Skip to content

chs.esp.ass

日期：2021

本篇记叙：外乡人如何借助道具，尝试翻译一门小语种的电影生肉文本，并制作字幕文件。

本次作业介绍了涉及的软件、插件、命令行等工具。内容主要有：安装，设置、操作等。且仅出于个人学习目的，其中所处理的字幕、影片截图没有授权，只在必要时，作为著作进行引用。

.srt#

一些影视DVD的光盘文件，有一定几率掉落母语版字幕，它通常有正确的时间轴。2014年的西班牙剧情、悬疑题材电影《沼泽地》，它的西语版.srt（SubRip Text）文件，通篇带有一些电影脚本内容——包含背景声、音效、人物演出等注释。这些通常是之后会剔除的部分，例如在它的英译版字幕里。

留下这些内容…这里挪用影片中的一个角色事件「无证狩猎」——先去拿到几个关键道具：电子词典浏览器GoldenDict、网页浏览器插件沙拉查词、Python包autosub、Rust包alass-cli，便开始寻迹和偷猎。

翻译#

主要步骤：

  1. 播放媒体文件，逐句对照字幕文件
  2. 使用在线翻译服务reverso.net快速输出整句意思，以及片段意思
  3. 使用GoldenDict查找单词的详义。这里用的是西班牙语-英语词典，所以还需使用沙拉查词作英译中介
  4. 基于母语的读写能力，从译意组织译文

Scoop#

如果网络条件较好，可参考Scoop官网，先安装这个软件包管理器。

  1. Win+Q → Windows PowerShell → 右键 → 以管理员身份运行
  2. Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
  3. Invoke-Expression (New-Object System.Net.WebClient).DownloadString('https://get.scoop.sh')
  4. （可选）安装一个下载工具，scoop install aria2

使用时如遇报错，可复制报错的信息，去此问题板块自查。若需卸载，scoop uninstall scoop。

GoldenDict#

「便携版」 2022-09

通过Scoop安装的该版本，在菜单项「编辑 → 词典」处，仅有固定的词典存放位置。可使用linkshellextension，选择词典文件所在的文件夹，创建目录链接到该位置，然后「重新扫描」。

  1. scoop install goldendict，或者到GoldenDict官网下载32-bit Windows installer这个安装包
  2. 下载词典。这里在某个论坛新注册账号后，从该帖里的链接，下载了Oxford Spanish English（牛津西语-英语词典）这个文件夹——其中的.mdx（Mdict词典文件）就是所需的
  3. 导入词典。Win+Q → Goldendict → 编辑 → 词典 → 词典来源 → 添加 → 选择文件夹 → 应用 → 等待扫描完成
  4. 回到软件的主窗口，便可在导航栏搜索词汇

「Next Generation」 2023-07

也可以试试这个版本，GoldenDict-ng。

GoldenDict默认会启用所有词典。当你有多本词典时，就可以给词典编组，以便筛选语种。

  1. 编辑 → 词典 → 词典来源 → 添加 → 选择词典文件夹们所在的文件夹 → 递归扫描（On）
  2. 编辑 → 词典 → 群组 → 添加群组
  3. 将左栏的可用词典，拖进右栏的群组里 → 应用
  4. 回到主窗口，下拉搜索框的左段，便可选择群组

SalaDict#

参考官网的下载页，根据使用的浏览器进行安装。

按需设置浏览器外划词，这里以Chrome为例：

  1. Chrome → 设置 → 高级 → 系统 → 关闭Google Chrome后继续运行后台应用（On）
  2. 在浏览器内划词，唤出查词窗口 → 打开设置
  3. 基本选项 → 后台保持运行（On）
  4. 权限管理 → 读取剪切板（On），写入剪切板（On）
  5. 隐私设置 → 设置快捷键 → 沙拉查词 在独立窗口中搜索剪贴板内容 → Alt+Z，全局（这里的键位可按需设置）
  6. 在浏览器外划词，Ctrl+C，再Alt+Z，便可以唤出独立查词窗口
  7. 如要关闭该窗口——可用Windows快捷键Alt+Esc切换到上一次操作的窗口

