Převod souboru DOCX do SRT

Video editors, media players a caption platforms mohou vyžadovat titulky ve formátu SRT, zatímco skripty a transkripty běžně přicházejí jako soubory DOCX. Protože běžný DOCX obsahuje text, ale žádná synchronizační data, vytvoření použitelných titulků vyžaduje extrakci textu a přiřazení timecodes.

Co je formát DOCX

DOCX je dokumentový formát Microsoft Word založený na XML, který podporují Word, LibreOffice Writer, Apple Pages a Google Docs. Jedná se o balíček založený na ZIP, který může obsahovat odstavce, styly, tabulky, obrázky, komentáře, záhlaví, zápatí a sledované změny. Skripty, přepisy rozhovorů, záznamy schůzek a připravené titulky jsou často distribuovány jako DOCX.

Odřádkování odstavců, tučný text, jména mluvčích a rozvržení stránky se automaticky nestanou titulkovými úseky. Pokud dokument neobsahuje konzistentní timestamps, nemůže sám o sobě poskytnout synchronizaci.

Co je formát SRT

SRT neboli SubRip Subtitle je formát prostého textu podporovaný většinou media players, video editors a subtitle tools. Každý úsek obsahuje pořadové číslo, čas začátku a konce a jeden nebo více řádků:

1
00:00:02,000 --> 00:00:05,500
Welcome to the presentation.

SRT je malý, upravitelný, nezávislý na videu a široce kompatibilní. Ukládá pouze text a základní časování; fonts, colors, images, comments, tracked changes, tables a complex layout z DOCX se zahodí.

Jak provést převod

Když je DOCX transkriptem bez timecodes

1. Otevřete soubor ve Wordu, LibreOffice Writer nebo Google Docs. Odstraňte záhlaví, zápatí, čísla stránek, komentáře, revizní značky a nepronášený text.
2. Umístěte každou repliku mluvčího nebo logickou jednotku titulků do vlastního odstavce. Dlouhé repliky rozdělte na kratší úseky; dva řádky na úsek jsou praktickým maximem, ačkoli správný limit závisí na cílové platformě a jazyce.
3. Exportujte vyčištěný text pomocí File → Save As → Plain Text (.txt). Když Word zobrazí dialog encoding, vyberte UTF-8. LibreOffice nabízí stejnou možnost prostého textu v nabídce File → Save As.
4. Otevřete video v Subtitle Edit, bezplatném subtitle editoru pro Windows, a importujte soubor TXT pomocí jeho funkce pro import prostého textu. Video otevřete prostřednictvím Video → Open video file.
5. Nastavte čas začátku a konce každého úseku podle náhledu videa nebo waveform. Zkontrolujte rychlost čtení, zalomení řádků, označení mluvčích a synchronizaci.
6. Uložte soubor pomocí File → Save as a vyberte SubRip (*.srt). Potvrďte, že výstup je uložen jako UTF-8.

Subtitle Edit se hodí pro ruční časování transkriptu, protože poskytuje import textu, úpravy waveform, nástroje pro zalomení řádků, nastavení encoding a validaci titulků. Aegisub je multiplatformní alternativa s podrobnými ovládacími prvky pro časování a styling, ale méně se zaměřuje na import jednoduchého transkriptu.

Pokud je k dispozici zdrojový zvuk nebo video, může nástroj pro automatické rozpoznávání řeči, například Whisper, vytvořit timecoded subtitles přímo z media. Považujte výsledek za koncept: chyby rozpoznávání, změny mluvčích, interpunkce, zalomení řádků a časování stále vyžadují kontrolu. Transkript DOCX sám o sobě nemůže nástroji Whisper poskytnout chybějící timestamps.

Když DOCX již obsahuje timecodes

Normalizujte timestamps do syntaxe SRT, například 00:01:12,000 --> 00:01:16,000. V části s milisekundami nahraďte tečky čárkami, podle potřeby odstraňte závorky a metadata mluvčích a zajistěte, aby každý úsek měl číslo, čas začátku, čas konce a text. Subtitle Edit může importovat nebo upravit normalizovaný text a validovat výsledný soubor. Script je vhodný pouze tehdy, když každý odstavec dodržuje přesný a předvídatelný vzor; chybějící časy konce a nekonzistentní označení mluvčích vyžadují ruční opravu.

Použití online služby

CloudConvert a Zamzar mohou převést DOCX na TXT, pokud není k dispozici desktopový software. Stažený text UTF-8 použijte v Subtitle Edit k vytvoření a načasování SRT; běžný cloudový file converter obvykle nedokáže z transkriptu odvodit synchronizaci. U důvěrných rozhovorů, právních záznamů, osobních údajů nebo nezveřejněných medií si před odesláním DOCX do jakékoli online služby ověřte podmínky nahrávání, uchovávání, mazání a opětovného použití.

Kontroly kvality a kompatibility

• Časování nelze získat z běžného formátování. Použijte zdrojové video, audio waveform, spolehlivé timestamps nebo výstup rozpoznávání řeči.
• Používejte UTF-8, aby se zachovaly znaky s diakritikou a nelatinská písma. Zkomolený text obvykle signalizuje problém s encoding, nikoli problém s časováním titulků.
• SRT běžně používá pro milisekundy čárky, například 00:00:04,250; formáty používající tečky nejsou bez převodu zaměnitelné.
• Zajistěte, aby čísla úseků byla za sebou, časy začátku předcházely časům konce a překrývající se úseky byly záměrné a podporované cílovou aplikací.
• Zkontrolujte počet znaků na řádek, počet znaků za sekundu, minimální dobu zobrazení a maximální dobu zobrazení podle požadavků cílové platformy. Subtitle Edit může upozornit na nadměrnou rychlost čtení, překryvy a chybně vytvořené timestamps.
• Tabulky DOCX, sloupce, plovoucí textová pole a sledované změny se mohou extrahovat v nesprávném pořadí. Před časováním nebo importem zkontrolujte prostřední soubor TXT.