Казахские буквы в субтитрах: почему ә, ғ, қ, ң, ө, ұ, ү, һ, і пропадают — и как проверить свой ролик
Что происходит
Вы отдали в нарезку запись на казахском, получили клипы — и в субтитрах вместо «жағдайымда» стоит «жа дайымда», а вместо «күн» — «к н». Буквы не заменились на квадраты и не подчеркнулись красным. Они просто исчезли, оставив пробел, и на первый взгляд строка выглядит нормальной.
Это не ошибка распознавания. Речь разобрана верно, в текстовом файле субтитров все буквы на месте. Теряются они на последнем шаге — когда текст рисуют в кадре.
Почему так выходит
В кадре текст рисует шрифт. Шрифт — это файл, и в нём лежит конечный набор букв. Кириллица там почти наверняка есть: русские буквы нужны всем. А девять казахских — ә, ғ, қ, ң, ө, ұ, ү, һ, і — стоят в отдельном разделе таблицы Юникода, и большинство шрифтов их не содержит.
Дальше происходит самое неприятное: никто не сообщает об ошибке. Программа рисования субтитров, не найдя буквы, рисует пустой прямоугольник или не рисует ничего. Ни предупреждения, ни красной строки в журнале. Сервис считает работу выполненной, вы получаете тридцать клипов с дырами и узнаёте о них от зрителей.
Отсюда правило, которое стоит знать любому, кто заказывает нарезку казахской записи: шрифт выбирается под буквы, которые окажутся в кадре, а не под язык, который вы указали в форме. Если запись казахская, а оформление выбрано «русское» — буквы возьмут из русского шрифта, и девяти из них там не будет.
Как проверить свой ролик за минуту
Проверка не требует программ и работает на любом сервисе.
- Возьмите фразу с редкими буквами. Проще всего — с ә, ғ, қ, ң, ө, ұ, ү, і: «Өмірде әрқашан қиындық болады» годится целиком;
- найдите её в готовом клипе и остановите кадр на этой строке;
- сравните с текстом субтитров, который сервис отдаёт файлом (у нас это .srt). В файле все буквы на месте всегда — беда живёт только в кадре;
- смотрите на пробелы. Пропавшая буква не оставляет квадрата — она оставляет дыру внутри слова. «Ұстаз» превращается в «стаз», «қыз» в «ыз»;
- проверьте оба оформления, если сервис даёт выбор шаблона: бывает, что казахский шаблон рисует всё, а любой другой — нет.
Как сделано у нас
Мы отвечаем на этот вопрос устройством, а не обещанием.
- шрифт подбирается по буквам в кадре. Не по языку, указанному в заказе, и не по языку речи: если в кадре окажется казахский текст, шрифт будет выбран под него;
- покрытие проверяется по файлу шрифта. Мы читаем таблицу символов самого шрифта и спрашиваем у неё каждую из девяти букв. Не «кириллица же там есть», а прямой ответ по каждому знаку;
- шрифт без этих букв в набор не попадает. Проверка идёт на всех шрифтах оформления, и она обязательная: шаблон, который не умеет рисовать ә, до клиентов не доходит.
Что это значит для заказа
Ничего не нужно настраивать. Загрузите казахскую запись — субтитры выйдут с казахскими буквами в любом оформлении. Речь распознаём на 10 языках, включая казахский.
Если вы уже получили клипы с дырами в словах — в другом сервисе или у нас, — их не нужно переделывать вручную: проблема в шрифте, а не в тексте, и лечится она пересборкой клипа с правильным оформлением.