优化 YouTube 翻译
这是有时效性的文章，一些截图和示例和最新版本未必一致，但是所描述的优化原理没变。
在最新的版本中，此文章提及的“断句模式”设置选项已删除，以不同的工作模式代替：
- 标准模式，相当于“断句模式”设置为“增强”。
- 简单模式，相当于“断句模式”设置为“普通”。
概述
众所周知，YouTube 有原生翻译功能，还有通过语音识别技术自动生成的字幕，简称“自动字幕”。
所以要实现双语字幕功能，通常的做法就是向 YouTube 请求两个字幕文件，原文和译文，两个文件的时间轴基本上是一一对应的，按照相同时间轴合并原文和译文就行了。
可能你听闻过 Google 的翻译技术有过重大突破，但如果你是 YouTube 重度用户，想必已经发现 YouTube 的翻译质量很多时候还是让人一言难尽。然而 YouTube 的翻译质量是有优化余地的，下面说明 Dualsub 的优化原理。
以这个茶的历史视频为例子，视频原声为英语，翻译到中文，分别优化人工字幕和自动字幕。
优化人工字幕
下面是 YouTube 翻译结果片段：
00:04:21.389 --> 00:04:25.699
Today, tea is the second most consumed beverage in the world after water,
今天，茶是仅次于水的世界上消费量第二大的饮料，
00:04:25.699 --> 00:04:27.449
and from sugary Turkish Rize tea,
还有含糖的土耳其里兹茶，
00:04:27.449 --> 00:04:29.440
to salty Tibetan butter tea,
咸西藏黄油茶
00:04:29.440 --> 00:04:32.410
there are almost as many ways of preparing the beverage
几乎有多种方法来准备饮料
00:04:32.410 --> 00:04:34.299
as there are cultures on the globe.
因为全球都有文化。
我们来评价一下这几条翻译：
- 第 1 条：看上去还不错。
- 第 2-3 条：还能接受。
- 第 4-5 条：已经逻辑不通了。
如果你把原文粘贴到 https://translate.google.com/ 上翻译的话，你会得到一样的结果：
有意思的是，如果你把这几句话用空格拼成一行，翻译结果会变成：
翻译质量神奇地上升了一个档次，可以说和人类翻译差不多了。
想必你已经看到问题所在，YouTube 的翻译没有结合上下文，每条字幕对白独立翻译。
要提升翻译质量，翻译需要结合上下文，多条字幕对白需要同时翻译。
因此 Dualsub 引入一个设置选项“翻译模式”：
- 普通：不结合上下文翻译，和 YouTube 做法相同。
- 增强：结合上下文翻译，以及其它优化手段。
当你使用增强模式，翻译结果会变成：
00:04:21.389 --> 00:04:25.699
Today, tea is the second most consumed beverage in the world after water,
如今，茶已成为仅次于水的世界上消费量第二大的饮料，
00:04:25.699 --> 00:04:27.449
and from sugary Turkish Rize tea,
从含糖的土耳其里兹茶到咸味的西藏黄油茶，
00:04:27.449 --> 00:04:29.440
to salty Tibetan butter tea,
从含糖的土耳其里兹茶到咸味的西藏黄油茶，
00:04:29.440 --> 00:04:32.410
there are almost as many ways of preparing the beverage
制备饮料的方法几乎与全球文化一样多。
00:04:32.410 --> 00:04:34.299
as there are cultures on the globe.
制备饮料的方法几乎与全球文化一样多。
在此翻译模式下，译文未必和原文一一对应，一个译文可能对应多个原文，反之亦然，甚至会交换语序：
00:02:14.855 --> 00:02:17.806
This gave China a great deal of power and economic influence
随着饮茶在世界范围内的传播，
00:02:17.806 --> 00:02:20.585
as tea drinking spread around the world.
这给了中国很大的力量和经济影响力。
此外，有一些字幕是不适合使用增强模式的，比如歌词，因为歌词可能不是完整的一句话，甚至没有标点符号，并且刻意断句，所以使用增强模式未必能改进翻译质量。
优化自动字幕
“自动字幕”指在 YouTube 原生字幕菜单中带有“(自动生成)”后缀的字幕。
首先要说明一下两种时间轴格式。
一种是“基于句子”的格式，例如：
00:00:00.000 --> 00:00:03.000
aaa bbb ccc
另一种是“基于词汇”的格式，例如：
00:00:00.000 xxx
00:00:01.000 yyy
00:00:02.000 zzz
很明显，人工字幕是“基于句子”的，而自动字幕是“基于词汇”的，所以自动字幕对白的原生显示效果是“逐个词汇弹出”。
但是 YouTube 翻译后的自动字幕是“基于句子”的，下面是翻译结果片段：
00:01:42.640 --> 00:01:46.880
in the 9th century during the tang dynasty a japanese monk brought the
在9世纪唐朝期间，日本和尚带来了
00:01:46.880 --> 00:01:50.880
first tea plant to japan the japanese eventually developed their
日本最早的茶厂日本人最终发展了他们的
00:01:50.880 --> 00:01:54.880
own unique rituals around tea leading to the creation of the japanese
围绕茶的独特仪式导致日本人的创作
00:01:54.880 --> 00:01:58.240
tea ceremony and in the 14th century during the ming
茶道与明朝的14世纪
00:01:58.240 --> 00:02:01.840
dynasty the chinese emperor shifted the standard from tea
王朝将中国皇帝的标准从茶叶转移到了中国
可以推测 YouTube 翻译自动字幕的流程：
- 合并词汇为句子，每个句子不超过 80 个字符。
- 每个句子独立翻译，也就是没有结合上下文翻译。
两个步骤都是简单粗暴的做法，所以造成翻译质量非常差。
翻译前需要“合并词汇为句子”，也就是“断句”，但是原始文本都是小写字母，也没有标点符号，给断句带来麻烦。
另一种方法是“根据停顿时间”，一个人说完一句话，通常都会停顿一会，再说下一句。
因此 Dualsub 引入一个设置选项“断句模式”：
- 普通：根据字符数量，和 YouTube 做法相同。
- 增强：根据停顿时间，以及其它优化手段。
当你使用增强模式断句，同时使用增强模式翻译，结果如下：
00:01:42.630 --> 00:01:45.520
in the 9th century during the tang dynasty,
在唐朝的9世纪，
00:01:45.520 --> 00:01:49.30
a japanese monk brought the first tea plant to japan,
一位日本僧侣将第一棵茶树带到了日本，
00:01:49.30 --> 00:01:52.950
the japanese eventually developed their own unique rituals around tea
日本人最终围绕茶制定了自己独特的礼节，
00:01:52.950 --> 00:01:56.149
leading to the creation of the japanese tea ceremony,
从而创立了日本茶道，
00:01:56.149 --> 00:01:59.119
and in the 14th century during the ming dynasty,
在明朝的14世纪，
00:01:59.119 --> 00:02:04.560
the chinese emperor shifted the standard from tea pressed into cakes to loose-leaf tea,
中国皇帝将标准从茶压成饼转变为活叶茶，
可以看到翻译质量有明显的提升，当然，这个方法也并非万能，但综合起来还是比“凑字数”方法好得多。