Quais os problemas mais comuns nas legendas?
Enviado: 19 jun 2014, 05:31
Viva pessoal.
Estou a desenvolver uma aplicação para resolver os problemas mais graves nas legendas de forma automática. E precisava de sugestões para aperfeiçoar.
Quais os problemas mais comuns do OCR? Ou mais comuns das legendas?
De momento o que corrige é:
Adiciona espaço onde existe reticências no início da frase:
...Frase fica ... Frase
Corrige os hífens nas conversas para meia-risca:
- Frase\N- Frase fica a meia-risca – Frase\N– Frase (É um traço maior, Pode ser alterado por travessão, eu prefiro a meia-risca)
Ele mantém a meia-risca e o travessão.
Corrige I por l. Erro que acontece nos OCR. -Io para -lo | -Ihe para -lhe | (vogal)It para (vogal)lt como úItimo.
Corrige á por à. Visto que " á " não existe sequer.
Corrige "a" para "há" quando se refere a tempo: "a muito/bastante/algum/pouco/um tempo" e "a muitos/bastantes/alguns/poucos/uns minutos/segundos/horas"
Corrige concerteza para com certeza. Visto ser um erro que algumas pessoas dão. E Porfavor para Por favor.
Substitui '' por ". Erro comum de acontecer nos OCRs.
Espaço antes da "," ou ";" deixa de existir. "Gosto de bróculos , porque fazem bem".
Corrige reticências. Caso haja ".." é sempre substituído por "..." e caso haja mais que 3 pontos, idem aspas.
Corrige problema de duplo espaço ou mais que duplo espaço.
Corrige diversas onomatopeias, de inglês para pt, caso o tradutor tenha deixado alguma em inglês.
Tais como: "Hmmmmmm. hmmm. owww. Owww. wow. wooow. Wow. Wooow. Hey, hey, heeey, HEEEY. Heeeeey."
Ficando: "Hmm. hmm. au. Au. uau. uau. Uau. Uau. Ei, ei, ei, Ei. Ei."
Cabe a quem trata da legenda omitir ou não a onomatopeia.
Novas:
Se frase termina com reticências e se a próxima se iniciar com minúscula, então adiciona reticências no início da próxima.
Corrige trás por traz e vice-versa. (atrás e detrás incluído)
Corrige policia para polícia e vice-versa. (quase todos os casos)
Ex: "Quem polícia a policia? Será que a policia não policia?" -> "Quem policia a polícia? Será que a polícia não policia?"
Adiciona espaço após pontuação ( . ! ? )
Correcção da mesóclise dos verbos dar e fazer:
farXXX-ZZZ -> far-ZZZ-XXX
darXXX-ZZZ -> dar-ZZZ-XXX
Exemplos:
fariam-lhe -> far-lhe-iam
dariam-lhe -> dar-lhe-iam
farei-lhe -> far-lhe-ei
darei-lhe -> dar-lhe-ei
farei-te -> far-te-ei
darei-te -> dar-te-ei
"o" por "0" e vicer-versa, problema de OCR
Depois de pontuação . ou ? ou ! coloca maiúscula caso não haja.
Corrige espaço no meio dos dígitos.
Correcção do seguinte (De notar que engloba a minúscula ou maiúscula, e também os plurais e se masculino ou feminino de todos os casos representados, caso exista claro):
amarei-te -> amar-te-ei (todas palavras compostas com arei-te -> ar-te-ei)
quer-o -> quere-o (requer-o -> requere-o inclusive)
quere-se -> quer-se (requere-se -> requer-se inclusive)
quises-te -> quiseste
quizer -> quiser (quizermos -> quisermos etc incuido)
fizes-te -> fizeste
lês-te -> leste
pensas-te -> pensaste
engolis-te -> engoliste
fos-te -> foste
proíbido -> proibido
sem exitar -> sem hesitar
há-des -> hás-de
disfrutar -> desfrutar
vunerável -> vulnerável
apiou -> apeou
apiadeiro -> apeadeiro
fans -> fãs
sémola -> sêmola
sémea -> sêmea
sasonal -> sazonal
promenor(izado/etc) -> pormenor
pézinho/pesinho -> pezinho
panoramico/a -> pânoramico/a
cam[ae]ra -> câm[ae]ra
lampada -> lâmpada
espontaniedade -> espontaneidade
estrépido -> estrépito
asterístico -> asterisco
embuído -> imbuído
tu cantastes -> tu cantaste
vós cantaste -> vós cantastes
be[nm]vindo -> bem-vindo
boasvindas -> boas-vindas
aje -> age
sociohistórico -> socio-histórico (socio[oh] -> socio-[oh])
socio-biológico -> sociobiológico (socio-[!=oh] -> socio[!=oh])
recém palavra_xpto -> recém-palavra_xpto
mini-[!=ih] -> mini[!=ih] (Ex: mini-mercado -> minimercado e minihotel -> mini-hotel)
inter-[!=hr] -> inter[!=hr] (inter-cidades -> intercidades e interregional -> inter-regional)
além mar/túmulo/fronteiras/mundo/Pirenéus -> além-mar/etc
anti-[!=aeou] (Ex: antiinflamatório -> anti-inflamatório e anti-aéreo -> antiaéreo)
residêncial -> residencial
prefere abc do que xpto -> prefere abc a xpto (regra gramatical)
dissuadir a -> dissuadir de (regra gramatical, seja qual for a forma gramatical)
presuadir de -> pressuadir a (regra gramatical, seja qual for a forma gramatical)
descozido/a -> descosido/a
belem -> belém
bussula -> bússula
busular -> busolar
cabo-verdeano -> cabo-verdiano
caimbra -> cãibra
efemero -> efémero
espiatório -> expiatório
ính -> inh (graínha -> grainha e chuvínha -> chuvinha; palavras com ính não existem, ou assim espero.)
