उपशीर्षक भाषांतर केवळ वाक्य क्रमाबद्दल नाही: टाइमलाइन आणि रिक्त ओळी देखील स्वीकारल्या पाहिजेत
SRT उपशीर्षके पार्स करताना, फक्त मजकूर ओळ खंडांची संख्या तपासल्याने टाइमलाइन उलटे किंवा ओव्हरलॅप शोधता येत नाहीत. हा लेख पायथन मानक लायब्ररीचा वापर करून टाइमस्टॅम्पचा एकसुरीपणा आणि किमान अंतर कसा पडताळायचा हे दाखवून देतो आणि OmniDoc वापरून भाषांतर स्वीकृतीसाठी एक व्यावहारिक चेकलिस्ट प्रदान करतो.
उपशीर्षक भाषांतर पूर्ण झाल्यानंतर, बरेच लोक फक्त वाक्ये गुळगुळीत आहेत की नाही हे पाहतात. तथापि, जर टाइमलाइन समान ओळीत दाबली गेली असेल, कालक्रमानुसार क्रम उलटला असेल किंवा परिच्छेदातील रिक्त ओळी गमावल्या असतील, तर खेळाडू उपशीर्षके योग्यरित्या वाचू शकणार नाही. हा लेख अनुवादक आणि पोस्ट-प्रोसेसिंग कर्मचाऱ्यांसाठी लिहिलेला आहे ज्यांना SRT उपशीर्षके वितरीत करण्याची आवश्यकता आहे. हे भाषांतराच्या आधी आणि नंतर टाइमलाइन आणि रिकाम्या ओळी कशा स्वीकारायच्या हे स्पष्ट करते आणि पुन्हा वापरण्यायोग्य तपासणी कल्पना देते.
SRT चे अनुक्रम क्रमांक, वेळ श्रेणी, मुख्य भाग आणि परिच्छेद रिक्त रेषा यांची स्वतःची कार्ये आहेत. तपासणी दरम्यान या संरचना पदानुक्रमाने जतन केल्या पाहिजेत आणि संपूर्ण दस्तऐवजातील एकूण लाइन ब्रेकच्या संख्येनुसार गुणवत्तेचा निर्णय घेतला जाऊ शकत नाही.
टीप: प्रक्रिया पद्धत दाखवण्यासाठी हा लेख सिंथेटिक नमुने वापरतो. कोड एका वेगळ्या वातावरणात उदाहरणांसह तपासला गेला आहे आणि सर्व वास्तविक फाइल्स किंवा उत्पादन कार्यक्षमतेची हमी नाही. महत्त्वाच्या कागदपत्रांवर प्रक्रिया करण्यापूर्वी, कृपया मूळ कागदपत्रे ठेवा आणि मजकूरातील सीमा आणि स्वीकृती आयटमनुसार त्यांचे पुनरावलोकन करा.
भाषांतरानंतर सबटायटल्स कसे तपासायचे आणि स्वीकारायचे? एका वाक्याचा निष्कर्ष
प्रथम SRT चे स्ट्रक्चरल पदानुक्रम पूर्ण असल्याची खात्री करा आणि नंतर डिस्प्ले, लाइन रॅपिंग आणि सिंक्रोनाइझेशन तपासण्यासाठी ते लक्ष्य प्लेअरमध्ये प्ले करा.
