Video e sottotitoli · Toolkit sottotitoli
La storia di SubRip: come l'output di uno strumento di ripping DVD è diventato .srt
· Sfondo
sottotitoli srt formati di file codici temporali
SRT prende il nome da un programma, non da uno standard. Questo post illustra come l'output OCR di SubRip è diventato il formato di sottotitoli più comune sul Web, perché non ha specifiche formali e cosa significa oggi per la compatibilità.
Perché il formato prende il nome da un programma? - il puzzle quotidiano dietro il nome SubRip
Le lettere SRT sono un indicatore di lignaggio piuttosto che il nome di un comitato per gli standard. Si riferiscono a SubRip, il software associato alla trasformazione del materiale dei sottotitoli dai dischi in testo temporizzato. Questa origine aiuta a spiegare perché il formato sembra il risultato pratico di un’utilità: blocchi numerati compatti, leggibili in un normale editor, senza un ampio modello di metadati attorno a loro.
I dettagli storici sono meno importanti per la compatibilità quotidiana rispetto alla conseguenza: SRT diffuso attraverso l'uso e l'implementazione. L'archivio quindi lo tratta come un formato convenzionale i cui dialetti del mondo reale necessitano di input tolleranti, non come una grammatica la cui ogni variazione accettata può essere citata da una specifica normativa.
SubRip il programma: uno strumento per estrarre i sottotitoli DVD come testo utilizzando il riconoscimento dei caratteri
I flussi di sottotitoli DVD sono basati su immagini anziché su normali righe di testo, quindi l'estrazione di parole modificabili richiede il riconoscimento dei caratteri o la correzione manuale. SubRip è associato a quel flusso di lavoro di estrazione e il suo output di testo accoppia il dialogo riconosciuto con i tempi necessari per visualizzarlo. Questo articolo non assegna una data di lancio, un autore o una cronologia delle versioni perché tali dettagli non sono stabiliti dalle fonti del repository utilizzate qui.
Il riconoscimento dei caratteri spiega anche perché un SRT può essere strutturalmente perfetto mentre le sue parole rimangono sbagliate. ToolAcre analizza i limiti dei segnali e può rimuovere il markup, ma non esegue il riconoscimento ottico né corregge la trascrizione. L'origine storica e la trasformazione attuale sono lavori separati.
Il formato di output: indice, riga del timecode, testo, riga vuota e perché questa semplicità si è diffusa
La forma familiare dell'output è composta da quattro parti: un indice numerico, una riga contenente i timestamp di inizio e fine separati da una freccia, una o più righe di testo e una riga vuota che termina il blocco. La sua forza è l'ispezionabilità. Una persona può trovare il segnale 40, leggerne l'ora e modificarne le parole senza software specializzato, mentre un parser può dividere lo stesso documento in blocchi.
ToolAcre non considera attendibile l'indice come identità. Cerca in ogni blocco la freccia, i numeri hanno analizzato con successo i segnali stessi e si unisce a ogni riga successiva come testo di segnale. Durante la serializzazione emette indici SRT contigui da uno, che ripara duplicati e lacune invece di preservarli come manufatti storici.
Nessuno standard, solo convenzione: come la mancanza di specifiche ha portato a dialetti e tolleranza specifici del giocatore
Senza una specifica formale SRT che governi ogni produttore e giocatore, la convenzione diventa il livello di compatibilità. I file vengono visualizzati con virgole o frazioni di punto, ore omesse, segni di ordine dei byte, terminazioni di riga miste, indici mancanti e blocchi con formato non valido. Diversi giocatori tollerano sottoinsiemi diversi, quindi un file che funziona in un'applicazione è una prova di quell'applicazione, non una prova della validità universale.
Il parser risponde a questa domanda accettando variazioni comuni e non ambigue e segnalando errori che non può interpretare in modo sicuro. Accetta il separatore dei millisecondi e le ore opzionali, elimina il segno iniziale, normalizza le terminazioni di riga e cerca la riga del timestamp. Rifiuta i minuti o i secondi sopra 59 anziché spostare silenziosamente una stecca e registra BAD_TIMESTAMP o NO_TIMESTAMP invece di interrompere l'intero file.
La virgola nel timecode: un piccolo dettaglio con una grande eredità
La convenzione SRT scrive una virgola prima delle cifre di tre millisecondi, come in 00:01:02,500. La punteggiatura è visivamente piccola ma operativamente importante perché WebVTT scrive un punto. Rinominare l'estensione non cambia alcun carattere, e un consumatore rigoroso può quindi rifiutare un file i cui tempi sono numericamente corretti ma grammaticalmente sbagliati per il formato dichiarato.
ToolAcre è tollerante durante la lettura e severo durante la scrittura. È possibile analizzare un'origine con separatori misti, ma l'output SRT riceve sempre una virgola e l'output WebVTT un punto. L'input frazionario inferiore a tre cifre viene riempito a destra, quindi .5 significa cinque decimi di secondo anziché cinque millisecondi.
SRT today: il formato di scambio di fatto per giocatori, piattaforme ed editori
SRT rimane utile come rappresentazione di scambio compatta perché i suoi contenuti essenziali sono facili da mappare per giocatori, piattaforme ed editori: ordine delle cue, tempi trascorsi e testo. “De facto” è la qualificazione importante. Una destinazione può imporre i propri limiti o tollerare il markup in modo diverso e l'estensione da sola non dice nulla sulla codifica, sulla completezza dei sottotitoli o sulla qualità editoriale.
Utilizza SRT come file di scambio, non come prova che ogni funzionalità sia sopravvissuta a un altro formato. Le impostazioni, i commenti, le regioni e i blocchi di stile WebVTT non hanno tutti equivalenti SRT. Il convertitore salta i blocchi NOTE, STYLE e REGION e preserva le impostazioni delle cue anche durante la scrittura di SRT, dove non hanno effetti definiti.
Conclusione: semplice, onnipresente, non specificato: come Subtitle Toolkit gestisce le variazioni di SRT durante la conversione e la pulizia
SRT ha resistito perché la rappresentazione fondamentale è abbastanza semplice da ispezionare e implementare, ma quella stessa storia guidata dalle convenzioni ha prodotto variazioni che nessuna singola lettura rigorosa può catturare. Subtitle Toolkit gestisce la via di mezzo pratica: accetta variazioni comuni di timestamp e forma dei file, identifica i blocchi non sicuri, quindi scrivi un modulo SRT o WebVTT prevedibile.
Carica l'originale anziché una copia che un altro convertitore ha già normalizzato, leggi l'elenco dei problemi e confronta il conteggio dei cue prima di esportare. Un segnale non valido saltato non viene riparato dalla serializzazione pulita; viene omesso e riportato, il che è più onesto che indovinare in un momento in cui la fonte non è stata dichiarata in modo sicuro.