ArtikelLjud

Undertexter och transkript som faktiskt hjälper

Automatisk transkribering är den mest träffsäkra AI-funktionen i en medieproduktion, och den missförstås oftast. Utdata är ett utkast: orden stämmer i regel, men namn, siffror, skiljetecken och tidkoder gör det inte — och det är just de delarna som avgör om texten hjälper någon.

Publicerad · Senast granskad


Kort sagt

Rätta i fast ordning: namn och fackord, siffror, skiljetecken, tidkoder. Ordningen är vald efter vad som kostar mest när det är fel. Ett felstavat namn är ett sakfel, en felplacerad radbrytning är obekväm — börja med sakfelen.

Undertext och transkript är olika saker

De förväxlas ofta och har olika uppdrag. Undertexten följer bilden i realtid och läses samtidigt som något annat pågår. Den måste därför vara kort, brytas på rätt ställen och ligga exakt i tid. Transkriptet läses i stället för att lyssna. Det får vara fullständigt, ha stycken och rubriker, och behöver inte följa talets exakta rytm.

En undertextfil som klistras in som transkript blir en oläslig radda korta rader utan skiljetecken. Ett transkript som används som undertext hinner aldrig läsas. Bestäm vilket du gör innan du börjar rätta, för rättningarna skiljer sig åt.

Behöver du båda: gör transkriptet först, som en riktig text, och korta ner till undertext därifrån. Motsatt ordning innebär att du sätter ihop meningar som redan sönderdelats.


Vad som alltid blir fel

Felen är förutsägbara, vilket är goda nyheter: du kan leta efter dem riktat i stället för att läsa igenom allt lika noggrant.

Namn. Personnamn, ortnamn, företagsnamn och produktnamn blir fel, och konsekvent fel. Sök och ersätt fungerar utmärkt just för att felet upprepas identiskt.
Fackord. Branschtermer som inte är vanliga i vardagsspråk hamnar på närmaste vanliga ord. Gör en lista över era tio vanligaste termer och kontrollera dem först.
Siffror. Årtal, belopp, procent och telefonnummer skrivs ofta ut på fel sätt eller hörs fel. Varje siffra i ett transkript ska kontrolleras mot ljudet, utan undantag.
Talare. I ett samtal med flera röster blandas repliker ihop, särskilt vid inpass och överlappande tal. Kontrollera talarbyten vid varje ställe där två personer pratar samtidigt.
Skiljetecken. Meningsgränser gissas ur pauser, och en talare som tvekar mitt i en mening får en punkt där ingen hör en. Det här är det mest tidskrävande och det som mest påverkar läsbarheten.

Notera vad som inte står i listan: vanliga ord i vanliga meningar. Dem behöver du sällan röra, och det är därför automatisk transkribering trots allt sparar mycket tid.


Rättningsordningen

1
Namn och fackord, med sök och ersätt. Gå igenom din lista över namn och termer innan du läser något. Det tar några minuter och tar bort de allvarligaste felen i hela filen på en gång.
2
Siffror, mot ljudet. Sök efter siffertecken och lyssna på varje träff. Det här steget hoppas oftast över och är det som ger de pinsamma felen.
3
Skiljetecken och stycken. Läs igenom och sätt meningsgränser där talaren faktiskt slutar en tanke. För transkript: lägg in stycken och gärna mellanrubriker.
4
Tidkoder, bara för undertext. Kontrollera att texten kommer med talet, inte före. En undertext som ligger före repliken avslöjar poängen innan den sägs.

Regler för läsbar undertext

Undertext har ett hantverk med några tumregler som gör mer skillnad än något verktygsval.

Fem tumregler


Undertext på ett annat språk

Maskinöversatt undertext är den punkt där kvaliteten faller snabbast, och av ett skäl som är lätt att missa: översättningen görs rad för rad. Undertextraderna är redan sönderdelade efter talets rytm, inte efter meningens grammatik, så översättaren får halva satser utan sammanhang.

Lösningen är samma ordning som ovan, en gång till. Utgå från det rättade transkriptet — hela meningar med skiljetecken — översätt det, och dela sedan upp den översatta texten i undertextrader på nytt. Radbrytningarna i originalspråket går inte att återanvända, eftersom orden hamnar i en annan ordning.

Räkna också med att längden ändras. En svensk mening blir ofta längre på franska och kortare på engelska, och en undertext som var lagom att hinna läsa på ett språk kan behöva kortas på ett annat. Det är omskrivning, inte översättning, och det är en människas arbete.


Vad texten är värd utöver tillgängligheten

Ett rättat transkript är den enda delen av ett ljud- eller videomaterial som går att söka i, citera ur och länka till. Det gör det till underlag för mycket annat: sammanfattningar, artiklar, sociala inlägg och rubriker kan alla byggas från transkriptet i stället för från minnet av vad som sades.

Här finns dock en fälla värd att ta på allvar. Låter du en modell sammanfatta ett orättat transkript ärver sammanfattningen alla fel — och den låter ändå säker. Rätta först, sammanfatta sedan, och kontrollera sammanfattningen mot samma sorts frågor som i substanstestet.

Spara det rättade transkriptet tillsammans med ljudfilen, inte i ett separat system. Ordning på materialet beskriver hur; principen är densamma som för bilder och beställningar — det som hör ihop ska ligga ihop.


Definition av klart

Varje namn, fackord och siffra är kontrollerad mot ljudet. Texten går att läsa utan att lyssna, och för undertext: den kommer med talet, är högst två rader och står kvar tillräckligt länge för att hinna läsas i normalt tempo.