| तुमची परिस्थिती | शिफारस केलेल्या पद्धती | कारण |
|---|---|---|
| उपशीर्षक मजकूर अनुवादित केला गेला आहे. आम्हाला फॉरमॅटिंग समस्यांचे त्वरीत निवारण करणे आवश्यक आहे. | प्रथम अनुक्रमांक, वेळ श्रेणी आणि रिक्त ओळी तपासण्यासाठी स्क्रिप्ट वापरा | स्ट्रक्चरल चेकिंग काही त्रुटी आगाऊ टाळू शकते |
| टाइमस्टॅम्प ऑर्डर किंवा ओव्हरलॅप तपासणे आवश्यक आहे | वेळा पार्स करा आणि समीप ब्लॉक्सच्या वेळेची तुलना करा | फक्त लाइन ब्रेकची संख्या तपासल्याने टाइमलाइन व्युत्क्रम किंवा ओव्हरलॅप्स प्रकट होऊ शकत नाहीत |
| उपशीर्षके प्लेअरला दिली जातात | लक्ष्य प्लेअरमधील विभागानुसार डिस्प्ले आणि सिंक्रोनाइझेशन विभाग तपासा | कोड वाचन गती मोजू शकत नाही आणि चित्रात कोण बोलत आहे हे कळत नाही. |
| उपशीर्षक भाषांतरे लांब होतात (उदा. काही भाषांमध्ये) | लाइन तुटते का आणि डिस्प्ले ओव्हरफ्लो होते का हे तपासण्यावर लक्ष केंद्रित करा | व्हेरिएबल लांबीचा मजकूर डिस्प्ले इफेक्टवर परिणाम करण्याची अधिक शक्यता आहे |
प्रथम स्वीकृत SRT फॉरमॅट मर्यादित करा
खालील पद्धत फक्त सामान्य अनुक्रम क्रमांक अधिक HH:MM:SS,mmm --> HH:MM:SS,mmm फॉरमॅटला समर्थन देते आणि प्रत्येक ब्लॉकमध्ये किमान एक ओळ मजकूर आहे. हे शैली विस्तार, उपशीर्षक स्थिती माहिती किंवा इतर उपशीर्षक स्वरूप हाताळत नाही.
संश्लेषण प्रोटोकॉलसाठी अनुक्रम संख्या सलग असणे आवश्यक आहे आणि कालावधी ओव्हरलॅप होत नाहीत. वास्तविक प्रकल्प ओव्हरलॅपला परवानगी देत असल्यास, हा नियम स्वतंत्रपणे समायोजित करणे आवश्यक आहे.
स्वतंत्र स्वरूप पार्सिंग आणि वेळेची तुलना
प्रथम स्वरूप पार्स करा, नंतर वेळेची तुलना करा. पार्सिंग भाग केवळ मजकूर ब्लॉक्स, अनुक्रमांक, प्रारंभ आणि समाप्ती वेळा आणि मजकूर मध्ये विभाजित करण्यासाठी जबाबदार आहे; वेळेची तुलना भाग केवळ ऑर्डर आणि मध्यांतर तपासण्यासाठी जबाबदार आहे. दोन भाग वेगळे केले जातात, काहीतरी चूक झाल्यावर समस्या शोधणे सोपे होते.
import re
STAMP = r"[0-9]{2}:[0-9]{2}:[0-9]{2},[0-9]{3}"
def millis(text):
h, m, rest = text.split(":")
s, ms = rest.split(",")
if int(m) >= 60 or int(s) >= 60:
raise ValueError("invalid minute or second")
return ((int(h) * 60 + int(m)) * 60 + int(s)) * 1000 + int(ms)
def parse_srt(text):
blocks = re.split(r"\n[ \t]*\n", text.replace("\r\n", "\n").strip())
result, previous_end = [], 0
for index, block in enumerate(blocks, 1):
lines = block.splitlines()
if len(lines) < 3 or lines[0] != str(index):
raise ValueError("sequence or body missing")
match = re.fullmatch(f"({STAMP}) --> ({STAMP})", lines[1])
if not match:
raise ValueError("invalid timestamp line")
start, end = map(millis, match.groups())
if start < previous_end or end <= start:
raise ValueError("overlap or reversed interval")
result.append((start, end, lines[2:]))
previous_end = end
return result
sample = "1\n00:00:01,000 --> 00:00:02,000\nHello\nWorld\n\n2\n00:00:02,500 --> 00:00:03,000\nNext"
parsed = parse_srt(sample)
assert parsed[0] == (1000, 2000, ["Hello", "World"])
assert len(parsed) == 2
try:
parse_srt(sample.replace("00:00:02,500", "00:00:01,500"))
except ValueError:
pass
else:
raise AssertionError("overlap accepted by strict example contract")
वेळेची तुलना पूर्णांक मिलिसेकंद वापरते, जी केवळ संबंधित वेळ अक्ष दर्शवते आणि उपशीर्षक वेळेला विशिष्ट दिवसाची भिंत वेळ मानत नाही. संबंधित प्रकार पायथनची तारीख आणि वेळ प्रकार चा संदर्भ घेऊ शकतात.
