วิธีแบ่งบรรทัดคำบรรยายอย่างเป็นธรรมชาติ (กฎและเครื่องมืออัตโนมัติ)

TL; DR: บรรทัดคำบรรยายจะแบ่ง "ตามธรรมชาติ" เมื่อแต่ละบรรทัดมีส่วนไวยากรณ์ที่สมบูรณ์ซึ่งผู้ชมสามารถอ่านได้ในพริบตาเดียว กฎหลัก: รักษาแต่ละบรรทัดให้ไม่เกินจำนวนอักขระสูงสุด (Netflix อนุญาตให้มีอักขระได้สูงสุด 42 ตัวต่อบรรทัดสำหรับสคริปต์ละติน, 16 ตัวสำหรับภาษาจีน/ญี่ปุ่น/เกาหลี) ใช้ไม่เกินสองบรรทัด แบ่งหลังเครื่องหมายวรรคตอนหรือขอบเขตอนุประโยค และอย่าแยกหน่วยไวยากรณ์ อย่าทิ้งบทความ คำบุพบท หรือคำเชื่อมห้อยต่อท้ายบรรทัด คำบรรยายที่สร้างขึ้นโดยอัตโนมัติแบ่งบรรทัดได้ไม่ดีเนื่องจากแบ่งตามจำนวนอักขระหรือปิดช่องว่าง ไม่ใช่ความหมาย หากต้องการแก้ไขปัญหานี้ในวงกว้าง ให้ใช้เครื่องมือที่จะแบ่งบรรทัดที่ขอบเขตธรรมชาติโดยอัตโนมัติ GeekLink ทำสิ่งนี้บน Mac ในเครื่อง ขณะที่ถอดเสียงหรือแยกคำบรรยาย ดังนั้นคุณจึงเริ่มต้นจากบรรทัดที่ขาดๆ หายๆ แทนที่จะฟอร์แมตทุกคิวด้วยมือ

อะไรทำให้บรรทัดคำบรรยายแตก "ดี"

การเว้นบรรทัดคำบรรยายที่ดีจะทำให้แต่ละบรรทัดเป็นเหมือนส่วนไวยากรณ์ในตัวเอง ดังนั้นสายตาของผู้ชมจึงสามารถอ่านบรรทัดทั้งหมดได้ในคราวเดียว แทนที่จะอ่านรวดเดียวครึ่งวลี คำบรรยายจะถูกอ่านเป็นช่วงสั้นๆ ในขณะที่ผู้ชมกำลังดูภาพ ดังนั้นวิธีที่ประโยคถูกแยกเป็นบรรทัดจะส่งผลโดยตรงต่อความง่ายและรวดเร็วในการเข้าใจประโยค

มาตรฐานทางวิชาชีพมาบรรจบกันบนแนวคิดเดียวกัน ที่ คู่มือสไตล์ข้อความแบบตั้งเวลาของ Netflix ใช้อักขระสูงสุด 42 ตัวสำหรับภาษาละตินสคริปต์ (และ 16 ตัวสำหรับภาษาจีน ญี่ปุ่น และเกาหลี) จำกัดแต่ละคำบรรยายไว้ที่ 2 บรรทัด และขอให้ข้อความ "แยกย่อยตามหน่วยทางภาษาเชิงตรรกะ" ด้วยความเร็วในการอ่านที่ประมาณ 17 อักขระต่อวินาทีสำหรับเนื้อหาสำหรับผู้ใหญ่ ที่ หลักเกณฑ์คำบรรยายของ BBC ในทำนองเดียวกันแนะนำให้ผู้แก้ไขแบ่งบรรทัด "ที่จุดธรรมชาติ" — ที่ท้ายประโยคหรือประโยค — แทนที่จะวางตำแหน่งอักขระตามอำเภอใจ

