ซับคาราโอเกะ — ไฮไลท์ทีละคำให้ตรงกับเสียงจริง

ซับธรรมดาต้องการแค่สองอย่างต่อหนึ่งบรรทัด คือเวลาที่ขึ้นและเวลาที่ลง ส่วนคาราโอเกะต้องรู้ว่าแต่ละคำในบรรทัดนั้นเริ่มเมื่อไรและจบเมื่อไร บรรทัดเดียวที่มีสิบคำจึงต้องการข้อมูลเวลามากกว่ากันสิบเท่า

นี่คือเหตุผลที่ไฟล์ SRT ธรรมดาเอามาทำคาราโอเกะตรง ๆ ไม่ได้ SRT เก็บเวลาแค่ระดับบรรทัด ถ้าเอามาเกลี่ยให้คำแบ่งเวลาเท่า ๆ กัน ผลจะดูตรงในบรรทัดที่พูดเร็วสม่ำเสมอ แล้วเพี้ยนทันทีในบรรทัดที่มีคำลากยาวหรือมีจังหวะหยุด

เครื่องมือส่วนใหญ่ที่ทำคาราโอเกะได้ ออกแบบมาสำหรับภาษาที่เว้นวรรคระหว่างคำ พอเจอข้อความไทยที่เขียนติดกันยาว ๆ มันจะไม่รู้ว่าคำหนึ่งจบตรงไหน สิ่งที่เห็นบนจอคือไฮไลท์ที่ไล่ไปทีละตัวอักษร หรือกระโดดข้ามกลางคำ

การจะไฮไลท์ทีละคำจริง ๆ ในภาษาไทยจึงต้องมีขั้นตอนตัดคำเพิ่มเข้ามาก่อน และการตัดคำที่ผิดจะเห็นชัดกว่าในคาราโอเกะมากกว่าในซับธรรมดา เพราะซับธรรมดาผิดแล้วยังอ่านรู้เรื่อง แต่คาราโอเกะที่ไฮไลท์ผิดตำแหน่งจะรู้สึกสะดุดทันที

ไม่มีวิธีไหนดีที่สุดในทุกกรณี มันขึ้นกับว่าคุณมีเวลาเท่าไร และคลิปนั้นเป็นคลิปพูดหรือคลิปเพลง

ปัญหาส่วนใหญ่ของคาราโอเกะไม่ได้เกิดตอนตั้งค่า แต่เกิดกับเนื้อหาบางประเภทที่ทำให้เวลาของคำเพี้ยน

คาราโอเกะไม่ใช่สไตล์ซับอีกแบบหนึ่ง แต่เป็นซับที่ต้องการข้อมูลเวลาละเอียดกว่ากันคนละระดับ ถ้าเครื่องมือที่ใช้ไม่ได้คืนเวลาระดับคำมาให้จริง ผลที่ได้จะเป็นการเดาเวลาแล้วทำให้ดูเหมือนคาราโอเกะเท่านั้น

สำหรับคลิปพูดภาษาไทย ตัวชี้ขาดคุณภาพมีสองอย่าง คือเวลาระดับคำที่มาจากเสียงจริง และการตัดคำไทยที่ถูกตำแหน่ง ขาดอย่างใดอย่างหนึ่งก็เห็นได้ด้วยตาเปล่าทันที