Warum lesen sich zwei Untertitelspuren zum selben Titel so verschieden?

Weil sie aus verschiedenen Produktionswegen stammen. Eine Spur, die aus der eigenen Caption-Datei eines Vertriebs abgeleitet ist, und eine Spur aus maschineller Transkription starten von unterschiedlichem Ausgangsmaterial und weichen deshalb schon vor der Übersetzung voneinander ab.

Bedeuten bessere Videodateien bessere Untertitel?

Nein. Untertitelqualität und Videoqualität sind voneinander unabhängige Produktionsstränge. Ein makelloser Master kann mit einer schwachen Untertitelspur ausgeliefert werden und ein bescheidener Stream eine sorgfältig gemachte tragen, weil verschiedene Leute sie erstellt haben.

Sind mitgelieferte Untertitel einer lizenzierten Veröffentlichung immer korrekt?

Sie sind die einzige Sorte, die garantiert auf genau die Fassung getimt ist, die du siehst, und das räumt eine ganze Fehlerklasse aus. Wie genau die Übersetzung selbst ist, hängt weiterhin davon ab, wer sie gemacht hat.

Woher kommen JAV-Untertitel, und warum schwankt die Qualität so?

Untertitel für japanische Erwachsenenvideos entstehen auf einer Handvoll strukturell verschiedener Wege — vom Vertrieb geliefert, aus einer Caption-Spur abgeleitet, von Menschen nach Gehör übersetzt oder maschinell transkribiert und maschinell übersetzt. Der Qualitätsunterschied zwischen zwei Untertitelspuren erklärt sich fast vollständig daraus, welcher Weg sie hervorgebracht hat.

Untertitel für dieses Material kommen nicht aus einer Branche mit einem Standard. Sie entstehen auf mehreren getrennten Produktionswegen, und der Weg bestimmt die Qualität — nicht das Studio, nicht das Erscheinungsjahr und nicht die Auflösung der Datei, die du gerade siehst.

Der Abstand zwischen einer Untertitelspur, die sich natürlich liest, und einer, die wie ein verstümmeltes Transkript wirkt, ist meist kein Unterschied im Aufwand. Es ist ein Unterschied darin, wie viel vom Ton tatsächlich transkribiert und wie viel erraten wurde, und ob jemand ein schriftliches Skript hatte, an dem sich das Ergebnis prüfen ließ.

Welche Produktionswege gibt es tatsächlich?

Es sind fünf, und sie unterscheiden sich darin, wovon sie ausgehen.

Vom Vertrieb gelieferte Untertitel entstehen als Teil einer lizenzierten Veröffentlichung. Wer sie gemacht hat, hatte Zugriff auf den fertigen Master und oft auch auf Produktionsunterlagen. Entscheidend: Sie sind auf diesen einen Schnitt getimt.

Aus Captions abgeleitete Untertitel gehen von einer japanischen Caption-Spur in derselben Sprache aus — Text, der schon existiert, schon segmentiert und schon getimt ist — und übersetzen ihn. Das schwierige Problem, den Ton zu verstehen, hat jemand anderes bereits gelöst, es bleibt also nur die Übersetzung.

Menschliche Übersetzung nach Gehör heißt: Eine Übersetzerin arbeitet ohne Skript direkt am Ton. Das kann hervorragend werden, ist aber langsam und erbt jedes Problem, das im Ton selbst steckt.

Maschinelle Transkription plus maschinelle Übersetzung lässt Spracherkennung über den Ton laufen und übersetzt danach den entstandenen Text. Zwei automatische Stufen, jede mit eigenem Fehlerprofil, hintereinandergehängt.

Pivot-Übersetzung nimmt eine vorhandene Übersetzung — meist die englische — und überträgt diese in eine dritte Sprache. Jeder Fehler der Zwischenfassung bleibt erhalten und potenziert sich.

Welcher Weg produziert welche Fehler?

Jeder Weg scheitert auf charakteristische Weise, und die Fehler sind auf dem Bildschirm zu sehen, wenn du weißt, worauf du achten musst.

Produktionsweg	Timing-Genauigkeit	Inhaltliche Genauigkeit	Verräterische Zeichen
Vom Vertrieb geliefert	Auf die Veröffentlichung abgestimmt	Schwankt mit der Übersetzerin	Einheitliche Zeilenumbrüche, Untertitel für Bildschirmtext und Schilder
Aus Captions abgeleitet	Von der Caption-Spur geerbt — meist gut	Gut bei Dialog, schwächer bei Redewendungen	Natürliche Segmentierung, aber nichtsprachlicher Ton bleibt unbetitelt
Mensch, nach Gehör	Gut bei klarem Dialog, driftet in dichten Passagen	Das Beste, was für Nuancen zu haben ist	Gelegentliche Übersetzungsanmerkungen, ungleichmäßige Dichte über die Szenen
Maschinelle Transkription + Übersetzung	Eng am Sprecheinsatz, aber Zeilen erscheinen ohne Sprache	Flüssig, aber stellenweise selbstbewusst falsch	Gleichförmig kurze Zeilen, erfundener Dialog über Geräuschen
Pivot-Übersetzung	Von der Ausgangsspur geerbt	Verschlechtert sich mit jedem Sprung	Seltsame Wortwahl, die nur beim Rückübersetzen Sinn ergibt

Die Zeile, die Leute überrascht, ist die maschinelle Transkription. Ihr Timing ist oft besser als das eines Menschen, weil es direkt aus der Wellenform abgeleitet wird. Ihre inhaltliche Genauigkeit ist die unzuverlässigste der fünf, weil nichts in dieser Kette merkt, wann es geraten hat.

