Субтитры на казахском: как сделать автоматически

Коротко: чтобы получить субтитры на казахском автоматически, нужен распознаватель, который действительно понимает казахскую речь. Он делает черновик с таймингами, дальше вы вычитываете текст и выгружаете файл SRT или VTT. Для Reels и TikTok субтитры обычно вшивают прямо в ролик. Главная ловушка в том, что встроенные автосубтитры популярных площадок казахский знают плохо или не знают вовсе. Проверять текст придётся в любом случае, и ниже — на что смотреть.

Почему автосубтитры «ломаются» на казахском

Автоматические субтитры строятся на распознавании речи, а распознаватель хорош ровно настолько, насколько хороши данные, на которых его учили. Русской и английской речи в открытых данных на порядки больше, чем казахской. Отсюда типичные проблемы:

• Площадка не поддерживает язык. В справке YouTube перечислены языки, для которых доступны автоматические субтитры. Казахского в этом списке на момент написания статьи нет, поэтому для казахского ролика автосубтитры YouTube просто не появятся. Список иногда пополняется, так что проверьте его для своего канала.
• Язык определяется неверно. Универсальные модели иногда принимают казахскую речь за другой язык и пишут бессмыслицу латиницей или «русскими» словами. Язык речи надёжнее задавать вручную, а не оставлять на автоопределение.
• Нет знаков препинания и заглавных букв. Открытые корпуса казахской речи, на которых учат модели, долго содержали только нормализованный текст, без пунктуации и регистра. Об этом прямо пишут авторы корпуса KSC2 из ISSAI. В результате распознанный текст часто идёт сплошным потоком строчными буквами.
• Смешанная речь. Спикер говорит по-казахски, но вставляет русские слова и целые фразы. Модель, настроенная на один язык, коверкает вставки на другом.
• Буквы ә, ғ, қ, ң, ө, ұ, ү, һ, і. Даже если текст распознан верно, при вшивке в видео шрифт без этих букв подставит пустые квадраты или буквы из другого шрифта.

Хорошая новость в том, что открытые модели распознавания казахский знают. Например, в списке языков OpenAI Whisper казахский есть. Есть и модели, дообученные именно на казахской речи. Поэтому инструменты для казахского существуют, просто встроенные автосубтитры площадок обычно не из их числа.

Какие есть варианты

Какой бы способ вы ни выбрали, результат должен быть в формате, который понимает площадка. YouTube принимает файлы субтитров нескольких форматов, среди них SubRip (.srt) и WebVTT (.vtt). Это два самых распространённых формата, и почти любой инструмент умеет их выгружать.

Пошагово: от видео до SRT

1. Подготовьте звук. Распознавание ошибается не столько из-за языка, сколько из-за плохой записи. Петличный микрофон, тихое помещение и отсутствие музыки под голосом дают больше, чем выбор сервиса.
2. Укажите язык речи вручную. Если в ролике две речи, выберите основной язык. Про смешанную речь — ниже.
3. Распознайте речь. На выходе нужен текст с пословными таймингами. Тогда субтитры можно резать на реплики точно по словам, а не по угаданным секундам.
4. Разбейте на реплики. Рабочее правило: не больше двух строк, строка не длиннее 40–42 знаков, реплика на экране 1–7 секунд. Резать лучше по концу предложения или по паузе, а не посреди словосочетания.
5. Вычитайте текст. Это обязательный шаг, чек-лист — в следующем разделе.
6. Выгрузите файл. SRT подходит почти везде. VTT удобен для сайтов и YouTube.
7. Загрузите на площадку или вшейте в видео. Как выбрать — в разделе «Вшитые или SRT».

