Սուբտիտրեր (ենթագրեր) code-switching-ով խոսողների համար

Եթե դու հայ creator ես ու վիդոսներ ես նկարում Instagram-ի, TikTok-ի կամ YouTube-ի համար, հաստատ գիտես, որ սովորական գրական հայերենով խոսելը քո կոնտենտում բնական չի հնչի։ Մենք առօրյայում ու հատկապես սոցցանցերում խոսում ենք երեք լեզվի խառնուրդով. հայերեն նախադասության մեջ հեշտությամբ մտնում են ռուսերեն ու անգլերեն բառեր։ Օրինակ՝ «Այսօր մի հատ նոր reel ենք նկարելու, որի reach-ը բարձրացնելու համար պետք ա ճիշտ subtitle ընտրենք, հետո deploy անենք մեր նոր app-ը»։ Սա լեզվաբանության մեջ կոչվում ա code-switching (լեզվական կոդի փոփոխություն)։ Ու հենց այս պատճառով ա, որ շատ հայ ստեղծողներ փնտրում են հայերեն, ռուսերեն և անգլերեն աշխատող սուբտիտրերի (ենթագրերի) ծրագրեր, որոնք կկարողանան ճիշտ տրանսկրիպցիա անել իրենց խոսքը։

Սոցցանցերում վիդոսների դիտելիությունը ուղիղ կապ ունի սուբտիտրերի որակի հետ։ Մարդկանց ավելի քան 80%-ը Reels կամ TikTok նայում ա առանց ձայնի՝ տրանսպորտում, դասի ժամանակ կամ աշխատանքի վայրում։ Եթե քո վիդոսի վրա տեքստ չեղավ, այդ մարդիկ ոչ մի վայրկյան չեն մնա քո էջում։ Բայց երբ փորձում ես օգտագործել համաշխարհային հայտնի ծրագրերը, ստանում ես լիակատար զախողված արդյունք։ Նրանք չեն հասկանում, թե ոնց կարող ա մարդը մեկ վայրկյանում երեք լեզվով խոսել։ Այս հոդվածում մանրամասն կխոսենք այն մասին, թե ինչու ա սա այդքան մեծ խնդիր հանդիսանում հայկական սեգմենտում, ինչու են սովորական AI համակարգերը գժվում այս լեզվախառնուրդից, ու թե ոնց ա Harmar.ai-ը լուծել այս հարցը իր հատուկ հիբրիդային մոտեցմամբ։

Ինչո՞ւ են սովորական ծրագրերը ձախողվում խառը լեզուներով խոսելիս

Երբ փորձում ես համապատասխան սուբտիտրերի ծրագիր գտնել App Store-ում կամ Google-ում, սովորաբար հանդիպում ես երկու հիմնական խնդրի։ Առաջինը՝ ծրագրերի մեծ մասը ընդհանրապես չի աջակցում հայերեն լեզվին։ Երկրորդը՝ նույնիսկ եթե աջակցում են, նրանք նախատեսված են միայն մաքուր, գրական լեզվով խոսողների համար։ Օտարերկրյա մշակողները չեն պատկերացնում, թե ինչքան յուրահատուկ ա հայաստանյան creator-ների խոսակցական լեզուն։

Արդյունքում, երբ փորձում ես սուբտիտրեր սարքել քո խառը լեզվով վիդոսի համար, ստանում ես մի տեքստ, որը լիքն ա անիմաստ տառերով։ Ծրագիրը կամ փորձում ա անգլերեն բառերը գրել հայատառ (ու ստացվում ա անընթեռնելի տեքստ), կամ ուղղակի բաց ա թողնում խոսքիդ կեսը։ Սա ստիպում ա քեզ ժամեր անցկացնել սուբտիտրերի էդիթորում, որպեսզի ձեռքով ուղղես յուրաքանչյուր սխալ բառը։ Creator-ների համար ժամանակը ամենաթանկ ռեսուրսն ա, ու ոչ մեկ չի ուզում իր օրվա 3 ժամը ծախսել սուբտիտրերի տառասխալները ուղղելու վրա։

Բացի դրանից, եթե ցանկանում ես ստանալ պրոֆեսիոնալ `.srt` ֆայլ, որը հետո կարող ես ներբեռնել այլ ծրագրեր (օրինակ՝ CapCut կամ Premiere Pro), դու ստիպված ես լինում ամբողջը նորից գրել կամ ուղղել, քանի որ սինքրոնացումը խախտվում ա։ Եթե ուզում ես իմանալ, թե ոնց ճիշտ ստեղծես ու ներբեռնես սրանք, կարդա մեր ուղեցույցը՝ Ինչպե՞ս ստեղծել և ներբեռնել հայերեն SRT ֆայլեր։

