Convertir SBV en VTT

Le mouvement est le même que pour la plupart des conversions de sous-titres : un fichier SBV arrive d’un outil YouTube — Studio, un script d’archive, un export de bulk — et doit finir sur un lecteur qui n’a rien à voir avec YouTube. Une page qui héberge sa propre vidéo, une plateforme de cours, un portfolio, un intranet. La vidéo se transpose et se téléverse sans problème, et ce sont les sous-titres qui n’arrivent pas à suivre.

SBV est un format de niche, essentiellement lu par l’écosystème qui l’a produit. Hors de là, un navigateur ne sait qu’en faire, et le silence est complet : la vidéo joue, le menu des sous-titres est vide, et rien dans la console n’explique pourquoi. WebVTT est ce que la balise track accepte, et la conversion est ce qui fait passer une piste SBV d’un outil à un standard ouvert.

Un fichier WebVTT doit commencer par le mot WEBVTT sur sa propre première ligne, seul, avant tout le reste. Ce n’est pas de la documentation, ce n’est pas une étiquette : un parseur qui ne trouve pas cette ligne refuse le fichier sans lire plus loin. Le SBV n’a aucun en-tête de ce genre, parce que sa première ligne utile est déjà un horodatage.

Le convertisseur écrit donc l’en-tête, une ligne vide, puis les répliques. C’est la seule partie du format WebVTT qui n’a pas d’équivalent dans la source, et c’est la raison pour laquelle un simple renommage échoue. L’en-tête est également la pièce qu’une approche à la main oublie le plus souvent, parce qu’elle ressemble à un commentaire.

SBV écrit l’horodatage sur une seule ligne, deux temps séparés par une virgule, les heures non remplies, les millisecondes après un point. WebVTT veut deux temps séparés par une flèche sur leur propre ligne, les heures remplies par des zéros, les millisecondes après un point. Les millisecondes elles-mêmes ne changent pas, parce que les deux formats en écrivent trois.

Les minutages restent exacts à la milliseconde. La conversion tient les valeurs en millisecondes entières et ne les arrondit ni ne les décale, donc une réplique qui commençait à 0:04:12.500 commence à 00:04:12.500 dans le VTT. La différence de ponctuation est complète, la différence de position dans le temps est nulle, et c’est ce qui rend cette conversion rapide à vérifier en ouvrant un des deux fichiers dans un éditeur.

Une part importante des fichiers SBV en circulation sortent d’une reconnaissance vocale, et la conversion n’améliore pas les mots. Les reconnaisseurs sont fiables sur le langage courant et peu fiables sur les noms propres, les acronymes, le vocabulaire technique, et les termes qu’une présentation fait passer pour acquis — c’est-à-dire précisément les mots qui portent le sens de la phrase.

Cela compte davantage une fois la vidéo sortie de YouTube. Pour les organismes publics et un nombre croissant d’entreprises, des sous-titres sur une vidéo à la demande sont une exigence légale sous le régime d’accessibilité plutôt qu’une commodité, et une transcription automatique non vérifiée n’y répond pas. Le déficit n’est pas que de précision : un sous-titre d’accessibilité doit porter ce qui est audible mais non parlé — qui parle hors champ, quand la musique démarre, quel était le son — et une machine n’en produit aucun.

Chaque réplique WebVTT peut porter des réglages après son horodatage de fin : un réglage `line` qui la déplace verticalement, un `align` qui la déplace horizontalement, un `position` et un `size`. SBV n’offre rien de tel, donc la sortie arrive sans réglage et toutes les légendes se posent en bas au centre.

Ajouter ces réglages est la première chose qui mérite d’être faite sur un lecteur auto-hébergé. Le bas du cadre est l’endroit où le lecteur dessine ses propres contrôles, et là où les productions vidéo posent leurs lower thirds ; une légende qui empiète sur l’un ou l’autre est la plainte la plus courante sur la vidéo auto-hébergée. Deux mots sur la ligne de minutage la sortent du chemin pour quelques secondes, et aucune quantité de CSS n’obtient le même résultat.

