ज़्यादातर शॉर्ट-फ़ॉर्म वीडियो आवाज़ बंद या धीमी करके देखे जाते हैं: ट्रेन में, लाइन में, सोते हुए पार्टनर के पास। कैप्शन बरसों पहले सिर्फ़ एक्सेसिबिलिटी की अतिरिक्त चीज़ नहीं रहे; वे वीडियो का दूसरा चैनल हैं। लेकिन टेक्स्ट कैसे दिखता है, यह उतना ही मायने रखता है जितना यह कि वह दिखता है या नहीं, और हर प्लेटफ़ॉर्म के टॉप परफ़ॉर्मर का डेटा एक ही दिशा दिखाता है: शब्द-दर-शब्द कैप्शन ब्लॉक सबटाइटल से आगे हैं।

वर्ड-पॉप दर्शकों को क्यों रोकता है और ब्लॉक क्यों नहीं

स्थिर दो-लाइन सबटाइटल लगभग एक सेकंड में पढ़ लिया जाता है, बोले जाने से भी तेज़, और फिर अगले ब्लॉक तक वह स्क्रीन पर पड़ा बेजान फ़र्नीचर बन जाता है। दर्शक की आंख जल्दी पढ़ लेती है और भटकने लगती है, और भटकती आंख का मतलब है स्वाइप करता अंगूठा।

शब्द-दर-शब्द कैप्शन इसे एक साथ तीन तरीकों से ठीक करते हैं:

  • हलचल। हर कुछ सौ मिलीसेकंड में उभरता शब्द छोटे-छोटे पैटर्न इंटरप्ट की लगातार धारा है: फ़्रेम कभी स्थिर नहीं होता।
  • रफ़्तार पर पकड़। दर्शक आगे नहीं पढ़ सकता; उसकी पढ़ने की रफ़्तार को आपकी बोलने की रफ़्तार से मिलना पड़ता है, जिससे ध्यान ऑडियो के साथ सिंक रहता है।
  • एक्टिव शब्द पर फ़ोकस। ठीक अभी बोले जा रहे शब्द को हाइलाइट करना ऑडियो और विज़ुअल चैनल को जोड़ देता है: म्यूट पर देखने वाले असल में आपकी बोली की लय सुन लेते हैं।

कैप्शन रिटेंशन की तरकीब बनने से पहले एक्सेसिबिलिटी की ज़रूरत हैं: पहले से रिकॉर्ड मीडिया के कैप्शन पर W3C की गाइडेंस (अंग्रेज़ी में) वह पैमाना है जिस पर ज़्यादातर टीमें असल में परखी जाती हैं।

इस तरह की कैप्शनिंग Apple के Speech framework पर टिकी है, जो लोकल तौर पर पहचान (recognition) सपोर्ट करता है, इसीलिए ऑडियो को पढ़े जाने के लिए कहीं भेजने की ज़रूरत नहीं पड़ती।

ज़ोर: कैप्शन स्टाइल का 80/20

एक जैसा टेक्स्ट देखने में एकसुर होता है। अपग्रेड है कीवर्ड पर ज़ोर: हर लाइन के वे एक या दो शब्द जो मतलब ढोते हैं, उन्हें अलग रंग, थोड़ा बड़ा साइज़, या दोनों मिलते हैं। "This mistake costs you THOUSANDS" एक जैसे टाइप वाले उसी वाक्य से अलग पढ़ा जाता है: ज़ोर वाला शब्द उस लाइन का थंबनेल है।

इसे साफ़ रखने वाले नियम:

  1. हर लाइन में ज़्यादा से ज़्यादा 1-2 ज़ोर वाले शब्द। हर चीज़ पर ज़ोर दिया तो किसी पर नहीं दिया।
  2. संज्ञाओं और संख्याओं पर ज़ोर दें, जोड़ने वाले शब्दों पर नहीं। "THOUSANDS", "never", "3 seconds", "and" या "very" नहीं।
  3. हर लाइन में ज़्यादा से ज़्यादा एक इमोजी, और सिर्फ़ तब जब वह मतलब से जुड़ा हो (पैसे पर 💰, चेतावनी पर ⚠️)। इमोजी की बौछार स्पैम जैसी लगती है।
  4. बड़ा, हाई-कॉन्ट्रास्ट, लगभग नीचे-बीच में: प्लेटफ़ॉर्म UI से दूर, मोटे स्ट्रोक या शैडो के साथ ताकि किसी भी बैकग्राउंड पर टिका रहे।

बिना झंझट शब्द-दर-शब्द कैप्शन

शब्दों की टाइमिंग हाथ से एनिमेट करना बेतुका है: यह ट्रांसक्रिप्शन का काम है, और इसे अपने आप होना चाहिए। Zella ऑन-डिवाइस ट्रांसक्राइब करता है (कुछ अपलोड नहीं होता, ऑफ़लाइन चलता है) और हर शब्द की टाइमिंग बनाता है, फिर उन्हें वायरल कैप्शन प्रीसेट से स्टाइल करता है: Mac पर 10, iPhone पर 9, सब active-word highlight के साथ। कीवर्ड पर ज़ोर और हर लाइन में एक इमोजी ट्रांसक्रिप्ट से अपने आप लगते हैं, और ट्रांसक्रिप्ट वर्ड एडिटर से आप नाम और तकनीकी शब्द सेकंडों में ठीक कर सकते हैं।

