Cómo revisar un video traducido de YouTube y compararlo con el original

Configurá la tarea de recopilación de datos

Un Actor es un programa de recopilación de datos alojado en un servidor. Una tarea es una configuración de entrada guardada. Para la compilación pública build0.1.43 de YouTube Transcript, actualizá el JSON de entrada de la tarea para recopilar registros sin problemas de calidad para la revisión. Reemplazá toda la lista guardada de URL de los 3 videos de muestra en startUrls por la URL del video original que querés revisar en una ejecución y la URL del video adaptado que querés revisar en otra ejecución independiente. Usá en cada ejecución sus propios códigos de preferredLanguages en orden de preferencia. Cambiá outputFormats de [text,llm] a [json] y mantené includeFailedInputDetails en true.

JSON

{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "preferredLanguages": [],
  "outputFormats": ["json"],
  "includeFailedInputDetails": true
}

Cuando no está disponible ninguno de los idiomas solicitados, preferredLanguages informa LANGUAGE_UNAVAILABLE en lugar de seleccionar otro idioma sin avisar. Si dejás preferredLanguages vacío, se usa la mejor pista disponible. Las transcripciones manuales creadas por el lector tienen una procedencia independiente. El Actor no traduce, dobla, transcribe audio, identifica hablantes, crea subtítulos a partir del audio, busca videos equivalentes ni establece correspondencias de forma automática.

El Actor devuelve los campos nativos necesarios para este procedimiento: videoId, videoUrl, transcriptLanguageCode, transcriptLanguageName, requestedLanguageCodes, availableLanguageCodes, languageMatch, isAutoGenerated, status y segments. Las claves públicas de los segmentos son startSeconds, endSeconds, durationSeconds y text. Conservá el valor de endSeconds devuelto y la duración null.

Los campos del resumen OUTPUT son inputsReceived, uniqueVideosPlanned, rowsWritten, successfulTranscriptRows, failedInputs, duplicateVideosSkipped, statusCounts, errorCodeCounts y failedInputDetails. rowsWritten y successfulTranscriptRows cuentan las filas de transcripciones obtenidas correctamente, no las filas almacenadas con detalles de errores; statusCounts incluye los resultados fallidos de las entradas procesadas.

El control positivo actual, realizado con subtítulos manuales en inglés, verifica el texto nativo de los subtítulos, los tiempos y la estructura de los datos de idioma. No certifica ningún canal adaptado en particular, la disponibilidad de pistas en italiano o español, la precisión entre ambos idiomas ni la calidad del audio. Cada alignmentUnitId creado por el lector debe conservar ambos valores de videoUrl, intervalos independientes de inicio y fin, y un motivo para establecer la correspondencia; los identificadores de las unidades no forman parte de la salida del Actor.

Completá los pasos de revisión del significado

1. Confirmá manualmente que las 2 URL conocidas corresponden a las versiones correctas, original y adaptada, del mismo contenido. Comprobá la identidad de los videos, las pistas de idioma y los tiempos de las fuentes. No alcanza con que coincidan los títulos o las miniaturas.
2. Recopilá las pistas de subtítulos disponibles mediante el contrato público de datos. Guardá por separado el idioma informado por la fuente y los indicadores de subtítulos manuales o automáticos. Comprobá qué idioma se escucha realmente. Si falta la pista del idioma de destino, no coloques una pista del idioma original en la columna de destino.
3. Contrastá las palabras de los subtítulos con el audio de cada video en los fragmentos revisados. Si hay dudas sobre una palabra del subtítulo, registrá el estado como palabra del subtítulo dudosa y comprobá primero la fuente. Un subtítulo incorrecto en la fuente no implica automáticamente un error de traducción.
4. Definí una unidad de sentido como una instrucción completa con su condición. Establecé correspondencias entre las unidades del original y los segmentos de la versión adaptada según el contenido real, sin emparejarlos por su posición en la lista ni por tener el mismo tiempo de inicio. Dejá sin emparejar los fragmentos que no tengan una correspondencia clara, en lugar de adivinar.
5. Aplicá una breve lista de comprobación bilingüe que abarque quién hace qué, la negación, el orden o la condición necesarios, los números y las unidades, los términos técnicos y las expresiones que precisan o limitan el significado. Una oración fluida en el idioma de destino puede invertir una condición o cambiar una cantidad.
6. Registrá un estado de alcance limitado para cada unidad emparejada: significado respaldado, significado modificado, palabra del subtítulo dudosa, correspondencia dudosa o no disponible. Mantené listas separadas de los fragmentos que aparecen solo en la versión de destino y de los que aparecen solo en el original. Para las unidades modificadas, indicá qué instrucción cambió y qué corrección se necesita.
7. Dejá la naturalidad de la voz, la emoción, el reconocimiento del hablante, la cadencia del doblaje y la calidad del sonido fuera de esta comprobación del significado apoyada en subtítulos. Esos aspectos necesitan criterios de revisión del audio separados.
8. Entregá el registro de correspondencias con el texto original, el texto de destino, los tiempos del audio revisado, el estado y una nota de corrección. Informá por separado las unidades revisadas y las unidades sin emparejar.

Ejemplo de registro resuelto paso a paso (ficción original)

Todos los videos, subtítulos y dictámenes de este pequeño caso de prueba son ficción original. Un revisor bilingüe contrastó los fragmentos hablados con sus subtítulos sin realizar pruebas con audio real.

Un cierre posterior de la versión adaptada no tiene un fragmento equivalente en el intervalo revisado del original. Dejalo sin emparejar; no lo clasifiques como un error de traducción. Estas 2 unidades dan como resultado 1 unidad con significado respaldado, 1 unidad con significado modificado y 1 fragmento adicional sin emparejar en la versión adaptada.