เวอร์ชันสั้น: การขึ้นบรรทัดใหม่ควรอยู่ในจุดที่บุคคลจะหยุดชั่วคราวตามธรรมชาติ และแต่ละบรรทัดควรสมเหตุสมผลด้วยตัวมันเอง เมื่อสิ่งนั้นเกิดขึ้น คำบรรยายจะรู้สึกเหมือนมองไม่เห็น เมื่อไม่เป็นเช่นนั้น ผู้ชมจะสังเกตเห็นการแบ่งแยกที่น่าอึดอัดใจ อ่านซ้ำ และอยู่หลังภาพ

เหตุใดคำบรรยายที่สร้างอัตโนมัติโดย AI จึงแบ่งบรรทัดได้ไม่ดี

เครื่องมือสร้างคำบรรยายอัตโนมัติส่วนใหญ่แบ่งบรรทัดตามจำนวนอักขระหรือตามช่องว่างในเสียง — ไม่ใช่ตามความหมาย — ดังนั้นบรรทัดเหล่านั้นจึงแบ่งระหว่างวลีเป็นประจำ เครื่องมือแปลงคำพูดเป็นข้อความสร้างกระแสคำพร้อมการกำหนดเวลา เมื่อคิวยาวเกินไป เครื่องมือที่ไร้เดียงสาก็จะตัดมันไปยังช่องว่างที่ใกล้ที่สุดภายใต้จำนวนอักขระสูงสุด โดยไม่เข้าใจว่าจริงๆ แล้วอนุประโยคสิ้นสุดลงที่ใด

นั่นคือสาเหตุที่คำบรรยายอัตโนมัติแบบ Raw มักจะต่อท้ายคำเล็กๆ เช่น "to", "the", "and", "of" หรือแยกชื่อ ตัวเลข หรือวลีกริยาข้ามตัวแบ่ง แต่ละสิ่งเหล่านี้บังคับให้ผู้อ่านมีความคิดที่ไม่สมบูรณ์ข้ามบรรทัด

ขณะนี้ปัญหานี้ได้รับการยอมรับอย่างกว้างขวางว่าเป็นคอขวดที่แท้จริงในการบรรยาย ตามการวิเคราะห์อุตสาหกรรมที่ หลายภาษา ใส่มัน ความท้าทายหลักในการบรรยายแบบมืออาชีพไม่ใช่ความแม่นยำในการจดจำอีกต่อไป แต่มันคือการแบ่งส่วน: การแบ่งบรรทัด วิธีจัดกลุ่มประโยค และจำนวนผู้ดูสามารถอ่านได้ในคราวเดียว การถอดเสียงอาจเป็นคำที่สมบูรณ์แบบและยังคงสร้างคำบรรยายที่น่าเบื่อหน่ายในการอ่าน สาเหตุหลักมาจากการแบ่งบรรทัดเท่านั้น

เหตุใดคำบรรยาย Whisper ของฉันจึงยาวเกินไป — และฉันจะแก้ไขได้อย่างไร

Whisper และกลไกการแปลงคำพูดเป็นข้อความส่วนใหญ่ จะแยกเอาต์พุตตามความเงียบในเสียง ไม่ใช่ตามความยาวบรรทัด ดังนั้นคำบรรยาย Whisper เดี่ยวมักจะยาว 60–90 อักขระ ซึ่งเลยขีดจำกัดความสามารถในการอ่านอักขระ ~42 ตัวไปแล้ว การถอดเสียงมีความถูกต้อง แต่ Whisper ไม่มีแนวคิดเรื่องความเร็วในการอ่านหรือจุดสิ้นสุดของประโยค ดังนั้นประโยคยาวๆ ที่หยุดไม่กี่ครั้งจึงกลายเป็นคิวยาวที่อ่านยาก

การแก้ไขด่วนคือขีดจำกัดตามกฎ วิ่งกระซิบ (หรือ เร็วขึ้นกระซิบ) ด้วย --max_line_width 42 --max_line_count 2 --word_timestamps True forces each line under 42 characters. ป้องกันไม่ให้บรรทัดยาวเกินไป แต่เนื่องจากแยกในเครื่องที่ใกล้ที่สุดมากกว่าความหมาย วลีจึงยังคงสามารถทำลายความคิดกลางคันได้ — ข้อจำกัดเดียวกันกับกฎการนับอักขระใดๆ

