Bốn chỗ đáng kiểm trước trong phụ đề tự động

Video dài 35 giây trong ví dụ này chỉ có bốn chi tiết đáng chép lại: tên sản phẩm Northstar, mức giảm 15%, địa chỉ example.org/demo và thuật ngữ retrieval. Bản phụ đề tự động trông gần như hoàn chỉnh, nhưng lại ghi tên thành “North Star” và con số thành “50%”.

Đây là tình huống giả lập, không phải phép đo một dịch vụ nhận dạng giọng nói. Nó cho thấy một cách rà phụ đề trước khi xuất bản: đừng phân bổ cùng một mức chú ý cho mọi từ. Hãy tìm trước những đoạn mà chỉ một âm tiết sai cũng làm người xem chép sai thông tin.

Bốn loại chi tiết nên được đánh dấu trước

Mở transcript hoặc trình sửa phụ đề và tìm tên riêng, con số, địa chỉ web và thuật ngữ chuyên môn. Nếu công cụ có timestamp, ghi lại thời điểm của từng mục. Với đoạn giả lập, danh sách kiểm chỉ dài bốn dòng:

• 00:08 — Northstar;
• 00:17 — 15%;
• 00:24 — example.org/demo;
• 00:31 — retrieval.

Đây không phải danh sách mọi lỗi có thể xảy ra. Nó là cách tìm nhanh các điểm mà người xem có thể cần nhớ, tìm kiếm hoặc nhập lại. Sau vòng này, bạn vẫn nên xem toàn bộ phụ đề trong ngữ cảnh video.

Nghe lại, đừng sửa bằng mắt

Ở 00:08, transcript ghi “North Star”. Nếu slide trong video hiện logo “Northstar”, bạn đã có thêm một nguồn để xác nhận cách viết. Sửa theo bằng chứng đó, không theo cách viết phổ biến hơn mà bạn nhớ.

Ở 00:17, “50%” và “15%” có thể nhìn rất giống nhau trong transcript nhưng ý nghĩa khác hẳn. Nghe lại vài giây trước và sau timestamp. Nếu trên màn hình đồng thời có con số 15%, đối chiếu cả hai. Nếu audio vẫn không rõ và video không có nguồn khác, đánh dấu cho người biên tập thay vì chọn đại.

URL còn khắt khe hơn. Một dấu gạch hoặc chữ cái sai có thể khiến người xem không tới được trang được nhắc. Khi người nói đọc một địa chỉ web, hãy kiểm nó với slide, show notes hoặc nguồn do chính nhóm sản xuất cung cấp. Không tự mở rộng một URL nghe chưa rõ thành địa chỉ mà bạn nghĩ là đúng.

Phụ đề là nội dung, không chỉ là văn bản nhận dạng giọng nói

W3C Web Accessibility Initiative giải thích rằng captions cung cấp phiên bản văn bản của thông tin lời nói và âm thanh cần thiết để hiểu nội dung. Với video thu sẵn có audio, WCAG 2.2 cũng đặt captions như một yêu cầu accessibility ở tiêu chí 1.2.2. Điều đó làm thay đổi cách kiểm: mục tiêu không phải đạt một transcript “trông sạch”, mà là giúp người xem nhận được thông tin cần thiết từ video.

Vì vậy, sau khi sửa bốn điểm dễ gây hậu quả, bật video từ đầu và xem phụ đề cùng hình ảnh. Kiểm tra xem một câu có xuất hiện đúng lúc để người xem hiểu người nào đang nói, con số nào đang được chỉ trên màn hình và thuật ngữ nào thuộc phần giải thích hiện tại hay không. Bài này không thay thế một cuộc audit accessibility đầy đủ; nó chỉ tạo một vòng kiểm nội dung dễ thực hiện trước khi xuất bản.

Nếu nguồn cũng không rõ

Có lúc audio mờ, slide không chứa từ cần kiểm và ghi chú sản xuất cũng không có. Khi đó, “không xác nhận được” là kết quả hợp lệ. Gửi timestamp đó cho người nói hoặc biên tập viên biết nội dung gốc. Một phụ đề chưa chốt ở một điểm cụ thể an toàn hơn việc biến suy đoán thành tên, số hoặc đường dẫn công khai.

Cách làm này cũng giúp việc sửa nhanh hơn về mặt tổ chức: người kiểm không phải mô tả mơ hồ rằng “AI nghe sai vài chỗ”; họ có thể chuyển đúng timestamp và đúng loại thông tin cần xác nhận. Không cần tuyên bố AI tốt hay tệ nói chung. Chỉ cần biết điểm nào đã có bằng chứng để sửa và điểm nào chưa có.

Nguồn tham khảo

• W3C WAI — Captions/Subtitles: giải thích vai trò của captions đối với nội dung lời nói và âm thanh trong media.
• W3C — Understanding WCAG 2.2, Captions (Prerecorded): dùng để xác nhận yêu cầu captions đối với nội dung audio đồng bộ thu sẵn trong phạm vi tiêu chí 1.2.2.