iPhone-এ ভিডিওর ক্যাপশন অনুবাদ করতে আগে ক্যাপশন তৈরি করুন, তারপর এমন টুল দিয়ে জায়গায় বসেই ক্যাপশন ট্র্যাক অনুবাদ করুন যা প্রতিটি লাইন আসল টাইমিংয়ে আবার সাজায়। শুধু লেখা অনুবাদ করা সহজ অর্ধেক; সিঙ্কে রাখাটাই ফলকে দেখার মতো করে।

iOS কী দেয়, আর কোথায় থামে

Apple মানুষের ধারণার চেয়ে বেশি অনুবাদ দেয়, আর তার কোনোটাই ভিডিও ফাইলে হাত দেয় না।

  • Translate অ্যাপ টাইপ করা লেখা, সরাসরি কথোপকথন আর ক্যামেরা দিয়ে দেখা লেখা সামলায়। ভিডিও বা টাইমলাইনের কোনো ধারণা এর নেই।
  • Live Captions (Settings > Accessibility > Live Captions) দেখার সময় ডিভাইসেই অডিও ট্রান্সক্রাইব করে। এটা আপনার স্ক্রিনে আঁকা দেখার একটা সহায়তা, আপনার ভাষায়: কোনো এডিট করা যায় এমন ট্র্যাক তৈরি করে না আর কখনো এক্সপোর্টে পৌঁছায় না।
  • Photos-এ কোনো ক্যাপশন বা সাবটাইটেল নেই।
  • iMovie-তে অটোমেটিক ক্যাপশন নেই, তাই অনুবাদ করার মতো কিছু নেই। এর টাইটেল হাতে টাইপ করা, একটা একটা করে।
  • YouTube দর্শকের জন্য নিজের ক্যাপশন অটো-অনুবাদ করতে পারে, কিন্তু সেটা শুধু YouTube-এ চালানোর সময়। TikTok, Reels বা ক্লায়েন্টকে দেওয়া ফাইলে কিছুই যায় না।

তাই কাজের ক্রম নির্দিষ্ট: আগে লাগবে আসল শব্দের টাইমিংসহ একটা ক্যাপশন ট্র্যাক, তারপর এমন অনুবাদক যা সেই টাইমিং বোঝে।

এখানে কাজ করছে Apple-এর Speech framework। এটা অন-ডিভাইস রিকগনিশন দেয়, তাই রেকর্ডিং যে মেশিনে তৈরি সেখানেই থাকে।

ক্যাপশনকে আগে প্রবেশাধিকার, পরে এনগেজমেন্ট হিসেবে দেখুন। বেশিরভাগ দলকে যে মানদণ্ডে ধরা হয় তা হলো W3C-র আগে থেকে রেকর্ড করা মিডিয়ার ক্যাপশন।

অনুবাদ করা ক্যাপশন সাধারণত কেন ভাঙে

ক্যাপশন ট্র্যাক লেখার একটা ব্লক নয়, এটা টাইম করা শব্দের একটা ক্রম। ওয়ার্ড-পপ আর কারাওকে স্টাইল প্রতিটি শব্দ বলার সাথে সাথে হাইলাইট করে, মানে প্রতিটি শব্দের নিজস্ব শুরু আর শেষ আছে।

লাইন ধরে ধরে অনুবাদ করলে চারটে জিনিস ভুল হয়:

  1. শব্দসংখ্যা বদলায়। "Thanks for watching" তিনটি শব্দ; এর স্প্যানিশ সমতুল্য হয়তো চারটি। হাইলাইট এখন সরে যায়।
  2. শব্দের ক্রম কিওয়ার্ড সরিয়ে দেয়। জার্মান অধীন বাক্যাংশে ক্রিয়াকে শেষে ঠেলে দেয়; জাপানি বাক্যের শেষে বসায়। ইংরেজির তিন নম্বর শব্দে জোর থাকলে অনুবাদের তিন নম্বর শব্দ সাধারণত একই ধারণা নয়।
  3. জোর থাকে একটা অবস্থানে, অর্থে নয়। সরল অনুবাদক হাইলাইট যে অবস্থানে ছিল সেখানেই রাখে, তাই ভুল শব্দ ফুটে ওঠে।
  4. লাইন ভাঙা আর শ্বাসের সাথে মেলে না। লম্বা ভাষাগুলো যে জানালার মাপে বানানো ছিল তা ছাপিয়ে যায়।

