Online konvertor XML do SRT zdarma

Video editor, media player nebo služba pro titulky může vyžadovat SRT, pokud byly titulky exportovány jako XML z jiného systému. Převod souboru zajistí přenositelnost a možnost úprav titulků, ale pouze v případě, že XML obsahuje identifikovatelný text titulků a časové údaje.

Co je formát XML

XML je strukturovaný značkovací jazyk, nikoli jeden formát titulků. Systémy pro titulky a přepisy používají různá XML schémata, včetně TTML/DFXP, EBU-TT, Final Cut Pro XML a proprietárních exportů ze software pro úpravu, vysílání a převod řeči na text.

Soubor XML s titulky může ukládat titulky v elementech, jako je <p begin="00:00:01.000" end="00:00:04.000">, nebo používat atributy s názvy start, end, in, out či duration. Final Cut Pro XML může popisovat projekt úprav namísto přímého obsahu použitelných titulků, takže před převodem může být nutné provést export z původní aplikace.

XML nemá univerzální strukturu titulků. Přejmenování captions.xml na captions.srt nevede ke konverzi; software musí identifikovat časová pole, extrahovat viditelný text a přepsat data do syntaxe SRT.

Co je formát SRT

SRT je formát prostého textu podporovaný většinou video přehrávačů, nelineárními editory, media servery a platformami pro titulky. Každý titulek obsahuje pořadové číslo, čas začátku a konce, text titulku a prázdný řádek:

1
00:00:01,000 --> 00:00:04,000
Example caption.

Časové značky SRT používají čárky před milisekundami a formát HH:MM:SS,mmm. XML titulky mohou místo toho používat desetinné sekundy, tečky, čísla snímků, čas na hodinách, ticks nebo doby trvání ISO 8601. SRT je malý, snadno upravitelný v textovém editoru a široce kompatibilní, ale obsahuje výrazně méně metadat a stylování než většina XML schémat titulků.

Převod rozpoznaného XML pomocí Subtitle Edit

1. Vytvořte zálohu zdrojového XML.
2. Nainstalujte aktuální desktopovou verzi Subtitle Edit, open-source editor titulků pro Windows.
3. Otevřete soubor prostřednictvím File → Open. Subtitle Edit dokáže importovat několik standardních formátů titulků a caption, ale podpora závisí na konkrétním XML schématu.
4. Zkontrolujte importované titulky v mřížce titulků a na časové ose. Porovnejte první, prostřední a poslední titulek se zdrojem nebo videem a zkontrolujte zalomení řádků a nelatinkové znaky.
5. Proveďte export prostřednictvím File → Save as, vyberte SubRip (*.srt) a zvolte kódování UTF-8, pokud dialog nabízí možnost kódování.

Pokud se soubor otevře jako běžné XML, nenaimportuje žádné titulky nebo vytvoří nesprávné časové údaje, pravděpodobně jde o nepodporované nebo projektově specifické schéma. Prohlédnutí XML v textovém editoru může odhalit, zda obsahuje skutečný text titulků a časové údaje; úspěšné otevření souboru nepovažujte za důkaz správného převodu.

Použití online převodníku pro zdokumentované a citlivé informace neobsahující soubory

Online služby pro titulky, jako jsou Happy Scribe a VEED, podporují vybrané formáty titulků a caption, ale podpora XML se u jednotlivých produktů liší a může být omezena na pojmenované schéma, například TTML. Před nahráním ověřte, zda služba výslovně uvádí přesný typ XML. Nenahrávejte důvěrné, dosud nezveřejněné titulky ani titulky obsahující osobní údaje, pokud není zpracování třetí stranou povoleno.

Obecné webové stránky pro převod XML na text nebo XML na SRT často vyberou nesprávné elementy, ignorují namespaces, považují milisekundy za sekundy nebo vrátí prázdný soubor. Stáhněte výsledek, otevřete jej v editoru titulků a před použitím porovnejte jeho časové údaje s videem.

Převod předvídatelného vlastního schématu pomocí Pythonu

Skript je vhodný, když má každý titulek rozpoznatelné hodnoty start, end a textu. Tento příklad podporuje časové údaje ve formátu hodin a číselné sekundy a také hodnoty duration:

import re
import sys
import xml.etree.ElementTree as ET

def seconds(value):
    value = value.strip().replace(',', '.')
    if re.fullmatch(r'\d+(?:\.\d+)?', value):
        return float(value)
    match = re.fullmatch(r'(\d+):(\d{2}):(\d{2})(?:\.(\d+))?', value)
    if not match:
        raise ValueError(f'Unsupported time: {value}')
    h, m, s, fraction = match.groups()
    return int(h) * 3600 + int(m) * 60 + int(s) + float('0.' + (fraction or '0'))

def srt_time(value):
    ms = max(0, round(value * 1000))
    h, remainder = divmod(ms, 3600000)
    m, remainder = divmod(remainder, 60000)
    s, ms = divmod(remainder, 1000)
    return f'{h:02}:{m:02}:{s:02},{ms:03}'

root = ET.parse(sys.argv[1]).getroot()
cues = []
for element in root.iter():
    start = element.get('start') or element.get('begin')
    end = element.get('end')
    duration = element.get('duration') or element.get('dur')
    if not start or (not end and not duration):
        continue
    start = seconds(start)
    end = seconds(end) if end else start + seconds(duration)
    text = ' '.join(''.join(element.itertext()).split())
    if text and end > start:
        cues.append((start, end, text))

cues.sort()
with open(sys.argv[2], 'w', encoding='utf-8', newline='\n') as output:
    for number, (start, end, text) in enumerate(cues, 1):
        output.write(f'{number}\n{srt_time(start)} --> {srt_time(end)}\n{text}\n\n')

Spusťte jej příkazem python xml_to_srt.py captions.xml captions.srt. Upravte názvy atributů a výběr titulků podle zdrojového schématu. Skript neinterpretuje časové kódy SMPTE založené na snímcích, doby trvání ISO 8601, ticks, nezdokumentované jednotky milisekund, XML namespaces vyžadující kvalifikované vyhledávání ani oddělené elementy stylování a mluvčího. Také slučuje vložená zalomení řádků do mezer; pokud je nutné zachovat strukturu řádků, nahraďte tento řádek zpracování textu.

Kontrola časování, kódování a ztracených metadat

• Před převodem ověřte časovou základnu. Počty snímků vyžadují snímkovou frekvenci zdroje; číselné hodnoty mohou představovat sekundy, milisekundy nebo ticks.
• Správně převádějte relativní doby trvání: titulek s hodnotami begin a dur končí na hodnotě begin + dur.
• Zkontrolujte překrývající se titulky, titulky s nulovou délkou, obrácené časové údaje, chybějící text, duplicitní titulky a více jazykových stop. Čtečky SRT tyto případy zpracovávají nekonzistentně.
• Při načítání zdroje zachovejte kódování znaků deklarované v XML a SRT uložte jako UTF-8. Po exportu zkontrolujte znaky s diakritikou a nelatinková písma.
• Počítejte se ztrátou funkcí specifických pro XML, jako jsou umístění, barvy, fonty, metadata mluvčích, časování karaoke, pořadí čtení a komplexní stylování řádků. Nezbytné označení mluvčích nebo formátování vytvořte ručně.
• Otevřete výsledné SRT v Subtitle Edit nebo jiném editoru titulků a zobrazte jeho náhled společně s videem. Před předáním zkontrolujte první a poslední titulky, změny scén, zalomení řádků a synchronizaci.