Convertir SUB en VTT

La situation est une collection qui rencontre un site web. Une série de conférences, une archive de télévision locale, une bibliothèque de films, un ensemble d’enregistrements que quelqu’un promène depuis l’ère DivX — la vidéo est transcodée et mise en ligne, et les sous-titres qui l’accompagnent sont en MicroDVD, ce que tout le monde utilisait quand les fichiers ont été fabriqués.

Un navigateur ne sait pas quoi en faire. La balise track accepte WebVTT et seulement WebVTT, et elle échoue en silence : la vidéo joue, le menu des sous-titres est vide, et rien dans la page ou la console n’explique pourquoi. Entre les deux formats se trouvent douze ans et un changement de ce qu’un fichier de sous-titres mesure fondamentalement.

MicroDVD enregistre l’image sur laquelle une ligne apparaît, pas le moment. Transformer cela en horodatage est une division, et le diviseur est la cadence d’images de la vidéo pour laquelle les sous-titres ont été faits — que le fichier énonce rarement et que le convertisseur ne peut pas inférer. Le contrôle ici accepte 1 à 120 au millième, parce que 23,976 et 29,97 ne sont pas des nombres entiers.

Mettez-le juste avant la publication plutôt qu’après, parce qu’un navigateur ne vous donne aucun diagnostic sur lequel travailler. Un lecteur au moins vous laisse bouger un décalage de sous-titre en regardant ; un élément track rend exactement ce que le fichier dit. Vérifiez la piste convertie contre la vidéo localement, au début et vers la fin, avant qu’elle n’aille près d’une page.

Rien dans les deux formats ne s’aligne. WebVTT exige le mot WEBVTT sur sa propre première ligne ; MicroDVD n’a aucun en-tête d’aucune sorte. WebVTT sépare deux horodatages par une flèche sur leur propre ligne ; MicroDVD met deux numéros d’image entre accolades au début de la ligne de texte. WebVTT énonce des temps ; MicroDVD énonce des images.

Donc l’extension est le moindre de ses soucis. Un fichier renommé est rejeté à la première ligne, et même s’il ne l’était pas, il n’y a rien dedans qu’un parseur WebVTT puisse interpréter comme une réplique. C’est la paire de ce site où les deux formats ne partagent aucune syntaxe du tout, ce qui est aussi pourquoi la conversion doit être un vrai parse plutôt qu’un rechercher-remplacer.

Chaque numéro d’image est divisé par la cadence choisie et écrit en heures, minutes, secondes et trois chiffres de millisecondes, avec un point devant la fraction et les heures remplies par des zéros. Une ligne commençant à l’image 3210 commence à 00:02:08.400 si la cadence est 25, et à 00:02:13.875 si la cadence est 23,976.

Ces cinq secondes et demie sont tout le poids du réglage, à la marque des deux minutes d’un film qui peut en durer deux heures. Les horodatages se terminent rarement sur des nombres ronds parce que la division le fait rarement, ce qui est un indice fiable qu’une piste WebVTT a commencé sa vie en fichier basé sur des images. Cela n’a aucun effet à la lecture : un navigateur lit des millisecondes et ne se soucie pas d’où elles viennent.

De nombreux fichiers MicroDVD déclarent leur cadence en utilisant une vieille convention : une première entrée couvrant l’image un à l’image un, dont le texte est la cadence. Ce n’a jamais fait partie d’une spécification et la prise en charge en a toujours été partielle, ce qui explique pourquoi ce convertisseur la traite comme ce qu’elle est structurellement — une entrée ordinaire.

Le résultat est que votre piste WebVTT s’ouvre avec une légende lisant quelque chose comme 23,976, à l’écran pour une fraction de seconde. Sur une page, c’est un défaut visible dans la première seconde de lecture, qui est le pire endroit possible pour en avoir un. Ouvrez le .vtt dans un éditeur de texte, supprimez la première réplique, et le reste du fichier est intact.

MicroDVD a un petit jeu de codes en ligne pour italique, gras, couleur, police et taille, écrits entre accolades. Ils sont retirés avec les accolades, laissant les mots. Rien n’est traduit vers les équivalents WebVTT, alors même que WebVTT a des balises entre crochets pour italique et gras qui s’y prêteraient proprement.

