Doublage cinématographique et audiovisuel : équivalence de son, équivalence de sens
Bibliographic record
Abstract
La notion d’équivalence en traduction a évolué au fil des années et des différentes théories. Dans les années 1950 et 1960, les travaux de Vinay et Darbelnet, de Nida, de Catford et d’autres ont ouvert la voie à des études comparatives du texte traduit et du texte source. Ce débat s’est poursuivi dans les années 1970, notamment avec la contribution de la théorie interprétative de la traduction de Lederer qui a souligné l’apport du bagage encyclopédique du traducteur et l’intégration des données extralinguistiques en contexte pour la production d’un texte équivalent à l’original. Aujourd’hui, ce débat a lieu dans l’arène de la traduction audiovisuelle. Le présent article explore l’équivalence dans la pratique du doublage cinématographique et audiovisuel. Nous référant essentiellement à deux grandes productions à succès, Gone with the Wind , de David Selznick (pour le cinéma), et All Saints , une série télévisuelle réalisée par l’Australien Julian Pringle, nous montrons qu’en doublage cinématographique et audiovisuel, par opposition à la traduction écrite, une version doublée équivalant à la version originale dépend d’une entité complexe, l’image et le son. La traduction est soumise à des contraintes d’une nature spécifique, en ce sens que le doublage s’emploie à fournir des équivalences sur deux plans, celui du sens et du son, tout en respectant le synchronisme phonétique, syntaxique et artistique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.034 |
| Scholarly communication | 0.010 | 0.014 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".