Òîëüêî ÷òî ïðîñëóøàë áåñåäó íà þòóáå îäíîãî èçâåñòíîãî áëîãåðà, áûâøåãî ìèëèöèîíåðà Äìèòðèÿ Ïó÷êîâà, îí æå Ãîáëèíà, ðàíüøå âåë áëîê ïîä íàçâàíèåì «ÐàçâåÄîïðîñ». ß ëþáëþ ñëóøàòü åãî ïåðåäà÷è, îí èíîãäà ïðèãëàøàåò èíòåðåñíûõ ñîáåñåäíèêîâ. Íà ýòîò ðàç ýòî áûë æóðíàëèñò èç Àíãëèè, æèâóùèé â íàøåé ñòðàíå óæå 18 ëåò. Êàê íè ñòðàííî, ýòîò æóðíàëèñò íå âèäåë ñîâåòñêóþ ýêðàíèçàöèþ ïðîèçâåäåíèé ïðî Øåðëîêà Õîëìñà è äîêòîðà Âàòñîíà. Ïî ïðîñüáå Ïó÷êîâà îí ïîñìîòðåë ïåðâóþ ñåðèþ «Çíàêîìñòâî» è ñðàâíèë êàäðû èç ýòîãî ñåðèàëà ñ íàñòîÿùåé æèçíüþ â Áðèòàíèè êîãäà 19 è íà÷àëà 20 âåêà — óëèöû è èíòåðüåð êâàðòèð, èãðó àêòåðîâ, èõ ñîâïàäåíèÿ ñ îïèñàííûìè â ïðîèçâåäåíèÿ Êîíàí Äîéëÿ îáðàçàìè ãåðîåâ. Ïðèÿòíî áûëî óñëûøàòü ìíåíèå èíîñòðàííîãî ãîñòÿ î òîì, è îãðîìíîå óâàæåíèå íàøèì ñîâåòñêèì êèíåìàòîãðàôèñòàì çà òî, ÷òî ñíèìàëè ñ áåðåæíûì îòíîøåíèåì ê ëèòåðàòóðíîé îñíîâå è âíèêàëè âî âñå ìåëî÷è — îò ñåðâèðîâêè ñòîëà äî òîíêîñòåé íàöèîíàëüíîãî õàðàêòåðà.
Îòäåëüíàÿ, è èñêðåííÿÿ áëàãîäàðíîñòü çà òî÷íóþ îöåíêó Ãîëëèâóäà â ïëàíå îòîáðàæåíèÿ íàñ â ñâîèõ ôèëüìàõ. Ýòî ïðèÿòíî è ðàäóåò, ÷òî ÷åëîâåê ïîíèìàåò âñþ ãëóïîñòü ýòèõ êðèâûõ ïîòóã. È êàê æå óáîãè è òóïû ãîëëèâóäùèêè ñ èõ ïðèìèòèâíûì, äðåìó÷èì ïðåäñòàâëåíèåì î ðóññêèõ, íåâçèðàÿ íà ýïîõè è æàíðû. Ñïàñèáî!
Ïîñòðîèòü ñâîþ çàìåòêó îá ýòîé áåñåäå ÿ ðåøèë íåîáû÷íî. Âíà÷àëå ïðåäîñòàâëÿþ ñëîâî êîììåíòàòîðàì ýòîãî ðîëèêà, ïîäåëèâøèìèñÿ ñâîèì ìíåíèå î ïåðåäà÷å è ðàññêàçå àíãëè÷àíèíà, à òîëüêî ïîòîì äîáàâëþ òî, ÷òî êîììåíòàòîðàìè áûëî óïóùåíî. Âíà÷àëå î òîì, ÷òî èìÿ Øåðëîê â Àíãëèè íå âñòðå÷àåòñÿ, êàê è ÿ ñòàðøåãî áðàòà Õîëìñà Ìàéêîñîôò, èìåííî ñ ýòîãî íà÷àë ñâîé ðàññêàç àíãëèéñêèé æóðíàëèñò. È â àíãëèéñêîé òðàíñêðèïöèè ôàìèëèÿ äîêòîðà íå Âàòñîí, à Óîòñîí. Äàëåå ïðåäîñòàâëÿþ ñëîâî êîììåíòàòîðàì ñ íàèáîëåå èíòåðåñíûìè, íà ìîé âçãëÿä, ìíåíèÿìè.
Regis
Êàê ðàç íåäàâíî âïåðâûå ïîñìîòðåë âñå ñåðèè. Ïîëó÷èë îãðîìíîå óäîâîëüñòâèå! Ìåíÿ âïå÷àòëèëî òî, êàê ñèëüíî òåáÿ ïîãðóæàþò â àòìîñôåðó òîãî âðåìåíè è ìåñò, ïðè ñêðîìíîì áþäæåòå, îòñóòñòâèè êîìïüþòåðíîé ãðàôèêè è êðóòûõ õä êàìåð. Ñåðèàë ñ êýìáåðáåò÷åì òîæå ñìîòðåë íå áåç óäîâîëüñòâèÿ, íî îí êóðèò â ñòîðîíêå.
Øàìèëü Ñàëèìæàíîâ
Ñìîòðåë ìíîãî ðàçíûõ Õîëìîâ, íàø ñàìûé áëèçêèé ê îðèãèíàëó ïî òåêñòó, à ãëàâíîå, ïî ñþæåòó. Çàáûëè ïðî ìóçûêàëüíîå ñîïðîâîæäåíèå, à îíî ñîçäà¸ò íåïîâòîðèìóþ àòìîñôåðó è òåïëîòó. È êàê âñ¸ ñîøëîñü, âñòðåòèëèñü ñûùèê è àíãëè÷àíèí, âñ¸ êàê â ôèëüìå.
Andrey Bukhanovsky
Êëþ÷åâàÿ îñîáåííîñòü ñîâåòñêèõ ôèëüìîâ, êàê ïî ìíå, óâàæåíèå ê ñòðàíàì, ïðî êîòîðûå ñíèìàëñÿ ôèëüì. Õîòü «7 ìãíîâåíèé âåñíû», õîòü îáñóæäàåìûé ôèëüì. Îáðàòíîå, îñîáåííî ïîñëå çíàêîìñòâà ñ àìåðèêàíñêèì êèíåìàòîãðàôîì, ñóäÿ ïî âñåìó, áûâàåò ðåäêî.
È â ïåðâîé ñîâåòñêîé êíèãå, êîòîðàÿ ìíå ïîïàëàñü, áûë êàê ðàç íå Âàòñîí, à Óîòñîí. Ïî÷åìó ïîòîì ïîìåíÿëîñü — íå çíàþ.
Àëåêñàíäð Ïåòðîâè÷
Ìíå, êàê ÷åëîâåêó ÷èòàâøåìó, âñå 8 òîìîâ Êîíàí Äîéëà, êîòîðûå èçäàâàëèñü â ÑÑÑÐ, î÷åíü íðàâèòñÿ íàøà ýêðàíèçàöèÿ Õîëìñà!
Ñâåòëàíà Àíóðîâà
Îãðîìíîå ñïàñèáî çà ýòîò âûïóñê, çà «íàøåãî» Øåðëîêà è çà ãîñòÿ! Íî õî÷åòñÿ âîñêëèêíóòü — à ÷òî æå ïðî ìóçûêó íè÷åãî íå ñêàçàíî?! Íàñêîëüêî îíà ñîîòâåòñòâóåò ýêðàíèçàöèè ñ òî÷êè çðåíèÿ Óèëüÿìà? (Ëè÷íî ñ÷èòàþ, ìóçûêà âåëèêîëåïíàÿ!)
heHottabich
Íà ñ÷¸ò òîãî, ÷òî íàø ôèëüì áûëî íå ñ ÷åì ñðàâíèâàòü — íåïðàâäà. ß ïîìíþ, ÷òî ïàöàíîì â êîíöå 80-õ ñìîòðåë ïàðó àìåðèêàíñêèõ ýêðàíèçàöèé «ñîáàêè» è îäíó àíãëèéñêóþ — âî âñåõ ñëó÷àÿõ óø¸ë èç êèíîòåàòðà ðàçî÷àðîâàííûì. Äà è ýòîò ôèëüì õîðîø íå ïîòîìó, ÷òî îí ñîâåòñêèé, à ïîòîìó, ÷òî âåëèêîëåïíî íàïèñàí ñöåíàðèé, ïðîïèñàíû ïåðñîíàæè è ñûãðàëè àêò¸ðû. Áûëè åùå ïàðà ñîâåòñêèõ ýêðàíèçàöèé Õîëìñà (íàïð. «Ãîëóáîé êàðáóíêóë»), êîòîðûå è â ñðàâíåíèå ñ ôèëüìîì Ìàñëåííèêîâà íå èäóò.
there_and_beyond
Èìÿ Øåðëîê (ïåðåâîäèòñÿ êàê «ñâåòëûé ïó÷îê âîëîñ» — îòñþäà êñòàòè ñëîâî «ëîêîí») èçâåñòíî â Àíãëèè ñ 11-ãî âåêà, íî èñïîëüçîâàëîñü êàê ôàìèëèÿ. Íàïðèìåð áûë ó÷åíûé Reverend Paul Sherlock (1595 — 1646).
