نطق الترجمة بصوت
التشغيل الأول ينزل نموذج الصوت ومحول الفونيمات — نحو 98 MB معا، يقدمه هذا الموقع ويحفظه المتصفح بعده. والترجمة أو النص الذي تفلته لا يغادر هذا التاب أبدا. واختيار MP3 أو M4A ينزل 31 MB أخرى من المرمز، ولهذا يكون WAV هو الافتراضي.
الخيارات
الصوت يقرر اللكنة والجرس، وأقل وضوحا — أي نظام أصوات تقرأ به الكلمات. وقران صوت إسباني بجملة إنجليزية لا يفشل: يقرأ كلمات إنجليزية بأصوات إسبانية، وهو أسوأ من رسالة خطأ. وتعرض سبع لغات لا اثنتا عشرة، لأن محول الفونيمات المرفق بهذه الصفحة لا صوت له لليابانية أو الصينية. استمع إلى ملف قصير قبل الالتزام بطويل؛ وكل صوت يحمل النموذج نفسه، فتبديل الصوت يكلف توليدا واحدا لا تنزيلا.
مدى سرعة قراءة الصوت، فوق الإيقاع الذي يعده النموذج طبيعيا. وSlow هي 0.8× وFast 1.2× — معتدلة عمدا، لأن النموذج بعد نحو 1.5× يبدأ ببلع المقاطع فيبدو الناتج كمن يستعجل لا كمن يتحدث بسرعة. وحين يكون مقطع الترجمة أقصر من سطره ترفع هذه الصفحة السرعة من تلقائها إلى 1.4× قبل أن تقطع، وهذا التعزيز يضرب في الإعداد الذي تختاره هنا.
WAV غير مضغوط، 24 kHz أحادي، كتب هنا بلا مرمز أصلا — ولهذا هو الافتراضي ولهذا لا ينزل شيء إضافي له. وMP3 وM4A يحتاجان محرك الفيديو البالغ 31 MB للضغط، لكنهما يخرجان أصغر بنحو عشر مرات: عشر دقائق كلام نحو 28 MB بملف WAV ونحو 2.8 MB بملف MP3. اختر WAV لتجربة صوت، وMP3 لإرسال الملف إلى أحد.
تحول هذه الصفحة ملف ترجمة إلى مسار صوتي يتبعه. كل مقطع يقرأ بصوت آلي ويوضع في اللحظة التي يبدأ فيها، فالناتج ملف صوتي واحد — film.wav — تهبط فيه الكلمات تحت الترجمة لا فوق بعضها. والفراغات بين المقاطع تملأ صمتا، والطول الكلي يوافق نهاية آخر مقطع، أي أن الصوت يمكن أن يوضع مقابل الصورة نفسها التي صنعت لها الترجمة.
سبب وجود هذه الصفحة منفصلة عن صفحة القراءة العادية أن التوقيت هو الصعب. جملة تقول في أربع ثوان ولها مقطع ثانيتين لا يمكن ببساطة إدخالها: ستمتد تحت التالي، وصوتان معا ضجيج لا قراءة. فكل سطر يخلق بالسرعة التي اخترتها، ويقاس، وإن لم يتسع خلق مرة أخرى بمعدل أسرع حتى 1.4 ضعف. وما لا يتسع بعدها يقطع عند بداية المقطع التالي، ويبلغ عن عدد المقاطع التي حدث لها ذلك كخسارة بدل ابتلاعها.
قائمة الأصوات عشر صوتيات في سبع لغات: الإنجليزية من الولايات المتحدة وبريطانيا، والإسبانية، والفرنسية، والإيطالية، والهندية، والبرتغالية البرازيلية. والصوت ليس طبقة نبرة فقط — يقرر بأصوات أي لغة يقرأ النص، فمزاوجة صوت إسباني بنص إنجليزي تنتج شيئا ليس أيا منهما. واليابانية والصينية غائبتان عمدا: لا صوت للمحول الصوتي المشحون مع هذه الصفحة لهما، وسردهما كان سينتج هراء واثقا بدل رسالة خطأ.
