Convertire ASS in VTT

Niente, se gli si passa l’ASS. L’elemento track accetta WebVTT e solo WebVTT, e il rifiuto è silenzioso — il video parte, il menu dei sottotitoli è vuoto, e non c’è un messaggio nella console che punti al formato. Questa è l’intera ragione per cui la conversione esiste, ed è lo stesso muro contro cui vanno i file SubRip.

La differenza con l’ASS è ciò che è in gioco. Un file SubRip non aveva nulla da perdere. Una traccia tipografica ha font, colori, posizioni e possibilmente effetti, che erano tutti il punto, e un browser non ha modo nativo di renderizzarne nessuno. Convertire qui non è una formalità; è una decisione su quanto del design siete disposti a ricostruire a mano o a rinunciare.

WebVTT non è cieco allo stile. Una cue può portare un’impostazione `line` che la sposta verticalmente, un `align` che la sposta orizzontalmente, una posizione e una dimensione. È genuinamente più di quanto SubRip offra, e copre l’esigenza tipografica più comune, che è tenere una caption lontana da qualcos’altro sullo schermo.

Niente di tutto ciò viene compilato. Ogni riga ASS è ridotta a un inizio, una fine e testo piano prima che qualcosa venga scritto, quindi il campo di allineamento dello stile, la posizione sulla griglia numerica e qualsiasi override di posizionamento inline sono spariti nel momento in cui il WebVTT viene composto. Le cue arrivano senza impostazioni, e il browser le mette tutte in basso al centro.

Il lavoro è manuale e vale la pena farlo in modo selettivo. Si apra l’ASS accanto al VTT e si cerchino le righe che erano posizionate — scritte, testi sullo schermo, qualsiasi cosa che non fosse dialogo. Quelle sono le cue che si scontreranno con l’immagine in fondo al fotogramma; il dialogo sarebbe comunque finito lì.

Per ognuna, un’impostazione `line` espressa come percentuale sposta la cue verso l’alto, e un `align` la sposta a sinistra o a destra. Due parole sulla riga dei tempi, e la caption è fuori dai piedi. Non eguaglierà un posizionamento da tipografo sopra a una scritta in movimento, perché WebVTT non può animare e il browser non glielo permette, ma trasforma una sovrapposizione illeggibile in una caption leggibile.

Quante cue siano dipende interamente dalla sorgente, e vale la pena contarle prima di impegnarsi nel lavoro. Una traduzione di dialogo lineare non ne ha — ogni riga era già in basso e il file convertito è finito. Un’edizione in cui le scritte sono state tipografate scena per scena può averne diverse centinaia, e a quel punto posizionarle a mano una per una è una giornata di lavoro mentre rimuoverle è dieci minuti. Decidere quale delle due sia il file andrebbe fatto prima di digitare la prima impostazione di cue.

Questa è la differenza strutturale tra i due formati e il motivo per cui nulla può essere tradotto automaticamente. L’ASS definisce stili con nome dentro il file e ogni riga ne referenzia uno. WebVTT si aspetta che la pagina stilizzi lo pseudo-elemento `::cue` con CSS, e tratta il file come contenuto.

In pratica inverte dove va il lavoro. Font, dimensione, colore, ombra del testo e sfondo si impostano una volta nel foglio di stile e si applicano all’intera traccia, che è meno espressivo di un override per riga e considerevolmente più facile da mantenere coerente. Una classe attaccata a una cue permette di stilizzare diversamente un sottoinsieme, che è la cosa più vicina che WebVTT ha a una tabella di stili e basta a distinguere due parlanti.

Tutto ciò che sta tra graffe viene rimosso prima che il testo sia scritto, quindi un cambio di colore, una dissolvenza, uno spostamento o una rotazione non lasciano nulla dietro — niente caratteri dispersi, niente markup mezzo tradotto. È il comportamento corretto, perché un browser disegnerebbe il testo del tag sullo schermo se lo si lasciasse dentro.

Significa anche che il corsivo non sopravvive, il che sorprende. L’ASS indica il corsivo con un tag di override tra graffe, che viene eliminato insieme a ogni altro tag. WebVTT usa tag tra parentesi angolate invece. Nulla fa da ponte tra i due, quindi il corsivo va ripristinato nel VTT se importava.