সমাধান হলো অনুবাদ করা লাইন আসল জানালা জুড়ে ছড়িয়ে দেওয়া আর লক্ষ্য ভাষায় কোন শব্দে জোর দেবেন তা আবার বাছা।

যে ভাষাগুলোতে বাড়তি ফাঁদ আছে

  • ডান থেকে বাঁ। আরবি পড়ার ক্রম উল্টে দেয়। ক্যাপশনের সারিবদ্ধতা দেখুন, আর নির্দিষ্ট কোনো শব্দের দিকে দেখানো যেকোনো তীর, আন্ডারলাইন বা কলআউটও দেখুন।
  • শব্দের মাঝে ফাঁকা নেই। জাপানি, চীনা আর থাই শব্দের মাঝে স্পেস দেয় না, তাই স্পেস ধরে ভাগ করা হাইলাইটার একবারে পুরো লাইন ফুটিয়ে তুলবে। সেগমেন্টেশনকে অক্ষর বুঝতে হবে।
  • প্রসারণ। জার্মান আর স্প্যানিশ প্রায়ই ইংরেজির চেয়ে 20-30% লম্বা হয়। এক সারিতে আঁটা লাইন এখন দুই সারিতে যায়, যা 9:16 ফ্রেমে প্ল্যাটফর্মের ক্যাপশন ব্লকের নিচে ঠেলে দিতে পারে।
  • লাইনের দৈর্ঘ্য। সাবটাইটেলের প্রচলিত নিয়মে একটা লাইন মোটামুটি 42 অক্ষরে আর একবারে দুই লাইনে সীমিত। ফোনেও এটা ভালো সীমা, যেখানে লেখা ছোট ফ্রেমের জন্য ভিডিওর সাথে প্রতিযোগিতা করে।

ডিভাইসেই করা কেন জরুরি

ক্লাউড অনুবাদ মানে আপনার ট্রান্সক্রিপ্ট, কখনো পুরো ভিডিও, থার্ড-পার্টি সার্ভারে যায়। ক্লায়েন্টের কাজ, NDA-র আওতার যেকোনো কিছু, বা ব্যক্তিগত ফুটেজের জন্য এটা সত্যিকারের বিবেচনা। অন-ডিভাইস অনুবাদে কোনো নেটওয়ার্ক পথই নেই, আর প্লেনেও চলে।

ধাপে ধাপে

  1. ক্যাপশন তৈরি করুন। অনুবাদের জন্য একটা ক্যাপশন ট্র্যাক লাগে।
  2. আগে নাম আর পরিভাষা ঠিক করুন। অনুবাদের আগে ভুল ট্রান্সক্রাইব হওয়া নাম, ব্র্যান্ড আর টেকনিক্যাল শব্দ ঠিক করুন: ভুলও বিশ্বস্তভাবে অনূদিত হয়, আর বিকৃত নাম এক ভাষার চেয়ে দুই ভাষায় খারাপ।
  3. ভাষার মডেল একবার ডাউনলোড করুন। iOS প্রতিটি ভাষার জন্য অফলাইন অনুবাদ মডেল রাখে। iOS 18-এ এগুলো থাকে Settings > Apps > Translate > Downloaded Languages-এ (পুরোনো বিন্যাসে Settings > Translate), যেখানে On-Device Mode-ও চালু করা হয়। ভ্রমণের আগে Wi-Fi-তে এটা করুন।
  4. লক্ষ্য ভাষা বেছে অনুবাদ করুন।
  5. সবচেয়ে লম্বা লাইনগুলো দেখুন। যে লাইন এখন ফ্রেমে ভিড় করছে তাতে চোখ বুলিয়ে ভাগ করুন।
  6. জোর আবার পড়ুন। ইংরেজিতে যে শব্দে জোর দিতে চেয়েছিলেন সেটা খুব কমই একই জায়গায় থাকে।
  7. প্রতিটি ভাষার জন্য একটা কাট এক্সপোর্ট করুন, আর পোস্টের নিজের ক্যাপশন, টাইটেল আর হ্যাশট্যাগও সেই ভাষায় লিখুন। নইলে এমন দর্শকের জন্য ভিডিও অনুবাদ করেছেন যাদের প্ল্যাটফর্ম কখনো এটা দেখাবে না।