Cela mérite d’être su plutôt que regretté. La prise en charge par les lecteurs des codes MicroDVD a été inconsistante pendant toute la vie du format, donc un fichier qui s’y appuyait paraissait différent partout, et la plupart des fichiers d’archive les utilisent pour une seule chose : marquer toute une ligne en italique quand un personnage parle hors champ. Si cette distinction compte sur votre page, la restaurer est un passage avec un rechercher-remplacer, et la forme WebVTT est celle que tous les navigateurs honorent.

Placez le .vtt dans un élément track à l’intérieur de l’élément video, avec kind défini, srclang défini au code de langue, et un label qui devient l’entrée dans le menu des sous-titres. Ajoutez default si les sous-titres doivent être activés quand la lecture commence, parce que sinon le spectateur doit trouver le menu et la plupart ne le feront pas.

La langue est le champ que le matériel d’archive se trompe le plus souvent, parce qu’un fichier hérité d’une collection n’a souvent aucun enregistrement de la langue dans laquelle il est au-delà du dossier dans lequel il a été trouvé. La déclarer correctement n’est pas une décoration : c’est ce qui dit à un navigateur quelle piste sélectionner pour les préférences d’un spectateur, et ce qui dit à un moteur de recherche qu’une page porte une transcription dans une langue particulière.

MicroDVD appartient à une époque où les fichiers de sous-titres étaient mono-octet et régionaux, et les fichiers d’archive sont couramment enregistrés dans un encodage d’Europe centrale, cyrillique ou d’Europe occidentale plutôt qu’en UTF-8. Le convertisseur écrit une sortie UTF-8, ce qu’attend un navigateur, mais il ne peut encoder que les caractères qu’il a lus.

Donc la vérification a lieu avant la conversion, pas après. Ouvrez le SUB dans un éditeur de texte et regardez les caractères accentués. S’ils sont déjà des points d’interrogation ou des symboles égarés, le fichier est lu avec le mauvais encodage, et le ré-enregistrer en UTF-8 depuis un éditeur qui vous laisse choisir l’encodage source est l’étape qui les récupère. Un fichier converti pendant qu’il était mal lu produit une piste WebVTT qui est fausse de la même manière, définitivement.

Deux choses entièrement différentes partagent cette extension, et une archive est exactement l’endroit où l’on rencontre la seconde. Le SUB MicroDVD est du texte brut. Le SUB VobSub est un sous-titre bitmap extrait d’un DVD, stocké comme des images, avec toujours un fichier d’index .idx à côté. Ouvrez le fichier dans un éditeur de texte : des lignes lisibles entre accolades signifient MicroDVD, du bruit binaire avec un .idx à côté signifie VobSub.

Pour un éditeur web la distinction est un poste budgétaire plutôt qu’une curiosité. Il n’y a pas de chemin des images de mots vers une piste WebVTT qui ne passe pas par la reconnaissance optique, ce qui signifie un outil séparé, une passe de revue sur chaque ligne, et une exactitude qui dépend de la qualité du transfert d’origine. La découvrir au moment de mettre la vidéo en ligne est pire que de la découvrir en planifiant, et la vérification prend dix secondes par fichier.

L’attribut kind distingue les deux, et la distinction compte davantage sur le web qu’elle ne le faisait dans un lecteur multimédia. Les sous-titres portent le dialogue et supposent un spectateur qui entend. Les captions supposent un spectateur qui n’entend pas, et incluent ce qui est audible mais non parlé : qui parle hors champ, quand la musique commence, quel était le son.

Un fichier MicroDVD d’archive est essentiellement toujours des sous-titres, souvent une traduction. Marquer la piste comme captions pour satisfaire une checklist d’accessibilité met le bon mot dans le balisage et ne satisfait pas l’exigence, qui pour les organismes du secteur public est juridique plutôt que préférence. Si des captions sont nécessaires, l’information non parlée doit être écrite par quelqu’un qui regarde la vidéo, et aucune conversion n’en produit.