校对（上）#

另外的主要问题是校对。如果有已校版本，会省去不少麻烦（也就没这个章节）。在这个.srt文件的末尾，可看到一条注释：

981
01:36:10,100 --> 01:37:00,100
Subtitulado por quetzalcoatl67
para subadictos

这两行分别是：上传者的ID，来源或分发的地址。找过去，在该帖下，上传者提到：

  • 使用了Subtitle Edit对.sup（Subtitle Presentation）文件进行OCR（光学字符识别），制作了.srt
  • 将一些安达卢西亚（Andaluz）方言转写成了官方西班牙语卡斯蒂利亚（Castellano）语，以便于理解
  • 删除了一些音画不同步的提示音乐的字行

这也解释了校对途中为什么较频繁遇到这些错误：

类型 示例 行号 处理
错别字 Citroén → Citroen 27，149 查找全部并替换
听写错误 Déjate de tonterías 622 用STT（Speech-to-Text）工具检查
听写错误 ah, si. → ah, si? 934 参考电影脚本的PDF文件
文本缺失 646-647 参考英语版字幕
语法错误 忽略

其中与STT有关的步骤是：

  1. 使用媒体播放器MPV设置A-B点循环
  2. 用视频录制、直播软件OBS，录制视频片段或者音频片段
  3. 使用命令行工具autosub识别片段，输出字幕文件

MPV和OBS#

scoop install mpv，或者下载安装包。

scoop install obs-studio，或者下载安装包。

  1. Win+Q → MPV → 拖入媒体文件
  2. 在MPV播放时，按L设置A点，再按L设置B点，并开始循环。（按第三下L则清除A-B循环）
  3. Win+Q → OBS → 来源 → 加号 → 显示器采集。（或者选择音频输入采集）
  4. 控件 → 开始录制。（录制时可循环播放多次）
  5. 停止录制。会得到录像文件，以日期和时间命名

用AMD显卡的用户（曾经是）可参考这个视频，设置OBS录制参数：

  • 输出
    • 录像
      • 录像格式 → mp4
      • 编码器 → H264/AVC
      • 质量预设 → 质量
      • 速率控制方法 → 恒定QP（CQP）
      • I帧QP/P帧QP → 15~17
    • 音频
      • 音频比特率 → 320
  • 视频
    • 常用FPS值 → 48

NVIDIA显卡上的参数，应该也可以参考这个。

CMD和Cmder#

命令提示符（Command Prompt），也就是可执行文件CMD.exe，是Windows系统默认的命令行解释器（Command-line Interpreter）。后者所解释的语境，通常是给定的操作系统或编程语言中的一种——这一类连接用户与系统内核、解释和执行指令、返回结果的，通常称为shell（壳层或壳）。

Cmder，自称是Windows上最好的shell，由提供命令行界面（CLI，Command-Line Interface）的Clink和提供图形用户界面（GUI，Graphical User Interface）的模拟终端ConEmu组合而成。

「壳中壳」 2022-07

Tabby，作为Cmder的「壳」，安装Starship并配置后，可以使它看着像原来的Cmder。启动更慢，功能更多。我需要它的窗口相关的功能。

因为Cmder需要进行配置，这里就以应急物品CMD为例。

autosub#

先安装Python语言包。去Python官网下载稳定版39版本的安装包，安装时一直选「下一步」即可。或者：

  1. Win+Q → 命令提示符
  2. scoop bucket add versions，参考ScoopInstaller/Versions
  3. scoop install python39

安装后可测试命令，pip3。如果提示「…不是内部或外部命令，也不是可运行的程序或批处理文件」，可尝试刷新系统环境refreshenv。或者重启电脑。重启后：

  1. 根据此仓库的自述，安装依赖项，scoop install ffmpeg
  2. pip3 install autosub3

进行语音识别前，可能需要改变CMD工作的目录，切换到之前的录像文件所在的文件夹：

  1. 先切换所在的硬盘，盘符:。例如切换到E盘，即E:
  2. 再切换所在的文件夹，cd 文件夹。例如切换到文件夹A的文件夹B里，即cd E:/A/B。文件夹名不要有空格

识别语音到字幕文件，autosub -S 源语言 -D 目标语言 -o output.srt 媒体文件。此处的语言代码可在ISO 639-1（国际标准化组织639号标准第1部分）中查找到。

