As legendas para esse material não são produzidas por um setor único com um padrão único. Elas vêm de vários caminhos de produção separados, e é o caminho que determina a qualidade — não o estúdio, não o ano de lançamento e não a resolução do arquivo que você está assistindo.

A distância entre uma faixa de legenda que se lê com naturalidade e outra que se lê como transcrição embaralhada em geral não é uma diferença de esforço. É uma diferença de quanto do áudio foi de fato transcrito, em vez de inferido, e de se alguém tinha um roteiro escrito para conferir o resultado.

Quais são os caminhos de produção, de verdade?

São cinco, e eles se diferenciam pelo ponto de partida.

Legendas fornecidas pela distribuidora são produzidas como parte de um lançamento licenciado. Quem as fez teve acesso ao master finalizado e, muitas vezes, à papelada de produção. E, o que é decisivo, elas são sincronizadas naquele corte específico.

Legendas derivadas de closed caption partem de uma faixa de legenda em japonês no mesmo idioma — texto que já existe, já segmentado, já sincronizado — e a traduzem. O problema difícil de ouvir o áudio já foi resolvido por outra pessoa, então o que sobra é só a tradução.

Tradução humana de ouvido significa um tradutor trabalhando a partir do áudio, sem roteiro. Pode sair excelente, mas é lento, e herda todos os problemas do próprio áudio.

Transcrição automática mais tradução automática roda reconhecimento de fala sobre o áudio e depois traduz o texto resultante. Duas etapas automatizadas, cada uma com seu perfil de erro, encadeadas.

Tradução por ponte pega uma tradução já existente — normalmente o inglês — e traduz essa para um terceiro idioma. Todo erro da versão intermediária é preservado e depois multiplicado.

Qual caminho produz quais modos de falha?

Cada caminho falha de um jeito característico, e as falhas ficam visíveis na tela se você souber o que procurar.

Caminho de produção Precisão de sincronia Precisão de sentido Sinais reveladores
Fornecida pela distribuidora Casada com o lançamento Varia conforme o tradutor Quebras de linha consistentes, legendas para textos e placas em cena
Derivada de closed caption Herdada da faixa de caption — em geral boa Boa nos diálogos, mais fraca nas expressões idiomáticas Segmentação natural, mas áudio não verbal sem legenda
Humana, de ouvido Boa onde o diálogo é claro, escorrega nos trechos densos A melhor disponível para nuances Notas ocasionais do tradutor, densidade desigual entre cenas
Transcrição + tradução automáticas Colada no início da fala, mas com linhas surgindo fora dela Fluente, e confiantemente errada em certos pontos Linhas curtas e uniformes, diálogo inventado sobre ruído
Tradução por ponte Herdada da faixa de origem Piora a cada salto Escolhas de palavra esquisitas que só fazem sentido se você retraduzir

A linha que surpreende as pessoas é a da transcrição automática. A sincronia dela costuma ser melhor que a de um humano, porque sai direto da forma de onda. A precisão de sentido é a menos confiável das cinco, porque nada nesse processo sabe quando chutou.

Por que esse material é mais difícil de legendar do que um filme comum?

Porque quase nenhuma das condições que tornam a legendagem viável está presente.

Uma ficção roteirizada entrega ao legendista um roteiro escrito, gravação limpa do diálogo, um falante por vez e um contexto narrativo que desfaz a ambiguidade dos pronomes. O vídeo adulto normalmente não oferece nada disso:

  • O diálogo é em boa parte improvisado. Não há documento com que conferir a transcrição, então um erro não tem com o que colidir.
  • As falas se sobrepõem muito, e o reconhecimento de fala piora bruscamente quando duas pessoas falam ao mesmo tempo.
  • Boa parte do áudio é não verbal. Respiração, vocalizações e som ambiente ocupam um tempo que o sistema de transcrição muitas vezes tenta preencher com palavras.
  • As condições de gravação variam. A relação entre fala e ruído é frequentemente ruim, sobretudo em gravações na mão ou com microfone único.
  • O japonês omite sujeitos e pronomes. Uma fala perfeitamente clara em japonês pode não registrar com quem, ou sobre quem, se está falando — então o tradutor precisa fornecer um pronome que nunca esteve no original.
  • Os honoríficos carregam um sentido relacional para o qual o inglês não tem encaixe. Mudanças de registro que um ouvinte japonês percebe na hora somem na tradução, a menos que alguém as reconstrua de propósito.
  • Nomes próprios e nomes de selos estão fora de um vocabulário geral e são rotineiramente deformados em palavras comuns de som parecido.

Nada disso é crítica a quem faz o trabalho. É a descrição de um material de entrada genuinamente difícil.

Como saber qual tipo você está assistindo?

Em geral dá para identificar o caminho de produção em poucos minutos, usando sinais que não exigem japonês nenhum.

O que você observa O que isso sugere
A sincronia vai atrasando ou adiantando progressivamente ao longo do filme A faixa foi sincronizada em outro corte ou em outra taxa de quadros
Toda linha tem mais ou menos o mesmo comprimento curto Segmentação automática, não quebra de linha feita por humano
O gênero do pronome muda para a mesma pessoa de uma linha para outra A etapa de tradução chutando os sujeitos omitidos
Expressões idiomáticas traduzidas ao pé da letra, palavra por palavra Tradução automática, ou ponte por um terceiro idioma
Aparecem linhas em trechos sem fala nenhuma Reconhecimento de fala preenchendo ruído com palavras plausíveis
Diálogo sobreposto reduzido a uma linha só A transcrição guardou apenas o falante dominante
Textos e placas em cena estão legendados Alguém trabalhou deliberadamente a partir do vídeo finalizado
Os nomes aparecem grafados de forma consistente do começo ao fim Um humano passou pelo arquivo inteiro pelo menos uma vez

O descompasso progressivo é o sinal mais diagnóstico de todos. Ele significa que a sincronia nunca foi ancorada no arquivo que você está reproduzindo — a faixa veio de outro lugar. O controle de atraso de legenda do player compensa um deslocamento constante, mas um descompasso que cresce ao longo do filme indica divergência de taxa de quadros, e isso é uma propriedade da faixa, não algo que você conserte ajustando o deslocamento.

O que fazer a respeito, na prática?

Julgue a faixa nos primeiros minutos e trate esse julgamento como informação sobre o arquivo inteiro.

A qualidade da legenda não melhora com o passar do filme. Se os nomes estão instáveis e os pronomes trocam na cena de abertura, vão fazer o mesmo do começo ao fim, e o que você está vendo é a saída de um processo automatizado. Isso serve para acompanhar o que acontece; não serve para nada que dependa do sentido exato de uma fala.

A única garantia estrutural que vale entender: só as legendas fornecidas com um lançamento licenciado têm sincronia garantida em relação ao lançamento que você está assistindo. Todo o resto é uma faixa feita para alguma versão do material, casada com a sua cópia por suposição. Essa suposição é a origem do descompasso, e é a causa isolada mais comum de uma experiência de legenda que parece quebrada mesmo quando a tradução em si é competente.

Perguntas relacionadas

A disponibilidade de legendas varia enormemente entre plataformas — veja quais sites indexamos e o que eles trazem na lista de sites.