字幕說話者標註檢查
或者貼上字幕文字
選項
限值不是你輸入的數字：它來自一份公開發布的文件，報告會寫明那份文件、引用原句、說明那句話是要求還是建議，並給出我們最後核對的日期和連結。選你要對其負責的那份文件。它們彼此並不一致：Netflix 按每秒字元數計算，並把每行限制在 42 個字元；Ofcom 和 BBC 按每分鐘詞數計算，而行長方面 BBC 限制為 37 個字元。其中三份完全沒有給數字 —— 47 CFR §79.1、WCAG 2.2 SC 1.2.2 和 EN 301 549（它要求網頁與非網頁文件滿足同一條準則）。這三份要求字幕標明說話者並包含非語音資訊，把所有數字留給播出方；檢查它們的頁面問的是檔案有沒有做到，而不是某個數字有沒有超標。它們的效力也不同：同一種缺陷在 WCAG 下是警告，在 EN 301 549 下是錯誤，因為該標準把這條準則寫成了必須。改變這個欄位會同時改變限值和引用，所以報告不會把一份文件的數字掛在另一份文件的名下。只檢查某一份文件所述內容的頁面，只提供那一份。
時間以哪個影格率計算。在格式頁面上，這是 MicroDVD 需要的值，因為它把時間存成影格編號。在影格率頁面上，它是檔案當初對應的速率 —— 字幕是照這個版本製作的 —— 而頁面的第二個欄位填你要搭配的影片速率。常見的有 23.976、24、25、29.97、30、50、59.94 和 60。填錯會讓整條時間軸位移；在影格率頁面上，位移是按比例發生，而不是固定的量。
當兩個人在同一條字幕裡說話，這條字幕就必須說出這件事，而且必須說出是誰在說。一行開頭的破折號標示說話者換人了；行首的名字則把說話者指出來。這一頁列出「做了前者、卻漏了後者」的字幕條。檔案在你的瀏覽器裡讀取、從不上傳，也不會被改動——你拿回來的是一份報告，可以下載成 PDF 或 CSV。
這一頁能對照的三份文件，說的是同一件事，而且完全沒有給出任何數字。FCC 47 CFR §79.1(j)(2)(i) 要求 caption 提供無法從畫面觀察到的非語文資訊，並以說話者的身分為例；WCAG 2.2 成功準則 1.2.2 要求 caption 指出正在說話的是誰。EN 301 549 本身沒有增加任何東西——它的 9.1.2.2 條要求網頁、10.1.2.2 條要求非網頁文件滿足同一條準則，那也是歐盟無障礙法案通往字幕的路徑——但它是歐洲服務被評鑑時對照的文件，所以報告會點名它、並引用它的條號。三份都沒有說一條字幕可以放幾次發言、名字長什麼樣子，或任何東西該在畫面上待多久。所以報告沒有 Limit 這一欄——不是一欄破折號，不是一個零，而是根本沒有這一欄，因為沒有數字可印，印一個就等於憑空發明。
剩下來的才是難的部分：判斷什麼算缺陷。這一頁回報的是「一條字幕裡有兩個以上的說話者輪次，卻一個都沒有指名」，而且只對「在檔案其他地方指過名」的檔案這麼做。一份從來不指名的檔案，會被回報為不適用，並寫明理由。推理寫在下面那個例子的說明裡，那是這一頁最重要的東西。
範例
兩個說話者、兩條破折號、沒有名字
字幕
1
00:00:01,000 --> 00:00:03,000
JOHN: I told you not to wait up.
2
00:00:04,000 --> 00:00:07,000
- I know what you did.
- Then say it out loud.
3
00:00:08,000 --> 00:00:10,000
MARY: It does not matter now.
報告發現了什麼
Cues with two speakers and no name — 1 found
Severity Cues Start End Measured Clause
Error 2 00:00:04.000 00:00:07.000 2 items 47 CFR §79.1 — Closed captioning of televised video programming — (j)(2)(i) Accuracy: captioning shall provide nonverbal information that is not observable, such as the identity of speakers
Checked against
Standard: FCC caption quality rules (47 CFR §79.1)
Where it is stated: (j)(2)(i) Accuracy: captioning shall provide nonverbal information that is not observable, such as the identity of speakers
Stated as: Requirement
Not checked by this page: (j)(2)(i) Accuracy: captioning shall provide nonverbal information that is not observable, such as the existence of music, sound effects, and audience reaction只有中間那條被回報。另外兩條都指了名，而這正是整份檔案能被檢查的原因：一份在某些字幕條裡指名的檔案有慣例，而中間那條打破了它。注意欄位：Measured 在，讀作 2 items，因為數到了兩個輪次；Limit 不在，因為 47 CFR §79.1 從來沒有寫出任何數字。嚴重程度讀作 Error 而不是 Warning，那也是文件在說話——這句話是法規，而其他頁面上的 Ofcom、Netflix 與 BBC 上限，是作者為自己寫的指引。
一行破折號，是同一個人在說話
字幕
1
00:00:01,000 --> 00:00:03,000
MARY: I told you not to wait up.
