Hvordan oversætter man en persons stemme i en video uden at miste personens oprindelige udtrykskarakteristika

Når man generelt taler om Videooversættelse(video voice translation), refererer det til at erstatte stemmerne i en video med forudindstillede stemmer. Det kan faktisk også oversætte det oprindelige indhold til forskellige sprog, men efter en video er oversat, kan man forstå hver sætning, men det lyder forkert: den oprindelige persons talestil og den oprindelige stil er væk.

Dette er præcis det problem, som oversættelse af menneskelig stemme i originalt lydvideo (Original audio video human voice translation) skal løse: ikke blot at få seeren til at forstå et andet sprog, men også at bevare de udtryksformer, som folk oprindeligt kunne lide ved videoen, så meget som muligt.

Såkaldt originalt lydvideotranslation er at omsætte det mundtlige indhold i videoen til målsproget og generere en stemme, der matcher billederne. Nogle værktøjer tilbyder også oversættelsesundertekster, stemme-redigering og synkronisering af mundbevægelser.

Især funktionaliteten til redigering af videostemmer; hvis du ønsker højere kvalitet i oversatte videoer, skal du som menneske personligt kontrollere og korrekturlæse og foretage målrettede justeringer af resultatet.

Hvad er videolydoversættelse? Hvordan adskiller det sig fra undertekstoversættelse?

Den typiske videoforelæsningsoversættelsesproces omfatter: at identificere den oprindelige tale, oversætte teksten, generere stemme i målsproget og derefter kombinere stemmen med videoen. Undertekster kan også genereres samtidig.

Sammenlignet med simpel undertekstoversættelse er dens mest intuitive forskel: seeren kan direkte høre målsproget med en tone, følelse og rytme, der ligner personens oprindelige stemme i videoen, uden altid at skulle forstå indholdet via teksten på skærmen eller se videoen med en stemme, der tydeligt ikke stemmer overens med den oprindelige personens talestil.

Nogle let forvekslede begreber kan skelnes på denne måde:

Automatisk lydoversættelse (automated audio translation) er det samme. Forskellen fra videooversættelse er, at lydoversættelse ikke kræver lyd- og billedsynkronisering, mens videooversættelse udover at vurdere, om oversættelsen er korrekt, også skal se på, om lyd og billede er koordinerede. For eksempel, selvom en instruktion er korrekt oversat, kan seeren stadig have svært ved at følge med, hvis de relevante knapper allerede er forsvundet fra billedet.

Hvordan oversætter man videoer af højere kvalitet?

Bevar først betydningen og hensigten med undertekstoversættelsen

For eksempel kræver vejledningsvideoer præcise trin, produktdemonstrationsvideoer kræver klare funktionsbeskrivelser, og personlige historier kræver en fuldstændig følelsesmæssig baggrund.

Selv små ændringer kan ændre betydningen: du kan slukke for denne indstilling og du bør slukke for denne indstilling er ikke det samme. Produktnavne, tal, enheder samt nægtelsesord er alle værd at kontrollere først.

Selv den smukkeste stemme kan ikke kompensere for problemet med fejltolket information.

Gør oversættelsen som talesprog, ikke som en stiv manual

Oversættelsen er egnet til læsning, men ikke nødvendigvis til direkte oplæsning. Ord-for-ord-oversættelse bevarer nogle gange sætningsstrukturen, men mister den oprindelige naturlige udtryk.

Vurderingskriteriet er ikke, at det skal være kortere, men at det skal være præcist, naturligt og i overensstemmelse med forholdet mellem taleren og publikum.

Bevar de nødvendige pauser og rytme

Forskellige sprog udtrykker den samme mening, men den tid, der kræves, er ikke den samme. En sætning, der ser kort ud som oversættelse, kan virke forhastet, når den lægges ind i et videoklip.

Kontroller, om der er pauser før vigtige oplysninger, om der er åndedrætsrum mellem sammenhængende instruktioner, og om forklaringen kan følge med kameraskift. Hvis nødvendigt, forenkl formuleringen uden at miste information, hvilket er mere passende end at tvinge flere ord ind.

Genskab så vidt muligt personens oprindelige stemme i videoen

Ud over at oversættelsen af underteksterne skal være naturlig, præcis og i overensstemmelse med billedets rytme, skal stemmerne på videoens personer, når de siger den oversatte tekst, også så vidt muligt bevare personens oprindelige tone, følelser og rytme, når de siger den samme sætning. Forestil dig, at en karakter, du kan lide, pludselig kan tale til dig på det sprog, du har ventet på — er det ikke en fantastisk oplevelse! Derfor, for produkter, der giver stemmeoversættelse i videoer, bør de samtidig kunne automatisk genskabe videoens personers stemmer og tilbyde muligheden for at generere den samme tale flere gange, så vi kan opnå den mest tilfredsstillende oversættelse.

Hvorfor er det stadig nødvendigt at korrekturlæse efter automatisk oversættelse?

Den automatisk genererede version er en version, der kan vurderes, og ikke en garanti for, at hver sætning er egnet til straks at blive offentliggjort.

Det anbefales først at kontrollere den oprindelige teksts genkendelse, derefter kontrollere oversættelsen og til sidst kombinere med billedet og lyden. Baggrundsstøj, overlappende tale fra flere personer og ukendte fagudtryk kan alle få fejl til at opstå, før oversættelsen overhovedet begynder. Hvis produktnavnet i originalteksten er genkendt forkert, kan efterfølgende voice-over ikke løse dette problem, uanset hvor flydende den er.