Âàäèì Ó
Áëàãîäàðÿ ýòîìó âåëèêîëåïíîìó ñåðèàëó, â ÑÑÑÐ àíãëè÷àí ñ÷èòàëè ãîðàçäî ëó÷øå, ÷åì îíè åñòü íà ñàìîì äåëå. À ãåíèàëüíî ñûãðàííûå Õîëìñ, Âàòñîí, ìèññèñ Õàäñîí è äðóãèå, çàñòàâëÿëè âåðèòü ëþäÿì, ÷åãî íå ñêàæåøü ïîñëå ïðîñìîòðà «òâîðåíèé» çàïàäíîãî êèíåìàòîãðàôà…
LockStock
Íó, íàêîíåö-òî ìû äîæäàëèñü, î÷åíü ïðèÿòíûé äóýò, äà è òåìà ïðåêðàñíàÿ ;engineerus. Óèëë, î÷åíü òàêòè÷íûé ÷åëîâåê. È ïî÷åìó, ñîáñòâåííî, åìó äîëæåí áûë ïîíðàâèòñÿ ýòîò ôèëüì. Îí áûë ñíÿò äëÿ íàñ, ëþäåé òîé ýïîõè, è äðóãîãî ìåíòàëèòåòà.
agar- agar
È ÷òî, àíãëè÷àíèíó, ôèëîëîãó, íèêòî çà 18 ëåò íå ðàññêàçàë àíåêäîòîâ ïðî Õîëìñà è Âàòñîíà?! Âîò óæ ðóññêàÿ èíòåëëèãåíòíîñòü è òàêò!
Ñëóøàåì Ñêàçêè
Øèêàðíûé ôèëüì! Ñíÿò çàìå÷àòåëüíî, ñ ó÷¸òîì ñêðîìíûõ âîçìîæíîñòåé — âîîáùå âåëèêîëåïíî! È àêòåðû îò ãëàâíûõ äî ýïèçîäè÷íûõ ðîëåé èãðàëè çäîðîâî.
chicken crazy
Èíòåðåñíàÿ òåìà. Ñîëîìèí îäíè èç ëþáèìûõ àêòåðîâ, Ëèâàíîâ — ñðàçó âñïîìèíàþ))) — Êðîâàòü ó ìåíÿ íåóäîáíàÿ, ïîäóøêà äóøíàÿ, îäåÿëî êóñà÷åå, íèêàê íå óñí¸øü! — òàê ïðî÷èòàòü íèêòî íå ñìîæåò.) Ðèíà Çåëåíàÿ — ëåãåíäà îòå÷åñòâåííîãî êèíî («Òàêèå ãóáû ñåé÷àñ íå íîñÿò!» )), «Ó ìåíÿ ïîä êðîâàòüþ ëåæèò íåðàçîðâàâøàÿñÿ áîìáà. Íåò-íåò, îíà ìíå ñîâñåì íå ìåøàåò. ß òîëüêî õîòåëà óçíàòü, ìîæíî ëè åå ìûòü ìûëîì?»)), «Ñòàðóøêà ïîïðîñèëà âîäû íàïèòüñÿ, ïîòîì õâàòèëèñü ïèàíèíû íåòó!» ))) .
Vladimir T.
Î÷åíü ëþáëþ íàøåãî ñîâåòñêîãî «Øåðëîêà Õîëìñà è äîêòîðà Âàòñîíà». Çà þìîð îáîæàþ «Ñîáàêó Áàñêåðâèëåé», Ìèõàëêîâ òàì î÷åíü ñìåøíîé.
Deoss Mortt
Ïåðâûå íàáðîñêè íîâîãî ðîìàíà Äîéë çàí¸ñ â ñâîé áëîêíîò â 1886 ãîäó. Ïåðåáðàâ êó÷ó âàðèàíòîâ, îí ðåøèë äàòü ñûùèêó ðàñïðîñòðàí¸ííóþ â Àíãëèè ôàìèëèþ Õîëìñ è íå î÷åíü ðàñïðîñòðàí¸ííîå èìÿ Øåððèíãôîðä (ñíà÷àëà áûë âàðèàíò «Øåððèíãòîí»).  áîëåå ïîçäíèõ çàïèñÿõ «Øåððèíãôîðä» áûëî çàìåíåíî íà èðëàíäñêîå èìÿ «Øåðëîê». Èñòîðèêè íàøëè ìíîæåñòâî Øåðëîêîâ ñðåäè çíàêîìûõ Äîéëà (õîòÿ ó íèõ ýòî áûëî íå èìÿ, à ôàìèëèÿ), à òàêæå óëèöó Øåðëîê-ñòðèò â ïðèãîðîäå Áèðìèíãåìà, ãäå Êîíàí Äîéë íåêîòîðîå âðåìÿ ðàáîòàë.
Àðãîí Ôðåîí
 «Îáðÿäå äîìà Ìåñãðåéâîâ» è «Ãëîðèè Ñêîòò» óïîìèíàåòñÿ ó÷åáà Õîëìñà â êîëëåäæå, åùå â êàêîì-òî ïðîèçâåäåíèè óïîìèíàåòñÿ èñòîðèÿ ñåìüè Õîëìñà, â ÷àñòíîñòè, ôðàíöóçñêèå ïðåäêè…
Àõ, êàê ÿ ëþáëþ ýòîò ñåðèàë. Ñ äåòñòâà åãî ïåðåñìàòðèâàþ ðàç â ãîä-äâà. À òî è ÷àùå.
ßíà Àìèð
ß ïîäîçðåâàþ, ÷òî åñëè ïåðâûå ñåðèè ïðî Øåðëîêà Õîëìñà ñíèìàëè âñåðü¸ç, òî äàëüøå óæå ïîøåë ëåãêèé ñò¸á íàä áðèòàíöàìè. Âîò ýòî «îâñÿíêà, ñýð» â «Ñîáàêå Áàñêåðâèëåé» — ÿâíî îòäàåò ïàðîäèåé è ëåãêèì òðîëëèíãîì.
Gideon Amir
ñ íåòåðïåíèåì æäåì ìíåíèÿ Óèëüÿìà î ñîáàêå Áàñêåðâèëåé, êîòîðóþ, ïî ìíåíèþ ìíîãèõ, èç ëåäåíÿùåãî äóøó êîøìàðíîãî òðèëëåðà ïðåâðàòèëè â âåñ¸ëóþ êîìåäèþ ñâîåé áåñïîäîáíîé èãðîé òàêèå ëþäè, êàê Àäàáàøüÿí, Ìèõàëêîâ, Áðîíäóêîâ è Ñîëîìèí. «Çà êîãî ìåíÿ ïðèíèìàþò â ýòîé ãîñòèíèöå?!»
Íó íè÷åãî ñåáå ïðàçäíèê-ïðàçäíèê!! Ìàëî òîãî, ÷òî ïðî ëó÷øåãî â ìèðå íàøåãî Õîëìñà, òàê åùå è ñ ýòèì ïîòðÿñàþùèì Óèëüÿìîì!
;Victor
Ïðîñòî çàìå÷àòåëüíûé áëîã, êîòîðûé ïîñìîòðåë «íà îäíîì äûõàíèè»! Äìèòðèé, êàê âñåãäà, âûøå âñÿêèõ ïîõâàë, òàê è åãî ãîñòü Óèëüÿì ïðîèçâåë íà ìåíÿ ïîòðÿñàþùåå âïå÷àòëåíèå: óìíûé , èíòåëëèãåíòíûé, âîñïèòàííûé -íàñòîÿùèé àíãëè÷àíèí! Íåìíîãî, êàê ìíå êàæåòñÿ, ñëèøêîì ïðèäèð÷èâî îòíîñèëñÿ ê îäåæäå, äåêîðàöèÿì è ïðî÷., íî âåäü îí äîëæåí ïîíèìàòü, ÷òî âñ¸ ýòî ñíèìàëîñü â ÑÑÑÐ, ãäå îòîáðàçèòü Àíãëèþ 19-ãî âåêà áûëî îõ êàê ñëîæíî! Áëàãîäàðþ çà äîñòàâëåííîå óäîâîëüñòâèå! Æäó ïðîäîëæåíèÿ!
ksotar
Åñòü èäåÿ ê äàëüíåéøèì âûïóñêàì. Ìîæåò, áûòü, êîãäà Äìèòðèé Þðüåâè÷ èëè ãîñòü óïîòðåáëÿþò àíãëèéñêèå ñëîâà è âûðàæåíèÿ — îíè ìîãëè áû èõ âçàèìíî ïåðåâîäèòü?
Serg Green
Êàê ìû ñåáå ïðåäñòàâëÿåì ðóññêîãî îôèöåðà, êóïöà, æàíäàðìà êîíöà ÕIÕâ.? Îáðàç ñôîðìèðîâàí êíèãàìè, ôèëüìàìè. Ó ðàçíûõ ïîêîëåíèé ýòè ïðåäñòàâëåíèÿ ñèëüíî îòëè÷àþòñÿ. Óèëüÿì ñðàâíèâàåò ãåðîåâ ñî ñâîèìè ïðåäñòàâëåíèÿìè, à íå ñ êíèæíûìè. Õîòÿ è ïîä÷åðêèâàåò, ÷òî ñöåíàðèé áëèçîê ê îðèãèíàëó.
