Таймкоды

Три уровня точности

Таймкоды бывают разной подробности, и от этого зависит, что с расшифровкой можно делать. Разница принципиальная: с точностью до абзаца нельзя ни собрать субтитры, ни проверить цитату.

• По абзацу или блоку — «примерно на пятой минуте». Годится для навигации по длинной записи, больше ни для чего.
• По реплике — начало и конец фразы. Достаточно для субтитров и для поиска места в записи.
• По слову — время начала и конца каждого слова. Позволяет резать видео по фразе, подсвечивать текст синхронно со звуком и проверять спорную цитату.

Таймкоды по абзацам: когда их хватает и когда нет

Большинство расшифровщиков ставит время в начале абзаца — «00:05:12» и дальше блок текста на несколько минут. Такая разметка делается дёшево: достаточно отметить моменты, где сменился говорящий или была длинная пауза.

• Хватает: пробежать глазами длинную запись, понять, в какой части обсуждали нужный вопрос, поставить закладку для себя.
• Не хватает: субтитры — строка обязана появляться и уходить вместе с речью, а абзац идёт минутами.
• Не хватает: проверка цитаты — «где-то на пятой минуте» означает переслушать пять минут записи.
• Не хватает: монтаж — нарезать видео по фразе нельзя, если известно только начало блока.
• Мы отдаём время у каждого слова, а из него абзацные метки собираются сами — обратное преобразование невозможно.

Зачем нужна точность до слова

• Субтитры: строка должна появляться и исчезать вместе с речью, иначе зритель читает то, что уже сказано.
• Проверка цитаты: спор «я такого не говорил» решается секундой на таймлайне, а не пересматриванием записи.
• Монтаж: нужный фрагмент находится поиском по тексту, а не на слух — это единственный способ работать с многочасовым материалом.
• Синхронная подсветка: слово выделяется в такт звуку, и вычитка расшифровки идёт вдвое быстрее.

Форматы выгрузки

• TXT — текст с таймкодом у каждой реплики и именем говорящего: для чтения и рассылки.
• SRT — субтитры: пары «время — строка», кладутся в плеер и монтажную программу как есть.
• JSON — полные данные: границы каждого слова, метки говорящих, служебные поля. Для интеграции в свою систему.

Почему таймкод не всегда совпадает со слышимым началом слова

Граница слова — не точка, а область: в живой речи слова наезжают друг на друга, а согласные на стыке произносятся один раз на два слова. Расхождение в несколько десятков миллисекунд — норма, и на субтитрах оно незаметно. Заметным оно становится там, где режут видео строго по границе, — поэтому монтажники обычно берут небольшой запас.

Вопросы