एक-टैप वाला रास्ता: Auto-Polish (अंग्रेज़ी में) डिफ़ॉल्ट रूप से आपके वीडियो को Beast प्रीसेट में कैप्शन करता है: एक बार में एक बड़ा शब्द, कीवर्ड पर ज़ोर, इमोजी के साथ, क्योंकि टॉकिंग-हेड रील्स के लिए यही बड़े टाइप वाला स्टाइल सबसे दमदार परफ़ॉर्म करता है। कुछ हल्का चाहिए? कैप्शन मैनुअली चलाएं और कोई छोटा वर्ड-पॉप प्रीसेट चुनें; ज़ोर देने का तर्क वही रहता है।

पोस्ट करने से पहले कैप्शन की जांच

अपना वीडियो एक बार म्यूट करके देखें। अगर आप बात समझ पा रहे हैं, ज़ोर सही शब्दों पर पड़ता महसूस होता है, और आपकी आंख फ़्रेम से कभी बाहर नहीं जाती, तो कैप्शन अपना काम कर रहे हैं। म्यूट करके एक बार पूरा देखना शॉर्ट-फ़ॉर्म में सबसे भरोसेमंद QA जांच है।

अक्सर पूछे जाने वाले सवाल

Reel या TikTok में शब्द-दर-शब्द कैप्शन कैसे लगाएं? हर शब्द की टाइमिंग पाने के लिए ऑडियो ट्रांसक्राइब करें, फिर ऐसा कैप्शन स्टाइल लगाएं जो बोली के साथ सिंक होकर एक बार में एक शब्द (या कुछ शब्द) दिखाए, और एक्टिव शब्द हाइलाइट हो। TikTok के बिल्ट-इन कैप्शन असली शब्द-दर-शब्द नहीं कर सकते; खास टूल कर सकते हैं। Zella में ऑन-डिवाइस ट्रांसक्रिप्शन और वर्ड-पॉप प्रीसेट यह अपने आप करते हैं, और Auto-Polish का एक टैप डिफ़ॉल्ट रूप से बड़े टाइप वाला Beast स्टाइल लगा देता है।

क्या शब्द-दर-शब्द कैप्शन सामान्य सबटाइटल से बेहतर हैं? 15-60 सेकंड के शॉर्ट्स के लिए, हां। स्थिर दो-लाइन ब्लॉक लगभग एक सेकंड में पढ़ लिया जाता है, बोले जाने से भी तेज़, फिर वह बेजान पड़ा रहता है और आंख भटकती है। वर्ड-पॉप कैप्शन लगातार हलचल जोड़ते हैं, दर्शक की पढ़ने की रफ़्तार को आपकी बोलने की रफ़्तार से बांधते हैं, और म्यूट पर देखने वालों के लिए ऑडियो और विज़ुअल चैनल को जोड़ते हैं।

क्या कैप्शन मेरी बोलने की रफ़्तार से मिलने चाहिए? बिल्कुल। शब्द-दर-शब्द हाइलाइट आपकी बोली के साथ चलना चाहिए ताकि शब्दों का आना लयबद्ध लगे, बेतरतीब नहीं। इसीलिए हर शब्द की टाइमिंग (सिर्फ़ हर वाक्य का एक सबटाइटल ब्लॉक नहीं) मायने रखती है।

कैप्शन में कीवर्ड पर ज़ोर कैसे दें? हर लाइन के उन एक या दो शब्दों को जो मतलब ढोते हैं, जैसे "THOUSANDS", "never", "3 seconds" जैसी संज्ञाएं और संख्याएं, अलग रंग या थोड़ा बड़ा साइज़ दें। हर लाइन में ज़्यादा से ज़्यादा एक या दो शब्दों पर ज़ोर दें; हर चीज़ पर ज़ोर दिया तो किसी पर नहीं दिया।

कैप्शन में कितने इमोजी इस्तेमाल करने चाहिए? हर लाइन में ज़्यादा से ज़्यादा एक, और सिर्फ़ तब जब वह मतलब से जुड़ा हो (पैसे पर 💰, चेतावनी पर ⚠️)। इमोजी की बौछार स्पैम जैसी लगती है और पढ़ने में बाधा डालती है।

अगर मेरे वीडियो का ऑडियो अच्छा है तो क्या कैप्शन चाहिए? हां, ज़्यादातर शॉर्ट-फ़ॉर्म म्यूट या धीमी आवाज़ में देखा जाता है। कैप्शन वीडियो का दूसरा चैनल हैं, एक्सेसिबिलिटी की अतिरिक्त चीज़ नहीं। अपना वीडियो एक बार आवाज़ बंद करके देखें: अगर आप बात समझ पा रहे हैं और ज़ोर सही जगह पड़ता महसूस होता है, तो कैप्शन अपना काम कर रहे हैं।