ambos queixam-se -> ambos se queixam
recorrer à sentença -> recorrer da sentença
banho de emersão -> banho de imersão
reptéis -> répteis
adeto -> adepto
encrita -> encripta
dia solarengo -> dia soalheiro
fôr -> for (seja fôrma -> forma como verbo fôr -> for, julgo que não existe nenhuma palavra que comece com fôr)
massagem -> massagem (quando nas formas verbais do conjuntivo: que nós ou que eles/ elas/ vocês)
párar -> parar
biquini -> biquíni
envagelho -> evangelho
cardial patriarca -> cardeal patriarca
contra[aeéhiors] -> contra-[aeéhiors] (contra-arco, contra-selo...etc)
verbo que verbo-[oa] ("contou-nos que amava-o" -> "contou-nos que o amava"
gorgeta -> gorjeta
catadupla -> catadupa
homicída -> homicida
estejemos -> estejamos
prefazer -> perfazer
com alteres -> com halteres
palavra e palavra fazem -> palavra e palavra faz (ex: nadar e correr fazem -> nadar e correm faz)
grãos-de-bicos -> grãos-de-bico
degostáreis -> degustáreis
contensioso -> contencioso
sugidade -> sujidade
premitir -> permitir (premissivo -> permissivo inclusive)
espólio do museu -> acervo do museu
melância -> melancia
ansia -> ânsia
amidalite -> amigdalite
cachemira -> caxemira
beiçinho -> beicinho
estradita -> extradita
em indeferido -> em diferido
arrendar carro -> alugar carro
alugar casa -> arrendar casa
mover acção em face de -> mover acção contra
abituar -> habituar
ácerca -> acerca
ccao ->cção (Ex: accao -> acção | redaccao -> redacção)
ccoes -> cções (Ex: accoes -> acções | redaccoes -> redacções)
dmnis -> dminis (Ex: admnistração -> administração)
cançacos -> cansaços
cançados -> cansados
ciclano -> sicranos | cicrano -> sicrano | siclano -> sicrano
cidadões / cidadães -> cidadãos
escrivões / escrivãos -> escrivães
tabeliões / tabeliãos -> tabeliães
coalizão -> colisão
coalizões -> colisões
corçario / corçário -> corsário
cornprimidosinbo -> comprimidozinho (entre outros erros nesta palavra)
bébé / bébe -> bebé
dE -> de
deficite -> défice
dispêndeo / despêndio / dispendio -> dispêndio
écrã / ecran / écran -> ecrã
elice / élice -> hélice
entreti-me -> entretive-me
intertido -> entretido
justanzente - justamente
mãgua -> mágoa
manteem-se, mantêm-se
massisso / massiço / masisso / masiço -> maciço
misogeno / misógeno -> misógino
morteIa -> mortela
Nivea -> Nívea
pêga -> pega
pirinéus -> Pirenéus
pobrema / poblema -> problema
prazeiroso -> prazeroso
priúdo / periodo -> período
obtem -> obtém
tambem / também / tanbem / também / tanbém -> também
forão -> foram
frasqutnho -> frasquinho e fresqutnho -> fresquinho
frasqutnha -> frasquinha e fraqutnho -> fraquinho
gáz -> gás
glicémia -> glicemia
igienico / igiénico -> higiénico
propio / própio -> próprio
quadricomia -> quadricromia
ratato -> retrato
xadrês -> xadrez
SuI -> Sul
suiças, suiço, suiços, suisso, suísso, suíssos, Suíssa...etc -> Suíça/o(s)
Cumprimentos e opinem! Ficarei agradecido!![Pipoca :pop:](./images/smilies/pcorn.gif)
Estou a desenvolver uma aplicação para resolver os problemas mais graves nas legendas de forma automática. E precisava de sugestões para aperfeiçoar.
