音声に合わせて字幕を再同期
初回は動画エンジン（約31 MB）をダウンロードします。このサイトから配信され、以降はブラウザにキャッシュされます。音声トラックを読むためだけに使い、字幕は音声そのものと照合します。音声モデルは使わず、アップロードも行いません。
オプション
字幕が本来の位置からどれだけ離れている可能性があるか、両方向の幅です。精度ではなくコストとリスクの設定です。範囲を広げると大きなずれを見つけられますが、偶然スコアが高くなる組み合わせに収まる機会も増えます。1分を超えるずれはトリムやロゴでは起きません。その規模は通常、別の版のフィルムかフレームレートの不一致で、このページはそれを別に扱います。見当を覆う最小の範囲を選んでください。
この頁は、順序は正しいが時刻がずれている字幕を直します。渡すものは 2 つ、字幕ファイルとそれが属する動画または音声です。頁はテキストがどれだけずれたかを割り出し、すべての cue を動かしたファイルを書き直します。数秒のずれはトリムやロゴから来ます。作品を通して大きくなるずれはフレームレートの不一致から来て、23.976 fps のマスターに 25 fps 用に時刻を付けた字幕を合わせると、最初の 1 時間の終わりで誤差はすでに 1 分半です。
測定は音声そのものから行います。頁はモノラルのトラックを抽出し、20 ミリ秒のフレームに畳んで音量を測り、どのフレームに発話があるかを印します。そして 1 つの問いを繰り返します。このシフトとこの速度変化に対して、字幕のテキストのどれだけが無音ではなく発話の上に着地するか。答えは cue ごとに採点して平均し、勝った組を適用します。音声認識は使いません。だから数秒で終わり、字幕の言語のモデルを持っていなくても動きます。
点数は保証ではなく測定なので、測定が弱いときは何もしないように作られています。cue が 5 つ以下、検出できる発話のない音声、最良の点数でも大半が無音の上に着地する、大きく異なる 2 つの整列がほぼ同じ点を取る。そのどれもがレポートだけを残し、書き直した字幕ファイルを残しません。静かな失敗はここでは自信のある失敗よりはるかに良いものです。5 秒ずれた字幕は不格好ですが、成功したと主張する道具に 5 秒ずらされた字幕は気づきにくく、説明しにくいからです。
整列が良いときは 2 つのファイルが出ます。2 つは別の問いに答えるからです。修正後の字幕は元の形式を保ち、film.synced.srt など元の拡張子の名前で、すぐ再生できます。レポートは小さなテキストファイルで、シフトのミリ秒、実際に適用した比率、点数、信頼度、そしてファイルに手を入れたかどうかの 1 行を持ちます。どちらも同じ実行から出るので、回をまとめて処理すればそれぞれに対応した組ができます。
処理はローカルです。音声は WebAssembly にコンパイルされた ffmpeg が復号し、このサイトから一度だけダウンロードして後はキャッシュします。字幕はタブの中で解析されます。動画や字幕についてどこかへ送信されるものはなく、飛ばすべきアップロードの手順自体がありません。機械の外に出せない素材にとって重要なことです。
よくある質問
測定されたシフトは、シフト頁に入力する固定のオフセットとどう違いますか？
シフト頁はすでに知っている数を適用するので、音声が同意するかどうかに関係なく正しいままです。この頁は反対の端から始まります。数を知らないと仮定し、音声から発話の活動を読み、シフトと速度変化を同時に解きます。フレームレートの問題を直せるのもそのためで、単一のオフセットでは表せません。25 対 23.976 では誤差は冒頭で 0、1 時間あたり約 3.6 秒ずつ増えるので、冒頭を直すシフトは末尾を悪くします。
この頁がときどき新しい字幕ファイルをまったく書かないのはなぜですか？
間違った修正は、欠けた修正より見つけにくいからです。探索は 4 つを報告します。扱えた cue の数、音声に発話があったか、字幕の時間のどれだけが発話の上に着地したか、勝者が本当に異なる次点よりどれだけ良かったか。どれかが弱ければ、実行はレポートだけを生み、その状態行が理由とともに not-found と述べます。失うものはなく、元のファイルはそのままで、手作業の前に確かめられる数が手に入ります。
レポートの比率は 23.976 から 25 fps の不一致にとって何を意味しますか？
cue の時刻は比率を掛けてからオフセットで動かすので、比率 1.0427 は字幕がより速いフレーム基準で時刻を付けられ、すべての cue を後ろへ伸ばす必要があることを意味します。頁は各よくある組の両方向を試します。どちらに読めるかは手元にあるファイル次第だからです。1.0427 と 0.9590 は同じ不一致を両端から見たものです。報告された比率が 1.000000 でオフセットが 1 フレーム未満なら、ファイルはすでに揃っており、そのままにされます。
修正後のファイルは書式を保ちますか、それとも時刻だけですか？
変わるのは時刻だけで、ほかは変わりません。字幕はこのサイトのほかのすべての頁が使う同じ内部表現に解析され、各 cue の開始と終了が書き直され、届いた形式へ戻されます。ASS の書式、位置、行内タグは残り、ファイル自身の構造も残ります。だから .ass を入れれば平坦化された .srt ではなく .ass が出ます。目に見える唯一の例外は、大きな比率で 1 ミリ秒未満に押しつぶされた cue で、これは 1 ミリ秒に留められ損失一覧に数えられます。
字幕の言語が音声の言語と違っても動きますか？
動きます。単語を認識せず音量を測るのはそのためです。発話の活動は形で、文はエネルギーの塊とその後の間です。その形は声がドイツ語でもスペイン語でも同じです。スペイン語字幕の下のドイツ語吹き替えは、揃った組と同じくらいよく整列します。できないのは吹き替えの行と元の行を見分けることで、吹き替えが余分なセリフを挿し込むと、全体の適合は見つかるものの挿入部分の個々の cue は違う行の上に座ることがあります。