Entrambi i tipi di a capo e lo spazio forzato sono le uniche parti della sintassi ASS che vengono tradotte invece di essere lasciate cadere.

L’ASS mette più righe sullo schermo insieme per design, su layer separati: dialogo in basso, una scritta tradotta sopra la cosa che traduce. WebVTT non ha layer, ed entrambe diventano cue ordinarie che occupano gli stessi secondi.

I browser gestiscono la cosa impilandole in fondo al video, il che è difendibile e raramente ciò che si intendeva — la scritta che apparteneva all’angolo in alto a destra del fotogramma ora siede sopra al dialogo per due secondi. O la si posiziona con le impostazioni di cue, come sopra, o si decide che la scritta non serve nella versione web e si rimuovono quelle cue. Su un’edizione pesantemente tipografica, rimuoverle è spesso la risposta onesta.

Un file WebVTT deve iniziare con la parola WEBVTT su una riga propria. Non è documentazione, e un file senza di essa viene rifiutato prima che qualsiasi altra cosa sia esaminata. L’output qui la scrive, seguita da una riga vuota, poi le cue.

I timestamp sono l’altro requisito. L’ASS registra al centesimo di secondo; WebVTT si scrive con tre cifre di millisecondi dopo un punto, quindi una riga che inizia a 0:00:01.23 diventa 00:00:01.230 con le ore riempite. Non viene inventata precisione — i tempi sono esattamente come sono stati scritti, espressi in una forma più lunga.

L’attributo `kind` sull’elemento track distingue i due, e la distinzione ha conseguenze oltre il markup. I sottotitoli presuppongono uno spettatore che sente e traduce il dialogo. Le caption presuppongono uno spettatore che non sente, e quindi includono le informazioni non parlate: chi sta parlando fuori campo, quando parte la musica, quale fosse il rumore.

Una traccia ASS convertita è quasi sempre sottotitoli, perché è quello per cui è stata scritta. Contrassegnarla come caption per soddisfare una checklist di accessibilità mette la parola giusta nel markup e non soddisfa l’obbligo, e per gli enti pubblici e un numero crescente di imprese quell’obbligo è legale. Se ciò che serve sono caption, le informazioni non parlate vanno scritte, e nessuna conversione le produce.

L’ASS indica un a capo forzato dentro una riga di dialogo con una barra rovesciata e una N maiuscola, perché l’intera riga deve stare in un campo separato da virgole. Questo viene tradotto invece di essere eliminato: diventa un a capo reale nel testo della cue, e WebVTT tratta un a capo dentro una cue come un’interruzione che l’autore ha chiesto. Un sottotitolo su due righe resta su due righe, nello stesso posto.

Vale la pena verificare a cosa servissero quegli a capo. Un tipografo interrompe le righe rispetto a un rendering specifico a una dimensione specifica, e un browser renderizzerà lo stesso testo in un font diverso a una dimensione che lo spettatore può aver cambiato. Le interruzioni scelte per bilanciare due righe sotto un’immagine 1080p possono produrre una parola isolata su un telefono. Dove la sorgente usava l’interruzione morbida invece — una n minuscola, che un renderer ASS è libero di ridisporre — diventa lo stesso a capo reale dell’interruzione rigida, quindi un’interruzione che il tipografo aveva lasciato opzionale arriva nel VTT come una che l’autore aveva richiesto.

Se lo stile è portante — scritte che portano la trama, karaoke, tipografia che è parte del lavoro — le opzioni oneste sono renderizzare i sottotitoli nell’immagine e servire una copia masterizzata, o eseguire un renderer JavaScript che disegni l’ASS sopra il video. Entrambe costano qualcosa: la prima rende i sottotitoli permanenti e non selezionabili, la seconda aggiunge una libreria, un runtime e una dipendenza dal fatto che lo scripting sia abilitato.

Per la maggior parte dei video sul web, nessuna delle due è giustificata. Cue piatte che appaiono, sono selezionabili, possono essere disattivate e lette da uno screen reader valgono di più per più spettatori di un design che solo alcuni di loro vedranno. Si converte, si posizionano le poche cue che ne hanno bisogno, si stilizza la traccia in CSS, e si tiene l’ASS come master per la versione in cui l’aspetto conta.