หากต้องการให้บรรทัดแบ่งตามความหมายแทนที่จะเป็นจำนวนอักขระ คุณต้องมีเครื่องมือที่แบ่งส่วนตามความหมาย — the การเปรียบเทียบเครื่องมือด้านล่าง แสดงให้เห็นว่าอันไหนทำ

กฎเกณฑ์ในการทำลายบรรทัดคำบรรยายอย่างเป็นธรรมชาติ

ไม่ว่าคุณจะแยกบรรทัดด้วยมือหรือใช้เครื่องมือ สิ่งเหล่านี้คือกฎที่โปรแกรมแก้ไขใช้เพื่อให้คำบรรยายสามารถอ่านได้ สิ่งเหล่านี้ดึงมาจากมาตรฐานของ Netflix และ BBC ข้างต้น และสอดคล้องกับหลักเกณฑ์การออกอากาศและสตรีมมิ่งส่วนใหญ่

• ปฏิบัติตามขีดจำกัดอักขระต่อบรรทัด ประมาณ 42 อักขระต่อบรรทัดสำหรับสคริปต์ละติน และน้อยกว่าสำหรับสคริปต์หนาแน่น (Netflix ใช้ 16 ตัวสำหรับ CJK) การก้าวข้ามจะทำให้สายตาต้องติดตามไปไกลเกินไป
• ใช้ไม่เกินสองบรรทัด คำบรรยายที่ขยายไปบรรทัดที่สามครอบคลุมรูปภาพมากเกินไปและใช้เวลาอ่านนานเกินไป
• หยุดพักหลังเครื่องหมายวรรคตอน เครื่องหมายจุลภาค จุด เครื่องหมายคำถาม หรือเครื่องหมายวรรคตอนอื่นๆ เป็นการหยุดชั่วคราวตามธรรมชาติ ซึ่งเป็นจุดที่ดีที่สุดในการแยก
• แตกที่ขอบเขตข้อ หากไม่มีเครื่องหมายวรรคตอน ให้แยกระหว่างประโยคหรือวลี (ก่อนคำเชื่อม เช่น "และ", "แต่", "เพราะ" หรือหน้าคำสรรพนามที่เกี่ยวข้อง เช่น "ซึ่ง", "นั่น")
• เก็บหน่วยไวยากรณ์ไว้ด้วยกัน อย่าแยกบทความออกจากคำนาม ("the / house") คำบุพบทจากวัตถุ ("in / the room") หรือชื่อและนามสกุล ให้เครื่องอยู่ในบรรทัดเดียว
• อย่าติดคำเล็กๆ ที่ท้ายบรรทัด บทความ คำบุพบท และคำสันธาน ("a", "the", "to", "of", "and") ควรเริ่มต้นบรรทัดถัดไป โดยไม่ห้อยต่อท้ายบรรทัดก่อนหน้า
• ปรับสมดุลทั้งสองบรรทัด หลีกเลี่ยงบรรทัดที่ยาวมากเหนือบรรทัดที่สั้นมาก บรรทัดคู่โดยประมาณอ่านได้ราบรื่นขึ้นและดูมีเจตนามากขึ้น
• ดูความเร็วในการอ่าน แม้แต่คำบรรยายที่ไม่สมบูรณ์ก็ยังอ่านยากหากอยู่บนหน้าจอสั้นเกินไป — ให้มีความยาวประมาณ 17 อักขระต่อวินาทีสำหรับผู้ชมทั่วไป

นิสัยที่มีประโยชน์ที่สุดประการเดียว: อ่านออกเสียงแต่ละบรรทัดด้วยตัวเอง ถ้ามันฟังดูเป็นชิ้นส่วนตามธรรมชาติ การแตกหักก็ดี ถ้าฟังดูเหมือนขาดช่วงกลางลมหายใจ ให้ขยับช่วงพัก

การแบ่งบรรทัดที่ดีและไม่ดี: ตัวอย่าง

รับประโยค “เราไปงานปาร์ตี้ไม่ได้เพราะว่าฝนตก” แบ่งเป็นสองบรรทัด จะแตกดีหรือไม่ดีก็ได้:

หยุดพักไม่ดี - การร่วมจะติดอยู่ที่ส่วนท้ายของบรรทัดแรก โดยแยกอนุประโยค:

We can't go to the party because
it's raining.

