Hur bra är YouTubes automatiska undertextning egentligen?

YouTubes automatiska undertexter räcker för att hänga med i en video, men inte på långa vägar för att representera din kanal. Så hur bra är YouTubes automatiska undertextning egentligen? Med tydligt tal från en enda talare fungerar den hjälpligt; lägg till dialekter, folk som pratar i mun på varandra, musik, fackspråk eller en mygga i en blåsig park, så stiger felfrekvensen snabbt. Ännu viktigare: även när de är som bäst saknar de det som gör undertexter läsbara – pålitliga skiljetecken, markerade talarbyten och radbrytningar som följer fraserna. Här går vi igenom vad de faktiskt gör fel, varför, och hur du löser det i praktiken.

Vad YouTubes automatiska undertexter gör fel

1. Egennamn och fackspråk

Namn på personer, produkter och platser gissas utifrån hur de låter – ”BlaBlaScribe” blir ”bla bla skriv”, och en gäst som heter Sinéad blir ”sju ned”. Fackord går det inte bättre för. Det är de här felen som tittarna tar skärmdumpar på.

2. Skiljetecken och versaler

De automatiska undertexterna har blivit bättre här, men meningsgränserna flyter fortfarande ihop när någon pratar fort, och resultatet läses som en ström snarare än som meningar. Undertexter utan skiljetecken är mätbart svårare att läsa i den takt undertexter visas.

3. Inga talarbyten

Två programledare som pratar blir en enda odifferentierad röst. I intervjuer och poddar förstör det i det tysta innebörden – du kan inte skilja frågan från svaret. (Riktiga undertexter markerar talarbyten; det är samma problem som talaridentifiering löser i transkriptioner.)

4. Musik, överlappande tal och brus

Sångtexter blir till surrealistisk fri vers, överlappande tal blir ordsallad och bakgrundsljud ger upphov till ord som aldrig sades. YouTube skriver själv att automatiska undertexter beror på ljudkvaliteten och kan återge talet felaktigt – se hjälpcentrets sida om automatiska undertexter.

5. Tajmning anpassad efter talet, inte efter läsningen

Automatiska undertextrader jagar ljudet ord för ord och ger ryckiga fragment på två ord i stället för stabila, läsbara rader. Bra undertexter låter en fras stå kvar i bild så länge att den hinner läsas bekvämt.

Varför det här spelar större roll än det verkar

• Tillgänglighet: tittare som är beroende av undertexter får den sämsta versionen av ditt innehåll – och i många sammanhang är undertexternas kvalitet ett tillgänglighetskrav, inte en artighet.

• Tittande utan ljud: en stor del av tittandet i sociala medier sker med ljudet avstängt; dåliga undertexter gör att du tappar de tittarna på några sekunder.

• Sökbarhet: undertexttext är innehåll som maskiner kan läsa. Fel i den är fel i vad plattformarna tror att din video handlar om.

• Varumärke: en video som är producerad, ljussatt och redigerad – och sedan textad av en robot som stavar ditt produktnamn på tre olika sätt.

Lösningen: ersätt i stället för att laga

Du kan redigera de automatiska undertexterna rad för rad i YouTube Studio, och för en video på två minuter går det bra. Vid någon verklig längd tar det längre tid att laga fragment för hand än att skapa rena undertexter från grunden:

1. Kör videon genom en undertextgenerator – moderna talmodeller sätter ut skiljetecken och versaler och delar raderna vid frasgränser redan i första vändan.

2. Rätta namn och fackuttryck i editorn – en sök och ersätt fångar de flesta återkommande felen på en gång.

3. Exportera SRT och ladda upp filen till videon i YouTube Studio. Undertexter som du själv laddar upp ersätter de automatiska, och transkriptionspanelen visar din rena version. (Behöver du även VTT till en webbspelare? En konverterare gör båda utifrån en och samma huvudfil.)

Hela arbetsflödet, inklusive format och inbrända undertexter för korta videor, finns i vår guide om hur du lägger till undertexter i valfri video.

Renare ljud hjälper alla undertexter

Automatiska eller inte – undertexternas kvalitet avgörs av ljudkvaliteten. Samma regler som förbättrar träffsäkerheten i transkriberingen förbättrar undertexterna: en mikrofon nära munnen, en röst i taget, musik under rösten i stället för över den, och ett tyst rum. Tio dollar lagda på rätt mikrofonplacering slår en timmes redigering av undertexter.

Automatiska undertexter eller riktiga undertexter

Vanliga frågor

Hur träffsäkra är YouTubes automatiska undertexter i procent?

Det finns ingen ärlig enskild siffra – träffsäkerheten svänger kraftigt med ljudkvalitet, dialekter och ordförråd. Se dem som ett utkast: ibland nästan rätt, aldrig redo att publiceras utan granskning.

Ersätter uppladdade undertexter de automatiska?

Ja. När du laddar upp en egen undertextfil får tittarna den som standard, och den automatiska versionen får stå tillbaka för det språket.

Räcker automatiska undertexter för att uppfylla tillgänglighetskrav?

Oftast inte – tillgänglighetsstandarder förutsätter korrekta undertexter, och ogranskade automatiska undertexter klarar rutinmässigt inte den ribban. Granskade undertexter är den säkra grundnivån.

Hur är det med automatiskt översatta undertexter?

Automatisk översättning ovanpå automatisk transkribering gör att felen från båda stegen förstärker varandra. Översätt hellre från en rättad transkription – en undertextöversättare behåller din rättade tajmning och översätter ren text.

Sammanfattningsvis

De automatiska undertexterna är YouTubes skyddsnät, inte din strategi för undertexter. Skapa rena undertexter en gång, lägg fem minuter på namnen och ladda upp SRT-filen – så får varje tittare, varje ljudlös scrollare och varje sökrobot den version av din video som du faktiskt gjorde.