Как проверить и исправить текст

Вычитка занимает минут 10–20 на 10 минут видео и спасает от самых неловких ошибок. Смотрите в первую очередь на:

• имена, фамилии, названия компаний и городов — модель пишет их «на слух»;
• числа, даты, цены — сверьте с тем, что сказано, особенно проценты и суммы;
• термины своей отрасли: у распознавателя их может не быть в словаре;
• казахские буквы: «қ» вместо «к», «ң» вместо «н», «ұ» и «ү» не должны путаться;
• пунктуацию и заглавные буквы — если модель выдала сплошной поток, расставьте точки хотя бы на концах предложений;
• русские вставки в казахской речи — они страдают сильнее всего;
• тайминги: субтитр не должен появляться раньше слова или висеть после паузы.

Удобнее всего проверять в редакторе, где видео и текст открыты рядом, а правка текста не сбивает тайминги.

Частые ошибки в готовых субтитрах

Даже при верно распознанном тексте субтитры могут мешать смотреть. Чаще всего встречаются такие ошибки:

• Слишком длинные реплики. Три-четыре строки на экране зритель не успевает прочитать. Две строки — потолок.
• Слишком быстрые реплики. Субтитр мелькает меньше секунды. Короткую реплику лучше склеить с соседней.
• Разрыв посреди словосочетания: «в Kaspi / Магазине». Переносите строку по смыслу.
• Субтитры закрывают лицо или важный объект. В интервью это подбородок спикера, в обзоре товара — сам товар.
• Отставание от речи. Особенно заметно после монтажа, если ролик обрезали уже после того, как сделали субтитры. Делайте субтитры последним шагом, на финальной версии видео.
• Разный стиль в серии роликов. Один шрифт, размер и положение для всех видео канала выглядят профессиональнее.

Вшитые или SRT: что куда

Для вертикального видео держите вшитые субтитры выше нижней части кадра. Внизу экрана Reels и TikTok лежат подпись, кнопки и ник, и они закрывают текст. Мы ставим низ субтитров примерно на 17% высоты кадра от нижнего края. Кегль берём около 6% ширины кадра, чтобы текст читался на телефоне без усилий.

Смешанная речь: казахский и русский в одном ролике

В Казахстане это скорее норма, чем исключение. Что можно сделать:

• Выберите основной язык ролика и распознавайте на нём. Вставки на втором языке проверьте особенно внимательно.
• Не переводите вставки молча. Если спикер сказал фразу по-русски, в оригинальных субтитрах она остаётся русской.
• Если нужен один язык для всей аудитории, сделайте перевод: оригинальные субтитры плюс вторая дорожка на русском или казахском с теми же таймингами. На YouTube зритель сам выберет язык, а в Reels вшивают одну дорожку, нужную вашей аудитории.
• Перевод тоже вычитывайте. Машинный перевод сохраняет смысл, но может выбрать неестественное слово или перевести термин, который в вашей сфере принято оставлять как есть.

Как делаем мы

IA Agent — ИИ-сервис, который делает субтитры на русском и казахском. Казахскую речь мы распознаём отдельной моделью, дообученной на корпусе казахской речи KSC2, а не общей моделью. Вы загружаете готовое видео, выбираете язык речи, стиль и нужен ли перевод. Через 10–40 минут в кабинете будут видео с вшитыми субтитрами в исходном формате кадра, файлы SRT и VTT и текст речи целиком. Перевод ru↔kk сохраняет тайминги реплика в реплику.

Цена — 60 ₸ за минуту видео, перевод +40 ₸ за минуту, минимум 990 ₸ за заказ. Например, 10-минутное видео без перевода стоит 990 ₸ (по минутам вышло бы 600 ₸, но действует минимум), 20 минут с переводом — 2 000 ₸. Платите после результата: сначала смотрите превью, потом оплачиваете счёт. Результаты помечены как созданные с помощью ИИ. Вычитку имён и терминов мы всё равно советуем: модель не знает, как пишется фамилия вашего гостя.

Если нужны не субтитры к готовому ролику, а короткие клипы из длинного эфира, прочитайте статью «Как нарезать вебинар на Reels и Shorts».