Može li veštačka inteligencija sama da titluje film?
Automatsko prepoznavanje govora i mašinski prevod danas rade zapanjujuće dobro, a i dalje ne mogu da isporuče titl koji platforma prihvata. Evo gde tačno pucaju.
Veštačka inteligencija ne može sama da isporuči titl koji platforma prihvata jer greši kod imena, humora, segmentacije i poravnanja sa rezovima.
Izaberi iznos ili skeniraj kod bez iznosa pa ga upiši u banci. Novac ide direktno na račun autora (GoSimple), Trek ne uzima ništa i nije posrednik u plaćanju.
Na telefonu: preuzmi kod, pa ga u aplikaciji banke učitaj iz galerije.
Ne sama. Automatsko prepoznavanje govora i mašinski prevod odlično ubrzavaju prve korake i danas su normalan alat u struci, ali greše tamo gde greška najviše košta: kod imena, kod višeznačnih replika, kod humora, kod segmentacije po smislu i kod poravnanja sa rezovima. Titl koji nije prošao ljudsku lekturu i kontrolu kvaliteta redovno se vraća sa isporuke, pa ušteda na prevodu postane trošak na rokovima.
Ovo nije odbrana zanata od tehnologije. Alati za prepoznavanje govora su u poslednjih nekoliko godina postali dovoljno dobri da se koriste kao polazna tačka, a nijedan ozbiljan studio ih ne ignoriše. Pitanje je gde se u lancu koriste i ko potpisuje rezultat.
Šta mašina radi dobro
| Zadatak | Mašina | Čovek |
|---|---|---|
| Transkript čistog govora | Vrlo dobro, brzo | Sporije, isto tačno |
| Grubi vremenski kod | Dobro | Dobro, ali nema smisla ručno |
| Preklapajući govor i buka | Slabo | Pouzdano |
| Lična imena i nazivi | Nepredvidivo, menja oblik | Dosledno kroz ceo naslov |
| Sažimanje na 42 znaka | Loše, seče po pauzi | Seče po smislu |
| Humor, ironija, dvosmislice | Vrlo slabo | Suština posla |
| Poravnanje sa rezovima | Ne pokušava | Standardni korak |
| Odgovornost za isporuku | Nema je | Ima ime i potpis |
Zašto je srpski teži slučaj
Modeli su najbolji tamo gde ima najviše podataka, a to je engleski. Srpski nosi padeže, rod koji se slaže kroz rečenicu i dva pisma, pa mašinski prevod ume da proizvede rečenicu koja je gramatički moguća, a u kontekstu scene pogrešna. Klasičan primer je obraćanje: mašina ne zna da li likovi jedno drugom persiraju, jer u engleskom originalu te razlike nema. Ta odluka menja ceo odnos u sceni i donosi je čovek, ne alat.
Skrivena cena jeftinog titla
Kada se titl radi bez ljudske kontrole, trošak ne nestaje, nego se pomera. Prvo na kontrolu kvaliteta naručioca, koja mora da pročita ceo naslov. Zatim na ispravke, koje su skuplje od prvobitnog posla jer se rade pod pritiskom roka. Na kraju i na reputaciju, jer gledalac ne zna ko je radio titl, ali zna čiju platformu gleda.
Zato se u ozbiljnim lancima automatski alat koristi kao pomoć prevodiocu, a ne kao zamena za njega, i zato posle njega uvek stoje lektura i lingvistička kontrola kvaliteta kao odvojene faze sa odvojenim ljudima.
Imate titlove nastale automatski i niste sigurni da li su spremni za isporuku? Provera celog fajla i ispravka rade se kao poseban posao, bez ponovnog prevođenja od nule. Ispravke posle kontrole kvaliteta
Česta pitanja
Da li profesionalni studiji uopšte koriste veštačku inteligenciju?
Koriste je, najčešće za automatski transkript i za grubi vremenski kod, jer to skraćuje najmehaničkiji deo posla. Razlika je u tome što rezultat ulazi u tok rada kao nacrt koji čovek prerađuje, a ne kao gotov proizvod koji se prosleđuje naručiocu.
Koliko je automatski titl tačan na srpskom?
Za čist studijski govor dovoljno tačan da bude korisna polazna tačka, ali osetno slabiji kod preklapajućeg govora, buke, dijalekata i vlastitih imena. Osim toga, tačnost reči nije isto što i upotrebljivost titla, jer segmentacija i brzina čitanja ostaju nerešene.
Da li se cena smanjuje ako već imam automatski transkript?
Može da se smanji, pod uslovom da je transkript zaista upotrebljiv i da odgovara tačnoj verziji montaže. Kod lošeg transkripta ispravljanje često traje duže od pisanja iz početka, pa se materijal prvo pregleda i tek onda daje procena.
Vezano: pravila dobrog titla i ko stoji iza Librum Studija.