भाषांतरापूर्वी आणि नंतर संरक्षित भागांची तुलना करा
भाषांतरादरम्यान, स्ट्रक्चरल भाग अपरिवर्तित राहिला पाहिजे, तर मजकूराचे व्यक्तिचलितपणे पुनरावलोकन करणे आवश्यक आहे. खालील तक्त्यामध्ये काय अपेक्षा करावी आणि कोणती स्वयंचलित तपासणी बदलू शकत नाही याची सूची देते.
| प्रकल्प | अपेक्षा | अपूरणीय तपासणी |
|---|---|---|
| अनुक्रमांक आणि ब्लॉक क्रमांक | प्रकल्प करारानुसार राखीव | भाषांतर चुकले हे खरे आहे का? |
| वेळ श्रेणी | अधिकृततेशिवाय कोणतेही बदल केले जाणार नाहीत | व्हिज्युअलसह संवाद समक्रमित |
| मुख्य मजकूर क्रमाने आहे | वाचनीय आणि टाइमलाइनमध्ये गोंधळ होत नाही | वाचनाची गती आणि नैसर्गिक भाषा |
| रिकाम्या ओळी आपल्याला वेगळे करतात | ब्लॉक सीमा राखणे | खेळाडू सुसंगतता |
रचना मंजूर झाल्यानंतर, ती पुन्हा वाजवली जाणे आवश्यक आहे
स्क्रिप्ट पास करणे म्हणजे केवळ रचना परंपरेशी जुळते आणि याचा अर्थ असा नाही की उपशीर्षके खेळाडूमध्ये चांगली कामगिरी करतात. कोड वाचनाची गती मोजत नाही आणि चित्रात कोण बोलत आहे हे माहित नाही.
अधिकृतपणे वितरित केल्यावर, लक्ष्य प्लेअरचा वापर प्रदर्शन, लाइन ब्रेक आणि सिंक्रोनाइझेशन तपासण्यासाठी केला पाहिजे, विशेषत: दीर्घ उपशीर्षके असलेल्या भाषा. स्ट्रक्चरल इन्स्पेक्शनमुळे काही त्रुटी आधीच टाळता येतात, परंतु ते प्लेबॅक स्वीकृती वगळू शकत नाही.
भाषांतर वर्कफ्लोवर स्वरूपन मर्यादा सोडा
ओम्नीडॉक (उत्पादन प्रवेश) सह संबंधित दस्तऐवज अनुवादांचे मूल्यांकन करताना, प्रथम वर्तमान नोंद आवश्यक उपशीर्षक स्वरूपनाचे समर्थन करते की नाही याची पुष्टी करा आणि टाइमलाइन कायम ठेवावी की नाही हे स्पष्ट करा. हा लेख असा दावा करत नाही की प्लॅटफॉर्म कोणतेही उपशीर्षक इंटरफेस प्रदान करते.
स्वीकार्य दृष्टीकोन "रचना अपरिवर्तित आहे, मुख्य मजकूराचे पुनरावलोकन केले जाऊ शकते": टाइमलाइन आणि रिक्त ओळी जशा आहेत तशा ठेवा, केवळ मुख्य मजकूरामध्ये भाषांतर सुधारित करा आणि शेवटी पुनरावलोकन करण्यासाठी प्लेअरचा वापर करा.