Ñêåéë
Åñòü ðàçíèöà ñ êíèãîé.  êíèãå, êîãäà Øåðëîê ãîâîðèò, ÷òî åìó íå íóæíî çíàòü î ñóùåñòâîâàíèè ïëàíåò, Âàòñîí íè÷åãî íå îòâå÷àåò. À â ôèëüìå Âàòñîí ãîâîðèò «Êàêîé áû ýòî áûë óæàñíûé ìèð, åñëè áû êàæäûé çíàë òîëüêî òî, ÷òî åìó íóæíî äëÿ ðàáîòû». Ìíå êàæåòñÿ ýòî ìíåíèå àâòîðîâ ïî ýòîìó âîïðîñó.
Èëüÿ Áåëÿêîâ
 äåòñòâå ïîñìîòðåë è ïîíðàâèëîñü, Ïîñëå ýòîãî ïðî÷èòàë è ïîíðàâèëîñü åùå áîëüøå. ×åðåç íåñêîëüêî ëåò, óæå â ñòàðøèõ êëàññàõ ïîâòîðèë ïðîöåäóðó. Õî÷åòñÿ åù¸.
Olesya Proskurina
Äëÿ ìåíÿ ëþáèìûé è ëó÷øèé Õîëìñ ýòî Ëèâàíîâ. Êîãäà ÷èòàþ ïðîñòî ñëûøó åãî ãîëîñ. Òàêæå èç âñåãî ðàçíîîáðàçèÿ èíîñòðàííûõ ôèëüìîâ èìåííî ýêðàíèçàöèåé Äîéëÿ ñ÷èòàþ àíãëèéñêèé ñåðèàë ñ Äæåðåìè Áðåòòîì. Âñå îñòàëüíîå èëè ïàðîäèÿ èëè î÷åíü äàëåêî îò ïðîèçâåäåíèÿ Äîéëÿ èëè ñîâðåìåííîå âèäåíèå — ýòî î ñåðèàëå ñ Êàìáåðáýò÷åì, õîðîøèé ïåðâûé ñåçîí, çàòåì ñöåíàðèñòîâ ïîíåñëî, ÷òî âûçûâàåò ñîæàëåíèå.
Alexander Hvatov
Õîðîøèé ïðîåêò î÷åíü: âûðàçèòåëüíûé ñîáåñåäíèê, è óâëå÷åíû îáà òåìîé, êîíå÷íî. æäó ïðîäîëæåíèÿ.
Àðê ÀíÀò
À ÿ ïðè ðàçãîâîðå ïðî ãîëîñ Ëèâàíîâà ïî÷åìó-òî âñïîìíèë Áîííè Òàéëåð. Áûëà ïåâèöà êàê ïåâèöà, êàêèõ ñîòíè, à ïîòîì íåóäà÷íàÿ îïåðàöèÿ íà ñâÿçêàõ — è ïîÿâëÿåòñÿ ïåâèöà, ãîëîñ êîòîðîé íè ñ êàêèì äðóãèì íå ñïóòàåøü. Òàê è òóò — ïðîñòóäèë Ëèâàíîâ ãîðëî — è òåïåðü åãî ãîëîñ óçíàåøü ñ çàêðûòûìè ãëàçàìè.
Ïî ïîâîäó óëèê, äîêàçàòåëüñòâ äëÿ ñóäà: è â êíèæêå (ðàññêàçàõ), è â íàøåì ñåðèàëå, Õîëìñ îòäà¸ò âñþ ýòó «áþðîêðàòèþ» íà îòêóï äåòåêòèâó Ëåéñòðåäó. Èç-çà ÷åãî ìåæäó íèìè ïðîèñõîäÿò ïåðåáðàíêè/êîíôëèêòû… È (êàê ïðàâèëî) âñÿ îôèöèàëüíàÿ ñëàâà äîñòà¸òñÿ îôèöèàëüíîìó ïðåäñòàâèòåëþ Ñêîòëåíä-ßðäà.  êàêîé-òî ñåðèè (íå ïîìíþ) ýòèì âîçìóùàåòñÿ Âàòñîí-Ñîëîìèí, íà ÷òî ñëåäóåò «íåîïðîâåðæèìûé» àðãóìåíò ìèññèñ Õàäñîí: «Íî òàê íàïèñàíî â «Òàéìñ»!» :))
ivan ivanovskiy
Ñïàñèáî. Æäåì ïðîäîëæåíèÿ. À ãîëîñ ó Âàñèëèÿ Ëèâàíîâà, èãðàâøåãî Õîëìñà, òàêîé ïîñëå òîãî, êàê îí ñåðüåçíî ïðîñòóäèëñÿ â íà÷àëå 60-õ âî âðåìÿ ñúåìîê íà íàòóðå â òàéãå â ôèëüìå «Íåîòïðàâëåííîå ïèñüìî». Çàáàâíî, ÷òî èìåííî Ñîëîìèíà íå õîòåëè óòâåðæäàòü íà ðîëü Âàòñîíà, ñ÷èòàÿ ÷òî ó íåãî ñëèøêîì ðóññêàÿ âíåøíîñòü. È åùå îäèí ìîìåíò: â ôèëüìå íà óëèöàõ ïðàâîñòîðîííåå äâèæåíèå. ß íå çíàþ áûëî ëè â Àíãëèè â XIX âåêå äî àâòîìîáèëåé ëåâîñòîðîííåå äâèæåíèå?
Alex Saar
Õîëìñ, ïî çàäóìêå àâòîðà — ýêñöåíòðè÷íûé è îòëè÷àåòñÿ îò ñðåäíåñòàñòè÷íîãî àíãëè÷àíèíà. Íå ïîíÿòíî, ïî÷åìó Äìèòðèé Þðüåâè÷ è ãîñòü ýòî çàáûâàþò, ðàç ãîâîðÿò, ÷òî Õîëìñ íå ïîõîæ â ïîñòóïêàõ íà àíãëè÷àíèíà. Êàê-òî ñòðàííî. À âîîáùå, çäîðîâî áûëî ïîñëóøàòü îöåíêó íàñòîÿùåãî àíãëè÷àíèíà ïðî íàøåãî Õîëìñà. Æä¸ì ïðîäîëæåíèÿ.
Ðîìàí Åðìîëèí
Ïðî òàáëè÷êè, êîòîðûå íàêëàäûâàþòñÿ íà ãàçåòû. Ýòî ñïåöèàëüíûå óñòðîéñòâà (ãðîìêî çâó÷èò, íó à ÷òî ïîäåëàòü), êîòîðûå ïîçâîëÿëè øèôðîâàòü òåêñò â ïèñüìàõ. Ìîæíî áûëî ñäåëàòü 2 òàêèå òàáëè÷êè, íàïèñàòü áåçîáèäíîå ïèñüìî, íî ïðè íàëîæåíèè òàêîé òàáëè÷êè íà òåêñò âûäåëÿëîñü òàéíîå ñîîáùåíèå, êîòîðîå íà ñàìîì äåëå õîòåë ïåðåäàòü àâòîð. Èìåííî ïîýòîìó îíî èñïîëüçóåòñÿ â øåðëîêå, íà ìîé âçãëÿä — ýòî îòñûëêà ê øèôðàì.
Arthur Alkhasyan
Ñàìîå ìî¸ áîëüøîå ðàçî÷àðîâàíèå Ëîíäîíîì áûëî â òîì, ÷òî êâàðòèðà Õîëìñà íà 221B Baker Str ïðîñòî êðîøå÷íàÿ è íèêàê íå ïîõîäèò íà òó ñîëèäíóþ, ÷òî ìû âèäåëè â êèíî. Íó è â òîì, ÷òî îíè íå åäÿò îâñÿíêó íà çàâòðàê. ß ïîòðàòèë ìíîãî âðåìåíè, îáúÿñíÿÿ èì â îòåëå ïðî òðàäèöèîííûé àíãëèéñêèé çàâòðàê, êàê ìû óçíàëè èç «Ñîáàêè Áàñêåðâèëåé».
Èâàí Èâàíîâ
Ñèìïàòè÷íàÿ áåñåäà ïîëó÷èëàñü.:) Ïîçâîëþ ñåáå çàìåòèòü, ÷òî Øåðëîê Õîëìñ è íå áûë àíãëè÷àíèíîì â ïîëíîì ñìûñëå ýòîãî ñëîâà. Ïî÷åìó-òî íèêòî íå âñïîìíèë, ÷òî îí áûë îò÷àñòè ôðàíöóçîì — åñëè ïàìÿòü íå èçìåíÿåò, åãî áàáóøêà áûëà ôðàíöóæåíêîé, äà åù¸ è õóäîæíèöåé. Òóò ÿ ìîãó ÷òî-òî íàïóòàòü, íî ñîâåðøåííî òî÷íî â êðîâè Õîëìñà òåêëà èçðÿäíàÿ äîëÿ ôðàíöóçñêîé êðîâè. À ïîñåìó îí è íå ìîã âåñòè ñåáÿ òàê ïî-àíãëèéñêè, êàê ýòîãî õîòåëîñü áû ñîáåñåäíèêàì.:) Èìåííî ýòî ïîä÷¸ðêèâàåò Ëèâàíîâ ñâîåé èãðîé. Ïî-ìîåìó, ñïðàâèëñÿ îí íà 100%, è âàøè ïðåòåíçèè ê íåìó ñëåãêà íåñïðàâåäëèâû. Óäèâèëî òî, ÷òî Äìèòðèé Ïó÷êîâ íå çíàåò, ÷òî ãîëîñ Ëèâàíîâ ñîðâàë íà ñú¸ìêàõ ôèëüìà — «Íåîòïðàâëåííîå ïèñüìî», êàæåòñÿ. È, êñòàòè, óæå ïðîùàëñÿ ñ ïðîôåññèåé, òàê êàê áûë óâåðåí, ÷òî ñ ãîëîñîì ïîòåðÿë è ïðîôïðèãîäíîñòü. Êàêîå ñ÷àñòüå, ÷òî îí îñòàëñÿ â èãðå! Îáîæàþ âñåõ àêò¸ðîâ ýòîãî ôèëüìà, íî Ðèíà Çåë¸íàÿ, Ëèâàíîâ, Ñîëîìèí, Ìèõàëêîâ, Àäàáàøüÿí è Êðþ÷êîâà… Äàæå íåò ñëîâ, ÷òîáû îïèñàòü, êàê ëþáëþ èõ ðàáîòó â ýòîì ôèëüìå. Î÷åíü ïîíðàâèëñÿ äèàëîã Äìèòðèÿ Þðüåâè÷à è Óèëüÿìà. Ïîæàëóéñòà, ïîñêîðåå ñíèìèòå âòîðóþ ÷àñòü! Âû íåïîäðàæàåìû è áóäòî ñîçäàíû ñèäåòü ðÿäûøêîì â ñòóäèè è ãîâîðèòü î êèíî è ÿçûêàõ. Ñïàñèáî!
