الفيديو والترجمات · مجموعة أدوات الترجمة
ماذا يعني "تنظيف" ملف الترجمة: العلامات والرموز والتنسيقات الضالة
· كيف يعمل
ترجمات معالجة النصوص تنسيقات الملفات
تجمع ملفات الترجمة غير المرغوب فيها: علامات تشبه HTML، ورموز التصميم من تنسيقات أخرى، وقائمة مكونات الصنف الضالة، ونهايات الأسطر المختلطة. يشرح هذا المنشور ماهية كل نوع من الفوضى، ومن أين يأتي وكيف تزيله خطوة نظيفة دون لمس الكلمات.
تعرض التسميات التوضيحية "{\an8}" و"<i>" على الشاشة - وهي الأعراض المرئية لملف الترجمة غير النظيف
عندما تعرض التسمية التوضيحية أحرف العلامة بدلاً من الالتزام بها، فإن المشغل يخبرك أنه لا ينفذ هذا الترميز. SRT لا تحتوي على مواصفات تنسيق، لذا فإن الدعم تقليدي: العديد من اللاعبين يحترمون مجموعة صغيرة من العلامات المشابهة لـ HTML، وأي شيء خارج هذه المجموعة يتم رسمه كنص حرفي. الملف الذي يتم عرضه بشكل صحيح في أحد المشغلات ويظهر الأقواس في مشغل آخر لم يتغير؛ فقط مجموعة العلامات التي يتم تكريمها لديها.
هذا هو السبب في أن التنظيف هو عملية حقيقية وليس ترتيبًا تجميليًا. الفوضى ليست زخرفة تصادف أنها قبيحة. إنها تعليمات مكتوبة بتنسيق واحد يقرأها لاعب مختلف كحوار، والحل هو إزالة التعليمات مع ترك كل كلمة سليمة.
من أين تأتي الفوضى - التصدير من التنسيقات ذات التصميم الثقيل، ومخرجات OCR والمحررين الذين يضيفون العلامات الخاصة بهم
معظم الفوضى تصل من خلال التحويل. يحمل الملف الذي تم تأليفه بتنسيق ثقيل التصميم مثل ASS أو SSA توجيهات تحديد الموضع والمظهر مضمنة، والمحول الذي يعين التوقيتات بأمانة غالبًا ما يمرر تلك التوجيهات عبرها كنص. يضيف محررو التسميات التوضيحية علامات الترقيم الخاصة بهم لتحديد هوية المتحدث والتأكيد عليه، ويقدم التعرف البصري على الأحرف للترجمات المضمنة علامات ترقيم متناثرة ومسافات مضاعفة لم يكتبها أي مؤلف.
لم يتم تشويه أي من هذه المصادر في عالمهم الخاص. تعتبر كتلة التجاوز ASS ذات معنى في ASS. تكمن المشكلة في أن SRT ليس له مكافئ، لذا فإن التحويل الذي يبدو بدون فقدان يؤدي إلى إنتاج ملف تظل فيه التعليمات على شكل أحرف بدلاً من سلوك.
علامات التنسيق - العلامات المائلة والغامقة والخطية، التي يحترمها اللاعبون وتظهرها حرفيًا
يتم التعامل مع علامات الأقواس الزاوية أولاً، باستخدام تعبير عادي يزيل كل شيء بين أقل من والأكبر من الذي يليه. يغطي ذلك العلامات المائلة والجريئة، وعلامات فئة WebVTT مثل التعليق التوضيحي لفئة الإشارة، وعلامات الصوت التي تسمي المتحدث. الخاصية المهمة هي أن هذا عبارة عن استبدال نص، وليس محلل HTML، ولا يحاول مطابقة العلامات الافتتاحية مع العلامات الختامية.
هذه البساطة لها تكلفة تستحق المعرفة. سطر الحوار الذي يحتوي بالفعل على أقل من وأكبر من، مثل عدم المساواة المنطوقة، سيتم إزالة النص بينهما مع الأقواس. إنه أمر نادر في الحوار وشائع في التسميات التوضيحية الفنية، لذا من المفيد مسح مخرجات تمرير التنظيف على المواد التي تناقش الكود أو الرياضيات.
رموز الموضع والنمط - ماذا تعني الرموز مثل {\an8} في ASS/SSA وسبب وجود ضوضاء في SRT
تتم إزالة رموز الأقواس عن طريق استبدال ثانٍ يغطي كل شيء بين قوس الفتح والإغلاق. في تنسيقات SubStation، تكون هذه الكتل عبارة عن كتل تجاوز، وأكثرها شيوعًا هي تلك التي تنقل خطًا إلى أعلى الإطار حتى لا تتعارض مع النص المحروق. يقوم الآخرون بتعيين الخط أو اللون أو التدوير أو توقيت الكاريوكي.
في ملف SRT، لا يعني أي منها أي شيء، ولهذا السبب تتم إزالتها بدلاً من ترجمتها. لا يحتوي توجيه الموضع على ما يعادل SRT للترجمة إليه: التنسيق ببساطة لا يحمل موضعًا. تؤدي إزالة الكود إلى فقدان نية المؤلف في وضع السطر في أعلى الإطار، وهذه الخسارة حقيقية، ولكن من الأفضل طباعة الكود على العارض.