2
00:00:08,000 --> 00:00:10,000
- And that is the end of it.
報告發現了什麼
Cues with two speakers and no name — Nothing found.
Checked against
Standard: FCC caption quality rules (47 CFR §79.1)
Where it is stated: (j)(2)(i) Accuracy: captioning shall provide nonverbal information that is not observable, such as the identity of speakers
Stated as: Requirement
Not checked by this page: (j)(2)(i) Accuracy: captioning shall provide nonverbal information that is not observable, such as the existence of music, sound effects, and audience reaction這一頁就是繞著這條界線打造的：破折號標示換人，所以一行破折號只有一個人在說話，沒有人需要指名。兩個才是會計數的最小數字。往一個方向寫成「超過一個輪次」、往另一個方向寫成「至少兩個」，這份樣本就會是變紅的那一份——而這一頁同樣的差一錯誤，不是把檔案裡每一條普通字幕都標記出來，就是放過每一條含對話的字幕。
一份從來不指名的檔案
字幕
1
00:00:01,000 --> 00:00:03,000
- I know what you did.
2
00:00:04,000 --> 00:00:07,000
- Then say it out loud.
報告發現了什麼
Cues with two speakers and no name — Not applicable. This file never names a speaker, so there is no way to tell whether the ones it leaves unnamed should have been named
Checked against
Standard: ETSI EN 301 549 (EU accessibility requirements for ICT)
Where it is stated: 9.1.2.2 Captions (Prerecorded): Where ICT is a web page, it shall satisfy the WCAG 2.1 Success Criterion 1.2.2 Captions (Prerecorded)
Stated as: Requirement
Not checked by this page: 10.1.2.2 Captions (Prerecorded): Where ICT is a non-web document, it shall satisfy the WCAG 2.1 Success Criterion 1.2.2 Captions (Prerecorded)是「不適用」，不是「沒有發現」，而這個差別就是整頁的重點。被套用的那句話要求 caption 提供無法觀察到的資訊，而觀眾看不看得到誰在說話，並不是字幕檔案會記錄的事——所以在一份誰都不指名的檔案裡，一條兩條破折號的字幕證明不了任何事。檔案能證明的是它在別處指了名，那才證明這份素材裡身分並不總是看得見。一份從頭破折號到底的檔案提供不了這種證據，而回報零筆發現，會和判它過關說出同一句話。這個例子是對照 EN 301 549 檢查的，報告最後兩行就是這份標準在名單上的理由：它套用的條文連條號一起被引用，底下一行則點名它沒套用的那條。把標準切到 WCAG，裁決完全相同，差別只在措辭與分量。
常見問題
說話者識別可以對照哪幾份文件檢查？
三份。FCC 47 CFR §79.1(j)(2)(i) 要求 caption 提供無法從畫面觀察到的非語文資訊，並把說話者的身分列為其中一例；WCAG 2.2 成功準則 1.2.2 要求 caption 指出誰在說話；EN 301 549 的 §9.1.2.2 要求網頁、§10.1.2.2 要求非網頁文件滿足同一條準則，歐盟無障礙法案就是這樣觸及字幕的。