Quais os problemas mais comuns do OCR? Ou mais comuns das legendas?
De momento o que corrige é:
Adiciona espaço onde existe reticências no início da frase:
...Frase fica ... Frase
Corrige os hífens nas conversas para meia-risca:
- Frase\N- Frase fica a meia-risca – Frase\N– Frase (É um traço maior, Pode ser alterado por travessão, eu prefiro a meia-risca)
Ele mantém a meia-risca e o travessão.
Corrige I por l. Erro que acontece nos OCR. -Io para -lo | -Ihe para -lhe | (vogal)It para (vogal)lt como úItimo.
Corrige á por à. Visto que " á " não existe sequer.
Corrige "a" para "há" quando se refere a tempo: "a muito/bastante/algum/pouco/um tempo" e "a muitos/bastantes/alguns/poucos/uns minutos/segundos/horas"
Corrige concerteza para com certeza. Visto ser um erro que algumas pessoas dão. E Porfavor para Por favor.
Substitui '' por ". Erro comum de acontecer nos OCRs.
Espaço antes da "," ou ";" deixa de existir. "Gosto de bróculos , porque fazem bem".
Corrige reticências. Caso haja ".." é sempre substituído por "..." e caso haja mais que 3 pontos, idem aspas.
Corrige problema de duplo espaço ou mais que duplo espaço.
Corrige diversas onomatopeias, de inglês para pt, caso o tradutor tenha deixado alguma em inglês.
Tais como: "Hmmmmmm. hmmm. owww. Owww. wow. wooow. Wow. Wooow. Hey, hey, heeey, HEEEY. Heeeeey."
Ficando: "Hmm. hmm. au. Au. uau. uau. Uau. Uau. Ei, ei, ei, Ei. Ei."
Cabe a quem trata da legenda omitir ou não a onomatopeia.
Novas:
Se frase termina com reticências e se a próxima se iniciar com minúscula, então adiciona reticências no início da próxima.
Corrige trás por traz e vice-versa. (atrás e detrás incluído)
Corrige policia para polícia e vice-versa. (quase todos os casos)
Ex: "Quem polícia a policia? Será que a policia não policia?" -> "Quem policia a polícia? Será que a polícia não policia?"
Adiciona espaço após pontuação ( . ! ? )
Correcção da mesóclise dos verbos dar e fazer:
farXXX-ZZZ -> far-ZZZ-XXX
darXXX-ZZZ -> dar-ZZZ-XXX
Exemplos:
fariam-lhe -> far-lhe-iam
dariam-lhe -> dar-lhe-iam
farei-lhe -> far-lhe-ei
darei-lhe -> dar-lhe-ei
farei-te -> far-te-ei
darei-te -> dar-te-ei
"o" por "0" e vicer-versa, problema de OCR
Depois de pontuação . ou ? ou ! coloca maiúscula caso não haja.
Corrige espaço no meio dos dígitos.
Correcção do seguinte (De notar que engloba a minúscula ou maiúscula, e também os plurais e se masculino ou feminino de todos os casos representados, caso exista claro):
amarei-te -> amar-te-ei (todas palavras compostas com arei-te -> ar-te-ei)
quer-o -> quere-o (requer-o -> requere-o inclusive)
quere-se -> quer-se (requere-se -> requer-se inclusive)
quises-te -> quiseste
quizer -> quiser (quizermos -> quisermos etc incuido)
fizes-te -> fizeste
lês-te -> leste
pensas-te -> pensaste
engolis-te -> engoliste
fos-te -> foste
proíbido -> proibido
sem exitar -> sem hesitar
há-des -> hás-de
disfrutar -> desfrutar
vunerável -> vulnerável
apiou -> apeou
apiadeiro -> apeadeiro
fans -> fãs
sémola -> sêmola
sémea -> sêmea
sasonal -> sazonal
promenor(izado/etc) -> pormenor
pézinho/pesinho -> pezinho
panoramico/a -> pânoramico/a
cam[ae]ra -> câm[ae]ra
lampada -> lâmpada
espontaniedade -> espontaneidade
estrépido -> estrépito
asterístico -> asterisco
embuído -> imbuído
tu cantastes -> tu cantaste
vós cantaste -> vós cantastes
be[nm]vindo -> bem-vindo
boasvindas -> boas-vindas
aje -> age
sociohistórico -> socio-histórico (socio[oh] -> socio-[oh])
socio-biológico -> sociobiológico (socio-[!=oh] -> socio[!=oh])
recém palavra_xpto -> recém-palavra_xpto
mini-[!=ih] -> mini[!=ih] (Ex: mini-mercado -> minimercado e minihotel -> mini-hotel)
inter-[!=hr] -> inter[!=hr] (inter-cidades -> intercidades e interregional -> inter-regional)
além mar/túmulo/fronteiras/mundo/Pirenéus -> além-mar/etc
anti-[!=aeou] (Ex: antiinflamatório -> anti-inflamatório e anti-aéreo -> antiaéreo)
residêncial -> residencial
prefere abc do que xpto -> prefere abc a xpto (regra gramatical)
dissuadir a -> dissuadir de (regra gramatical, seja qual for a forma gramatical)
presuadir de -> pressuadir a (regra gramatical, seja qual for a forma gramatical)
descozido/a -> descosido/a
belem -> belém
bussula -> bússula
busular -> busolar
cabo-verdeano -> cabo-verdiano
caimbra -> cãibra
efemero -> efémero
espiatório -> expiatório
ính -> inh (graínha -> grainha e chuvínha -> chuvinha; palavras com ính não existem, ou assim espero.)