พักดีๆ — รอยแยกตก ก่อน การเชื่อม ดังนั้นแต่ละบรรทัดจึงเป็นส่วนที่สมบูรณ์และอ่านง่าย:

We can't go to the party
because it's raining.

ตัวแบ่งบรรทัดคำบรรยายแตกต่างกันอย่างไรในแต่ละภาษา

กฎการแบ่งบรรทัดนั้นไม่เป็นสากล — การแบ่งบรรทัดที่ถูกต้องนั้นขึ้นอยู่กับวิธีการเขียนภาษา เครื่องมือหรือโปรแกรมแก้ไขที่เพิกเฉยต่อสิ่งนี้จะสร้างคำบรรยายที่ดูดีในภาษาอังกฤษและไม่ถูกต้องในภาษาญี่ปุ่น ตารางด้านล่างสรุปขีดจำกัด บันทึกต่อภาษาจะตามมา

พารามิเตอร์	อักษรละติน	จีน / ญี่ปุ่น / เกาหลี
จำนวนอักขระสูงสุดต่อบรรทัด	~42	~16
บรรทัดสูงสุดต่อคำบรรยาย	2	2
ความเร็วในการอ่าน	สูงสุด ~17 ตัวอักษร/วินาที	ต่ำกว่า (แต่ละตัวมีมากกว่า)
ที่หยุดพักตก	ที่ช่องว่าง — หลังเครื่องหมายวรรคตอน ก่อนคำสันธาน	ที่ขอบเขตคำหรือประโยค (ไม่มีการเว้นวรรค)
กฎเฉพาะภาษา	อย่าเรียงบทความหรือคำบุพบทที่ส่วนท้ายของบรรทัด	คินโซกุของญี่ปุ่น (อักขระห้ามขึ้น/ลงบรรทัด)

ตัวเลขเหล่านี้เป็นไปตาม คู่มือสไตล์ข้อความแบบตั้งเวลาของ Netflix สำหรับวิดีโอมาตรฐาน (แนวนอน) วิดีโอแบบสั้นแนวตั้ง (TikTok, Reels, Shorts) จะแคบกว่า ดังนั้นครีเอเตอร์จึงมักใช้บรรทัดที่สั้นกว่า ไม่มีการจำกัดจำนวนอักขระอย่างเป็นทางการสำหรับวิดีโอแนวตั้ง ดังนั้นให้ทดสอบกับขนาดแบบอักษรและแพลตฟอร์มเป้าหมายของคุณ

ภาษาละตินสคริปต์ (อังกฤษ สเปน โปรตุเกส ฯลฯ) ใช้ช่องว่างระหว่างคำ ดังนั้นการเว้นวรรคจึงอยู่ที่ช่องว่างและงานหลักคือการเลือกคำที่ถูกต้อง: หลังเครื่องหมายวรรคตอน ก่อนคำเชื่อม และอย่าปล่อยให้คำฟังก์ชันห้อยต่องแต่ง จำนวนอักขระสูงสุดค่อนข้างมาก (ประมาณ 42 ตัวต่อบรรทัด)

จีน ไม่มีช่องว่าง ดังนั้นตัวแบ่งจะต้องอยู่ที่ขอบเขตของคำหรืออนุประโยคที่ระบุโดยการแยกวิเคราะห์ข้อความ ไม่ใช่ช่องว่าง บรรทัดยังสั้นกว่ามาก (ประมาณ 16 อักขระ) เนื่องจากอักขระแต่ละตัวมีข้อมูลมากกว่า