Ինչո՞ւ են համաշխարհային AI համակարգերը «գժվում» code-switching-ից

Համաշխարհային խոշորագույն Speech-to-Text (ձայնի ճանաչման) մոդելները ստեղծվում են հսկայական տվյալների բազաների հիման վրա։ Բայց այդ տվյալները սովորաբար շատ ստանդարտացված են։ AI-ին սովորեցնում են կա՛մ մաքուր հայերեն, կա՛մ մաքուր անգլերեն, կա՛մ մաքուր ռուսերեն։ Երբ քո աուդիո ֆայլը վերբեռնում ես նման համակարգ, այն ստիպում ա քեզ ընտրել մեկ հիմնական լեզու։

Եկեք տեսնենք, թե ինչ ա տեղի ունենում, երբ ընտրում ես այդ լեզուներից մեկը.

• Եթե ընտրում ես հայերեն։ Ծրագիրը ամեն կերպ փորձում ա քո ասած անգլերեն կամ ռուսերեն բառերը «տեղավորել» հայերենի բառարանի մեջ։ Օրինակ՝ երբ ասում ես «այս app-ը շատ հարմար ա», համակարգը լսում ա «այս ափը շատ հարմար ա» կամ «այս ապը»։ Եթե ասում ես «deploy անել», այն կարող ա տրանսկրիպցիա անել որպես «դեպի լույս անել»։ Սա լրիվ փչացնում ա նախադասության իմաստը։
• Եթե ընտրում ես անգլերեն։ Համակարգը հայերեն խոսքը ճանաչում ա որպես ետնաբեմի աղմուկ (background noise)։ Այն սկսում ա գրել միայն քո օգտագործած անգլերեն բառերը՝ իրարից անջատ, իսկ հայերեն միացնող նախադասությունները ուղղակի անհետանում են։
• Եթե ընտրում ես ռուսերեն։ Ստացվում ա նույն պատկերը. հայերենն ու անգլերենը աղավաղվում են կամ փոխարինվում նմանօրինակ հնչող ռուսերեն բառերով։

Մեկ այլ լուրջ խնդիր ա հայկական կետադրությունն ու շեշտադրությունը։ Համաշխարհային մոդելները չեն հասկանում, որ հայերենում հարցական նշանը (`՞`) կամ բացականչական նշանը (`՜`) պետք ա դնել բառի վերջին ձայնավորի վրա։ Նրանք կա՛մ ընդհանրապես նշաններ չեն դնում, կա՛մ դնում են անգլիական տարբերակով՝ նախադասության ամենավերջում։ Դա ստիպում ա, որ սուբտիտրերը տեսողական առումով շատ անգրագետ ու ոչ պրոֆեսիոնալ երևան։

Բացի դրանից, կա նաև ռուսերեն ու անգլերեն loanwords-ի խնդիրը։ Հայաստանում սովորական խոսակցականում մենք օգտագործում ենք «վաբշե», «աբիզատելնի», «սվյազ», «պոստ» կամ «կոնտենտ» բառերը։ Երբ սովորական ծրագիրը լսում ա սրանք, այն կա՛մ գրում ա տրանսկրիպցիոն սխալներով, կա՛մ փորձում ա թարգմանել, ինչը լիովին փոխում ա վիդոսի էմոցիոնալ ֆոնն ու creator-ի անհատական ոճը։

Harmar.ai-ի հիբրիդային մոտեցումը. ո՞նց ա լուծվում այս խնդիրը

Քանի որ մենք լավ հասկանում էինք հայ creators-ների այս ցավը, Harmar.ai-ի ստեղծման ժամանակ մշակեցինք միանգամայն նոր՝ հիբրիդային մոտեցում։ Մենք չփորձեցինք հարմարվել սովորական միալեզու մոդելներին։ Փոխարենը, ստեղծեցինք երկփուլանի խելացի համակարգ, որը հարմարեցված ա հենց հայաստանյան իրականությանը։

Ահա թե ոնց ա աշխատում մեր տեխնոլոգիան.

1. Բազմալեզու ակուստիկ ճանաչում (Multilingual Acoustic Model)

Առաջին քայլում մեր աուդիո մոդելը վերլուծում ա քո ձայնային ալիքները։ Այն սահմանափակված չի միայն մեկ լեզվի բառարանով։ Այն միաժամանակ լսում ու ճանաչում ա հայերենի, անգլերենի ու ռուսերենի հնչյունային առանձնահատկությունները։ Սա թույլ ա տալիս ֆիքսել յուրաքանչյուր բառի արտասանությունը հենց այն լեզվով, որով այն ասվել ա։

2. Համատեքստային լեզվաբանական մոդել (Contextual Linguistic Post-Processor)