Ded Raz
Óèëüÿì, òèòðû ýòî ñòèëèçàöèÿ ïîä øèôðîâêó. Åñòü òðàôàðåò ñ äûðî÷êàìè êîòîðûé íàêëàäûâàþò íà ÷èñòûé ëèñò áóìàãè.  äûðî÷êè âïèñûâàåòñÿ ñåêðåòíîå ïîñëàíèå. Ïîòîì ê ýòèì áóêâàì äîáàâëÿåòñÿ òåêñò, ÷òîáû âñå âûãëÿäåëî êàê îáû÷íîå ïèñüìî. Ó ïîëó÷àòåëÿ åñòü òàêîé æå òðàôàðåò. Îí íàêëàäûâàåò åãî íà ïèñüìî è ÷èòàåò ñêðûòîå ïîñëàíèå. Íàçûâàåòñÿ «Ðåøåòêà Êàðäàíî».
Åêàòåðèíà Åðîõèíà
Êóëüòóðà òîñòîâ ïîÿâèëàñü èç-çà íåäîïå÷åííîãî õëåáà, åñòü áîëüøîé ñåðèàë ÂÂÑ ïðî àíãëèéñêóþ êóõíþ ðàçíûõ ýïîõ, òàì ïðî ýòî ïîäðîáíî áûëî.  Ðîññèè õëåá èçíà÷àëüíî ïî äðóãîìó èçãîòàâëèâàëè, è ïðèâû÷êè äîñóøèâàòü, òå äîãîòàâëèâàòü õëåá, íå ñëîæèëîñü.
Ïàíòåëåéìîí Ðîìàíîâ
Ó íàñ îòëè÷íàÿ ýêðàíèçàöèÿ,Ñîëîìèí â ñâîåé ðîëè âíå êîíêóðåíöèè, ëó÷øèé Óîòñîí, íî ìíå êàæåòñÿ, ñàìûé àóòåíòè÷íûé Õîëìñ — Äæåðåìè Áðåòò, òîò ñåðèàë ìàêñèìàëüíî áëèçîê ê ïåðâîèñòî÷íèêó, íàø ïîëó÷èëñÿ ñëèøêîì ÷åëîâå÷íûì, ýìîöèîíàëüíûì, ÷òî íå îòìåíÿåò îòëè÷íóþ èãðó Âàñèëèÿ Ëèâàíîâà.
Irina Sen.
Êîãäà ôèëüì âûøåë íà ýêðàí, äàæå ìûñëè íå âîçíèêëî, ÷òî ñ ãîëîñîì Ëèâàíîâà ÷òî-òî íå òàê. Ëþáèìûé àêò¸ð, ëþáèìûé ãîëîñ!
John Smith
×òî ýòî çà óæàñíûé âîé, Õîëìñ, ñîáàêà Áàñêåðâèëåé? Íåò, ýòî ñýðà Ãåíðè êîðìÿò îâñÿíêîé…
Sepulka79
Çàìå÷àíèå ïðî íå òó áàëþñòðàäó èç ïåðèë, ÷òî, ìîë, íå òîãî öâåòà, ýòî, êîí÷åíî, î÷åíü âàæíî))) Íî ðàçáîð õîðîøèé. Áûëî î÷åíü èíòåðåñíî ïîñëóøàòü ìíåíèå àâòîõòîíà, òàê ñêàçàòü. Ñïàñèáî çà ðàçáîð! Áóäåì æäàòü åù¸ Óèëüÿìà ñ íåòåðïåíèåì íà êàíàëå!
Ñâåòëàíà Î
Âèäåëè ðàçíûõ Øåðëîêîâ. Ïî òåëåâèçîðó ïîêàçûâàëè è â èíòåðíåòå åñòü. Îáúåêòèâíî íàø ëó÷øèé.
Åêàòåðèíà
Çà Äæåðîìà è Î’Ãåíðè — îãðîìíîå ñïàñèáî íàøèì ñîâåòñêèì ïåðåâîä÷èêàì. Âîò êîãäà ÿ åù¸ ïîäðîñòêîì âñå ýòî íà÷àëà ÷èòàòü, ðîâíî òå æå ìûñëè, ÷òî è ó Óèëà…. Ñìåøíî — íåâîçìîæíî êàê! È âñå òàê ëàäíî è ðîâíî.
Irin Brandt
Êàê âñåãäà, èíòåðåñíî, ïîçíàâàòåëüíî, ñìåøíî, ñïàñèáî áîëüøîå îáîèì ñîáåñåäíèêàì! Íàâåðíîå, ïîâòîðþ êîãî-íèáóäü, Ëèâàíîâ èñïîðòèë ãîëîñ íà ñúåìêàõ, åñëè áóäåò âðåìÿ, ïîñìîòðèòå òîãî æå «Ñëåïîãî ìóçûêàíòà», òàì ñîâñåì äðóãîé êîëåíêîð.
Nashari Art
Èíòåðåñíî, Óèëà ñìóòèë ãîëîñ Âàñèëèÿ Ëèâàíîâà. À äëÿ íàñ, íàïðîòèâ, óæå êàæåòñÿ ñòðàííûì, ÷òî Øåðëîê Õîëìñ ìîæåò ãîâîðèòü èíà÷å: íå õðèïëûì ãîëîñîì Ëèâàíîâà. Åãî ãîëîñ íå îòäåëèì îò îáðàçà Øåðëîêà Õîëìñà äëÿ ìíîãèõ ñîâåòñêèõ ëþäåé.
Sam-Alleyne777 Longbow
Êñòàòè, Âàòñîí èìååò øîòëàíäñêèå êîðíè, åãî âòîðîå èìÿ — Õýìèø. Êîðíè Õîëìñà, ñêîðåå âñåãî, ôðàíöóçñêèå. Åãî áàáóøêà áûëà ôðàíöóæåíêîé, ñåñòðîé õóäîæíèêà Âåðíüå. Îòñþäà è ýêñöåíòðèçì. Õîëìñ — íå òèïè÷íûé àíãëè÷àíèí. À ïðèäèðàòüñÿ ê èçîáðàæåíèþ óëèö, òðóá, ïàðêîâ — íó ýòî íå î÷åíü ñåðüåçíî. Ëþäè ñíèìàëè â òåõ óñëîâèÿõ, â êîòîðûõ íåâîçìîæíî áûëî ñäåëàòü äîñòîâåðíóþ êîïèþ Àíãëèè êîíöà 19-ãî âåêà. Íî ñíèìàëè ñ áîëüøîé ëþáîâüþ, òåïëîòîé è óâàæåíèåì. çà ÷òî èì áîëüøîé ïîêëîí. Ãîëîñ Ëèâàíîâà — øèêàðåí è íåïîäðàæàåì.  ñîçíàíèè ñîâåòñêîãî è ïîñòñîâåòñêîãî ÷åëîâåêà åãî ãîëîñ àññîöèèðóåòñÿ ñ Õîëìñîì ïðåâîñõîäíî. È îí ãîðàçäî èíòåðåñíåå, ÷åì ó ìíîãèõ íàñòîÿùèõ «àíãëè÷àí», êîòîðûå ãîâîðÿò îòðûâèñòî, áûñòðî, ñêîðîãîâîðêàìè. Ïðåñíî.  îáùåì, ýòè ôèëüìû äàâíî ñòàëè ÷àñòüþ íàøåãî êóëüòóðíîãî êîäà. Ìîæíî îáñóæäàòü äåòàëè, ïðèêàëûâàòüñÿ íàä íåñòûêîâêàìè, ëÿïàìè, íî îò ýòîãî äàííûå ôèëüìû íå ïåðåñòàþò áûòü ëþáèìûìè è âîñõèòèòåëüíûìè. À «Ñîáàêà Áàñêåðâèëåé» — ïðîñòî àáñîëþòíûé øåäåâð.  ìîåì ðåéòèíãå îí âõîäèò â 5-êó ëó÷øèõ ôèëüìîâ âñåõ âðåìåí è íàðîäîâ îäíîçíà÷íî!
