SBV को VTT में बदलें

वीडियो एक वजह से हटता है: कोई कोर्स प्लेटफ़ॉर्म जिसे फ़ाइल ही चाहिए, कोई साइट जो तीसरे पक्ष का embed नहीं चाहती, कोई क्लाइंट जिसकी ब्रांड गाइडलाइन YouTube प्लेयर की इजाज़त नहीं देती, कोई रिकॉर्डिंग जो सार्वजनिक प्लेटफ़ॉर्म पर होनी ही नहीं चाहिए। वीडियो बिना दिक़्क़त ट्रांसकोड और अपलोड हो जाता है। जो काम करना बंद कर देता है वह कैप्शन है।

SBV Google का अपना फ़ॉर्मेट है और YouTube के बाहर लगभग कुछ भी इसे नहीं पढ़ता, सबसे कम तो ब्राउज़र। HTML वीडियो सबटाइटल एक track एलिमेंट से लेता है और सिर्फ़ WebVTT स्वीकारता है, तो जो कैप्शन फ़ाइल उस प्लेटफ़ॉर्म पर बिल्कुल ठीक काम करती थी वह जहाँ वीडियो अब गया है वहाँ ख़ाली सबटाइटल मेन्यू देती है।

WebVTT फ़ाइल को अपनी पहली पंक्ति पर, किसी और चीज़ से पहले, WEBVTT शब्द से शुरू होना ही चाहिए। यह दस्तावेज़ीकरण नहीं, न ही वैकल्पिक — जो पार्सर इसे न पाए वह आगे पढ़े बिना फ़ाइल ठुकरा देता है। SBV में कोई हेडर तत्व है ही नहीं — फ़ाइल की पहली पंक्ति सीधे पहली टाइमिंग लाइन होती है।

तो यहाँ कुछ ढालने को नहीं, सिर्फ़ जोड़ने को है। कन्वर्टर हेडर और एक ख़ाली पंक्ति लिखता है, फिर कतारें। यही वह फ़र्क़ है जो नाम बदलकर काम चलाने को नामुमकिन बनाता है, और हाथ से संपादन करने वाले जिसे सबसे ज़्यादा ग़लत करते हैं — क्योंकि फ़ॉर्मेट का यह हिस्सा स्रोत में कहीं है ही नहीं जिससे मिलाया जाए।

SBV दोनों समय एक ही लाइन में कॉमा से अलग लिखता है। WebVTT दोनों समय एक ही लाइन में ऐरो से अलग लिखता है, घंटे दो अंकों में पैड किए गए। दोनों फ़ॉर्मेट पहले से ही पूर्ण विराम के बाद मिलीसेकंड के तीन अंक लिखते हैं, तो टाइमस्टैम्प का वह आधा हिस्सा बिना बदले पार होता है।

टाइमिंग बिल्कुल सटीक रहती है। हर मान बदलाव के दौरान मिलीसेकंड में रहता है, तो जो कैप्शन SBV में 0:04:12.500 पर शुरू होता है वह VTT में 00:04:12.500 पर शुरू होता है। कुछ भी गोल नहीं होता, न खिसकता — दोनों फ़ॉर्मेट एक ही चीज़ को एक ही सटीकता में नापते हैं और सिर्फ़ लिखने के तरीक़े में असहमत होते हैं।

SBV फ़ाइलों का बड़ा हिस्सा हाथ से लिखे कैप्शन नहीं, automatic transcript होता है, और बदलाव शब्दों को बेहतर नहीं बनाता। speech recognition आम बोलचाल पर भरोसेमंद है और नामों, जगहों, प्रोडक्ट नाम, संक्षेप और तकनीकी शब्दावली पर नहीं — यानी ठीक उन शब्दों पर जो वाक्य का मतलब ढोते हैं।

यह तब ज़्यादा मायने रखता है जब वीडियो आपकी अपनी साइट पर हो। सरकारी संस्थाओं और बढ़ती संख्या में व्यवसायों के लिए, रिकॉर्ड किए वीडियो पर कैप्शन कोई शिष्टाचार नहीं, accessibility क़ानून के तहत ज़रूरत है, और बिना जाँचा मशीनी transcript इसे पूरा नहीं करता। फ़र्क़ सिर्फ़ सटीकता का नहीं — कैप्शन में यह भी होना चाहिए कि पर्दे के बाहर कौन बोल रहा है और संगीत कब शुरू हुआ, और recognizer इनमें से कुछ नहीं देता।