注意，在命令中，被提到的文件，默认已经在系统环境（在安装时）设置好了，或者在当前文件夹下。上面这个命令，也是指盘符:/某个文件夹/autosub 其他参数 -o 当前文件夹/output.srt

连接（concatenate）一下文件，cat output.srt。

时间轴#

alass-cli#

参考此仓库自述，可以去到它的发行栏目，查找构建好的可执行文件。下载后，可在CMD中使用。

以下涉及另一种方法，需要Rust和它的包管理器Cargo。先安装Rust语言包。可能会提示需要C++ build tools：

  1. scoop install vcredist2019。或者到此页面下载Visual Studio 2019生成工具并安装
  2. Win+Q → Visual Studio Installer → 已安装 → Visual Studio 2019生成工具 → 修改
  3. 工作负荷 → 桌面应用和移动应用 → 使用C++的桌面开发：
  4. 重启电脑

scoop install rustup，或者从此处下载rustup-init.exe并运行。

如遇到网络问题，提示「could not download file from…」，可参考此文档，执行：

  1. set RUSTUP_DIST_SERVER=https://mirrors.sjtug.sjtu.edu.cn/rust-static
  2. set RUSTUP_UPDATE_ROOT=https://mirrors.sjtug.sjtu.edu.cn/rust-static/rustup
  3. 运行rustup-init.exe，一路默认即可

若需卸载，rustup self uninstall。

然后，cargo install alass-cli。

这里如果提示与gcc相关的错误，可以先scoop install mingw-winlibs，或去到官网winlibs下载和安装。有可能能够解决。

进行自动较轴，alass-cli 媒体文件 源字幕 目标字幕

在仓库所有者的学士论文里，他说明该工具的工作原理是基于语音活动检测（Voice-Activity-Detectio）。这也提示了有更好书写规范的字幕文件所要去考虑的，以利于加工、后期作业和自动化。

校对（下）#

来到了一般称作「二校」「三校」的阶段，差不多就是多次检查。这里列举部分段落：

「feria」 2023-04

应该可对应英语单词fair。词典中的解释是：州、县、乡村的集市或活动，会有商品、动物和娱乐、游戏、比赛。可译成「集会」、「市场」。

00:03:06处，文字注释feria译成「交游会」。来自一种早年在小地方举办的，供居民交易、游玩的季节性集会，当地村民乡人对此的称呼「交流会」，可能类似大都会的嘉年华。

00:05:42至00:06:62，两位主人翁在玩打气枪。这里看机器翻译和英语字幕，不能去确定胡安说「现在不是招惹军人的时候」和佩德罗说到「那个法西斯份子」，都说哪件事情，和什么人。

此前，他们在旅店落脚时，在房间墙上见到了一把纳粹十字架——这么一来，佩德罗有可能因此「给报社寄稿」，举报了可能已退役的男掌柜——但事实上，他应该不会在初到小镇的头晚、晚饭与打枪的间隙，找到邮局去寄信。

此处确实是在交代佩德罗的人物背景，见该篇报告4.1.处。

00:09:16处，胡安问「这是什么（酒）」，罗西奥回答「cangrejos de rio（河）」。这个词从电子辞典或搜索引擎检索出来是「小龙虾」「淡水鳌虾」，el cangrejo通常是「螃蟹」。影片01:35:56处，再次提到了fábrica（工厂）de cangrejos，而在01:07:57附近，画面中出现了一只龙虾。

00:16:08处，涂鸦的人名Franco，在大部分在线字典和翻译器里对应「佛朗哥」。这里参考卡斯蒂利亚发音，与Francis/Frances[弗朗西斯]、Francine[弗朗西尼]、Francisco[弗朗西斯科]、Francesca[弗兰西斯卡]等人名音译保持一致，把Franco对应「弗朗哥」。

.ass#

字幕的主体「对白」，和画中文字、音响、演出等「注释」，它们的时间轴有重叠，就需要制成.ass（Advanced SubStation Alpha）等格式来保存。虽然在MPV里，可以同时载入多个.srt字幕。

