Phụ đề dịch tự động đủ tốt cho đúng thứ mà phần lớn người xem thực sự cần — theo dõi được tình huống, các vai, và mạch chung của một cuộc đối thoại. Chúng không đủ tốt cho bất cứ điều gì phụ thuộc vào câu chữ chính xác của một dòng thoại.

Sự phân đôi đó không phải là nói nước đôi. Nó là hệ quả trực tiếp của cách dựng cả dây chuyền: hai hệ thống tự động nối tiếp nhau, trong đó sai sót của khâu đầu trở thành đầu vào của khâu sau, mà khâu sau thì không có cách nào biết mình đang dịch một thứ chưa bao giờ được nói ra.

Khi phụ đề được tạo tự động thì thật ra chuyện gì đang diễn ra?

Hai hệ thống riêng biệt chạy nối tiếp, và chúng không phản hồi ngược cho nhau.

Khâu một là nhận dạng giọng nói tự động (ASR). Nó chuyển dải âm thanh thành văn bản tiếng Nhật kèm mốc thời gian. Đây là khâu khó với loại nội dung này, và cũng là chỗ phần lớn thiệt hại xảy ra.

Khâu hai là dịch máy (MT). Nó lấy văn bản tiếng Nhật đó rồi cho ra tiếng Anh. MT hiện đại thật sự mạnh ở khâu này — với điều kiện đầu vào sạch và đúng.

Vấn đề nằm ở chỗ giao nhau giữa hai khâu. Khâu hai nhận văn bản, không nhận âm thanh. Nó không nghe được rằng khâu một đã đoán mò. Một từ nghe nhầm đi tới nơi trông y hệt một từ nghe đúng, và MT làm đúng việc nó được dựng ra để làm: cho ra văn bản trôi chảy, đúng ngữ pháp. Kết quả là một câu đọc lên hoàn hảo mà lại mang nghĩa của một thứ chưa bao giờ được nói ra.

Vì sao loại nội dung này khó hơn thứ âm thanh mà các hệ thống kia được tinh chỉnh cho?

Vì nhận dạng giọng nói phần lớn được huấn luyện và đo chuẩn trên âm thanh của bản tin, bài giảng và cuộc họp, mà video người lớn thì vi phạm gần như mọi giả định gói trong loại tư liệu ấy.

  • Người nói chồng tiếng nhau. ASR được dựng quanh giả định luân phiên lượt nói. Tiếng nói cùng lúc hoặc bị nhập lại thành lời của một người, hoặc cho ra một thứ pha trộn của cả hai.
  • Phần lớn âm thanh là phi ngôn từ. Tiếng thở và tiếng phát ra chiếm đúng khoảng không âm học mà hệ thống trông đợi có từ ngữ, và một hệ thống thiên về việc tìm ra tiếng nói thì sẽ tìm ra tiếng nói.
  • Điều kiện thu âm rất khác nhau. Các thiết lập cầm tay và chỉ một micro cho tỷ lệ tiếng nói trên tạp âm thấp hơn hẳn mức nền của phát thanh truyền hình.
  • Cửa sổ ngữ cảnh thưa thớt. MT gỡ mơ hồ bằng các câu xung quanh. Thoại ở đây thường là những tiếng kêu ngắn, đứng lẻ, gần như không có văn bản xung quanh để làm chỗ dựa.
  • Tiếng Nhật lược bỏ chủ ngữ. Một câu tiếng Nhật đúng ngữ pháp thường không nói ai đang nói, đang nói với ai, và đối tượng được nhắc tới là số ít hay số nhiều. Tiếng Anh thì bắt buộc phải có đại từ, nên bộ dịch phải bịa ra một cái — và nó sẽ chọn một mặc định nghe có lý rồi tuyên bố với sự tự tin trọn vẹn.
  • Kính ngữ và tầng lời nói không có chỗ trong tiếng Anh. Thông tin về quan hệ mà mức độ lịch sự chuyên chở là một trong những thứ mất đi sớm nhất.

Không thứ nào trong số này được giải quyết bằng một mô hình dịch tốt hơn, bởi vì không thứ nào trong số chúng là vấn đề của việc dịch.

Bạn nên chờ đợi những kiểu lỗi nào, và mỗi kiểu tệ đến đâu?

Các lỗi phân loại rất gọn theo khâu sinh ra chúng, và điều đó quyết định mức độ cứu chữa được.

