Le sous-titrage automatique : une nouveauté technologique exploitable Sabrina Baldo-de Brébisson MCF et ancienne traductrice spécialisée En collaboration avec Sylvain Thébault Adaptateur indépendant Le sous-titrage automatique : une nouveauté technologique exploitable pour les adaptateurs professionnels ? OPTIMALE Symposium - Université Rennes 2 - 6 juin 2013

Logiciels Fonctions Site Jubler Création de fichiers de sous-titres http://jubler.org/ Modification de fichiers de sous-titres Time Adjuster Synchronisation des sous-titres avec les images http://www.ireksoftware.com/ta Subtitle Workshop http://www.urusoft.net/products.php?cat=sw Sublight Recherche de fichiers de sous-titres existant sur Internet http://www.sublight.si/ Aegisub http://www.aegisub.org/ Traduction automatique de sous-titres Kijio http://kijio.org/guide/ Subtitle Translation Wizard http://www.upredsun.com/subtitle-translation/ Extraction des fichiers de sous-titres à partir d'une vidéo Visualisation des sous-titres sur la vidéo Handbrake Incrustation de sous-titres "en dur" dans une vidéo http://handbrake.fr/ Any Video Converter http://www.any-video-converter.com/fr/

Sous-titrage automatique Deux domaines appliqués Deux outils appliqués La reconnaissance vocale La traduction automatique Google Voice Google Translate

1

2

3

4

5

6

7

8

Processus Humain traditionnel « Tout automatisé » Semi-automatisé Adaptation en langue cible sur la base d’une transcription source Humaine Sous-titrage automatique en langue source par reconnaissance vocale Importation de la transcription humaine en langue source dans la vidéo, synchronisation et création des sous-titres en langue source automatiques Simulation (Révision) des sous-titres en langue cible Modification des sous-titres en langue source Traduction automatique des sous-titres en langue cible Révision humaine des sous-titres en langue cible

1ère PROBLÉMATIQUE : TRAITEMENT Multiples contraintes : Découpage de la vidéo pour lancer la reconnaissance vocale quand elle commence par un silence Obligation d’apporter une correction pour récupérer une nouvelle piste de reconnaissance vocale pour pouvoir demander la traduction automatique Apparition immédiate du sous-titrage automatique vs apparition aléatoire et tardive de la piste (version exploitable et révisable) Temps de traitement impossible à évaluer Outil pas fiable pour un professionnel

2ème PROBLÉMATIQUE : QUALITÉ De la reconnaissance vocale (transcription automatique) De la T.A. à partir de la transcription automatique (reconnaissance vocale) De la T.A. à partir de la transcription humaine (script source)

Supports : Fichier vidéo en anglais sur « One day. A novel becomes a movie », David Nicholls Fichier avec la transcription en anglais Fichier avec les sous-titres humains en français

Reconnaissance vocale Piste source quasiment fausse de moitié Taux d’erreurs : 43% (227 mots reconnus sur 392) Meilleur résultat (12 mots consécutifs) : over a period of time seeing them change in tiny degrees year-by-year Exemple : We realized that what we couldn’t do was divide a hundred minutes into twenty five minute chunks. We realize that will be couldn't it was defiant hundred minutes into twenty five minute chocs.

Google Voice + Google Translation : « Soyons fous ! » Exemple : I put a lot of care and thought into this book. Care and gordon's this book Entretien et Gordon ce livre

Traduction automatique d’une retranscription par reconnaissance vocale Catégories d'erreurs Nombre %age Non sens 33 82,5% Non idiomatique 3 7,5% Faux sens 2 5,0% Grammaire 1 2,5% Calque Typographie et ponctuation 0,0% Lexique Syntaxe Maladresse Inexact TOTAL 40 100,0% 33 non sens sur 391 mots = 8,5 % du texte !

« Beaucoup de traducteurs professionnels trouvent les textes générés par les logiciels de traduction automatique tellement biscornus qu’ils estiment plus rapide de repartir à zéro » P. 12, Traduction. Faire les bons choix. Dans Petit guide de l’acheteur de traductions. Syndicat national des traducteurs professionnels.

Google Translation sans Google Voice : Une folie douce Exemple : Source : I put a lot of care and thought into this book. It took a lot longer than my other books. TA : J'ai mis beaucoup de soin et de réflexion dans ce livre. Il a fallu beaucoup plus de temps que mes autres livres. Adaptation : J’ai consacré du temps à ce livre, plus qu’aux précédents.

Traduction automatique d’une retranscription humaine Catégories d'erreurs Nombre %age Grammaire 14 18,9% Non sens 13 17,6% Typographie et ponctuation 9 12,2% Lexique Calque 8 10,8% Non idiomatique 6 8,1% Syntaxe 5 6,8% Maladresse Faux sens 4 5,4% Inexact 1 1,4% TOTAL 74 100,0% 74 erreurs sur 465 mots = 20% du texte !

BILAN « Optimiser le défi technologique pour faire face à la place de l’humain en traduction » Reconnaissance vocale : Pourquoi faire simple quand on peut faire compliqué ?  Traduction automatique avec ou sans reconnaissance vocale : Pour les fansubbers ?  

Adaptation incompatible par essence avec la Traduction Automatique Traduction littérale Traduction linéaire Traduction oblique, libre, infidèle Traduction spatiotemporelle Techniques créatives de l’adaptation : non répétition, omission, sous-traduction, hyperonymie, hyponymie, modulation…

MERCI TRUGAREZ