Altyazıları seslendir
İlk çalıştırma ses modelini ve seslendiriciyi indirir — birlikte yaklaşık 98 MB — bu site tarafından sunulur ve sonrasında tarayıcı tarafından önbelleğe alınır. Bıraktığınız altyazı ya da metin bu sekmeden hiç çıkmaz. MP3 ya da M4A seçmek ayrıca 31 MB kodlayıcı indirir; WAV’ın varsayılan olmasının nedeni budur.
Seçenekler
Bir ses aksanı ve tınıyı belirler ve — daha az belirgin olarak — metnin hangi ses sistemiyle okunacağını belirler. İspanyolca bir sesi İngilizce bir cümleyle eşleştirmek başarısız olmaz: İngilizce kelimeleri İspanyolca seslerle okur, bu da bir hata mesajından beterdir. On iki değil yedi dil sunulur, çünkü bu sayfayla gelen seslendiricinin Japonca ya da Çince için sesi yoktur. Uzun bir dosyaya geçmeden önce kısa bir dosyayı dinleyin; her ses aynı modeli taşır, yani değiştirmenin bedeli bir indirme değil bir sentezdir.
Sesin ne kadar hızlı okuduğu; modelin doğal saydığı temponun üstüne uygulanır. Yavaş 0,8×, hızlı 1,2× — bilinçli olarak ılımlı, çünkü kabaca 1,5×’in ötesinde model heceleri yutmaya başlar ve sonuç hızlı konuşan biri değil, acele eden biri gibi duyulur. Bir altyazı repliği satırı için çok kısaysa bu sayfa kesmeden önce hızı kendiliğinden 1,4×’e kadar yükseltir ve bu artış burada seçtiğiniz ayarla çarpılır.
WAV sıkıştırılmamış 24 kHz monodur ve burada hiçbir kodlayıcı olmadan yazılır — varsayılan olmasının ve onun için fazladan hiçbir şey indirilmemesinin nedeni budur. MP3 ve M4A sıkıştırmak için 31 MB’lık video motoruna ihtiyaç duyar ama kabaca on kat küçük çıkar: on dakikalık konuşma WAV olarak yaklaşık 28 MB, MP3 olarak yaklaşık 2,8 MB’tır. Bir sesi denemek için WAV, dosyayı birine göndermek için MP3 seçin.
Bu sayfa bir altyazı dosyasını onu izleyen bir ses kanalına dönüştürür. Her replik sesli okunur ve o repliğin başladığı ana yerleştirilir; böylece sonuç tek bir ses dosyasıdır — `film.wav` — ve sözcükler birbirinin üstüne binmek yerine altyazıların altına düşer. Replikler arasındaki boşluklar sessizlikle doldurulur ve toplam uzunluk son repliğin bitişiyle eşleşir, yani ses altyazının hazırlandığı aynı görüntüye yatırılabilir.
Bu sayfanın düz okuma sayfasından ayrı olmasının nedeni zamanlamanın zor kısım olmasıdır. Söylenmesi dört saniye süren ama iki saniyelik repliği olan bir cümle öylece yerleştirilemez: sonrakinin altına taşar ve aynı anda iki ses gürültüdür, anlatım değil. Bu yüzden her satır seçtiğiniz hızda sentezlenir, ölçülür ve sığmıyorsa 1,4 kata kadar daha hızlı bir kez daha sentezlenir. Hâlâ sığmayan kısım kelime sınırında kesilir ve kesildiği raporlanır — sessizce yutulmaz.
Okuma için ASS biçimlendirmesi, renkler ve ekran konumları atılır; ses dosyasında renk ve konum yoktur, bu doğrudur. Kalan şey her repliğin metni ve başlangıç-bitiş zamanlarıdır, ki yerleştirme için gereken tam olarak budur. Bir replik içindeki sabit satır sonu tipografik bir karardır — altyazıcının satır ekranda fazla uzadı dediği yer — konuşmacının duraklaması değil; bu yüzden iki satır boşlukla birleştirilir ve tek cümle olarak okunur. Ses dosyası hiçbir yere yüklenmez; model ve ses birimleyici ilk kullanımda bu siteden indirilir. MP3 veya M4A seçerseniz ffmpeg çekirdeği ayrıca yaklaşık 31 MB indirilir.
Sık sorulan sorular
SRT dosyam iyiyken bu sayfanın WAV’ı neden bazen bir cümleyi kesiyor?
Kesme dosyadan değil replikten gelir. 1,8 saniye ekranda kalan bir replik, ses 1,4 katın üstüne itilmedikçe üç saniyelik bir cümleyi taşıyamaz ve o noktadan sonra sözcükler anlaşılmaz olur. Sayfa önce hızlandırmayı dener, sonra kelime sınırında keser ve kaç repliğin kesildiğini raporlar. Çözüm altyazıyı düzeltmektir, sesi daha da hızlandırmak değil.
ASS biçimlendirmesi, renkler ve ekran konumları seslendirmede ne oluyor?
Atılıyor ve burada doğrusu bu — bir ses dosyasında renk ve ekran konumu yoktur. Kalan şey her repliğin metni ve başlangıç-bitiş zamanlarıdır, ki yerleştirme için gereken tam olarak budur. Kalın, italik, karaoke zamanlamaları ve `{\anN}` konum geçersiz kılmaları sesin duyulmasını değiştirmez, bu yüzden seslendirmeye taşınmaz.
İki satırlık bir SRT repliği tek cümle olarak okunabilir mi?
Evet ve her zaman öyle okunur. Bir replik içindeki sabit satır sonu tipografik bir karardır — altyazıcının satır ekranda fazla uzadı dediği yer — konuşmacının duraklaması değil. Bu yüzden iki satır boşlukla birleştirilir ve tek cümle olarak sentezlenir. Duyulan duraklama, altyazıda görünen satır sonu değil, replikler arasındaki gerçek boşluktur.
Ses kanalı hangi dilleri konuşabiliyor ve Japonca altyazıya ne oluyor?
Yedi dil: en-US, en-GB, es, fr, hi, it ve pt-BR. Japonca ve Çince aralarında yok, çünkü sayfayla birlikte gelen ses birimleyici (espeak-ng) ikisi için de ses taşımıyor; konuşma modeli bu dillerde eğitilmiş olsa bile. Japonca bir `.srt` dosyasını İngilizce bir sese vermek, harfleri okumaya çalışan anlaşılmaz bir ses üretir; sayfa bunu sessizce yapmaz, dilin desteklenmediğini söyler.
MP3, varsayılan WAV’a göre fazladan 31 MB’ye değer mi?
Birkaç dakikadan uzun her şey için evet. WAV sıkıştırılmamış 24 kHz mono PCM’dir; on dakikalık anlatım yaklaşık 28 MB tutar, aynı ses 128 kbps MP3 olarak yaklaşık 2,8 MB’dir. Karşılığında MP3 ve M4A, ffmpeg çekirdeğinin bir kez indirilmesini gerektirir — yaklaşık 31 MB — ve bu indirme tarayıcıda önbelleğe alınır.