كيفية إزالة التوقيتات الزمنية من تفريغ نصي أو ملف ترجمة

تُبنى ملفات الترجمة والتفريغ النصي حول التوقيت، وهو بالضبط ما لا تريده عندما تُعيد استخدام المحتوى كمقالة، أو منشور بلوغ، أو اقتباس، أو نص للترجمة. ملف SRT خام مُلقى في وثيقة يبدو كهذا:

12
00:04:21,500 --> 00:04:24,800
وهذه حقًا هي الفكرة الجوهرية

النص القابل للقراءة يحتاج فقط إلى الكلمات: “وهذه حقًا هي الفكرة الجوهرية.”

ما يجب إزالته فعليًا

• أرقام الـ cues. الفهرس المتتالي (12، 13، …) الذي يسبق كل مقطع في SRT.
• سطور التوقيت الزمني. السطر 00:04:21,500 --> 00:04:24,800، بصيغة الفاصلة الخاصة بـ SRT أو صيغة النقطة الخاصة بـ VTT.
• رأسية WEBVTT، إن وُجدت.
• علامات التنسيق. تنسيقات مائل/عريض (<i>، <b>)، إشارات التموضع، وعلامات تسمية المتحدث التي تحتويها بعض ملفات VTT.
• المسافات الفارغة بين الـ cues. عادة تريد دمج هذا في تباعد فقرات أو جمل طبيعي، لا الإبقاء عليه كما هو.

لماذا يفشل القيام بهذا يدويًا (أو بالبحث والاستبدال)

عملية regex بسيطة لإزالة سطور التوقيت تعمل غالبًا بشكل جيد مع الملفات القصيرة، لكن أمرين يُعطّلانها بشكل شائع: نهايات السطور غير المتسقة (الملفات المُصدّرة من أنظمة تشغيل مختلفة تخلط بين \n و\r\n)، وأرقام cues تبدو كنص عادي عند النظرة الأولى لكنها تُعطّل نمط المطابقة الساذج. في ملف طويل (تفريغ حلقة كاملة، محاضرة، مقابلة تمتد لساعات)، سطر واحد فائت يعني إعادة مراجعة الملف كله بالعين.

هناك أيضًا مشكلة أدق: عندما يُقسّم cue في منتصف جملة (شائع عندما تطول الجملة وتعبر حدود cue)، فإن حذف سطور التوقيت فقط يترك لك جملة مكسورة بين سطرين دون علامة ترقيم تصلهما. أداة إزالة جيدة تُعيد دمج هذه الجمل بشكل صحيح بدلًا من ترك أجزاء متقطعة.

القيام بذلك بشكل صحيح

تأخذ أداتنا لإزالة التوقيتات الزمنية ملف SRT أو VTT وتُخرج نصًا نظيفًا في فقرات: أرقام الـ cues، التوقيت، والعلامات، كلها تزول، وتُعاد الجمل المقسومة بين الـ cues إلى حالتها الطبيعية، وكل ذلك يُعالَج محليًا في متصفحك لذا لا يُغادر التفريغ النصي جهازك مطلقًا. إنه أسرع طريق من “ملف ترجمة موقّت” إلى “نص قابل للقراءة” دون تنظيف مئات سطور التوقيت يدويًا.