ambos queixam-se -> ambos se queixam
recorrer à sentença -> recorrer da sentença
banho de emersão -> banho de imersão
reptéis -> répteis
adeto -> adepto
encrita -> encripta
dia solarengo -> dia soalheiro
fôr -> for (seja fôrma -> forma como verbo fôr -> for, julgo que não existe nenhuma palavra que comece com fôr)
massagem -> massagem (quando nas formas verbais do conjuntivo: que nós ou que eles/ elas/ vocês)
párar -> parar
biquini -> biquíni
envagelho -> evangelho
cardial patriarca -> cardeal patriarca
contra[aeéhiors] -> contra-[aeéhiors] (contra-arco, contra-selo...etc)
verbo que verbo-[oa] ("contou-nos que amava-o" -> "contou-nos que o amava"
gorgeta -> gorjeta
catadupla -> catadupa
homicída -> homicida
estejemos -> estejamos
prefazer -> perfazer
com alteres -> com halteres
palavra e palavra fazem -> palavra e palavra faz (ex: nadar e correr fazem -> nadar e correm faz)
grãos-de-bicos -> grãos-de-bico
degostáreis -> degustáreis
contensioso -> contencioso
sugidade -> sujidade
premitir -> permitir (premissivo -> permissivo inclusive)
espólio do museu -> acervo do museu
melância -> melancia
ansia -> ânsia
amidalite -> amigdalite
cachemira -> caxemira
beiçinho -> beicinho
estradita -> extradita
em indeferido -> em diferido
arrendar carro -> alugar carro
alugar casa -> arrendar casa
mover acção em face de -> mover acção contra
abituar -> habituar
ácerca -> acerca
ccao ->cção (Ex: accao -> acção | redaccao -> redacção)
ccoes -> cções (Ex: accoes -> acções | redaccoes -> redacções)
dmnis -> dminis (Ex: admnistração -> administração)
cançacos -> cansaços
cançados -> cansados
ciclano -> sicranos | cicrano -> sicrano | siclano -> sicrano
cidadões / cidadães -> cidadãos
escrivões / escrivãos -> escrivães
tabeliões / tabeliãos -> tabeliães
coalizão -> colisão
coalizões -> colisões
corçario / corçário -> corsário
cornprimidosinbo -> comprimidozinho (entre outros erros nesta palavra)
bébé / bébe -> bebé
dE -> de
deficite -> défice
dispêndeo / despêndio / dispendio -> dispêndio
écrã / ecran / écran -> ecrã
elice / élice -> hélice
entreti-me -> entretive-me
intertido -> entretido
justanzente - justamente
mãgua -> mágoa
manteem-se, mantêm-se
massisso / massiço / masisso / masiço -> maciço
misogeno / misógeno -> misógino
morteIa -> mortela
Nivea -> Nívea
pêga -> pega
pirinéus -> Pirenéus
pobrema / poblema -> problema
prazeiroso -> prazeroso
priúdo / periodo -> período
obtem -> obtém
tambem / também / tanbem / também / tanbém -> também
forão -> foram
frasqutnho -> frasquinho e fresqutnho -> fresquinho
frasqutnha -> frasquinha e fraqutnho -> fraquinho
gáz -> gás
glicémia -> glicemia
igienico / igiénico -> higiénico
propio / própio -> próprio
quadricomia -> quadricromia
ratato -> retrato
xadrês -> xadrez
SuI -> Sul
suiças, suiço, suiços, suisso, suísso, suíssos, Suíssa...etc -> Suíça/o(s)
Cumprimentos e opinem! Ficarei agradecido!
![Pipoca :pop:](./images/smilies/pcorn.gif)