OPUS – Ein Parallelkorpus mit Untertiteln

Fehlen Ihnen Untertitel (tsch. titulky) einer bestimmten Sprache auf ihrer Lieblings-DVD? Auf der Seite opensubtitles.org könnten Sie fündig werden. Zum jetzigen Zeitpunkt hat die Usercommunity bereits 569.237 Untertitel zur allgemeinen Verfügung gestellt – inklusive OCR-Fehler, also nicht wundern 😉
Das Opus-Projekt wiederum hat die Untertitel der einzelnen Sprachen untereinander szenenweise zugeordnet und das in recht vielen Sprachen. In der Deutsch-Tschechischen Sprachdatei (download) finden Sie zum Beispiel folgende Filme: The Terminator, Beverly Hills Cop 2, The Patriot, Gladiator, Rush Hour 2, Planet of the Apes, Blade 2, The Last Samurai, Hellboy, King Arthur, Schuh des Manitu und einige weitere Filme.
Der Inhalt einer solche Datei mit dem Parallelkorpus, zum Beispiel mit den alignierten Sätzen von Terminator, sieht so aus:
# xml/cze/Action/1984/635_31298_37384_the_terminator.xml.gz
# xml/ger/Action/1984/635_119725_162729_the_terminator.xml.gz
================================
(src)=”1″> České titulky vytvořil a upravil nEo
================================
(src)=”2″> Za neocenitelné spolupráce Mobyho
================================
(src)=”3″> LOS ANGELES , rok 2029
(trg)=”1″> LOS ANGELES IM JAHR 2029 A. D.
================================
(src)=”4″> STROJE POVSTALY Z POPELA NUKLEÁRNÍ VÁLKY .
(trg)=”2″> DIE MASCHINEN ERSTANDEN AUS DER ASCHE DES NUKLEAREN FEUERS AUF .
================================
(src)=”5″> JEJICH BOJ PROTI LIDSKÉ RASE TRVAL DESÍTKY LET ,
(trg)=”3″> IHR VERNICHTUNGSKRIEG GEGEN DIE MENSCHHEIT WÜTETE SEIT LANGEM ,
Und wie kann ich damit jetzt Tschechisch lernen?
Sie haben zwei Möglichkeiten, entweder Sie besorgen sich die gewünschten Untertitel von opensubtitles und fügen Sie mit entsprechenden Kenntnissen ihrer DVD hinzu oder
2. Sie laden sich die alignierten OPUS-Sätze herunter und lernen im Grunde an “echten” Beispielsätzen Tschechisch.