العمل محلي. ينزل نحو 98 MB من النموذج والمحول الصوتي مرة واحدة من هذا الموقع ويخزنها المتصفح بعدها؛ وملف الترجمة نفسه لا يغادر التبويب. والناتج WAV افتراضيا لأنه لا يحتاج مرمزا إطلاقا — واختيار MP3 أو M4A يحمل نواة ffmpeg بحجم 31 MB لضغط النتيجة، وهو يستحق لأي شيء تنوي إرساله إلى أحد.
الأسئلة الشائعة
لماذا يقطع ملف WAV من صفحة قراءة الترجمة الآلية جملة أحيانا بينما ملف SRT سليم؟
لأن القطع سببه المقطع لا الملف. مقطع يبقى على الشاشة 1.8 ثانية لا يستوعب سطرا يقول في ثلاث ثوان إلا إن دفع الصوت فوق 1.4 ضعف — وبعد ذلك تتوقف الكلمات عن الوضوح. تجرب الصفحة سرعتك المختارة أولا، ثم تخلق مرة أخرى بالمعدل الذي يجعله يتسع، بسقف 1.4 ضعف. وإن تجاوز بعدها يقطع الصوت عند بداية المقطع التالي فلا يسمع سطران معا، ويظهر عدد المقاطع المتأثرة في تقرير الخسائر أسفل قائمة الانتظار.
ماذا يحدث لتنسيق ASS وألوانه ومواضعه على الشاشة عند قراءته آليا؟
تسقط، وهذا صحيح هنا — ملف الصوت لا لون له ولا موضع على الشاشة. الذي يبقى نص كل مقطع ووقتا بدايته ونهايته، وهو بالضبط ما يحتاجه التوزيع. والغامق والمائل وتوقيتات الكاريوكي وتجاوزات الموضع {\anN} تفك طبقة الصيغة قبل الخلق، فالسطر المعلم مائلا في ملف ASS يقرأ بالصوت نفسه كبقية الملف. وإن احتجت التنسيق محفوظا فحول الترجمة أولا؛ ناتج هذه الصفحة صوت.
هل يقرأ مقطع SRT من سطرين جملة واحدة متصلة في قراءة الترجمة الآلية؟
نعم، ودائما. فاصل السطر الصلب داخل المقطع قرار تنضيد — موضع رأى فيه المترجم أن السطر يطول على الشاشة — لا موضع توقف فيه المتكلم. فيوصل السطران بمسافة ويخلقان نطقا واحدا، ولهذا يبدو مقطع مقسم أسطرا نفسا واحدا لا متحدثين يتبادلان. وحدود المقطع وحدها تنتج وقفة في الناتج.
أي لغات يستطيع مسار القراءة الآلية نطقها، وماذا يحدث مع ترجمة يابانية؟
سبع: en-US و en-GB و es و fr و hi و it و pt-BR. واليابانية والصينية ليستا بينها لأن المحول الصوتي المضمن (espeak-ng) لا يشحن صوتا لأي منهما، مع أن نموذج الكلام نفسه درب عليهما. وتغذية ملف .srt ياباني لصوت إنجليزي لا تفشل بصوت عال — تقرأ الحروف الرومانية إنجليزية، وتتخطى الكانجي أو تشوه. وسير العمل الصادق لتلك اللغات انتظار بناء يحمل محولا يابانيا أو صينيا، لا قبول مسار يبدو معقولا وهو خاطئ.
هل يستحق MP3 ال31 MB الإضافية مقابل WAV الذي تعطيه هذه الصفحة افتراضيا؟
لأي شيء أطول من بضع دقائق، نعم. WAV هو PCM غير مضغوط 24 kHz أحادي، فعشر دقائق قراءة نحو 28 MB، بينما الصوت نفسه مرمزا MP3 عند 128 kbps نحو 2.8 MB. والمقايضة أن MP3 و M4A يحتاجان نواة ffmpeg تنزل مرة، ولهذا WAV هو الافتراضي: إن أردت فقط فحص كيف يبدو صوت فلا ينزل شيء إضافي. وحين تخزن المرمز يصير تحويل الترجمة نفسها بالإعدادات نفسها سريعا.