JFK
Ñðàçó âèäíî, ÷òî Óèëüÿì ãîòîâèëñÿ — ïðîñìîòðåë íå òîëüêî ñåðèþ «Çíàêîìñòâî», íî è ñîîòâåòñòâóþùèé âûïóñê ïåðåäà÷è «Òàéíû íàøåãî êèíî». À âîò Äèì Þðüè÷ ÷òî-òî áëåäíîâàòî ñìîòðåëñÿ. Îñîáåííî ìåíÿ óäèâèëî, ïî÷åìó îí íå ðàññêàçàë èñòîðèþ «ôèðìåííîãî» ãîëîñà Âàñèëèÿ Ëèâàíîâà, êîòîðûé ïîÿâèëñÿ åùå â ìîëîäîñòè èç-çà ïðîñòóäû ãîëîñîâûõ ñâÿçîê ïîñëå îçâó÷èâàíèÿ ôèëüìà «Íåîòïðàâëåííîå ïèñüìî» íà 40-ãðàäóñíîì ìîðîçå.
OloloSamaraRUS
Äîñìîòðåë. Õîðîøèé ðàçáîð, ãîñòü ïîäìåòèë íåñêîëüêî èíòåðåñíûõ áûòîâûõ äåòàëåé. Åäèíñòâåííîå — õîòåëîñü áû äîíåñòè äî íåãî èíôîðìàöèþ î òîì, ÷òî òåìáð ãîëîñà ó Ëèâàíîâà èçìåíèëñÿ ïîñëå òîãî êàê åìó ïðèøëîñü ìíîãî îðàòü íà ìîðîçå â òàéãå çèìîé íà ñú¸ìêàõ êàêîãî-òî ôèëüìà è îí ñîðâàë ãîëîñ. Âðà÷ ïîñîâåòîâàë åìó ìîë÷àòü äâå íåäåëè, èíà÷å áûë ðèñê ñîâñåì îíåìåòü íó à êîãäà Âàñèëèé Áîðèñîâè÷ ïî ïðîøåñòâèè ñðîêà çàãîâîðèë, òî íå óçíàë ñàì ñåáÿ. Àêò¸ð ñàì ðàññêàçûâàë îá ýòîì â èíòåðâüþ, êîìó èíòåðåñíî — ãóãëèòñÿ ëåãêî. Õàðàêòåðíàÿ äåòàëü — Ëîíäîí â ýêðàíèçàöèè Ìàñëåííèêîâà âûãëÿäèò î÷åíü óáåäèòåëüíûì â ãëàçàõ çðèòåëåé îòêóäà-íèáóäü èç Òóðöèè èëè äàæå Êàíàäû, à âîò àíãëè÷àíå çàìå÷àþò, ÷òî óëèöû ñëèøêîì ñâåòëûå è øèðîêèå. Âîò è ãîñòü òîæå ýòî ïîäìåòèë. Íå ïðîâåä¸øü. Âàòñîíà â èñïîëíåíèè Ñîëîìèíà ÷àñòî íàçûâàþò ëó÷øèì èëè îäíèì èç ëó÷øèõ — â àíãëèéñêèõ ýêðàíèçàöèÿõ åãî ïðèíÿòî èçîáðàæàòü ñîâñåì óæ áåñïîëåçíûì äóðà÷êîì. Èíòåðåñíî, êàêàÿ ðåàêöèÿ áóäåò ó «íàøåãî» àíãëè÷àíèíà íà ëîðäà Áàñêåðâèëÿ — èíîñòðàííûå çðèòåëè âñåãäà âûïàäàþò ñ íåãî â îñàäîê (â îòðèöàòåëüíîì ñìûñëå ýòîãî âûðàæåíèÿ).
Dmitry Kazakov
Íàø Øåðëîê Õîëìñ ëó÷øèé, íå ïîòîìó, ÷òî òîëüêî åãî â ÑÑÑÐ ñìîòðåëè, à ïîòîìó, ÷òî… ÎÍ ËÓ×ØÈÉ è åñòü.
Irina Obvintseva
Êàê ÿ æäàëà ðàçáîðà ôèëüìîâ î Øåðëîêå!!!! Ñïàñèáî îãðîìíîå!!! Èíòåðåñíî! È ïîçíàâàòåëüíî! Íî äëÿ ìåíÿ íàøè Øåðëîê è äîêòîð Âàòñîí -ëó÷øèå! Æäó ïðîäîëæåíèÿ.
Ïîï Àíäðîï
À ìíå îñîáåííî íðàâÿòñÿ ïîñèäåëêè Õîëìñà è Âàòñîíà ó êàìèíà, â êîíöå êàæäîé ñåðèè. Ó êàìèíà, ñ áðåíäè, ïîä ñèãàðó, óóóó, îôèãåííî! Îòáëåñêè îãíÿ â õðóñòàëå, ïîëåíöà ïîòðåñêèâàþò… Âå÷íîñòü áû òàê ïðèáóõèâàë.
Îëüãà ßðìîëåíêî
Åùå õîòåëîñü áû çíàòü, êàê àíãëè÷àíèíó ïîíðàâèëàñü èëè íåò ìóçûêà ê ôèëüìó. Íàñêîëüêî îíà àóòåíòè÷íà è ñîîòâåòñòâóåò äóõó Áðèòàíñêîé èìïåðèè. À òàêæå èíòåðåñíî ìíåíèå îá ýêèïàæàõ — â ÷àñòíîñòè Êåáàõ. Ê ñîæàëåíèþ àâòîðû íå îáñóäèëè äîâîëüíî çàáàâíóþ ñöåíó: áîêñåðñêèé ïîåäèíîê ìåæäó Âàòñîíîì è Øåðëîêîì Õîëìñîì.
Êëóáÿùååñÿ çåðêàëî
Äìèòðèé, â ÑÑÑÐ â êàæäîì ÂÓÇå áûë ñâîè çíà÷îê.  1930-60-å íîñèëè ÂÑÅ, ïîòîìó êàê áûòü èíæåíåðîì áûëî î÷åíü ïðåñòèæíî.
Èííà Åëèñååâà
ß äóìàþ, ÷òî öåííîñòü ýòîãî ìíîãîñåðèéíîãî ôèëüìà íå â ïîëíîì êîïèðîâàíèè àíãëèéñêîãî, à â ñïëàâå àíãëèéñêîãî è ðóññêîãî. Áóäü îí ÷èñòî àíãëèéñêèì, åãî òàê íå ëþáèëè áû ó íàñ, â Ðîññèè. À â ñóùåñòâóþùåì âèäå ïîëó÷èëñÿ êóëüòóðíûé ìîñò — åñëè åãî ñìîòðÿò àíãëè÷àíå — òî âèäÿò êàê ðóññêèå ÷åðòû, òàê è Àíãëèþ, â ïðåäñòàâëåíèè ðóññêèõ. Ïðè ýòîì ôèëüì, êàê è âñå ôèëüìû â òî âðåìÿ, äåëàëè äëÿ ñåáÿ, èñêëþ÷àÿ êàëüêèðîâàíèå çàïàäíîãî êèíî. Ôèëüì ðàññ÷èòàí áîëüøå íà ïîäðîñòêîâ, îí òåïëûé, óþòíûé, íî è âîñïèòàòåëüíûé.
Àéñýê Êîñèîð
«Øåðëîê Õîëìñ» òîæå ñòàë íîâîãîäíåé òåìîé ) Ïî-ìîåìó ñ «Èãðû òåíåé». Êîãäà ïîä Íîâûé ãîä âûïóñòèëè â ïðîêàò. Àêêóðàò â òî âðåìÿ â ñú¸ìíîé êâàðòèðå íàø¸ë êíèãè Êîíîí Äîéëà è ïåðå÷èòàë, è õîòåëîñü ïîñìîòðåòü íîâóþ ýêðàíèçàöèþ.
Tom-Tom90
Âûðåçàííûå áóêâû — îäèí èç âèäîâ øèôðà. Âûðåçàëè ÷àñòü ñòðîê íà ñòðàíèöå (ãàçåòû, êíèãè) è îíà èñïîëüçîâàëàñü êàê øèôðîáëîêíîò. À ïîä ñòðàíèöó ïîäêëàäûâàëñÿ ëèñò áóìàãè è çàïîëíÿëñÿ íóæíûì òåêñòîì. Ïîòîì ëèñò âûíèìàëñÿ è çàïîëíÿëñÿ ñëó÷àéíûìè áóêâàìè. Ïðî÷èòàòü åãî ìîæíî áûëî òîëüêî, åñëè ïîäëîæèòü ëèñò ïîä «êëþ÷åâóþ» ñòðàíèöó. ×òî è ïîêàçàíî â òèòðàõ. Êàæåòñÿ, ýòî øèôð 19 âåêà, íå ïîìíþ òî÷íî. Î÷åíü êðóòî, ÷òî ñîçäàòåëè ôèëüìà èñïîëüçîâàëè òàêîé àíòóðàæ, êîãäà óæå òèòðû íàñòðàèâàþò íà òàèíñòâåííûé ëàä. Õîëìñ, âðîäå êàê, èðëàíäåö. Sher (êàê-òî òàê, íà èðëàíäñêîì) çíà÷èò «õðàáðûé âîèí». Êñòàòè, lock — ëîøàäü ïðèøåäøàÿ ïåðâîé. È àíåêäîò, ðàç íà÷àëè. -Âàòñîí, ÷òî ïîäàäóò íà îáåä ñåãîäíÿ? -Ìèíóòó, Õîëìñ, ó íàñ óæå íåäåëþ, êàê íîâûé ïîâàð. Ïàê, ÷òî ñåãîäíÿ íà îáåä? — Õå ìÿñíîå, ïî-êîðåéñêè. -Îòëè÷íî, Âàòñîí. À Âû îáðàòèëè âíèìàíèå — òðåòèé äåíü íà áîëîòàõ ïî÷åìó-òî íå ñëûøíî ñîáàêó Áàñêåðâèëåé?!!
