AI och undertextning: Hur maskinöversättning påverkar tittarupplevelsen
Undertextning har länge varit en central del av den svenska tv-upplevelsen, men med den snabba utvecklingen av AI och maskinöversättning har undertextningsbranschen genomgått en betydande förändring. Men hur uppfattar tittare dessa maskinöversatta undertexter, och vilken påverkan har de på vår förståelse av rörligt material? Hanna Hagström, doktorand i översättningsvetenskap, driver en forskningsstudie som tyder på att det finns tydliga skillnader mellan AI-genererade undertexter och de som helt skapats av människor.
Tittarnas reaktioner: Märker de skillnaden?
En pågående studie om maskinöversatta och efterredigerade undertexter visar att tittare faktiskt kan uppfatta skillnader mellan dessa ”nya” undertexter och traditionella, helt mänskligt översatta undertexter. främsta reaktionerna handlar om felöversättningar samt att den svenska texten upplevs som oidiomatisk och onyanserad jämfört med den engelska dialogen, säger Hanna Hagström.
Några exempel illustrerar detta
Felöversättning:
Original: We just got to that structure, and something’s not right.
Undertext: När vi kom till byggnaden var det nåt som inte stämde.
Kommentar: "Structure" refererar här till två grenar som bundits ihop till ett kors, inte en byggnad.
Oidiomatiskt språk:
Original: What Jeff’s not seeing, is this Black Wolf maybe his death sentence.
Undertext: Jeff ser inte att vargen kan vara hans dödsdom.
Kommentar: Ordagrann översättning. I den här kontexten är det är snarare ”förstår” som åsyftas.
Onyanserat språk:
Original: Let’s go get this son of a bitch!
Undertext: Nu tar vi honom!
Kommentar: Den svenska texten är nedtonad jämfört med den starka och förargade tonen i originalet.
Tidigare forskning av Hanna Hagström och Jan Pedersen visar att maskinöversatta undertexter som bearbetats av efterredigerare har nästan sju gånger så många fel som människoöversatta undertexter.
Studerade genrer och program
Den pågående studien undersöker om skillnaden mellan AI-producerade undertexter och människoöversatta undertexter har en påverkan på tv-tittare. Den bygger vidare på en tidigare studie av Hanna Hagström och Jan Pedersen som fokuserat på undertexter i reality-serier och dokumentärer, två populära tv-genrer där språket ofta är mer spontant och kontextberoende än i exempelvis dramaserier. Bland de program som ingått i analysen finns kända titlar som Deadliest Catch, Chasing Classic Cars, How the Universe Works och Bizarre Foods with Andrew Zimmern. Dessa program erbjuder en bred variation av språkliga utmaningar, från tekniska termer och fackspråk till vardagligt talspråk och idiomatiska uttryck, vilket gör dem särskilt intressanta att studera ur ett översättningsperspektiv.
AI och förtroendet för undertexter
En intressant aspekt av AI-genererade undertexter såväl som människoskapade undertexter är att tittare ofta har en hög tillit till att de korrekt återger vad som sägs. Detta blir särskilt tydligt när dialogen är svår att höra på grund av bakgrundsljud eller otydligt tal.
- I vissa fall har maskinöversättningar innehållit felaktig information som ändå passar in i kontexten, och tittarna har accepterat den som korrekt, säger Hanna Hagström.
Detta fenomen undersöks för närvarande vidare i en pågående studie som analyserar hur dessa fel kan påverka förståelsen och upplevelsen av tv-program.
Framtidens undertextning: Kommer AI ta över?
AI och maskinöversättning blir allt mer närvarande i undertextningsbranschen:
Vi ser redan nu att yrkesrollen för undertextare förändras, där fler arbetar med efterredigering av maskinöversatta undertexter snarare än att skapa undertexter från grunden, säger Hanna Hagström.
Men även om tekniken har potential att spara tid och resurser, återstår en viktig fråga: Hur mycket kvalitetsförlust är vi villiga att acceptera? Och kan vi någonsin lita på att AI förstår de språkliga nyanser och kontextuella subtiliteter som mänskliga översättare bemästrar?
- Undertextning är en komplex form av översättning. Att översätta rörlig bild kräver en förmåga att analysera flera saker samtidigt – bild, text, ljud, dialog, bakgrundsmusik med mera – och hur dessa aspekter samarbetar för att skapa mening. Man behöver också kunna komprimera och anpassa det som uttrycks för att få plats inom de snäva ramar som undertextning ofta innebär. Dessutom är det en utmaning i sig att analysera mänsklig kommunikation, då den ofta är mångbottnad, kontextberoende och subtil. I det avseendet är människan överlägsen AI. Jag tror inte att AI kommer att ersätta människan, åtminstone inte inom en överskådlig framtid. I nuläget handlar det nog snarare om hur människan kan använda sig av AI för att skapa kvalitativa undertexter, avslutar Hanna Hagström.
Den som vill fördjupa sig i ämnet kan ta del av en tidigare studie på området: Läs artikeln här eller ett populärvetenskapligt blogginlägg.
Senast uppdaterad: 23 april 2025
Sidansvarig: Områdeskansliet för Humanvetenskap