Այս փուլն ամենակարևորն ա։ Ակուստիկ մոդելի ստացած տեքստը փոխանցվում ա մեր լեզվաբանական համակարգին, որը հասկանում ա հայկական սլենգը, տեխնոլոգիական տերմիններն ու կոնտենտ ստեղծողների լեզուն։ Եթե համակարգը տեսնում ա, որ դու ասել ես «ռիլ», այն հասկանում ա համատեքստը ու ավտոմատ փոխում ա դա անգլերեն «reel»-ի։ Եթե ասել ես «աբիզատելնի», այն գրում ա դա ռուսատառ կամ հայատառ՝ կախված համատեքստից ու քո նախընտրած կարգավորումներից։

Ավելին, համակարգը ավտոմատ կերպով ճիշտ տեղերում դնում ա հայերենի կետադրական նշանները՝ միջակետերը, վերջակետերը (։) ու շեշտերը։ Դու ստանում ես պատրաստի, գրագետ ձևակերպված սուբտիտրեր, որոնք կարիք չունեն ձեռքով երկար-բարակ ուղղումների։

Մեր համակարգի կարևոր մասն ա նաև պրոֆեսիոնալ ինտերակտիվ timeline-ը։ Եթե նույնիսկ ինչ-որ բառ սխալ ա գրվել կամ ուզում ես փոխել դրա տևողությունը, դու կարող ես հեշտությամբ սեղմել բառի վրա, խմբագրել այն կամ քաշելով սահմանել յուրաքանչյուր բառի սկիզբն ու ավարտը հատուկ սլայդեռ միջոցով։ Սա աշխատում ա թե՛ 30 վայրկյանանոց դեմո վիդոսների, թե՛ 5 րոպեանոց վիդոսների համար։

Օրինակների համեմատություն. Harmar vs CapCut/Այլ ծրագրեր

Որպեսզի ավելի պատկերավոր լինի, եկեք համեմատենք, թե ինչպես են տարբեր ծրագրեր տրանսկրիպցիա անում նույն նախադասությունը։

Ասված խոսքը վիդոսում.

> «Ժողովուրդ, այսօրվա վիդոսում ցույց կտամ, թե ոնց ա աշխատում մեր նոր workflow-ն, որ ձեր reels-երի reach-ը միանգամից թռնի։»

Արդյունքը CapCut-ով (կամ այլ սովորական ավտոմատ գործիքով).

> «Ժողովուրդ այսօրվա վիդեոյում ցույց կտամ թե ոնց ա աշխատում մեր նոր որքֆլոուն որ ձեր ռիլսերի ռիչը միանգամից թռնի»

Խնդիրները. չկա ոչ մի կետադրություն, անգլերեն բառերը գրված են հայերեն տառերով շատ տարօրինակ ձևով («որքֆլոուն», «ռիլսերի», «ռիչը»), ինչը դժվար ա ընթերցվում էկրանից։ Արդյունքը Harmar.ai-ով.

> «Ժողովուրդ, այսօրվա վիդոսում ցույց կտամ, թե ոնց ա աշխատում մեր նոր workflow-ն, որ ձեր reels-երի reach-ը միանգամից թռնի։»

Արդյունքը. բոլոր ստորակետերն ու վերջակետերը իրենց տեղում են, անգլերեն տերմինները (workflow, reels, reach) գրված են իրենց օրիգինալ տեսքով՝ հայերեն հոլովման մասնիկների հետ ճիշտ միացված (workflow-ն, reels-երի, reach-ը)։ Տեքստը ակնթարթորեն ընկալվում ա հանդիսատեսի կողմից։

Ինչպե՞ս ա սուբտիտրերի ճիշտ ոճն ազդում քո Reels-ի reach-ի վրա

Երբ վիդեոյի տեքստ ես սարքում, ոճն ու դինամիկան որոշիչ դեր ունեն։ Եթե տեքստը ուղղակի սպիտակ, անշարժ տողերով հայտնվի էկրանի ներքևում, մարդիկ շատ արագ կձանձրանան։ Մեր աչքերը սիրում են շարժում ու գունային փոփոխություններ։ Ճիշտ ձևավորված սուբտիտրերը կարող են բարձրացնել քո վիդոսի watch time-ը (դիտման ժամանակը)։ Իսկ watch time-ը Instagram-ի ու TikTok-ի ալգորիթմների համար թիվ մեկ ցուցանիշն ա՝ վիդոսդ նոր մարդկանց առաջարկելու համար։

Harmar-ում մենք ստեղծել ենք հատուկ դինամիկ presets, որոնք լուծում են այս խնդիրը.