之后涉及到文本编辑器Sublime Text、字幕编辑器Subtitle Edit、特效字幕编辑器Aegisub 里的使用，这里就不赘述具体操作。

thumbnail.jpg#

在经过短或长的季节后，你就会得到最终的.ass文件。

额外的，用媒体缩略图工具mt或mtn来生成（剥皮）一张4x4格的图：

  1. 在mt的发行栏，下载相关的Windows发行包，一般来说是mt-版本号-x86_64-w64-mingw32.exe.tar.gz，解压后运行.exe
  2. mt.exe -n 16 -c 4 --disable-timestamps --header=false 媒体文件

或者：

  1. scoop install mtn
  2. mtn -c 4 -r 4 -g 3 -k 000000 -w 1920 -i -t -D 4 -P -o _mtn.png 媒体文件

流程事件一览#

特殊双语字幕の获得#

  1. 使用机器辅助翻译，但保留机器风格，（尽量）不做润色或修饰
  2. 对拟声等同一类的句型采用全文一致的处理。例如出现复读时，字幕只写两组
  3. 在标点处拆分句子，除非时间轴重叠或很靠近
  4. 拆分对话，除非时间轴重叠或很靠近
  5. 时间轴的宽度对齐音频，不在前后延长
  6. 译文句子的语序对齐原文、音轨

机翻双语字幕の获得#

  1. 获得字幕源：
    • 从Open Subtitles等大型字幕数据库搜索和下载字幕
    • 如果有文本字幕如.srt，在FFmpeg Batch AV Converter打开视频源，选择流多路复用功能，保存字幕。使用Subtitle Edit打开后，另存为ass字幕
    • 如果有图形字幕如.sub和.idx，在Subtitle Edit打开视频源，进行OCR扫描。保存字幕，选择ass格式
    • 如果是没有字幕轨、有英语音轨的情况，可以尝试用whisper-ctranslate2来转写
  2. 预处理：
    • 用Sublime Text打开.ass，批量选择和替换换行符\N为空格
  3. 机翻：
    • 用Tern翻译字幕文件为双语字幕
  4. 编辑：
    1. 用Sublime Text打开.ass，批量选择、剪切中文文本
    2. 打开一个新窗口，复制文本，按自己喜好编辑中文字幕的风格。编辑完之后，批量选择每行，剪切、粘贴回双语字幕文件
    3. 找到注释的所在的行，移到最后

其他事件#

date translation tools staff source
2023.05 Tern 机翻、后期 千禧年三部曲：1、2、3
2022.01 后期 平家物语
2021.09 DeepL 机翻、粗校 Rosy
2021.09 沙拉查词、GoldenDict 校对 The Green Knight
2021.08 Reverso、GoldenDict、沙拉查词 翻译、校对、后期 La isla minima
2019.12 校对、后期 Lolita（1997）
2019.01 谷歌翻译 翻译 词条Sibyl
2018.03 谷歌翻译 翻译 Das Herz ist ein dunkler Wald

其他道具一览#

出现过的道具、物品。

  1. 翻译记忆工具Omegat：并没有使用到。据介绍，它建立记忆库来辅助人工翻译，适合于「大型文档、专业术语、衍生案、修订、更新、多语言、共同作业」等。其记忆库文件应该还可兼容其他的软件，比如本地化工具Poedit等。
  2. 截图工具Snipaste PRO：截取软件应用的窗口。部分截图在写文字步骤时作参考，选一张图用于展示工具的主界面。
  3. 图片压缩工具pngquant和guetzli：用来代替需要调用tinypng的API（Application Programming Interface），也就是需要联网的tinifier。
  4. 文本编辑器Obsidian：以轻量级标记语言.md（Markdown）文本格式编辑了这篇文，并且用内置的功能，渲染和导出了.pdf（Portable Document Format）文件，作为并未使用的额外的附件。
    1. PDF浏览器xpdfreader：用来检视.pdf。
    2. Golang包：用来生成自信任的为PCCS（Public-Key Cryptography Standards）#12格式、扩展名为.p12或.pfx的证书文件证书。
    3. Java应用BatchPDFSign：使用.pfx给.pdf写入自签名数字ID，进行数字签名（Digital Signature）。
    4. Golang包markpdf：给.pdf的每页添加水印。这里用来铺一层很浅的装饰底纹。
  5. Rust包lychee: 排查文本里的链接的情况。可使用它的流程脚本lychee-broken-link-checker。