如何对照原版审查翻译后的 YouTube 视频

设置数据采集任务

Actor 是托管运行的数据采集程序。任务是一组已保存的输入预设。对于 YouTube Transcript 公开构建版本 build0.1.43，请更新任务输入 JSON，以采集可供审查的高质量记录。将 startUrls 中已保存的整个 3 个示例视频 URL 列表替换为你要审查的 1 个原版视频 URL，并单独运行；再替换为你要审查的 1 个本地化视频 URL，另行运行。每次运行都使用各自按优先顺序排列的 preferredLanguages 代码。将 outputFormats 从 [text,llm] 改为 [json]，并保留 includeFailedInputDetails 为 true。

JSON

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

如果请求的语言均不存在，preferredLanguages 会报告 LANGUAGE_UNAVAILABLE，而不会在不作提示的情况下选择其他语言。将 preferredLanguages 留空会使用当前可用的最佳字幕轨。读者自行制作的人工转录稿有独立的来源记录。Actor 不会进行翻译、配音、音频转录、说话人识别、根据音频生成字幕、查找对应视频或自动对齐。

Actor 返回读者所需的原生字段：videoId、videoUrl、transcriptLanguageCode、transcriptLanguageName、requestedLanguageCodes、availableLanguageCodes、languageMatch、isAutoGenerated、status 和 segments。公开的片段键为 startSeconds、endSeconds、durationSeconds 和 text。保留返回的 endSeconds 以及值为 null 的时长。

OUTPUT 汇总字段为 inputsReceived、uniqueVideosPlanned、rowsWritten、successfulTranscriptRows、failedInputs、duplicateVideosSkipped、statusCounts、errorCodeCounts 和 failedInputDetails。rowsWritten 和 successfulTranscriptRows 统计成功获取的转录记录行，不统计已存储的失败详情行；statusCounts 包含已处理输入的失败结果。

目前使用英语人工字幕的阳性对照验证了原生字幕的文本、时间信息和语言结构。它并不能证明任何特定本地化频道的质量、意大利语或西班牙语字幕轨的可用性、双语内容的准确性或音频质量。读者创建的每个 alignmentUnitId 都必须保留双方的 videoUrl 值、各自独立的起止时间范围，以及对齐理由；单元 ID 并非 Actor 的输出。

完成含义审查的步骤

1. 人工确认这 2 个已知 URL 确实指向同一内容的原版和本地化版本。核查视频身份、语言轨道和来源时间。仅凭标题或缩略图相同还不够。
2. 按照公开接口规范采集可用的字幕轨。分别保存原生语言信息，以及人工或自动生成标记。核对实际听到的口述语言。如果目标语言字幕轨缺失，不要将原语言字幕轨硬填入目标语言列。
3. 对需要审查的片段，逐一对照视频音频核对字幕用词。如果某处字幕存疑，将其记录为“字幕用词存疑”，并先核查来源。原字幕有误，并不自动意味着翻译有误。
4. 将语义单元定义为一条完整的指令及其适用条件。根据实际内容，将原版单元与本地化片段配对，不要按索引逐项配对，也不要仅凭起始时间相同来配对。无法匹配的片段应保留为未配对状态，不要猜测。
5. 使用一份简短的双语核对清单，检查谁执行什么操作、否定关系、必要顺序或条件、数字和单位、技术术语，以及限定条件。目标语言句子即使流畅，也可能颠倒条件或改变数量。
6. 为每个已对齐单元记录范围明确的状态：含义有据可核、含义已改变、字幕用词存疑、对齐关系存疑或不可用。分别保留仅见于目标版本和仅见于原版的片段清单。对于含义已改变的单元，说明指令发生了什么变化，以及需要如何修正。
7. 这项以字幕为辅助的含义检查不涵盖声音自然度、情感、说话人辨识、配音节奏或音质。这些方面需要单独的音频审查标准。
8. 交付对齐记录表，其中应包含原版措辞、目标版本措辞、已核对的音频时间、状态和修正说明。分别报告已审查单元和未配对单元。

记录表详解示例（原创虚构内容）

这个小型测试用例中的每个视频、每条字幕和每项判断均为原创虚构内容。一名双语审校员将口述片段与对应字幕进行了核对，但未进行真实音频测试。

本地化版本后面的一段片尾内容，在已审查的原版时间范围内没有对应片段。将其保留为未配对片段，不要判为误译。这 2 个单元的结果为：1 个单元的含义有据可核，1 个单元的含义已改变，另有 1 段未配对的本地化片段。