Âëàäèìèð Îëåéíèê
Îòëè÷íàÿ áåñåäà! Äóøåâíûå ñîáåñåäíèêè. Èíòåðåñíåéøèé âûïóñê. Òàêîé ðîäíîé, ïðÿìî êàê â äåòñòâî âåðíóëñÿ. È äà — íàøè Õîëìñ è Âàòñîí ëó÷øèå! Óðà)))
Den Freeman
Áåéêåð Ñòðèò, äåéñòâèòåëüíî ïðÿìàÿ øèðîêàÿ óëèöà è áûëà òàêîâîé â 19-ì âåêå, íî â Ëîíäîíå (îñîáåííî ñòàðîì) âïîëíå ñåáå âñòðå÷àþòñÿ â òîâàðíîì êîëè÷åñòâå êðèâûå óëî÷êè è óçêèå ïåðåóëêè.
Zakis designer
Ãîñòü âñ¸ æå íå î÷åíü ïîíÿë íàø ôèëüì. È âñå çàáûëè, ÷òî â òî âðåìÿ íå áûëî âîçìîæíîñòè ñíÿòü Àíãëèþ â Àíãëèè. Äà è çàãðàíè÷íûõ ãîñòåé îòòóäà áûëî ìàëî. Òàê ÷òî «ëåïèëè èç òîãî, ÷òî áûëî». Íî î÷åíü òîíêî è áåðåæíî. È î÷åíü ãëóáîêî.
Àíäðåé Ïåëèïåíêî
ß çà äâà äíÿ âñå ñåðèè íàøåãî Õîëìñà ïîñìîòðåë. Îòëè÷íûé ôèëüì è ñíÿò ñ äóøîé. ß ñìîòðåë ðàçíûõ Õîëìñîâ, íî âñå æå èìåííî ïîâåñòâîâàíèåì Õîëìñ â èñïîëíåíèè Âàñèëèÿ Ëèâàíîâà, áîëüøå íðàâèòñÿ. Äàæå Õîëìñ îò Ðîáåðòà Äàóíè Ìëàäøåãî ìíå íå ïîíðàâèëñÿ, õîòÿ àêòåð îí îòëè÷íûé. Âîò òàêîé ëåâ íà ðó÷êå, ó íàøèõ ñîñåäåé áûë íà äâåðè. ß æèë â êâàðòèðå ñ ïîäñåëåíèåì, ó íàñ áûëî â êâàðòèðå 3 êîìíàòû è âî âñåõ êîìíàòàõ æèëè ðàçíûå ñåìüè. Äà ýòî íàñòîÿùèé ãîëîñ Âàñèëèÿ Ëèâàíîâà, òàêîé òåìáð ãîëîñà ó íåãî ïîëó÷èëñÿ ïîñëå òîãî êàê îí ïåðåíåñ ïðîñòóäó, îò ÷åãî ãîëîñ èñïîðòèëñÿ è îí äîëãî ãîðåâàë îá ýòîì, ïîêà êàê ðàç íå ïîíÿë, ÷òî åãî ãîëîñ î÷åíü ñèëüíî äîáàâëÿåò åìó ê òàëàíòó àêòåðà. Îí æå åùå «Äÿäþøêà Àó» îçâó÷èâàë ìóëüòôèëüì. ß äóìàþ, ÷òî Øåðëîê âñå ïðåêðàñíî çíàåò ïðî Çåìëþ è ñîëíå÷íóþ ñèñòåìó íà óðîâíå èìåííî øêîëüíîãî êóðñà, îí ïðîñòî íå ïðèäàåò ýòîìó îãðîìíîå çíà÷åíèå.
Alex Mono
Èç ìåëî÷åé, ÷òî ïîðàçèëî ìåíÿ, â îòëè÷èå îò òåõ æå «Ñåìíàäöàòè ìãíîâåíèé âåñíû», ãäå Øòèðëèö ïèñàë ðåéõñôþðåðó íà ðóññêîì, â «Øåðëîêå Õîëìñå» ïèñüìà ïèøóò íà ÷èñòîì àíãëèéñêîì!
Àëåêñåé Ðîçàíîâ
Ýòè äâà êðàñàâöà ìîãóò îáñóæäàòü ëþáóþ òåìó, à ìû áóäåì âíèìàòü, ðàñêðûâ ðîò. Áðàâî!
Îëüãà Î
Ñïàñèáî çà ðîëèê! Î÷åíü ïîçíàâàòåëüíî. È, âñ¸ æå, äàâàéòå ïðèçíàåì, ÷òî ñîçäàòü îáðàç Àíãëèè 19 âåêà óäàëîñü. Ñú¸ìî÷íàÿ ãðóïïà ñòàðàëàñü ïðèáëèçèòü îáðàç ìàêñèìàëüíî áåðåæíî. ×åãî íåëüçÿ ñêàçàòü îá «èõ» ôèëüìàõ î íàñ. Òàì êëþêâà òàêàÿ, ÷òî ìîæíî íîãè î áóðüÿí ñëîìàòü.
Ìèøà Ìèøèí
Ñûíó 17. Ñìîòðåë è ñëóøàë âñÿêèõ ëþäåé. Ïîäñìîòðåë ó ìåíÿ ðîëèêè ñ Äìèòðèåì Þðüåâè÷åì. Ñåé÷àñ ñìîòðèò òîëüêî åãî, ìîæåò èç ìîëîäûõ òîæå òîëê áóäåò!
Winter Man
Õîòü íàø Øåðëîê è ñíÿò íåòî÷íî, íî åãî ïûòàëèñü ñíÿòü ìàêñèìàëüíî áëèçêî ê îðèãèíàëó â îòëè÷èè îò ñîâðåìåííûõ ôèëüìîâ, îñîáåííî ïðî âîéíó, ãäå ó îôèöåðà ôóðàæêà ë¸ò÷èêà, ïåòëèöû òàíêèñòà è ïðî÷åå…
Áëåñòÿùå ! Áðàâî ! Ñïàñèáî , Äìèòðèé Þðüåâè÷ çà òàêîãî ïîòðÿñàþùåãî ãîñòÿ !
Ïèôèÿ Life
Ïî ïîâîäó ýìîöèîíàëüíîñòè Øåðëîêà — åãî áàáóøêà áûëà ôðàíöóæåíêîé; ìîæåò áûòü ïîýòîìó? Ïðî ïðèøèâíûå âîðîòíè÷êè — íà íàøåé äåâ÷à÷üåé øêîëüíîé ôîðìå áûëè òàêèå âîðîòíè÷êè. Ñî âðåìåíåì è ÿ íà÷àëà ïðèøèâàòü, êîãäà ìàìà äåëåãèðîâàëà.;
Àëåêñåé Ñèíÿêîâ
Âîçìîæíî èìååò ñìûñë îòäåëüíî ñêàçàòü, ÷òî àðòèñòû âñå èçâåñòíûå, çàñëóæåííûå è ëþáèìûå ñ äåòñòâà! Ïîíðàâèëàñü ìèññèñ Õàäñîí! Äûê åù¸ áû íå ïîíðàâèëàñü, ýòî æ Ðèíà Çåë¸íàÿ, íå Õîä÷åíêîâà êàêàÿ-òî!
Zhanna Zhukovskaya
Îòëè÷íàÿ áåñåäà. Äìèòðèé Þðüåâè÷, ñïàñèáî. À ïî ïîâîäó âîðîòíè÷êîâ — ïîñëå ñìåðòè äåäóøêè îñòàëèñü òàêèå ïðèñòåãèâàþùèåñÿ âîðîòíè÷êè è ðóáàøêè (ãîðëîâèíà ñ ïóãîâè÷êàìè, à ñàìè âîðîòíè÷êè ñ ïðîðåçíûìè ïåòëÿìè äëÿ ïóãîâèö)). Òàê ÷òî ó íàñ òîæå ïðèíÿòî áûëî).
Andrei
Âèëüÿì, ïðèâåò èç Ëîíäîíà! Ñîãëàñåí íà ñ÷¸ò toast rack, çäåñü â Àíãëèè îíè âåçäå åñòü. Íî ÿ âûðîñ â ÑÑÑÐ è ìû âîîáùå íèêîãäà íå äåëàëè òîñòû, áûëè ãðåíêè. È ÿ íèêîãäà íè ó êîãî íå âèäåë äîìà toast rack. Ñêîðåå âñåãî òàêîé ïîñóäû âîîáùå íå áûëî â ÑÑÑÐ, ïî ýòîìó è â ôèëüìå ïîñòàâèëè íà ñòîë ÷òî-òî äðóãîå.