📊 कोर तुलना
| परीक्षेच्या पद्धती[संपादन] | काय शोधले जाऊ शकते? | हे कशाचीही जागा घेऊ शकत नाही |
|---|---|---|
| स्ट्रक्चरल इन्स्पेक्शन (स्क्रिप्ट) | स्वरूपन समस्या, टाइमस्टॅम्प ऑर्डर आणि ओव्हरलॅप | वाचनाची गती आणि नैसर्गिक भाषा |
| प्लेबॅक स्वीकृती (लक्ष्य खेळाडू) | प्रदर्शन, ओळ ब्रेक आणि समक्रमण समस्या | स्वरूपण त्रुटींचे बॅच समस्या निवारण कार्यक्षम आहे |
🎯 कोणती पद्धत आपल्याला अनुकूल आहे?
आपल्याला टाइमस्टॅम्प ऑर्डर तपासण्याची आवश्यकता असल्यास
लगतच्या ब्लॉक्सच्या प्रारंभ आणि समाप्तीच्या वेळेची तुलना करण्यासाठी स्क्रिप्ट पार्सिंग वेळा वापरा आणि व्युत्क्रम किंवा ओव्हरलॅप तपासा.
जर आपले उपशीर्षके प्लेबॅकसाठी वितरित करायची असतील तर
स्ट्रक्चरल चेक पास केल्यानंतर, लक्ष्यित प्लेअरमध्ये विभाग खेळणे सुरू ठेवा, प्रदर्शन, लाइन ब्रेक आणि सिंक्रोनाइझेशनची पुष्टी करा.
जर आपले भाषांतर लक्षणीय लांब असेल तर
लाइन ब्रेक आणि ओव्हरफ्लो डिस्प्ले तपासण्यावर लक्ष केंद्रित करा आणि वाचनाची गती व्यक्तिचलितपणे तपासा.
❓ वारंवार विचारले जाणारे प्रश्न (FAQ)
1. मजकूरातील ओळी ब्रेकची संख्या पुरेशी आहे की नाही ते तपासा?
पुरेसे नाही. केवळ लाइन ब्रेकची संख्या तपासल्यास टाइमलाइन उलटणे किंवा ओव्हरलॅप दिसून येत नाही.
2. ही पद्धत सर्व उपशीर्षक स्वरूपांना समर्थन देते का?
कोणताही आधार नाही. हे केवळ सामान्य अनुक्रमांक आणि वेळ श्रेणी स्वरूप हाताळते आणि शैली विस्तार, स्थान माहिती किंवा इतर उपशीर्षक स्वरूप हाताळत नाही.
3. जर स्क्रिप्ट तपासणीत उत्तीर्ण झाली तर ती थेट वितरित केली जाऊ शकते का?
शिफारस केलेली नाही. स्ट्रक्चरल तपासणी वाचनाची गती मोजू शकत नाही किंवा स्क्रीनवरील स्पीकर समजू शकत नाही; अधिकृत वितरणापूर्वी, लक्ष्य प्लेअरमध्ये स्वीकृती अद्याप आयोजित केली जाणे आवश्यक आहे.
4. वेळेच्या तुलनेसाठी पूर्णांक मिलीसेकंद का वापरावे?
पूर्णांक मिलीसेकंद केवळ सापेक्ष टाइमलाइनचे प्रतिनिधित्व करतात, उपशीर्षक वेळेला दिवसाची भिंत वेळ मानू नका.
📝 सारांश
उपशीर्षक भाषांतर स्वीकारण्यासाठी रचना आणि प्लेबॅक प्रभाव दोन्ही तपासणे आवश्यक आहे. प्रथम, टाइमलाइन आणि रिक्त ओळी ठेवण्यासाठी स्क्रिप्ट वापरा, नंतर प्रदर्शन आणि सिंक्रोनायझेशन तपासण्यासाठी प्लेअर वापरा. दोन्ही चरण पूर्ण झाल्यावरच वितरण पूर्ण होते.
आता अनुभव घ्या: मूळ स्वरूपन जतन करून भाषांतर सुरू करण्यासाठी आपला दस्तऐवज अपलोड करा