ภาษาญี่ปุ่น เพิ่ม คินโซคุ โชริ — กฎการแบ่งบรรทัดที่ห้ามไม่ให้อักขระบางตัวเริ่มหรือสิ้นสุดบรรทัด (บรรทัดไม่ควรขึ้นต้นด้วยเครื่องหมายวรรคตอนปิด คานะตัวเล็ก หรือสระเสียงยาว) การหยุดพักที่ดีมักจะอยู่หลังอนุภาคหรือหลังเครื่องหมายวรรคตอน

เกาหลี ใช้ช่องว่างระหว่างวลี (eojeol) ดังนั้นตัวแบ่งจะอยู่ที่ขอบเขตเหล่านั้น โดยมีขีดจำกัดต่อบรรทัดที่สั้นกว่าสคริปต์ละติน

นี่คือเหตุผลว่าทำไม "เพียงแค่แยกที่ 42 อักขระ" จึงล้มเหลวทันทีที่คุณทำงานข้ามภาษา ขีดจำกัด จุดพัก และตำแหน่งที่ต้องห้ามทั้งหมดเปลี่ยนไป เครื่องมือคำบรรยายที่จัดการหลายภาษาได้ดีต้องใช้กฎที่แตกต่างกันในแต่ละภาษา

วิธีแบ่งบรรทัดคำบรรยายโดยอัตโนมัติ

การตัดทุกบรรทัดด้วยมือนั้นแม่นยำแต่ช้า — ในวิดีโอขนาดยาวหรือไฟล์จำนวนมาก จะกลายเป็นส่วนที่น่าเบื่อที่สุดของคำบรรยาย ระบบอัตโนมัติมีสามระดับ:

แนวทาง	มันทำงานอย่างไร	การแลกเปลี่ยน
แบ่งอัตโนมัติตามกฎ	บังคับใช้ขีดจำกัดอักขระต่อบรรทัด (ในโปรแกรมแก้ไข เช่น การโปรแกรมแก้ไขคำบรรยายแบบโอเพนซอร์ส)	รวดเร็ว แต่ตำแหน่งตัวแบ่งมักต้องมีการปรับด้วยตนเอง การนับจำนวนอักขระไม่เหมือนกับการแตกที่จุดปกติ
แบ่งบรรทัดตามความหมาย / AI	ใช้ NLP หรือโมเดลภาษาเพื่อทำลายขอบเขตทางไวยากรณ์ หลังจากเครื่องหมายวรรคตอน หลีกเลี่ยงการแยกวลี	เป็นธรรมชาติมากกว่า แต่มีเครื่องมือจำนวนมากที่ทำงานบนคลาวด์หรือบนเว็บ ดังนั้นการถอดเสียงหรือวิดีโอของคุณจึงถูกอัปโหลดไปยังบริการระยะไกล
AI แบ่งตามความหมายในเครื่อง (GeekLink)	AI แยกแต่ละคิวตามขอบเขตของกลุ่มความหมาย (ไม่ใช่แค่หลังเครื่องหมายวรรคตอน) รักษาทุกบรรทัดให้อยู่ในขีดจำกัดการออกอากาศด้วยกฎที่ถูกต้องสำหรับแต่ละภาษา — ทั้งหมดนี้ในขณะที่ถอดเสียงบนอุปกรณ์เต็มรูปแบบ	รวมการทำลายคุณภาพ AI เข้ากับความเป็นส่วนตัวในในเครื่องและการประมวลผลเป็นชุด แอปเดสก์ท็อปสำหรับ Mac และ Windows