Àëåêñàíäðà Íàçàðîâà
Ôèëüìû î Øåðëîêå ñëèøêîì èäåàëèçèðîâàëè àíãëè÷àí. Ñòîëêíóâøèñü ñ íèìè â ðåàëüíîñòè, ÿ áûëà â øîêå.
Valery Boreev
Ó ñóâîðîâöåâ è íàõèìîâöåâ åñòü íàãðóäíûå çíàêè.  âîåííûõ ó÷èëèùàõ èõ íåñóâîðîâöû íàçûâàþò îðäåíîì ïîòåðÿííîãî äåòñòâà.
Andrei
Àíåêäîòû ïðî Øåðëîêà Õîëìñà è äîêòîðà Âàòñîíà — ýòî îòäåëüíûé âèä òâîð÷åñòâà. Ýòî ãîâîðèò î íàñòîÿùåé ïîïóëÿðíîñòè ïåðñîíàæåé. Åñòü â Àíãëèè ÷òî-òî ïîäîáíîå?
OloloSamaraRUS
Î÷åíü èíòåðåñíàÿ òåìà, îäíà èç ìîèõ ëþáèìûõ. Ïðèä¸òñÿ çàëèïíóòü ïåðåä ìîíèòîðîì åù¸ íà ïîëòîðà ÷àñà. Âñåãäà èíòåðåñíî, êàê îöåíèâàþò íàø ñåðèàë èíîñòðàíöû, íå çàìûëåííûì, òàê ñêàçàòü, âçãëÿäîì. Åñòü åù¸ òàêîé áëîãåð — Àëåêñàíäð Ñåäîâ — áîëåå 10 ëåò ïåðåâîäèò è âûêëàäûâàåò â ææ (ñåé÷àñ åù¸ è íà ßíäåêñ Äçåí) èíîñòðàííûå ðåöåíçèè íà ñîâåòñêîãî Õîëìñà. Îò íàïèñàííûõ ïðîôåññèîíàëüíûìè êðèòèêàìè èëè ñöåíàðèñòàìè è îïóáëèêîâàííûõ â áóìàæíîé ïðåññå/íà êðóïíûõ ñàéòàõ, äî íàïèñàííûõ ñòóäåíòàìè â áëîãàõ.  îñíîâíîì îöåíêè âàðüèðóþòñÿ îò ñäåðæàííî-ïîëîæèòåëüíûõ äî âîñòîðæåííûõ.
Òàì åñòü åùå ìíîãî êîììåíòàðèåâ íà ïðîñëóøàííóþ áåñåäó î äîñòîèíñòâàõ è íåäîñòàòêàõ ñåðèàëà ïðî Øåðëîêà Õîëìñà è äîêòîðà Âàòñîíà, âûøåäøåãî íà ýêðàíû íàøåé ñòðàíû â ñîâåòñêîå âðåìÿ. ß ñìîòðåë è óæå ïàðó ðàç ïåðåñìàòðèâàë ýòîò ñåðèàë. Äëÿ ñðàâíåíèÿ ïîñìîòðåë è íåñêîëüêî çàðóáåæíûõ ñåðèàëîâ, èç íèõ îäèí ñàìûé äëèííûé ïîä íàçâàíèåì «Øåðëîê», äåéñòâèå â êîòîðîì ïðîèñõîäÿò â íàøè äíè.  Èíòåðíåòå ìîæíî íàéòè óïîìèíàíèå î 10 ôèëüìàõ ïðî çíàìåíèòîãî ñûùèêà, íî ìíå êàæåòñÿ, íàø ñåðèàë íå òîëüêî áëèæå âñåãî ê ðàññêàçàì î Øåðëîêå Õîëìñå è åãî âåðíîì ñïóòíèêå äîêòîðå Âàòñîíå, íî è ïîñòàâëåí â òðàäèöèîííîé, õàðàêòåðíîé äëÿ ñîâåòñêîãî ïåðèîäà, ìàíåðå ñ ïðåêðàñíîé èãðîé àêòåðîâ, ñöåíàðèé íàïèñàí ìàêñèìàëüíî òî÷íî ïî ïðîèçâåäåíèÿì Êîíàí Äîéëà.
Êîììåíòàòîðû ïðåêðàñíî îòðàçèëè âñå îñíîâíûå àñïåêòàì óñëûøàííîé áåñåäû, ãäå áðèòàíñêèé æóðíàëèñò îõàðàêòåðèçîâàë èãðó Âèòàëèÿ Ñîëîìèíà è Ðèíû Çåëåíîé, êàê î÷åíü äîñòîâåðíîé ê ïîâåäåíèþ òèïè÷íûõ àíãëè÷àí. À âîò, ïî åãî ìíåíèþ, èãðà Âàñèëèÿ Ëèâàíîâà ÷óòü ñëàáåå, ÷åì åãî ïàðòíåðîâ, íî, âî -ïåðâûõ, îí ïîñìîòðåë âñåãî îäíó ñåðèþ, à, âî-âòîðûõ, åìó óæå â ñâîèõ êîììåíòàðèÿõ îòâåòèëè ïîêëîííèêè íàøåãî àêòåðà. ß íå áóäó íàñòàèâàòü, ó ëþáîãî çðèòåëÿ ìîæåò áûòü ñâîå ìíåíèå î èãðå òîãî è äðóãîãî àðòèñòà.
Ïî ìíåíèþ àíãëè÷àíèíà, â ïåðâîé ñåðèè, ãäå ðàññêàç èäåò î «ïåñòðîé ëåíòå» è ïîêàçàíî ïîìåñòüå àíãëèéñêîé ñåìüè, òàêèõ äîìîâ â Àíãëèè íåò. Äî 15 âåêà ñòðîèëè ïîìåñòüÿ èç êàìíÿ â âèäå çàìêîâ, ïîòîì ïîïðîùå, íî òîæå èç êàìíÿ. È àíãëèéñêèé ïàðê ñîâñåì íå òàêîé, êàê ïîêàçàí â ýòîé ñåðèè.  òèïè÷íîì àíãëèéñêîì ïàðêå ìíîãî òðàâÿíûõ ëóæàåê, îáÿçàòåëüíî åñòü ïðóä è äåðåâüÿ, ñòîÿùèå íà âîçâûøåííîñòÿõ, òàê ÷òî ñòðîåíèå õîðîøî ïðîñìàòðèâàåòñÿ. Íî ÷òî ïîäåëàòü, ñîçäàòåëè ôèëüìà íå ìîãëè ñíèìàòü åãî íà Áðèòàíñêèõ îñòðîâàõ è âîñïîëüçîâàëèñü ïîäõîäÿùèì, ïî èõ ìíåíèþ, çäàíèåì.
 îäíîé èç ñöåí ôèëüìà ïîêàçàí çàâòðàê ãåðîåâ è íàêðûòûé ñòîë. Åäèíñòâåííî, ê ÷åìó ïðèäðàëñÿ àíãëè÷àíèí, ýòî õëåáíèöà. Òàêèõ ó Àíãëèè â òî âðåìÿ óæå íå áûëî, õëåá ïîäàâàëè íà ñòîë â âèäå òîíêî íàðåçàííûõ ëîìòèêîâ â ñïåöèàëüíîé ïîñóäå, íàïîìèíàþùèé íûíåøíèé òîñòåð, è àíãëè÷àíå îáû÷íî åëè íå ñâåæå èñïå÷åííûé õëåá, à íåìíîãî îáæàðåííûé, êàê íûíåøíèé ïîñëå òîñòåðà.
Íî â öåëîì, ïî ìíåíèþ àíãëèéñêîãî æóðíàëèñòà, ýòà ñåðèÿ î÷åíü äîñòîâåðíî ïîêàçûâàåò æèçíü àíãëè÷àí â êîíöå 19 âåêà. ß ïîäïèñàí íà êàíàë Äìèòðèÿ Ïó÷êîâà è áóäó ñìîòðåòü ñëåäóþùèå ïåðåäà÷è ñ ýòèì àíãëèéñêèì æóðíàëèñòîì Óèëüÿìîì, è áóäó äåëèòüñÿ ñâîèìè âïå÷àòëåíèÿìè ñî ñâîèìè ÷èòàòåëÿìè. Âïðî÷åì, åñëè èì íå æàëêî ïðèìåðíî ÷àñà âðåìåíè, îíè ìîãóò ïîñëóøàòü ýòè ïåðåäà÷è ñàìîñòîÿòåëüíî. Âñåãî âàì õîðîøåãî, äîðîãèå ìîè.
Привет! Меня зовут Илья Гусев, я занимаюсь машинным обучением в команде Яндекс.Новостей. У каждого новостного сюжета на сервисе есть своя страница, где собраны новости об одном и том же событии из разных источников. Сегодня мы рассмотрим построение краткой выжимки, дайджеста сюжета. В такой выжимке, состоящей из фрагментов новостных документов, содержится основная информация о событии. Очевидно, почему дайджест полезен для пользователя — мы выводим на экран сюжета самое важное о событии. С похожими задачами сталкиваются многие инженеры: например OpenAI недавно опубликовала статью про реферирование книг. Поэтому я надеюсь, что описанный ниже подход будет вам полезен.
Как и всё в Новостях, построение такой выжимки должно быть полностью автоматическим. До внедрения выжимки текстовая часть сюжета выглядела так:
Теперь она выглядит так:
Задача
Реферирование (или аннотирование, или суммаризация) — процесс получения краткой версии документа, которая раскрывала бы его суть. Вы наверняка сталкивались с аннотациями книг, газетных и новостных статей, составленными людьми. Автоматическое же реферирование происходит с помощью компьютерной программы.
