Przekład audiowizualny: tłumaczenia napisów, dubbing i voice-over w praktyce

Przekład audiowizualny (AVT, ang. audiovisual translation) to specjalistyczne tłumaczenie podporządkowane obrazowi i dźwiękowi. Obejmuje napisy, tłumaczenie lektorskie (voice-over), dubbing dopasowany do ruchu ust oraz audiodeskrypcję dla osób niewidomych i słabowidzących. Wybór docelowej formy tłumaczenia zależy od rynku: w Polsce popularny jest voice-over, w Niemczech i Hiszpanii dubbing, a w Skandynawii napisy. Praca tłumacza audiowizualnego podlega ścisłym limitom: obowiązujące zwykle ograniczenia to 12–17 znaków na sekundę i maksymalnie 42 znaki w jednej linii.

Najważniejsze informacje:

• Rodzaje AVT: napisy, voice-over, dubbing i audiodeskrypcja – każdy wymaga innych kompetencji i budżetu.
• Tłumacz AV pracuje z kodami czasowymi (timecodes), tempem wypowiedzi i limitami linii.
• Platformy streamingowe (serwisy VOD), np. Netflix i Disney+, narzucają własne standardy techniczne.
• Dubbing wymaga precyzyjnej synchronizacji ust (lip-sync); audiodeskrypcja coraz częściej wynika z wymogów dostępności.
• Voice-over, czyli tłumaczenie lektorskie, jest popularny w Polsce; w Europie Zachodniej dominują napisy i dubbing.

---

Spis treści

• Czym charakteryzuje się przekład audiowizualny
• Specyfika poszczególnych rodzajów tłumaczeń audiowizualnych
• Jakie standardy techniczne obowiązują w branży
• Jak wygląda proces tłumaczenia treści audiowizualnych
• Krótka historia tłumaczeń audiowizualnych i ich przyszłość
• Podsumowanie
• Najczęściej zadawane pytania (FAQ)

---

Czym charakteryzuje się przekład audiowizualny

Tłumaczenie treści audiowizualnych łączy kompetencje językowe z ograniczeniami technicznymi. Tłumacz nie pracuje z ciągłym tekstem, lecz z listą dialogową z kodami czasowymi (timecodes) i informacją o postaci. Każda kwestia musi zmieścić się w czasie wyświetlania i pasować do obrazu.

Najważniejsze ograniczenia techniczne w AVT:

• Czas wyświetlania – widz potrzebuje 1,5–6 sekund na przeczytanie napisu.
• Czytelność – jednocześnie wyświetla się 1–2 linie, zwykle do 42 znaków.
• Kontekst dźwiękowy – śmiech, krzyk lub szept wpływają na ton tłumaczenia.
• Znaczenie obrazu – gest i mimika niosą część sensu, dlatego przekład musi pasować do sceny.
• Spójność z obrazem – tłumacz nie powinien opisywać tego, co widz widzi bezpośrednio na ekranie.

To inna ekonomia języka niż w tłumaczeniu pisemnym. Tłumacz audiowizualny dopasowuje treść do rytmu narracji i sposobu odbioru przez widza.

Specyfika poszczególnych rodzajów tłumaczeń audiowizualnych

Napisy

Napisy to najtańszy i zwykle najszybszy w produkcji rodzaj przekładu AV. Widz czyta tekst na ekranie, a oryginalny dźwięk pozostaje słyszalny. Tworzenie napisów wymaga pewnego dopasowania treści – głównie skracania – jednak bez utraty znaczenia. Ta forma tłumaczeń audiowizualnych może być przygotowywana również z myślą o osobach niesłyszących. Jest wówczas uzupełniana o elementy opisu dźwięków otoczenia, aby ułatwić odbiór treści.

