Convertire ASS in SBV

Advanced SubStation Alpha esiste per controllare l’aspetto. Stili con nome, font, dimensioni, contorni e ombre; override per riga per colore e posizione; rotazione, animazione, timing karaoke e disegni vettoriali. Un fansub o una traccia per una conferenza ben fatta usa la maggior parte di queste cose, e perderle in un formato caption sembra colpa della conversione.

Non lo è. YouTube disegna i sottotitoli con la propria tipografia e offre allo spettatore un pannello per cambiare font, dimensione, colore, opacità dello sfondo e stile del bordo. Qualsiasi cosa un file caricato dica sull’aspetto viene scartata all’ingest, in ogni formato accettato. La domanda che questa pagina può rispondere non è come mantenere lo stile — niente lo mantiene — ma cosa fare delle parti della traccia che portavano significato, non decorazione.

Le parti che portano significato sono le scritte: un’insegna, un messaggio sullo schermo del telefono, il titolo di un capitolo, una caption tradotta accanto a ciò che traduce. Nel file ASS ognuna è posizionata con precisione, spesso stilizzata per somigliare all’originale, e temporizzata per apparire mentre il dialogo è sullo schermo.

Dopo la conversione sono righe di caption ordinarie in fondo al fotogramma, e poiché si sovrappongono al dialogo nel tempo, YouTube le impila. Una scena con due persone che parlano sotto un’insegna diventa tre righe in competizione per la stessa striscia di immagine, e lo spettatore non distingue più il parlato da un avviso tradotto. Su una traccia con poche scritte è disordinato; su una pesantemente tipografica rende i sottotitoli inutilizzabili.

La risposta abituale, e quella giusta, per qualsiasi traccia in cui la tipografia fa un lavoro. Si renderizza l’ASS dentro il video durante la codifica — `ffmpeg -i input.mkv -vf "ass=subs.ass" -c:a copy output.mp4` lo fa in un passaggio, con stile, posizionamento e animazione esattamente come l’autore li intendeva — e si carica quello.

Poi si converte solo il dialogo in SBV e lo si carica come traccia di caption, così il video ha comunque un testo ricercabile, accessibile e traducibile. Si cancellano le righe delle scritte dall’ASS prima di convertire, o dall’SBV dopo; entrambi sono testo normale e sono operazioni rapide. Quella combinazione dà la tipografia per cui la traccia è stata fatta e l’accessibilità che una caption track offre, che nessun singolo file può fare su questa piattaforma.

Tre cose: il testo, la sua struttura di righe e i tempi. Il testo del dialogo arriva come caratteri semplici, gli a capo forzati scritti come `\N` diventano a capo reali che YouTube mostra come due righe, e lo spazio unificatore `\h` diventa uno spazio normale.

Tutto il resto è eliminato: il nome di stile a cui ogni riga faceva riferimento, il layer, i margini, il campo effect, il nome dell’attore, e ogni override tra graffe. L’SBV non ha un campo per nessuna di queste cose, ed è per questo che il formato è così facile da modificare a mano — un’entry è una riga di tempi e alcune parole, e non c’è altro nel file che possa rompersi.

Una riga di dialogo ASS inizia spesso con un blocco di istruzioni tra graffe — una posizione, un colore, una dissolvenza, un’animazione — e può portarne altri a metà riga. Questi vengono eliminati prima che l’SBV sia scritto, quindi si ottiene la frase invece della frase preceduta da codice macchina.

È il comportamento corretto e nasconde una cosa che vale la pena sapere. Il timing karaoke è espresso come un tag prima di ogni sillaba, quindi un lyric scritto come una sequenza di sillabe temporizzate si comprime nell’intera riga che appare tutta insieme. Le parole ci sono tutte e l’effetto che le rendeva degne di essere temporizzate non c’è più. Per un video musicale è una perdita reale, e la strada del burn-in sopra è l’unica per mantenerlo.

ASS può disegnare forme: un tag di modalità disegno commuta il campo di testo in un linguaggio di coordinate, e il «testo» che segue è un tracciato — `m 0 0 l 100 0 100 50 0 50` e così via. I tipografi lo usano per maschere, sfondi dietro alle scritte e frecce.

Togliere i tag rimuove l’interruttore di modalità e lascia le coordinate, quindi quelle righe arrivano nell’SBV come caption composte di lettere e cifre. Sono facili da individuare e vanno cancellate prima del caricamento — uno spettatore con le caption attive vedrebbe altrimenti un’esplosione di numeri. Cercando nel file convertito le righe che iniziano con `m ` seguito da una cifra se ne trovano quasi tutte.

Una sezione eventi di un ASS contiene due tipi di righe: `Dialogue:` e `Comment:`. Solo la prima viene letta, quindi le note di lavoro, le traduzioni alternative, le scritte disabilitate e i promemoria del tipografo non diventano mai caption.

Vale la pena saperlo nelle due direzioni. Significa che un file che sembra pieno in Aegisub può convertirsi in meno cue del previsto, perché una parte era commentata — se il conteggio sembra basso, è la prima cosa da controllare. E significa che il file può portare note in modo sicuro, che è una delle ragioni per cui una traccia di lavoro si tiene come ASS invece che in qualsiasi altro formato.

La sezione eventi dichiara il proprio ordine di colonne in una riga `Format:`, e i file variano davvero — l’ordine è convenzionale, non fisso, e gli strumenti che generano ASS in modo programmatico non sempre seguono la convenzione. Il lettore ricava le posizioni di inizio, fine e testo da quella dichiarazione, invece di contare i campi.

Il testo è sempre l’ultimo e può a sua volta contenere virgole, quindi si separano solo i campi che lo precedono. Una riga di dialogo contenente un elenco sopravvive quindi con le sue virgole intatte, che un parser ingenuo a separazione di campi strapperebbe. La conseguenza pratica è che i file provenienti da Aegisub, dagli strumenti automatici di sottotitoli e da sorgenti muxate si leggono tutti allo stesso modo.

ASS registra il tempo al centesimo di secondo — `0:01:23.45`. SBV registra i millesimi — `0:01:23.450`. Ogni timestamp guadagna uno zero finale e nulla si sposta, dato che la conversione è un cambio di precisione, non di valore.

Entrambi i formati lasciano l’ora non riempita, quindi una cue nella prima ora inizia `0:` in entrambi. La differenza nella riga dei tempi è che ASS la scrive come campi dentro un record di dialogo mentre SBV scrive i due valori separati da virgola su una riga propria, seguiti dal testo. L’ordine delle cue segue il file, non il clock, il che conta per una traccia tipografica: scritte e dialogo sono spesso intervallati fuori dall’ordine cronologico, e restano così.

Il file ASS è il master e l’SBV è un export. Tutto ciò che rendeva la traccia degna di essere fatta vive nella sorgente, e nulla di tutto ciò può essere recuperato dalle caption — quindi si rigenera l’SBV ogni volta che la traduzione cambia invece di modificarli entrambi. Se le caption sono corrette dentro YouTube Studio, si tira fuori l’SBV corretto e si riversano le modifiche di testo nell’ASS, o i due divergeranno entro un mese.

La conversione è JavaScript puro in esecuzione in questa scheda del browser: nulla viene caricato, nessun motore viene scaricato, non c’è un account né un limite giornaliero, e la scheda di rete durante una conversione è il modo per confermarlo. Il lavoro di traduzione inedito è esattamente il tipo di file con cui si fa attenzione, e qui non c’è nulla di cui preoccuparsi.