SBV n’a aucun mécanisme pour attribuer une réplique à un locuteur, donc les fichiers qui en ont besoin utilisent une convention : un nom et un deux-points, ou un tiret en début de chaque réplique comme le sous-titrage de diffusion l’a toujours fait. Ces caractères sont copiés tels quels dans le WebVTT, et ils apparaîtront à l’écran exactement comme tapés.

WebVTT a un mécanisme propre pour cela — une balise voice qui nomme le locuteur, et qu’un navigateur peut styler différemment par locuteur, et qu’un lecteur d’écran peut annoncer comme attribution plutôt que comme texte. Convertir la convention tapée en balise voice est un rechercher-remplacer, et c’est l’une des rares interventions manuelles sur un fichier converti qui rapporte son coût sur un audit d’accessibilité.

Un fichier WebVTT récupéré depuis une origine différente de la page est refusé à moins que la réponse porte les bons en-têtes cross-origin, et le refus est silencieux. La vidéo joue, le menu des sous-titres est vide, et rien dans la console n’explique la raison. C’est la panne la plus coûteuse du sous-titrage auto-hébergé, parce qu’elle ressemble à toutes les autres causes à la fois.

Servir le .vtt depuis la même origine que la page HTML élimine toute la classe de problèmes, et c’est une bonne raison de garder les fichiers de sous-titres à côté de la page plutôt que sur un domaine d’assets séparé ou un bucket avec un autre nom d’hôte. S’ils doivent vivre ailleurs, les en-têtes cross-origin et l’attribut crossorigin sur l’élément video doivent être corrects tous les deux, et tester dans un navigateur est la seule manière de le savoir.

Si la vidéo reste aussi sur YouTube en plus du site, il y a maintenant deux fichiers de sous-titres. Ils partent identiques et ils divergent la première fois que quelqu’un corrige une faute de frappe dans celui qu’il a ouvert, et rien dans aucun des deux fichiers n’enregistre lequel est maintenant correct.

Choisissez un maître et générez l’autre. Éditer sur YouTube et re-télécharger fonctionne si les corrections sont rares et que l’équipe travaille déjà dans la plateforme. Éditer le WebVTT et le téléverser vers YouTube — qui accepte WebVTT directement — est mieux si le site est l’habitation principale, parce que le fichier que vous maintenez est alors celui qui porte les positionnements et les balises voice, et c’est ce qu’un re-téléchargement jetterait.

L’attribut kind a d’autres valeurs que subtitles et captions, et elles utilisent la même syntaxe WebVTT que vous avez maintenant. Chapters produit une liste navigable de sections dans les lecteurs qui le supportent. Descriptions porte le texte d’audiodescription pour les lecteurs d’écran. Metadata porte des repères temporels arbitraires qui ne sont jamais affichés et sur lesquels du JavaScript peut réagir quand la tête de lecture les atteint.

Cette dernière est la manière dont on construit les transcripts interactifs, les slides synchronisés, et les annotations temporelles, et cela vaut la peine d’être connu sur un lecteur auto-hébergé parce que la plateforme quittée avait ces fonctionnalités et que votre page ne les a pas. Un second fichier track avec kind réglé sur chapters coûte quelques lignes de WebVTT et donne à un long enregistrement la chose que les spectateurs en veulent vraiment, qui est la capacité d’aller directement à la partie qui les intéresse.

Cela mérite d’être posé, parce qu’un player YouTube embarqué apporte sa propre piste de sous-titres, son rendu, sa commutation de langue, et son comportement d’accessibilité sans coût. Si la raison du déplacement est de présentation plutôt que de fond, embarquer coûte moins de travail et expose à moins de modes de défaillance.

Les raisons qui tiennent sont celles du contrôle et de la confidentialité : du contenu qui ne doit pas être sur une plateforme publique, un player sans pistage tiers, un site qui doit fonctionner là où YouTube est bloqué, ou une piste de sous-titres qui a besoin de positionnements et de styles que la plateforme ne fera pas. Quand l’une d’elles s’applique, l’auto-hébergement est la bonne réponse et cette conversion en est la première étape. Quand aucune ne s’applique, le chemin court mérite d’être considéré avant que le travail commence.