视频:直播字幕的最佳实践

蒂姆Siglin: 欢迎回到2016年流媒体西部的Almost Live. 和我一起的还有Heather Hurford，她是LinkedIn的直播视频制作人. 希瑟，谢谢你加入我们.

希瑟Hurford: 谢谢你，蒂姆.

蒂姆Siglin: 我理解你想要解决的一个挑战, 这对我们所有人来说都是一个巨大的挑战, 现场字幕不公开. 有很多不同的部分. 你是如何分解问题并寻找解决方案的?

希瑟Hurford: 这真的是出于需要, 领英需要在我们自己的内部环境需求中添加标题，以使我们的工作环境更容易接近和包容. 我有一段历史, 语言背景, 所以这对我来说是一个很好的项目，我实际上是在21世纪初为一个全国性的电视频道添加封闭字幕，当时联邦通信委员会要求在所有广播中添加字幕, 所以我有一些经验. 我举起了手，结果发现比我想象的更有挑战性. 我认为现在最困难的事情是，这个存在于广播世界的标准并没有被网络世界所采用，以及背后的原因, 就像我发现的那样并不是一成不变的.

蒂姆Siglin: 我回到这个行业已经18年了. 我记得SmileFiles是Real实现的一部分, 然后在Windows媒体上有了其他的技术解决方案. 我们有格式问题. 这是一个问题. 你还发现了什么其他的问题来解释为什么有些东西没有被采纳或者为什么没有标准本身, 上下文, 等.?

希瑟Hurford: 直播与视频点播的字幕不同, 所以我非常关注直播，因为我认为这是点播的, 实际上有一些相当不错的解决方案. 有很多不同的文件格式可以使用. 大多数平台都支持一种以上的文件格式，所以你有很多选择. 当谈到直播时，许多玩家实际上并不支持真正的封闭字幕.

蒂姆Siglin: 所以你的意思是来自特定视频平台的点播播放器可能支持时间标签，但直播视频播放器不支持?

希瑟Hurford: 完全.

蒂姆Siglin: 好吧. 所以它不像以前的21天那样简单我们在21天里做了插入.

希瑟Hurford: No, 这就是问题所在，没有一个真正的标准被所有的在线媒体播放器所采用, 所以YouTube有一段时间有了一个解决方案，在后台添加字幕信息, 这对我们在领英做的编程来说不太好，因为领英就是不停地讲故事，没有很多休息, 所以它真的很难跟上它. 我们会丢失大量的文本, 所以YouTube是最早支持708标准的公司之一，也就是数字——

蒂姆Siglin: 相当于第21行，对.

希瑟Hurford: 没错，在广播界. 这很好，因为所有的装备都在那里, 字幕编码器, 这是他们提供的信息，所以我们在我们的信号流中添加了一个封闭的字幕编码器，所以当我们在YouTube上直播时，效果很好, 但许多其他平台不支持它. 以我们使用的内部播放器为例，它无法获取数据并在播放器中解码. 本质上, 我们现在在内部做的是创建两个流, 一个有文字说明，一个没有文字说明，我们让观众决定他们想要哪种体验，而不是来回切换.

蒂姆Siglin: 来回切换. 好的，本质上, 你这是在做我们以前从电影转移过来时所说的时间代码燃烧, 所以实际上他们

希瑟Hurford: 这是公开的说明文字.

蒂姆Siglin: 哇. 这太疯狂了.

希瑟Hurford: 显然不是——

蒂姆Siglin: 这不是一个优雅的解决方案.

希瑟Hurford: 这不是一个优雅的解决方案. 就像我说的，这是暂时的变通办法, 这完全取决于平台，所以我们刚刚在Ustream上举办了我们最大的会议，Ustream支持708. 我们能够获得非常好的用户体验，封闭式字幕.

蒂姆Siglin: 法什的死对你的事业有什么影响, 因为Flash的优点之一是，它本身就具有一些时间文本功能. 显然，我们现在转向HTML5播放器. 你是否觉得HTML5玩家更优秀, 考虑到这一点的公司, 或者它仍然是一些支持它的人的大杂烩, 有些人不支持?

希瑟Hurford: 我在找一个大杂烩. YouTube和Ustream是我在直播领域发现的唯一支持它的大玩家. 其他人会说他们支持708，但他们实际上并不支持708标准, 他们提供了一个不同的解决方案，通常不是很好的用户体验. 我看过一些文字说明... 我用引号, 标题, 因为它实际上是在一个单独的窗口中弹出的滚动记录.

蒂姆Siglin: 窗口，对，没错.

希瑟Hurford: 对于大多数这些解决方案，您都有义务使用与他们合作的字幕提供商和质量, 它往往不是很好. 我总是喜欢指出，理解与准确性息息相关, 所以如果你和我在谈话，你只理解了我所说的70%, 这不是一个很好的谈话.

蒂姆Siglin: 这让我想到了一个有趣的问题. 在过去十年左右的时间里，我研究过一些语音到文本的解决方案, 其中一个想法是，我们会在那里插入一个语音到文本的引擎，让它做那个，然后你把它放在字幕上, 但在现实中, 除非它受过训练, 你得到了65%的准确率. 另一种选择是让人坐在那里打字当然，我们都用它看直播新闻, 有些是语音上的, 等. 您可以稍后回来为随需应变的资产清理它, 但如何做到这一点的最佳解决方案是什么?你对此有何看法?

希瑟Hurford: 实际上有一个中间地带, 这是我在LinkedIn添加字幕的过程中发现的，因为传统的转录员很难训练到超过一定的准确性水平. 能够达到90%范围的真正特殊的产品很少，而且需求量很大, 随着规模的扩大, 随着内容量的增加, 这是行不通的. 我发现在世界上的其他地方，人们也在使用声优, 这是一个语音到文本的解决方案，其中仍然有一个人在接受内容并重新说出来.

蒂姆Siglin: 啊，读它. 重述它.

希瑟Hurford: 把它重新说成一个速度

蒂姆Siglin: 系统是经过训练的. 语音到文本的转换是为他们训练的, 这样他们就能听到，如果你使用多种语言，从翻译的角度来看，这也会有所帮助, 我想. 好吧.

希瑟Hurford: 是的，这样就解决了准确性的问题. 它保留了人的因素. 人工智能还没有出现, 所以你仍然需要一个人来做决定，并在关键时刻做出解释, 坦率地说.

蒂姆Siglin: 这是迷人的. 他们可能会用自己的语言来翻译某人

希瑟Hurford: 这就是我们正在做的.

蒂姆Siglin: 或者他们可能是在解读另一个人.

希瑟Hurford: 我们现在做的是全英文，我们看到的准确性是令人难以置信的，成本实际上是... 我不想用数字来表示, 但这比我在2002年花在现场字幕上的钱要便宜得多.

蒂姆Siglin: 过去，我们的母亲或祖母坐在我们旁边，告诉我们电视上所说的一切，这让我们感到不安，现在，对一个能做到这一点的人来说，这实际上变成了一件有利可图的事情.

希瑟Hurford: 它是. 这是一种技能，有趣的是，说到技能，转录员需要几年的时间来训练. 这是一种技能，实际上是老龄化的劳动力, 大多数这样做的人, 因此，他们也被称为重新说话者或声优，可以在短短几个月内完成训练.

蒂姆Siglin: 这些配音作者中有多少人拥有LinkedIn的个人资料?

希瑟Hurford: 你知道, 我还不知道，但就像我说的，在美国有一个真正的商机, 我知道他们在欧洲做什么... 所有内容都配有字幕和字幕，而且是用多种语言制作的. 有巨大的需求和规模.