• Կարաոկե (Active Word Color Swapping) — Տեքստը հայտնվում ա էկրանին, բայց երբ արտասանում ես կոնկրետ բառը, այն անմիջապես փոխում ա իր գույնը (օրինակ՝ դառնում ա մեր էլեկտրիկ լայմ գույնը)։ Սա ստիպում ա աչքերին հետևել խոսքին ու չշեղվել։
• Հաբիկ (Pill Style) — Ակտիվ բառի հետևում հայտնվում ա գեղեցիկ, կլորացված անկյուններով գունավոր ֆոն, իսկ մնացած բառերը մնում են սովորական։ Սա տալիս ա շատ պրեմիում, մաքուր ու ժամանակակից տեսք։
• Մեկ բառով (Word-by-Word Pop) — Էկրանին հայտնվում ա միայն մեկ ակտիվ բառ, որը փոխարինվում ա հաջորդով շատ արագ։ Իդեալական ա արագ, դինամիկ խոսքի համար։

Ինչպե՞ս ընտրել ճիշտ գործիք և ստանալ լավագույն արդյունքը

Եթե ուզում ես, որ քո վիդոսները ունենան բարձր որակի սուբտիտրեր, խորհուրդ ենք տալիս հետևել այս քայլերին.

1. Մաքուր ձայնագրություն։ Ինչքան էլ AI-ն խելացի լինի, մաքուր աուդիոն միշտ օգնում ա ճշգրտությանը։ Օգտագործիր լավ միկրոֆոն ու փորձիր խուսափել ուժեղ քամուց կամ ետնաբեմի բարձր երաժշտությունից ձայնագրման պահին։

2. Կետադրության ստուգում։ Թեև Harmar-ը 95%+ ճշտությամբ ինքնուրույն դնում ա նշանները, արագ աչքով անցկացրու տեքստը մեր հարմար timeline-ի վրա, որպեսզի համոզվես, որ ամեն ինչ քո ուզածով ա։

3. Safe Zones (Անվտանգ գոտիներ) պահպանում։ Երբեք մի տեղադրիր տեքստը չափազանց վերևում կամ ներքևում։ Instagram-ի UI կոճակները (likes, comments, share, նկարագրության տողը) կփակեն քո սուբտիտրերը, ինչի արդյունքում դրանք կդառնան անընթեռնելի։ Պահիր տեքստը էկրանի կենտրոնին մոտ։

ՀՏՀ

Ո՞նց սուբտիտրեր սարքել երեք լեզվով խառը խոսակցական վիդոսի համար։

Դրա համար լավագույն լուծումը Հարմարն ա, որն ունի հատուկ բազմալեզու մոդել։ Դու պարզապես վերբեռնում ես քո վիդոսը, և համակարգը ավտոմատ ճանաչում ա խառը խոսվածքը՝ ճիշտ տեղադրելով բառերը հայերեն տառերով։

Ինչո՞ւ են սուբտիտրերի ծրագրերը անգլերեն բառերը հայատառ գրում կամ աղավաղում։

Միալեզու ծրագրերը փորձում են օտար բառերը տեղավորել իրենց հայտնի միակ բառարանի մեջ, ինչի պատճառով ստացվում են կոպիտ սխալներ։ Հարմարի AI-ը հասկանում ա խոսակցական ոճն ու ճիշտ տառադարձում ա օտար բառերը հայերեն տառերով, ինչպես օրինակ՝ «ռիլս» կամ «սթորի»։

Ի՞նչ ա կոդ-սվիչինգը (խառը խոսելը)։

Կոդ-սվիչինգը (code-switching) խոսքի մեջ մի լեզվից մյուսին արագ անցնելն ա, ինչը շատ տարածված ա հայ creator-ների շրջանում։ Մենք հաճախ հայերեն նախադասության մեջ օգտագործում ենք անգլերեն ու ռուսերեն loanwords (փոխառյալ բառեր)։

---

> ### 🚀 Պատրա՞ստ ես փորձել լավագույն հայերեն սուբտիտրերի գործիքը

> Վերբեռնիր քո առաջին վիդոսը հենց հիմա ու համոզվիր ինքդ, թե ինչքան արագ ու ճիշտ ա աշխատում մեր համակարգը։

>

> Սկսել անվճար → Harmar.ai | Տեսնել փաթեթները → Harmar.ai Pricing

Ամփոփում

Եթե քո վիդոսներում խառնում ես հայերենը, անգլերենն ու ռուսերենը, ապա սովորական ծրագրերը միայն կդժվարացնեն քո կյանքը։ Հայերեն, ռուսերեն ու անգլերեն աջակցող ճիշտ գործիք գտնելը կարևոր ա ոչ միայն ժամանակ խնայելու, այլև լսարանիդ որակյալ ու գրագետ կոնտենտ մատուցելու համար։ Harmar.ai-ի միջոցով դու կստանաս ճշգրիտ, կետադրված ու թրենդային սուբտիտրեր ընդամենը մի քանի վայրկյանում։