I oversættelsesfasen fokuserer man primært på meningen, terminologi, tal og talesprogsmæssig naturlighed. I lyttetestfasen lægger man vægt på udtale, pauser samt fortællingens samspil med billederne. Denne rækkefølge kan hjælpe dig med at finde ud af, hvor problemet egentlig opstår, i stedet for gentagne gange at rette steder, hvor der ikke er nogen fejl.

Hvis du ikke forstår målsproget, er det bedst at få en person, der er bekendt med sproget, til at gennemgå vigtigt indhold. At oversætte teksten tilbage kan hjælpe med at kontrollere nogle oplysninger, men det kan ikke bevise, at den faktiske indtaling lyder naturlig.

Hvordan tjekker og forbedrer man oversættelsesresultater i SoulDub?

SoulDub kombinerer automatisk undertekster, oversættelse og AI-dub, og tilbyder tekstkorrektion samt mulighed for manuel justering af lydklip. Derfor er det værd at bemærke ikke kun, om det kan generere videoer, men også om mennesker kan gribe ind for at fortsætte forbedringen, når der opdages problemer.

Trin 1: Start med en kort video, der er repræsentativ

Vælg materiale, som du har brugsret, oversættelsesret og relaterede lydrettigheder til, såsom korte vejledninger, produktforklaringer eller personlige introduktioner.

Det er bedst at inkludere et produktnavn, en bevidst planlagt pause og en sætning, du mest ønsker, at publikum husker. På den måde vil der være et klart objekt at tjekke efter generering.

Upload video, vælg de aktuelt understøttede sprog og opret en opgave.

Trin 2: Kontroller originaltekstens undertekster og oversættelsesteksten

Først skal du lytte til den originale lyd og samtidig læse teksten for at identificere fejl i navne, tal og fagudtryk, og derefter vurdere, om oversættelsen nøjagtigt udtrykker den oprindelige mening.

SoulDub tilbyder funktioner til kontrol og redigering af undertekster på både originalsprog og oversættelse. Når du redigerer, kan du spørge dig selv: Kan målgruppen forstå denne sætning, når de hører den for første gang? Passer den til tonen i den oprindelige video? Er der udeladt nødvendige betingelser?

Skriv ikke om hver sætning bare fordi en anden måde at sige det på også fungerer. Prioriter at løse problemer, der kan påvirke forståelsen eller seeroplevelsen.

Trin 3: Generer stemmen på ny efter behov

Ændring af teksten opdaterer ikke automatisk allerede genereret oplæsning eller færdig video. Efter justering af oversættelsen bør den relevante tale genoprettes i henhold til de tilgængelige funktioner i opgaven, og det skal bekræftes, at den endelige output anvender den nye version.

De konkrete handlinger og tilgængelige funktioner afhænger af opgavens status. Når man arbejder med vanskelige sætninger, er det lettere at vurdere, om forbedringen skyldes forkortelse af ordlyden, korrektion af termer eller justering af sætningsstrukturen, hvis man foretager én klar ændring ad gangen.

Trin 4: Kombiner billedet for en komplet lytte- og seeroplevelse

Det er ikke et problem at lytte til hvert enkelt segment alene, men samlet kan de stadig virke pludselige. Derfor bør man afspille hele videoen fra start til slut før eksport, kontrollere om lyd, undertekster og nøglescener er konsistente, og bekræfte, at de nyeste ændringer er indarbejdet i den endelige video.

Du kan først lave et lille eksperiment: oversæt et kort stykke video i SoulDub, med fokus på at tjekke ét navn, én pause og én kerneoplysning. Det er nemmere at vurdere, om resultatet passer til dit indhold, end blot at se, om filen er blevet genereret.

Ofte stillede spørgsmål

Er video stemmeoversættelse det samme som stemmekloning?

Nej. Den første ændrer sproget, den anden simulerer visse karakteristika ved en bestemt stemme. Souldub kombinerer de to og går et skridt videre, uden at kræve stemmeprøver til cloning ud over videoen.

Kan AI fuldstændigt bevare den oprindelige talers følelser?

Dette kan ikke betragtes som en garanti. Effekten afhænger af systemets kapacitet, materiale, oversættelse og kontekst. Fokus bør være på, om tone og betoninger understøtter den oprindelige hensigt, ikke kun om klangfarven er ens, selvom det skal siges, har souldub gjort en indsats for at bevare dette, og vi ser meget frem til, at du prøver det selv.

Hvis der er oversættelse og dubbing, er der stadig behov for undertekster?

Undertekster er stadig værdifulde: de kan hjælpe dem, der ser på lydløs, døve og hørehæmmede seere, og gør det lettere at forstå fremmede navne og fagudtryk. Efter ændring af dubbing, husk at tjekke underteksterne for synkronisering.

Kan SoulDubs oversættelse ændres?

Du kan tjekke og redigere originalteksten og de oversatte undertekster, og du kan også redigere lydklip. Efter redigering skal du bekræfte, om oplæsningen og den endelige output er synkroniseret, hvilket afhænger af den aktuelle opgavegrænseflade.

Lad udtryk overskride sprog, ikke bare erstatte ord

Betydningen af videotranslation er at lade en anden gruppe publikum forstå indhold, der er værd at dele. Præcis betydning, naturlig formulering, passende rytme og klar lyd udgør tilsammen denne oplevelse.

Du behøver ikke at starte med hele videobiblioteket. Vælg først et stykke velkendt materiale og et målsprog, generer, korrekturlæs, lyt, og vurder derefter, hvor der stadig er behov for forbedring.

Brug SoulDub til at oversætte din første video, start med et forsøg med et klart defineret kontrolmål, og se, hvordan din udtryk vil være på et andet sprog.