GeekLink ใช้การแบ่งบรรทัดความหมายของ AI โดยอัตโนมัติในขณะที่ถอดเสียงคำพูด โดยแยกแต่ละคิวตามขอบเขตกลุ่มความหมายตามธรรมชาติ แทนที่จะแยกตามเครื่องหมายวรรคตอน ทำให้ทุกบรรทัดอยู่ในขีดจำกัดการออกอากาศที่อ่านได้ และใช้กฎที่ถูกต้องต่อภาษา (รวมถึงจีน ญี่ปุ่น และเกาหลี) เครื่องมือส่วนใหญ่บังคับให้มีการแลกเปลี่ยน: การทำลายคุณภาพ AI ที่อัปโหลดการถอดเสียงของคุณไปยังบริการคลาวด์ หรือ การประมวลผลในเครื่องที่บังคับใช้เฉพาะจำนวนอักขระเท่านั้น GeekLink แบ่งตามความหมายของ AI บนคอมพิวเตอร์ของคุณโดยสิ้นเชิง — วิดีโอของคุณจึงไม่มีวันออกจากเครื่อง และเนื่องจากเป็นการประมวลผลแบบกลุ่ม การจัดรูปแบบที่เสียหายแบบเดียวกันจึงถูกนำไปใช้กับไฟล์หลายสิบไฟล์ในการผ่านครั้งเดียว คุณเริ่มต้นจากคำบรรยายที่เสียหายอย่างสมเหตุสมผล แทนที่จะฟอร์แมตทุกคิวด้วยมือ

GeekLink จับคู่สิ่งนี้กับการรู้จำคำพูดแบบ Whisper, OCR วิดีโอที่แยกคำบรรยายแบบฮาร์ดโค้ด (เบิร์นอิน) และการแปล AI แบบรับรู้บริบทในกว่า 40 ภาษา ดังนั้นการถอดเสียง การดึงข้อมูล การแปล และการจัดรูปแบบบรรทัดจึงเกิดขึ้นในเวิร์กโฟลว์เดียว แทนที่จะใช้เครื่องมือหลายอย่าง

เครื่องมือใดแบ่งบรรทัดอัตโนมัติ และเครื่องมือใดแบ่งตามความหมาย

เครื่องมือคำบรรยายทั่วไปมีเพียงแพลตฟอร์มคลาวด์เช่น Matesub และเครื่องมือในเครื่องเช่น GeekLink ที่แยกบรรทัดตามความหมาย ที่เหลือจะแยกตามจำนวนอักขระหรือปล่อยให้เป็นหน้าที่ของคุณ ตารางด้านล่างแสดงวิธีที่แต่ละรายการจัดการกับการขึ้นบรรทัดใหม่ ไม่ว่าจะเป็นแบบอัตโนมัติ และทำงานภายในเครื่องหรือไม่

เครื่องมือ	แบ่งบรรทัดโดย	อัตโนมัติ?	ทำงานในเครื่องหรือไม่?
Whisper / เร็วขึ้น - กระซิบ	จำนวนตัวอักษร (--max_line_width)	กึ่ง (ธง CLI)	ใช่
โปรแกรมแก้ไขคำบรรยาย	จำนวนตัวอักษร (จำกัด CPL)	การตรวจสอบแบบกึ่ง + ด้วยตนเอง	ใช่
แคปคัท	— (แยกด้วยตนเอง)	ไม่ - แยกด้วยมือ	แอปเดสก์ท็อป + บัญชี
เอกิซอบ	— (คู่มือ)	ไม่	ใช่
เมทซับ	ความหมาย + ค่าที่ตั้งไว้ออกอากาศ	ใช่	ไม่ — คลาวด์ (อัปโหลด)
GeekLink	ความหมาย (กลุ่มความหมาย AI)	ใช่	ใช่ — บนอุปกรณ์

ความช่วยเหลือของ CapCut บอกให้ผู้ใช้แยกคำบรรยายขนาดยาวด้วยตนเองด้วยเครื่องมือกรรไกร Aegisub ไม่มีการแบ่งส่วนอัตโนมัติ Whisper และ Subtitle Edit บังคับใช้จำนวนอักขระสูงสุด แต่แยกในช่องว่างที่ใกล้ที่สุด ไม่ใช่ส่วนคำสั่ง Matesub แบ่งตามความหมายแต่ใช้เบราว์เซอร์ ดังนั้นวิดีโอของคุณจึงถูกอัปโหลด GeekLink แบ่งตามความหมายทั้งหมดบนคอมพิวเตอร์ของคุณ ดังนั้นวิดีโอจะไม่ออกจากเครื่องของคุณ

คำถามที่พบบ่อย

บทความที่เกี่ยวข้อง