Zella কীভাবে করে

iPhone-এর জন্য Zella ক্যাপশন অনুবাদ করে 19টি ভাষায় (স্প্যানিশ, হিন্দি, পর্তুগিজ (ব্রাজিল), ফরাসি, জার্মান, আরবি, জাপানি, ইন্দোনেশীয়, চীনা (সরলীকৃত), কোরীয়, ইতালীয়, রুশ, তুর্কি, ভিয়েতনামি, থাই, ডাচ, পোলিশ, ইউক্রেনীয় আর ইংরেজি (UK)), পুরোপুরি ডিভাইসেই, Apple-এর Translation framework দিয়ে, কোনো নেটওয়ার্ক পথ ছাড়াই। এই তালিকায় বাংলা নেই, তাই বাংলায় ক্যাপশন অনুবাদ এখানে হয় না।

প্রতিটি অনূদিত লাইন তার আসল অন-স্ক্রিন জানালায় আবার সাজানো হয়, তাই ওয়ার্ড-পপ আর কারাওকে ঠিক মুহূর্তে অ্যানিমেট হতে থাকে, আর সবচেয়ে জোরালো শব্দগুলো ইংরেজিতে রেখে না দিয়ে নতুন ভাষায় আবার জোর পায়।

দুটো সৎ সতর্কতা। এর জন্য iOS 18 বা তার পরের ভার্সন লাগে, আর একটা ভাষার প্রথম ব্যবহারে Settings থেকে একবার অফলাইন মডেল ডাউনলোড লাগতে পারে। আর এটা একটা iPhone ফিচার: Mac অ্যাপে ক্যাপশন অনুবাদ নেই। বাকি ক্যাপশন টুলসেটের মতোই অনুবাদ ফ্রি। Mac অ্যাপটি আজই Mac App Store-এ আছে; iPhone-এর জন্য Zella এখন App Store-এ। দেখুন ক্যাপশন ডকস (ইংরেজিতে)।

সাধারণ প্রশ্ন

ক্যাপশন অনুবাদে কি ইন্টারনেট লাগে? Zella-য় লাগে না, অনুবাদ ডিভাইসে চলে। একটা ভাষার অফলাইন মডেলের জন্য iOS-এর একবার ডাউনলোড লাগতে পারে, তারপর airplane mode-এও চলে।

Mac অ্যাপে কি এটা করা যায়? না। অন-ডিভাইস ক্যাপশন অনুবাদ একটা iPhone ফিচার, কারণ এটা iOS 18 আর তার পরে Apple-এর Translation framework ব্যবহার করে।

অনুবাদ কি নিখুঁত হবে? কোনো মেশিন অনুবাদই হয় না। কথোপকথনে নির্ভরযোগ্যভাবে ভালো, আর বাগধারা, রসিকতা আর ইন্ডাস্ট্রির পরিভাষায় দুর্বল: প্রকাশের আগে পড়ে নিন, বিশেষ করে বাণিজ্যিক কিছুর জন্য।

একসাথে কি দুটো ভাষা দেখানো যায়? যায়, কিন্তু ফ্রেম খেয়ে ফেলে আর কোনোটাই ভালো পড়া যায় না। প্রতি এক্সপোর্টে একটা ভাষা, পোস্টের নিজের ক্যাপশনে ভাষার নামসহ, ভালো চলে।

অনুবাদে কি আমার ভিডিওর টাইমিং বদলায়? না। শুধু ক্যাপশনের লেখা বদলায়; ভিডিও, কাট আর অডিও অক্ষত থাকে।