Voice-over (tłumaczenie lektorskie)

W przypadku nagrania lektorskiego tekst jest czytany przez jednego lektora, częściowo przykrywając oryginalną ścieżkę dźwiękową z dialogiem. Tłumaczenie lektorskie to polska specjalność: ok. 80% filmów dokumentalnych i seriali w polskiej telewizji wykorzystuje voice-over. Jest to rozwiązanie tańsze i szybsze niż dubbing.

Dubbing

W dubbingu aktorzy głosowi zastępują oryginalne dialogi ścieżką zsynchronizowaną z ruchem ust postaci (lip-sync). Wymaga to precyzyjnego dopasowania długości kwestii. To najdroższa, ale też najbardziej immersyjna forma przekładu AV. W Niemczech, Francji, Włoszech i Hiszpanii jest standardem, a w Polsce dotyczy głównie filmów i seriali animowanych oraz i kina familijnego.

Audiodeskrypcja

Audiodeskrypcja to dodatkowa ścieżka dźwiękowa opisująca akcję na ekranie. Jest przeznaczona głównie dla osób niewidomych i słabowidzących. To ważny element dostępności, coraz częściej wymagany przez Europejski Akt o Dostępności (ang. European Accessibility Act, EAA).

Jakie standardy techniczne obowiązują w branży

Platformy streamingowe wymagają pracy zgodnej z własnymi wytycznymi. Dla producentów wideo znajomość tych zasad jest ważna już na etapie zlecenia.

Obowiązujące standardy:

• Netflix Timed Text Style Guide – wytyczne dotyczące napisów w ponad 30 językach.
• BBC Subtitle Guidelines – wzorcowy standard dla telewizji.
• Disney+ Localization Standards – wymagania lokalizacyjne, w tym dubbing z synchronizacją ust w animacjach.
• EBU-TT-D / SMPTE-TT – techniczne formaty plików napisów.

Parametry techniczne istotne podczas tłumaczenia i przygotowywania napisów:

• CPS (ang. characters per second) – liczba znaków na sekundę, zwykle 12–17 w większości języków.
• Długość linii – najczęściej od 30 do 42 znaków.
• Liczba linii – maksymalnie 2 na jeden napis.
• Czas wyświetlania – zwykle 0,8–7 sekund na napis.
• Tempo czytania – dostosowane do odbiorcy.

Polskie standardy AVT są zgodne z wytycznymi Netflixa i zaleceniami STAW (Polskiego Stowarzyszenia Tłumaczy Audiowizualnych).

Jak wygląda proces tłumaczenia treści audiowizualnych

Standardowy proces obejmuje:

1. Przyjęcie materiału – gotowy materiał wideo, audio, skrypt i glosariusz.
2. Transkrypcja / spotting – zapis dialogów i wyznaczenie kodów czasowych (timecodes) dla każdej kwestii.
3. Tłumaczenie – z uwzględnieniem czasu, tempa narracji i obrazu.
4. Weryfikacja językowa – drugi tłumacz sprawdza terminologię, styl i spójność.
5. Kontrola techniczna (QC) – sprawdzenie CPS, długości linii i wymagań platformy.
6. W przypadku dubbingu – adaptacja dialogowa, dobór aktorów, nagranie w studiu i postprodukcja.
7. Dostawa – w formacie zgodnym z wymaganiami platformy, np. SRT, VTT, EBU-TT-D lub DOCX na potrzeby dubbingu.

Profesjonalne biuro tłumaczeń łączy te etapy w proces zgodny z ISO 17100. Studio Gambit obsługuje produkcje audiowizualne dla wydawców, platform streamingowych i firm B2B — od filmów reklamowych i materiałów szkoleniowych, przez e-learning, po seriale i dokumenty. Pełny zakres usług można znaleźć na stronie Tłumaczenia audiowizualne.