فوضى غير مرئية - علامات ترتيب البايت، ونهايات أسطر CRLF ونهايات أسطر LF والمسافات الزائدة
تتم معالجة الفوضى غير المرئية مسبقًا، أثناء التحليل، وهي تستحق الفصل لأنها ليست جزءًا من النص على الإطلاق. يتم إزالة علامة ترتيب البايت في بداية الملف قبل أي شيء آخر، وإلا فإنها ترتبط برقم الفهرس الأول وتكلف الإشارة الأولى. تتم تسوية أحرف الإرجاع، سواء كان زوج Windows أو أحرف إرجاع وحيدة، بحيث يتم تقسيم الملف الذي تم تحريره على نظامين أساسيين إلى كتل بشكل صحيح.
تتم معالجة المسافات البيضاء داخل الإشارة باستخدام العلامات. يتم طي مسافتين أو علامات تبويب أو أكثر إلى مسافة واحدة، ويتم قطع كل سطر على حدة، ويتم قطع الإشارة ككل بعد إعادة ضم الأسطر. يتم ترك كيانات الأحرف بمفردها عمدًا: كيان علامة الضم هو المحتوى الذي يجب أن يراه المشاهد، وليس العلامات، والمنظف الذي فك تشفيره سيكون تحرير الحوار بدلاً من إزالة التعليمات.
مثال عملي: تنظيف تصدير 200-cue - ما الذي يتغير، وما الذي يبقى وكيفية التحقق من النتيجة
يتغير تنظيف عملية تصدير كبيرة بشكل أقل مما يبدو. خذ ملفًا مكونًا من مائتي إشارة حيث قام المحول بإضافة رمز أعلى الإطار إلى ستين إشارة وعلامات التركيز المغلفة حول أربعين أخرى. يؤدي البديلان إلى إزالة الكود والعلامات، ويؤدي تمرير المسافة البيضاء إلى طي المسافات المضاعفة التي تتركها عمليات الإزالة وراءها، وتصبح مائتي إشارة مئتي إشارة بنفس الكلمات ونفس التوقيتات.
هناك خطوتان أخريان مهمتان. تصبح الإشارة التي كان محتواها بالكامل رمزًا ضائعًا فارغة بمجرد اختفاء الرمز، وتتم إزالة الإشارات الفارغة في تمريرة منفصلة بدلاً من إصدارها ككتل فارغة، لأن الإشارة التي تحتوي على طابع زمني ولا يوجد نص هي فجوة يعرضها بعض اللاعبين على شكل وميض. تؤدي إعادة كتابة الملف إلى إعادة ترقيم الإشارات من أحد الملفات وإبقائها متجاورة، وبالتالي لا تترك عمليات الإزالة ثغرات في التسلسل. تحقق من النتيجة من خلال مقارنة أعداد الإشارات والفحص الفوري لأي سطر يحتوي في الأصل على كيان.
ما لا يغطيه هذا هو إعادة كتابة النص نفسه أو التهجئة أو الترجمة؛ الكلمات لك
يزيل التنظيف العلامات ولا يمس اللغة. ولا يقوم بتصحيح الإملاء أو توسيع الاختصارات أو إصلاح أخطاء النسخ أو الترجمة. إذا كانت التسمية التوضيحية تقول كلمة خاطئة، فسوف تقول الكلمة الخاطئة بعد ذلك، بتنسيق صحيح. هذه الحدود متعمدة: فالأداة التي تعيد كتابة الحوار بصمت سيكون من المستحيل الوثوق بها على مادة لا تفهمها.
كما أنه لا يصلح الهيكل. يواجه الملف الذي لا تحتوي كتله على طوابع زمنية مشكلة في التحليل، وليس مشكلة في التنسيق، ولن تؤدي إزالة العلامات منه إلى ظهور إشارات. أخطاء الترميز هي بالمثل خارج النطاق. ينتج عن الملف الذي تم فك ترميزه باستخدام مجموعة أحرف خاطئة إشارات جيدة التنسيق ونصها خاطئ، ولا يكشف أي قدر من إزالة العلامات ذلك، لأنه لم يتم كسر أي شيء في البنية.
الوجبات الجاهزة: إزالة العلامات، والحفاظ على المعنى - كيف تتعامل الخطوة النظيفة لمجموعة أدوات الترجمة مع الفوضى الشائعة وتوثيق ما تتركه بمفرده
القاعدة هي إزالة العلامات، والحفاظ على المعنى. يتم استخدام علامات قوس الزاوية والرموز القوسية لأنها عبارة عن تعليمات يتجاهلها اللاعب أو يطبعها. يتم استخدام المسافات المضاعفة والحشوة لكل سطر لأنها نتيجة لعملية الإزالة أو التصدير الأصلي. تبقى الكيانات وعلامات الترقيم وكل كلمة، لأن هذه هي ما يجب على المشاهد قراءته.
قم بتشغيل عملية تصدير كثيفة العلامات من خلال محول مجموعة أدوات الترجمة ومقارنتها بالنسخة الأصلية بدلاً من الوثوق بالمخرجات في لمحة واحدة. تأكد من عدم تغيير عدد الإشارات باستثناء الحالات التي كانت فيها الإشارات فارغة بالفعل، وتحقق من أن أي سطر يحتوي على كيان لا يزال يحتوي عليه، وقم بمسح الأسطر التي تناقش التعليمات البرمجية أو الرياضيات بحثًا عن النص المفقود بسبب قوس زاوية شاردة.