Warum ist dieses Material schwerer zu untertiteln als gewöhnlicher Film?

Weil fast keine der Bedingungen erfüllt ist, die Untertitelung handhabbar machen.

Ein geschriebenes Drama liefert der Untertitlerin ein Skript, eine saubere Dialogaufnahme, eine sprechende Person auf einmal und einen erzählerischen Zusammenhang, der Pronomen eindeutig macht. Erwachsenenvideos liefern davon typischerweise nichts:

Der Dialog ist weitgehend ungeskriptet. Es gibt kein Dokument, an dem sich das Transkript prüfen ließe, ein Fehler stößt also auf keinen Widerspruch.
Sprache überlappt stark, und Spracherkennung fällt steil ab, sobald zwei Personen gleichzeitig reden.
Ein großer Teil des Tons ist nichtsprachlich. Atem, Lautäußerungen und Umgebungsgeräusche belegen Zeit, die ein Transkriptionssystem oft mit Wörtern zu füllen versucht.
Die Aufnahmebedingungen schwanken. Der Abstand zwischen Sprache und Störgeräusch ist häufig schlecht, besonders bei Handkamera oder mit einem einzigen Mikrofon.
Japanisch lässt Subjekte und Pronomen weg. Ein im Japanischen völlig eindeutiger Satz kodiert womöglich nicht, wer angesprochen wird oder von wem die Rede ist — die Übersetzerin muss also ein Pronomen liefern, das im Original nie stand.
Anredeformen tragen Beziehungsbedeutung, für die andere Sprachen keinen Platz haben. Registerwechsel, die japanische Ohren sofort hören, verschwinden in der Übersetzung, wenn sie niemand bewusst rekonstruiert.
Eigennamen und Labelnamen liegen außerhalb des Allgemeinwortschatzes und werden regelmäßig zu ähnlich klingenden Alltagswörtern verdreht.

Nichts davon ist eine Kritik an den Leuten, die diese Arbeit machen. Es ist die Beschreibung eines wirklich schwierigen Ausgangsmaterials.

Wie erkennst du, welche Sorte du gerade siehst?

Den Produktionsweg kannst du meist innerhalb weniger Minuten bestimmen, mit Signalen, für die du kein Japanisch brauchst.

Was du beobachtest	Was es nahelegt
Das Timing driftet über die Laufzeit fortschreitend nach hinten oder vorn	Die Spur wurde auf einen anderen Schnitt oder eine andere Bildrate getimt
Jede Zeile ist ungefähr gleich kurz	Automatische Segmentierung, kein menschlicher Zeilenumbruch
Das Pronomengeschlecht derselben Person wechselt zwischen Zeilen	Die Übersetzungsstufe rät bei weggelassenen Subjekten
Redewendungen Wort für Wort wörtlich übertragen	Maschinelle Übersetzung, oder Pivot über eine dritte Sprache
Zeilen erscheinen in Passagen ohne Sprache	Die Spracherkennung füllt Geräusche mit plausiblen Wörtern
Überlappender Dialog auf eine Zeile eingedampft	Die Transkription behielt nur die dominante Stimme
Bildschirmtext und Schilder sind untertitelt	Jemand hat bewusst am fertigen Video gearbeitet
Namen sind durchgehend gleich geschrieben	Ein Mensch ist mindestens einmal über die ganze Datei gegangen

Fortschreitende Drift ist das aussagekräftigste Einzelsignal. Sie bedeutet, dass das Timing nie an der Datei verankert war, die du abspielst — die Spur kam woanders her. Die Untertitelverzögerung im Player kann einen konstanten Versatz ausgleichen, aber eine Drift, die über die Laufzeit wächst, deutet auf eine abweichende Bildrate hin, und das ist eine Eigenschaft der Spur und nichts, was sich durch Verschieben des Versatzes beheben lässt.

Was solltest du also damit anfangen?

Beurteile die Spur in den ersten Minuten und behandle dieses Urteil als Aussage über die ganze Datei.

Untertitelqualität wird im Verlauf einer Laufzeit nicht besser. Sind Namen in der Anfangsszene unbeständig und kippen die Pronomen, wird das durchgehend so bleiben, und du siehst das Ergebnis einer automatischen Kette. Zum Mitverfolgen dessen, was passiert, reicht das; für alles, was an der genauen Bedeutung eines Satzes hängt, ist es unzuverlässig.

Die eine strukturelle Garantie, die du kennen solltest: Nur Untertitel, die mit einer lizenzierten Veröffentlichung geliefert werden, sind garantiert auf die Fassung getimt, die du siehst. Alles andere ist eine Spur, die für irgendeine Version des Materials gemacht und deiner Kopie per Annahme zugeordnet wurde. Aus dieser Annahme entsteht die Drift, und sie ist die häufigste Einzelursache für ein Untertitelerlebnis, das kaputt wirkt, obwohl die Übersetzung selbst ordentlich ist.