger dem konsekvent inden for én fil. Det, der ikke virker, er ingenting. Et interview, en paneldebat, et mødereferat, alt med mere end én stemme, skal have skiftet markeret hver eneste gang det sker, også når de samme to personer skiftevis siger korte ting hurtigt. Især da, faktisk, fordi det er der, en læser hurtigst taber tråden.
Timing der følger talen
Tekstning skal dukke op, når ordene bliver sagt, og gå væk, når de stopper. En tekst, der kommer et hak for sent, betyder, at seeren læser replikken efter at have set reaktionen på den. En tekst, der bliver hængende over det næste klip, betyder, at man læser en scene, mens man kigger på en anden.
Ingen af de to ting er dødelige i en enkelt cue. Over ti minutter er de udmarvende, og videoen bliver sværere at følge med tekstning end en seer måske havde klaret uden. Drift er den typiske skurk: en fil, der starter synkroniseret og glider længere og længere bagud, ofte fordi den blev genereret mod én udgave af videoen og derefter lagt på en anden, der har et ekstra sekund i toppen eller enden.
Tjek slutningen af filen, ikke begyndelsen. Alle tjekker begyndelsen. Hvis den sidste cue i en lang video stadig passer med ordene, er midten sandsynligvis fin. Hvis den har flyttet sig, skal hele filen re-timet, ikke lappes. En strukturel kontrol med en SRT-validator fanger overlappende eller forkert opbyggede cues, før du uploader, men den kan ikke fortælle dig, om ordene er de rigtige ord.
Automatisk tekstning og det gennemløb, der gør den brugbar
Automatisk tekstning uden en korrekturgennemgang er den mest almindelige måde, en organisation ender med tekstning, der ikke lever op til dens eget krav. Den kommer typisk med tegnsætning, du ikke kan regne med, ingen markering af taler-skift overhovedet, og ingen ikke-verbale lyde, fordi modellen blev bedt om at transskribere tale, og det er det, den gjorde.
Det gør ikke automatisk tekstning ubrugelig. Den er et godt førsteudkast og sparer reel tid på den del af opgaven, der bare er ren indtastning. Fejlen er at behandle output som den endelige leverance i stedet for som råmateriale. Det, der laver det ene til det andet, er en person, der læser filen imod videoen og retter fire ting: de forkerte ord, sætningsgrænserne, taler-skiftene og de lyde, der har betydning.
Til selve førsteudkastet transskriberer SozAI lyd- og videofiler, optagelser og YouTube-links til tekst med taler-labels på 99+ sprog i sin app til iOS, Android og macOS, og siden tilbyder også gratis undertekst- og optælningsværktøjer, der kører helt i din browser uden at uploade noget. Taler-labels giver dig et forspring på skiftene; lydcues og den endelige timing skal du stadig selv lægge på.
Sæt tid af til gennemløbet. Det tager kortere tid end at transskribere fra bunden og længere end ingenting, og det er hele forskellen mellem en fil, der findes, og en fil, der virker.
Hvad der stadig kan gå galt, når du har gjort alt dette
En del, og det er bedre at vide hvor.
- Navne, fagudtryk og produktnavne kommer forkert ud af automatisk transskription og bliver ved med at være forkerte, fordi en korrekturlæser, der ikke er tæt på emnet, ikke opdager, at et udtryk er en lille smule skævt.
- Tekstningsfilen bliver sat på det forkerte klip af videoen efter en redigering, og synkroniseringen følger med. Ingen tjekker efter en beskæring.
- Transskriptionen bliver stille og roligt aldrig produceret, fordi det er den leverance, der ikke har en oplagt plads i publiceringsprocessen, og der kommer ingen fejlmeddelelse, når den mangler.
- Et oversat underteksterspor bliver uploadet, som var det et tekstningsspor, hvilket efterlader døve seere på originalsproget med kun replikker og ingen lydcues.
Ingen af de her ting viser sig i en stikprøve af de første tredive sekunder, som er den kontrol, de fleste videoer faktisk får. Bygger du en proces, skal kontrollen ligge ved slutningen af filen og efter den sidste redigering, ikke før.
Den anden ting, du skal forvente, er, at ingen mængde omhu i tekstningsfilen afgør, hvad din forpligtelse er. Det kommer fra den regel, din organisation er bundet af, og den praktiske detalje om, hvordan den type krav typisk er formuleret, er dækket i artiklen om transskription og tilgængelighedskrav. Få det svar først, og brug så håndværket herover på det, det viser sig at kræve.