हर WebVTT कू अपने end timestamp के बाद सेटिंग रख सकता है — line सेटिंग जो इसे लंबवत खिसकाती है, align सेटिंग जो इसे आड़ा खिसकाती है, position और size। SBV में इनमें से कुछ नहीं, तो बदली गई फ़ाइल बिना किसी सेटिंग के आती है और हर चीज़ नीचे बैठी रहती है।

इन्हें जोड़ना ख़ुद-होस्ट किए प्लेयर पर पहला सुधार है जो करने लायक़ है। फ़्रेम के नीचे वही जगह है जहाँ प्लेयर अपने कंट्रोल बनाता है और जहाँ वीडियो बनाने वाले lower third रखते हैं, तो किसी एक से टकराता कैप्शन ख़ुद-होस्ट किए वीडियो की सबसे आम शिक़ायत है। टाइमिंग लाइन पर दो शब्द उन कुछ सेकंड के लिए इसे हटा देते हैं, और उतना काम कोई CSS अकेले नहीं कर सकता।

SBV में किसी लाइन को किसी बोलने वाले से जोड़ने का कोई ढाँचा नहीं, तो जिन कैप्शन फ़ाइलों को यह चाहिए वे एक रिवाज़ अपनाती हैं: नाम और कोलन, या broadcast कैप्शनिंग की तरह हर स्पीकर की लाइन के शुरू में डैश। ये अक्षर WebVTT में जस के तस कॉपी होते हैं और स्क्रीन पर वैसे ही दिखेंगे जैसे टाइप किए गए थे।

WebVTT के पास इसके लिए असली तरीक़ा है — एक voice tag जो स्पीकर का नाम बताती है, जिसे ब्राउज़र हर स्पीकर के लिए अलग स्टाइल कर सकता है और स्क्रीन रीडर टेक्स्ट के बजाय attribution के तौर पर बोल सकता है। टाइप किए रिवाज़ को voice tag में बदलना search-and-replace जैसा काम है, और बदली गई कैप्शन फ़ाइल पर हाथ से किए जाने वाले कुछ गिने-चुने कामों में यह accessibility ऑडिट में सबसे ज़्यादा फ़ायदा देता है।

पन्ने से अलग origin से लाई गई WebVTT फ़ाइल तब तक ठुकरा दी जाती है जब तक जवाब सही cross-origin हेडर न रखे, और यह ठुकराव चुपचाप होता है। वीडियो चलता है, सबटाइटल मेन्यू ख़ाली रहता है, और कंसोल में कोई वजह नहीं दिखती। ख़ुद-होस्ट कैप्शनिंग में यह सबसे महँगी नाकामी है, क्योंकि यह हर दूसरी वजह जैसी ही दिखती है।

.vtt को HTML के साथ उसी origin से परोसना पूरी इस श्रेणी की दिक़्क़त टाल देता है, और यही अलग एसेट डोमेन या अलग होस्टनेम वाली बकेट के बजाय कैप्शन फ़ाइलों को पन्ने के साथ रखने की अच्छी वजह है। अगर उन्हें कहीं और रहना ही है, तो cross-origin हेडर और वीडियो एलिमेंट का crossorigin एट्रिब्यूट, दोनों सही होने चाहिए, और यह ब्राउज़र में जाँचकर ही पता चलता है।

अगर वीडियो YouTube पर भी रहता है और आपकी साइट पर भी, तो अब दो कैप्शन फ़ाइलें हैं। वे शुरू में एक जैसी होती हैं और पहली बार किसी ने जो भी खुली फ़ाइल में टाइपो ठीक की, वहीं से अलग हो जाती हैं, और किसी भी फ़ाइल में यह दर्ज नहीं होता कि अब कौन-सी सही है।

एक को मास्टर मानिए और दूसरी उससे बनाइए। YouTube पर संपादित करना और दोबारा डाउनलोड करना तब चलता है जब सुधार कम होते हैं और आपकी टीम पहले से वहीं काम करती है। WebVTT संपादित करना और उसे YouTube पर अपलोड करना — जो WebVTT सीधे लेता है — बेहतर है जब साइट ही मुख्य घर है, क्योंकि तब जो फ़ाइल आप सँभालते हैं उसी में पोज़िशनिंग और voice tag होते हैं, जो दोबारा-डाउनलोड में छूट जाते।