Krótka historia tłumaczeń audiowizualnych i ich przyszłość

Historia tłumaczeń audiowizualnych sięga lat 30. XX wieku, gdy w kinie pojawiły się pierwsze napisy, które umożliwiły producentom (głównie amerykańskim) dystrybucję filmów do innych krajów. Z czasem opracowano technikę zastępowania oryginalnej ścieżki dźwiękowej nagraniem w języku docelowym. Voice-over rozwinął się w Europie Wschodniej w latach 60. jako tańsza alternatywa dla dubbingu, a napędzał go przede wszystkim rozwój telewizji. Dziś przekład AV kształtują platformy streamingowe i wymagania dostępności.

Przyszłość branży to łączenie narzędzi AI (automatycznej transkrypcji, generowania napisów, klonowania głosu) z pracą tłumacza. Wykorzystanie sztucznej inteligencji pozwala skrócić czas produkcji, ale uwzględnienie kontekstu kulturowego, zapewnienie dialogów wysokiej jakości oraz precyzyjne dopasowanie treści do strony wizualnej nagrania nadal wymaga sporej ingerencji człowieka.

Podsumowanie

Przekład audiowizualny łączy tłumaczenie, ograniczenia techniczne i adaptację kulturową. Każda forma – napisy, voice-over, dubbing i audiodeskrypcja – wymaga innych kompetencji, narzędzi i budżetu. Profesjonalne biuro tłumaczeń pracujące zgodnie z normą ISO 17100 i standardami platform streamingowych dostarcza treści gotowe do publikacji.

Planujesz lokalizację filmu, serialu lub materiałów szkoleniowych? Skontaktuj się ze Studiem Gambit.

Najczęściej zadawane pytania (FAQ)

1. Co to jest CPS?

Characters Per Second, czyli liczba znaków na sekundę w napisie. Standardowa wartość współczynnika CPS to 12–17 dla dorosłego widza i 9–12 dla dzieci.

2. Czy mogę przesłać tylko plik wideo bez skryptu?

Tak, ale zwiększa to koszt o etap transkrypcji. Najlepiej dostarczyć skrypt, plik wideo i glosariusz.

3. Jaki format pliku napisów jest standardem?

SRT jest formatem uniwersalnym. VTT (WebVTT) stosuje się w internecie, EBU-TT-D w telewizji w UE, a TTML m.in. na Netflixie.

4. Jak długo trwa tłumaczenie napisów do filmu fabularnego?

Czas pracy tłumacza zależy od wielu czynników, między innym od długości dostarczonego materiału. W przypadku 90-minutowego filmu będzie to średnio 3–7 dni roboczych.

5. Co to jest „forced narrative”?

To napisy wymuszone – dodatkowe napisy tłumaczące fragmenty w obcym języku pojawiające się w filmie.

6. Czy dubbing wymaga zmiany skryptu?

Tak. Adaptacja dialogowa dostosowuje długość kwestii do ruchu ust i tempa mówienia.

7. Ile kosztuje voice-over w Polsce?

Od kilkuset do kilku tysięcy złotych za godzinę nagrania, zależnie od głosu i materiału.

8. Czy audiodeskrypcja jest wymagana prawnie?

Coraz częściej tak — Europejski Akt o Dostępności obejmuje rosnący zakres treści audiowizualnych.

9. Czy podcasty wymagają osobnego procesu tłumaczenia?

Tak. Łączą cechy AVT i tekstu pisanego, dlatego często tłumaczy się je w modelu wielojęzycznego studia podcastowego.

10. Czy AI może zastąpić tłumacza audiowizualnego?

AI pomaga w transkrypcji i wstępnych tłumaczeniach, ale ostateczna decyzja stylistyczna i kulturowa należy do tłumacza.

Bibliografia

1. Netflix. (2024). Timed Text Style Guide.
2. BBC. (2023). Subtitle Guidelines.
3. European Broadcasting Union. (2024). EBU-TT-D Subtitling Specification.
4. International Organization for Standardization. (2015). ISO 17100:2015.
5. AVT Lab (UAM). (2024). Audiovisual Translation Research.
6. Nimdzi Insights. (2024). Media Localization Market Report.
7. Slator. (2024). Streaming Localization Trends.

---

Autor