Автоматическим реферированием инженеры занимаются с 50-х. Одна из первых работ на эту тему — статья Ханса Петера Луна 1958 года.
Задача мультидокументного реферирования тоже достаточно стара. Её популяризировали ещё в начале нулевых годов серией конференций DUC (Document Understanding Conference). Её основное отличие от обычного реферирования — на вход алгоритму подают не один, а несколько документов.
В Яндекс.Новостях мы реферируем сюжет, то есть коллекцию документов об одном и том же событии. На выходе хотим получить краткую выжимку самых важных подробностей из этих документов.
Важно, что Новости не пишут собственные тексты, даже автоматически: у нас нет своей редакции, все материалы, которые мы используем, получаем от изданий-партнёров. То есть в готовую выжимку обязательно должны попасть текстовые фрагменты из документов на входе. Это отметает все абстрагирующие методы, которые могут писать новые тексты, в том числе и YaLM.
Выжимки бывают разных форматов: они могут отличаться размером и числом фрагментов. После экспериментов мы остановились на 4 предложениях. Выжимки большего размера, как и фрагменты больше предложения, пользователи воспринимают тяжело.
Алгоритм
Изначально мы пробовали делать выжимку из одного документа, с помощью довольно простых TextRank и LexRank, использующих PageRank над графом похожести предложений друг на друга, а также более сложного SummaRuNNer’а, суть которого в обучении рекуррентной модели на бинарную классификацию, попадёт ли каждое предложение в выжимку или нет.
Это не могло работать на сервисе в такой постановке. Во-первых, такие алгоритмы никак не могут учитывать важность фрагментов, которые встречаются в нескольких документах. Во-вторых, они очень сильно сдвигают распределение трафика в сторону одного источника, что для нас неприемлемо.
Что касается методов именно мультидокументного реферирования, тяжёлые end-to-end модели мы даже не рассматривали как минимум потому, что не смогли бы объяснить изданиям и пользователям, как они работают. Алгоритмы Новостей должны быть максимально прозрачны и интерпретируемы.
Мы остановились на мультидокументном реферировании через кластеризацию предложений. Во-первых, этот алгоритм крайне прост в понимании, написании и поддержке. Во-вторых, эмбеддинги предложений для кластеризации можно предподсчитывать один раз для каждого документа, что экономит кучу процессорного времени. Это не единственный подходящий способ мультидокументного реферирования, тот же LexRank вполне применим для нескольких документов.
Сразу оговоримся, что идея мультидокументного реферирования через кластеризацию предложений не нова. Существует много статей про этот метод: например, эта и эта. От них наш алгоритм отличается прежде всего способом подсчёта расстояний между предложениями.
В общих чертах алгоритм устроен так:
- Разбиваем каждый документ на предложения. Основными объектами нашей выжимки как раз будут эти предложения.
- Для каждого предложения всех документов считаем эмбеддинг — числовое представление информации, которая содержится в предложении. Эмбеддинги можно строить по-разному, например через FastText, USE, LaBSE. Совершенно необязательно использовать для этого нейросетевые модели, подойдёт и старый-добрый TF-IDF, только он будет хуже определять похожие предложения.
Мы строим эмбеддинги через DSSM, который дистиллирует LaBSE. В нашем варианте дистилляции DSSM обучался предсказывать расстояния между парами предложений, посчитанное по LaBSE, но это не единственный способ. Основная причина, почему мы делаем именно так — высокая производительность DSSM Яндекса: более тяжёлые с точки зрения процессорного времени модели мы пока не можем себе позволить из-за большого потока документов. Когда мы добавим в эту часть сервиса побольше GPU, это снизит ограничения в производительности, и можно будет использовать трансформеры.
- Для каждой пары предложений из разных документов считаем, насколько они похожи друг на друга. Для разных предложений из одного документа считаем, что они заведомо отличаются.
- Запускаем на полученной двумерной матрице сходства алгоритм иерархической кластеризации со склейкой по среднему (например, такой) с подобранной по ручной разметке границей обрезки. На выходе получаем кластеры, состоящие из похожих друг на друга предложений. Таким образом, один кластер равен примерно одной «смысловой единице» нашего сюжета.
Пример кластера:
- Во время эксперимента выяснилось, что у животных, чьи тела размещены параллельно земле, более гибкие позвоночники.
- В рамках эксперимента было определено, что животные, у которых тела располагаются параллельно поверхности земли, имеют куда более гибкий позвоночник
- В процессе эволюции животные приобрели более гибкий позвоночник, который оптимален для длительного соприкосновения ступни с землей.
- У животных же, имеющих тела, расположенные параллельно земле, позвоночник стал весьма гибким.
- «Животные, чьи тела размещены параллельно земле, в процессе эволюции получили более гибкие позвоночники, поэтому четвероногие животные могут бегать быстрее людей», — добавил Гюнтер.
- Предполагаем, что самые важные элементы сюжета упоминали чаще, а значит, предложений в таких кластерах должно быть больше. Оставляем четыре самых крупных кластера с наибольшим количеством документов.
- Сортируем оставшиеся четыре кластера по относительной медианной позиции составляющих их предложений в оригинальных документах. Это нужно для того, чтобы текст выглядел более связным.
- Фильтруем в кластерах предложения с местоимениями, которые непонятно к чему относятся с помощью текстового классификатора и регулярок. Например, во фразе «Она назвала шесть пунктов, в которых высказана озабоченность в отношении производства на этом предприятии» непонятно, к кому относится «она» и о каком предприятии идёт речь.
- Выделяем предложение, которое будет представлять кластер в итоговой выжимке. Алгоритм ранжирования предложений внутри кластеров использует несколько параметров, основной из которых — средняя похожесть предложения на все остальные предложения кластера. Получается, мы отдаём предпочтение предложению, эмбеддинг которого ближе всего к центру масс кластера. Это не единственный возможный критерий выбора, можно, например, для каждой точки брать медиану расстояний до остальных точек, чтобы уменьшить влияние огрехов кластеризации.
В итоге получаем выжимку из четырёх предложений, каждое из которых встречается в одном из документов наших партнёров.
Метрики
В Яндексе существует разделение на офлайн- и онлайн-метрики. Онлайн-метрики считаются в ходе A/B экспериментов на самих сервисах и показывают, как пользователи взаимодействуют с новой функциональностью. А вот офлайн-метрики не требуют этих взаимодействий.
По онлайн-метрикам дайджеста мы видим, что пользователям удобна новая функциональность: активность и время, проведённое на сервисе, увеличиваются.
В качестве основных офлайн-метрик мы используем две разметки в Толоке. Толока — это сервис краудсорсинга, который позволяет выдавать тысячам людей несложные задания. Первая разметка оценивает, хорошая или плохая получилась краткая выжимка, а вторая выявляет проблемы с отдельными фрагментами.
Бинарную разметку мы регулярно снимаем с топовых сюжетов основных рубрик. Каждую выжимку размечает 10 человек. Если только 5 или 6 человек из 10 сказали, что с выжимкой всё в порядке, то мы ставим выжимке вердикт «не уверены». Если 4 и меньше, то «плохая выжимка», а если 7 и больше, то «хорошая». На графике ниже красным цветом отмечена доля плохих выжимок, зелёным — доля хороших. Важно отметить, что вердикт «плохая выжимка» не гарантирует наличие серьёзных проблем, только очевидных. А они могут быть как мелкими, так и серьёзными.
Такую разметку тяжело масштабировать. Чтобы обойти это, мы построили BERT-классификатор, приближающий разметку. На каждое изменение алгоритма можно просто прогнать классификатор и получить примерный эффект от этого изменения. Это позволило нам перебрать гиперпараметры алгоритма и выбрать оптимальные с точки зрения этого классификатора, с последующей проверкой по разметке.
По результатам ручного отсмотра плохих выжимок, мы выделили 4 основных категории ошибок (представлены на картинке), а также отдельно захотели выделять фрагменты про предысторию события. Вторая разметка как раз нацелена на то, чтобы выяснить, какие из ошибок встречаются чаще. Метки надо ставить отдельным фрагментам, но разметчикам доступна вся выжимка.
Основной проблемой на данный момент являются дубли, то есть фрагменты повторяющие друг друга. Одна эта категория занимает более 50% всех ошибок. Берутся они в основном из-за несовершенства эмбеддингов и кластеризации.
Планы
Уже больше 3 месяцев автоматическое построение выжимок работает на всех платформах и для всех сюжетов. Пользователи в целом довольны, это видно по росту возвращаемости и активности на сервисе. При этом мы не считаем 20-30% плохих выжимок приемлемой цифрой и активно работаем над её уменьшением:
- Переходим на трансформерные эмбеддинги, например, на тот же LaBSE
- Улучшаем определение плохих фрагментов текстовым классификатором.
- Добавляем новую информацию: подсвечиваем ссылки и сущности.
Очевидно, что текущие разметки проверяют лишь «внешний вид» выжимки, а хотелось бы ещё понимать, как хорошо выжимка вытаскивает важные подробности и насколько она информативна. Будем продолжать исследования в этом направлении.
Мы надеемся, что все будут в выигрыше от внедрения дайджестов.
Ещё несколько примеров построенных выжимок