Kiểu lỗi Sinh ra ở khâu Trên màn hình trông thế nào Ảnh hưởng tới việc hiểu
Bịa ra lời thoại trên đoạn không có tiếng nói ASR Dòng phụ đề hiện ra ở chỗ chẳng ai nói gì Thấp — quá rõ, dễ bỏ qua
Từ nghe nhầm được dựng lại trôi chảy ASR Một câu đúng ngữ pháp nhưng không khớp với cảnh Cao — vô hình, mà lại nghe có lý
Tên riêng bị biến thành từ thường ASR Tên người bị thay bằng một danh từ nghe na ná Trung bình — gây rối nhưng phát hiện được
Đại từ sai giống hoặc sai số MT "Anh ấy" và "cô ấy" hoán đổi cho cùng một người Trung bình — chối tai, nhưng thường suy ra được
Kính ngữ và tầng lời nói bị san phẳng MT Ai cũng nói bằng đúng một giọng trung tính Trung bình — sắc thái quan hệ mất sạch
Thành ngữ bị dịch theo nghĩa đen MT Bản dịch từng chữ chẳng có nghĩa gì Thấp — nhận ra ngay là vô nghĩa
Chơi chữ và câu đùa MT Hoặc dịch theo nghĩa đen, hoặc bị thay bằng thứ chẳng liên quan Cao — câu đùa đơn giản là biến mất
Tiếng nói chồng nhau bị rút thành một dòng ASR Chỉ người nói to hơn hiện ra Trung bình — bạn mất luôn phần đối đáp

Hai hàng có ảnh hưởng cao chia chung một tính chất: bạn không thể phát hiện chúng chỉ bằng cách nhìn phụ đề. Mọi lỗi khác đều tự tố cáo mình. Một từ nghe nhầm được dựng thành tiếng Anh trôi chảy thì không, và đó chính xác là lý do nó quan trọng nhất.

Khi nào bạn tin được chúng, và khi nào thì không nên?

Hãy tin chúng ở phần mạch truyện và tình huống; hãy hoài nghi chúng ở bất kỳ chỗ nào mà nghĩa của câu chữ gánh trọng lượng.

Hợp lý khi dựa vào:

  • Theo dõi ai đang có mặt, chuyện gì đang xảy ra, và cảnh tiến triển ra sao
  • Sắc thái cảm xúc chung — đồng ý, từ chối, do dự
  • Những trao đổi lặp đi lặp lại theo công thức, nơi ngữ cảnh khiến nghĩa trở nên thừa
  • Quyết định xem một cảnh có đúng là thứ bạn đang tìm hay không

Đáng hoài nghi:

  • Bất kỳ dòng nào có vẻ tiết lộ một nút thắt, một mối quan hệ hay một tiền đề
  • Tên người, địa danh, thương hiệu và các nhắc tới nhãn phim
  • Bất cứ thứ gì được trình bày như một câu đùa hay một trò chơi chữ
  • Những dòng nằm trong đoạn thoại chồng tiếng hoặc nhiều tạp âm nền
  • Các dấu hiệu về lịch sự và tầng lời nói, nếu quan hệ giữa các nhân vật là quan trọng
  • Con số và giờ giấc, những thứ mà ASR rất hay nhận sai

Một quy tắc thực dụng: nếu chỉ một dòng phụ đề mà làm thay đổi cách bạn hiểu cả cảnh, hãy coi nó là chưa được kiểm chứng. Thông tin cốt truyện thật thường được nhắc lại hoặc được cho thấy bằng hình. Một tiết lộ chỉ xuất hiện đúng một lần, trong đúng một dòng, rồi không bao giờ lặp lại thì nhiều khả năng là sản phẩm phụ của dây chuyền chứ không phải một điểm trong kịch bản.

Làm sao đánh giá nhanh một bản phụ đề?

Xem vài phút đầu với năm phép kiểm tra sau, rồi thứ hạng của bản phụ đề sẽ lộ ra ngay.

Phép kiểm tra Một bản phụ đề yếu sẽ thế nào
Có dòng nào hiện ra trong lúc im lặng hoặc lúc chỉ có âm thanh phi ngôn từ không? Có, rất thường xuyên
Tên một người có được viết giống nhau ở mọi lần không? Không — nó trôi dần hoặc biến thành một danh từ thường
Đại từ chỉ một người có nhất quán không? Không — chúng lật qua lật lại giữa các dòng
Các dòng có ngắn đều và dài xấp xỉ nhau không? Có — dấu hiệu cắt đoạn tự động
Thành ngữ đọc lên có thành thứ vô nghĩa theo nghĩa đen không? Có — không hề có việc viết lại cho đúng thành ngữ

Dính từ hai dấu hiệu trở lên nghĩa là bạn đang xem đầu ra của một dây chuyền tự động, và chất lượng sẽ không khá lên ở phần sau của phim. Biết điều đó ngay từ đầu là đáng, vì nó cho bạn biết nên đặt bao nhiêu trọng lượng lên từng dòng thoại trong một hai tiếng còn lại.

Câu hỏi liên quan

Nền tảng nào có các bản phát hành kèm phụ đề thì khác nhau rất nhiều — hãy xem những gì chúng tôi đã lập chỉ mục tại danh sách site.