Ordlista för transkribering och undertexter

Korta, praktiska förklaringar av begreppen du stöter på när du transkriberar inspelningar eller arbetar med undertexter — med exempel och vad varje begrepp betyder i praktiken.

SRT-fil: En SRT-fil (SubRip Subtitle, .srt) är en undertextfil i ren text. Varje undertext är ett numrerat block med start- och sluttid och en eller två rader text. Spelare och plattformar visar texten över videon vid de tiderna, och tittaren kan slå på eller stänga av undertexterna.
VTT-fil: En VTT-fil (WebVTT, .vtt) är det vanliga formatet för undertexter och textning i webbvideo. Den är ren text precis som SRT, men börjar med raden WEBVTT, skriver millisekunder efter en punkt och kan innehålla stilar, placeringar och talartaggar som webbläsare förstår.
Öppen textning: Öppen textning (open captions) är text som är inbränd i själva videon, som en del av bilden. Den syns alltid, ser likadan ut i alla spelare och på alla plattformar och kan inte stängas av — till skillnad från valbar textning (closed captions), som följer med som ett separat spår som tittaren kan slå på eller stänga av.
SDH-undertexter: SDH står för Subtitles for the Deaf and Hard of Hearing, alltså undertexter för döva och hörselskadade. Utöver dialogen anger SDH-undertexter talare som inte syns i bild och beskriver ljud som spelar roll — [dörr smäller], [telefon surrar], [spänd musik] — så att videon går att förstå utan ljud. Streamingtjänster märker dem till exempel som Engelska [SDH].
Talardiarisering: Talardiarisering (speaker diarization) är steget i taligenkänning som räknar ut vem som talade när. Den delar upp en inspelning i segment efter röst och märker dem Talare 1, Talare 2 och så vidare, så att transkriptionen av en intervju eller ett möte visar varje persons repliker i stället för ett enda textblock.
Ordagrann transkribering: Ordagrann transkribering (verbatim) skriver ner tal exakt som det sades: varje öh och eh, upprepade ord, felstarter, stamningar och ofta icke-verbala ljud som [skrattar]. Motsatsen, ren verbatim (clean verbatim), behåller talarens ord och mening men tar bort utfyllnadsord och snubblingar så att texten läses smidigt.
Tidskod: Tidskod (timecode) är en märkning av varje bildruta i en video, skriven som timmar:minuter:sekunder:bildrutor — 01:02:03:12 är bildruta 12 i tredje sekunden. Redigerare använder den för att hitta samma ögonblick i varje kopia av ett projekt. Undertextfiler räknar oftast tid i millisekunder i stället, och det är där förväxlingarna börjar.
Tvingade undertexter: Tvingade undertexter (forced subtitles) visas även när tittaren har stängt av undertexterna. De täcker bara det som en tittare som förstår filmens språk annars skulle missa: dialog på ett annat språk, skyltar, brev och text i bild. Streamingtjänster kallar dem forced narrative-undertexter.
Transkriberingsregler: Transkriberingsregler är de överenskomna reglerna för att omvandla tal till text: hur du markerar talare, pauser, samtidigt tal, betoning, skratt och ord som inte går att uppfatta. En studie eller ett projekt väljer en uppsättning regler – ibland kallad transkriptionsnyckel – och tillämpar den på varje transkription, så att transkriptioner som gjorts av olika personer kan jämföras.
Dubbningsmanus: Ett dubbningsmanus är den översatta dialogen i en film eller video, omskriven så att varje replik kan sägas på den tid originalrepliken tar i bild. Det listar varje replik med rollfiguren som säger den och dess in- och ut-tidskoder. Den bearbetade texten är det som röstskådespelare, eller en AI-röst, läser i studion.
Dubbning: Dubbning innebär att talet i en film, serie eller video ersätts med nyinspelat tal, oftast en översättning till ett annat språk, så att tittarna hör berättelsen på sitt eget språk i stället för att läsa undertexter. De nya replikerna tajmas till bilden, och originalets musik och ljudeffekter behålls.
Voice-over-översättning: Voice-over-översättning lägger en talad översättning över originalljudet, som fortsätter att höras på lägre volym under. Till skillnad från dubbning försöker den inte ersätta originalrösterna eller matcha läpprörelserna: tittarna hör att någon annan översätter.
Röstkloning: Röstkloning innebär att skapa en syntetisk röst som låter som en viss verklig person, utifrån inspelningar av personens tal. Klonen kan sedan säga nya meningar som personen aldrig spelat in, även på andra språk, och det är så dubbningsverktyg behåller en talares egen röst i en översättning.