三者的分量不同，報告會用自己的一列說明：FCC 規則與 EN 301 549 條文寫成要求，而這一頁套用的 WCAG 那句話住在 Understanding 文件裡，那份文件自己的標頭說它的解釋僅供參考、不是符合 WCAG 的必要條件。所以同一條字幕對前兩者讀作錯誤、對 WCAG 讀作警告。撇開措辭，三者陳述的都是義務而不是數字，這就是報告沒有 Limit 欄的原因。
為什麼一條字幕裡兩行破折號算兩個說話者，而不是一個？
因為破折號就是換人的慣例：一行以破折號開頭的字幕，被理解為和上一行是不同的人。正是這個慣例，讓一條兩行破折號的字幕值得回報——讀者被告知有別人在說話，卻沒有被告知是誰。這裡兩種慣例都認得：一行以破折號開頭算一個輪次，一行以名字加冒號開頭，算一個指了名的輪次。
為什麼一份從不指名的檔案是「不適用」，而不是乾淨？
因為「某個說話者需不需要指名」不是字幕檔案能回答的事。要求談的是觀眾無法觀察到的資訊；如果說話者就在畫面上、嘴也動著，那就沒有東西要補，而文字檔對畫面上有什麼完全沒有記錄。一份在某些字幕條裡指名的檔案，證明這份素材裡身分並不總是看得見，慣例才會存在、也才可能被遵守。當整份檔案裡根本沒有這種慣例時，這一頁說它無從判斷，並寫出理由，而不是回報零筆發現——否則一份乾淨的報告和一次做不到的檢查會長得一模一樣，而它們不是同一個答案。
47 CFR §79.1 有規定一條 caption 可以放幾個說話者嗎？
沒有。FCC 的 caption 品質規則列出四項品質——準確、同步、完整、位置適當——而說話者的身分出現在「準確」之下。整個條文裡沒有任何數字：沒有一條字幕幾個輪次的上限、沒有字元上限、沒有速率。這就是為什麼這一頁的報告印出它量到什麼，卻把 Limit 欄整個拿掉；而在你打算去找一個數字寫進內部規範文件之前，知道這件事很值得。
音樂或音效標籤在這一頁會被當成說話者名字嗎？
不會。像 MUSIC: Slow piano. 這樣的一行，形狀跟指名的輪次一樣，把它算進去，會讓一條再普通不過的字幕看起來像是有人被指名了。這類標籤——音樂、註記、音效、歌詞——兩邊都不計入。它們是 non-speech information（非語音資訊），是同一句話裡的另一項要求、也是另一項檢查；這一頁把它列在「未檢查」的清單裡。
檢查說話者識別會改動我的字幕檔案嗎？
不會。檔案只被讀取、原封不動，也沒有任何東西被上傳。如果你要把名字拿掉，那是反過來的工具，會寫出一份新檔案。如果你要把一條被回報的字幕裡兩個說話者拆成兩條，那是時間軸的編輯，而不是這一頁能替你決定的事，因為只有你知道換人的地方實際上落在哪裡。
這項檢查會看什麼
- 報告描述的是一份檔案，不是一項服務。47 CFR §79.1 拘束美國的電視影片節目散布者；WCAG 2.2 是網站或服務被評鑑時對照的標準，EN 301 549 則是歐盟無障礙法案所指的和諧標準。三者單獨來看都不是對一份字幕檔案的陳述，這裡也沒有任何一句話斷定你的字幕符合規定。報告陳述的是有多少條字幕以這一頁的方式量到問題、每一筆發現引用的是哪一句話，以及那幾份文件裡有哪些部分是這一頁完全沒有檢查的。美式說法把帶有這類資訊的屏上文字稱作 caption，英式則稱作 subtitle。
- 這項檢查刻意做得窄，而狹窄正是誠實的部分。說話者識別只在身分無法觀察時才被要求——那是關於畫面的事實，而字幕檔案並不攜帶它。這一頁不猜，而是把檔案自己的命名慣例當成「這裡需要指名」的證據。後果是：從來不指名的檔案永遠不會被回報為不合格，而那是這項檢查真實的極限，不是它的特色。同一個道理也適用於 auditory cues 與其他非語音資訊：該不該出現，同樣取決於畫面上看不看得到，而不是檔案裡有沒有寫。
參考資料
- 47 CFR §79.1 — Closed captioning of televised video programming，第 (j)(2)(i) 段：caption 應提供無法觀察到的非語文資訊，例如說話者的身分。這是 FCC 的 caption 品質規則，引自公布文本。
- WCAG 2.2 成功準則 1.2.2（Captions, Prerecorded），Level A。準則本身沒有提到指出誰在說話；那句話住在它的 Understanding 文件裡，該文件標頭聲明其解釋僅供參考、不是符合 WCAG 的必要條件，所以這一頁把它記為指引而不是要求。
- EN 301 549 (ETSI) v3.2.1 — 9.1.2.2 條 Captions (Prerecorded)：當 ICT 是網頁時，應滿足 WCAG 2.1 成功準則 1.2.2；10.1.2.2 條對非網頁文件說了同一件事。這份標準除了收編之外，自己沒有對 caption 多說任何話，所以這一頁套用的句子引自 WCAG，只從這裡引用條號。