Convertire VTT in ASS

Perché la destinazione ha smesso di essere una pagina web. Un montaggio verticale per i social, una promo che deve leggersi su un feed muto, una versione tradotta dove il testo a schermo va sostituito sul posto — nessuno di questi è servito da un elemento track e un foglio di stile. Servono sottotitoli che siano parte dell’immagine.

Il WebVTT è un buon formato di consegna e uno scarso formato di creazione per questo tipo di lavoro. Ha un vocabolario di stile ridotto, i browser implementano le parti più deboli in modo incoerente, e niente di ciò sopravvive al momento in cui il video lascia il browser. L’ASS è stato costruito da persone la cui unica preoccupazione era come apparissero i sottotitoli.

Passa: il testo di ogni battuta, i suoi ritorni a capo, e i suoi tempi di inizio e fine. È la sostanza della traccia e arriva completa, con ogni battuta trasformata in una riga di dialogo sotto uno stile.

Si ferma: le impostazioni cue, i tag voce interpretati come parlanti, i blocchi STYLE, i commenti NOTE e gli identificativi cue. Quattro di questi cinque sono costrutti che un autore WebVTT doveva digitare deliberatamente, motivo per cui questa pagina li nomina invece di descrivere la conversione come senza perdita.

Una riga di tempistica WebVTT può portare un numero di riga, un allineamento, una posizione e una dimensione dopo il timestamp di fine. Il parser legge il tempo di fine fino al primo spazio e butta via tutto dopo, quindi una didascalia spinta deliberatamente in alto nell’inquadratura esce con allineamento 2 come tutte le altre.

La parte frustrante è che l’ASS è drammaticamente più bravo in questo del WebVTT — una griglia numerica per le nove posizioni standard, e un tag di override che può posizionare una riga a una coordinata esatta. L’informazione semplicemente non sopravvive a una rappresentazione intermedia che contiene solo inizio, fine e del testo.

Il WebVTT segna un parlante con un tag voce tra parentesi angolari all’inizio della battuta. L’ASS attribuisce una riga a uno stile nominato, e opzionalmente a un campo nome nella riga di dialogo, un meccanismo del tutto diverso. Niente mappa l’uno sull’altro, e il testo della battuta viene copiato letteralmente.

La risposta corretta è farne uno stile, ciò per cui siete venuti qui. Definite uno stile per parlante con il proprio colore, poi assegnate le righe e cancellate i tag. Vi dà ciò a cui alludeva il tag voce e ciò che un browser per lo più rifiutava di renderizzare.

Lo stile generato è Arial a dimensione 48, bianco, con un contorno nero spesso due pixel, nessuna ombra, allineamento 2, e margini di 10 a sinistra, destra e in basso. L’intestazione dello script imposta ScriptType v4.00+, WrapStyle 0 e ScaledBorderAndShadow yes.

Per lavoro social i primi due campi da toccare sono il carattere e il contorno. Arial è scelto perché esiste ovunque piuttosto che perché assomiglia a qualcosa, e un contorno di due pixel leggibile su una scena scura sparisce su una luminosa.

Nel WebVTT l’aspetto vive per lo più fuori dal file: il CSS nella pagina prende di mira lo pseudo-elemento cue, e un blocco STYLE dentro il file è una versione limitata in-band della stessa cosa. Il file descrive il contenuto e la pagina descrive la presentazione, una separazione sensata per un formato documento.

L’ASS inverte questo. Gli stili sono nominati, definiti nel file, referenziati per riga, e sovrascrivibili in linea per una singola parola. Il file è la presentazione, motivo per cui si renderizza identicamente in ogni lettore che implementa il formato.

Il WebVTT scrive tre cifre dopo il punto decimale e l’ASS ne scrive due, quindi ogni timestamp viene troncato al passaggio. Una battuta che inizia a 00:00:01.238 diventa 0:00:01.23. L’errore è al massimo nove millisecondi e sempre in anticipo, mai in ritardo.

È un quinto di fotogramma a 24 fotogrammi al secondo e non verrà mai notato. L’unica eccezione è il tempismo karaoke, dove le sillabe sono impostate contro l’audio.

La maggior parte dei posti dove finirà il video finito non può renderizzare una traccia ASS: piattaforme social, gallerie telefono, televisioni che leggono da una condivisione di rete, ogni lettore web. Se lo stile è il punto, lo stile deve diventare pixel, il che significa renderizzare i sottotitoli nel fotogramma e ricodificare il video.

Decidete prima di impaginare piuttosto che dopo, perché i due percorsi premiano scelte diverse. Una traccia destinata a essere incorporata può usare qualsiasi carattere della vostra macchina e posizionare testo ovunque, dato che la macchina dello spettatore non è mai coinvolta.

Una riga di dialogo ASS ha dieci campi prima del testo: un livello, i due tempi, un nome di stile, un nome di personaggio, tre override di margine e un effetto. La conversione ne riempie tre — i tempi e lo stile, sempre Default — scrive il livello come zero, e lascia il resto vuoto.

Quei vuoti sono dove inizia l’impaginazione. Il livello decide cosa si disegna sopra cosa quando due righe condividono lo schermo. Gli override di margine spostano una singola riga senza toccare lo stile.

Questi due file rispondono a domande diverse ed è ragionevole tenerli entrambi, finché uno dei due è generato. Il VTT appartiene alla pagina web, dove è accessibile, selezionabile, ricercabile e disattivabile. L’ASS appartiene alla versione del video dove l’aspetto è il messaggio.

Quale sia il master dipende da dove avvengono le correzioni. Se le parole cambiano più spesso — un nome scritto male, una didascalia ritemporizzata — il VTT è il master e l’ASS viene rigenerato. Se il design cambia più spesso, tenete l’ASS ed esportate una traccia semplice per il web.