Sådan laver du voiceover til korte videoer: generér fortælling med den rette rytme ud fra manuskriptet

Når korte videoer skal have fortællerstemme, er det mest almindelige problem ikke manglende lyd, men at lyd og billede ikke matcher: fortællingen er stadig ved den forrige sætning, mens billedet allerede er klippet til næste shot; eller billedet står på en produkt-close-up, og fortællingen slap for længst op. Den rigtige rækkefølge er den omvendte: se først, hvordan klippet er skåret, og beslut derefter, hvad hvert fortællerafsnit skal sige, og hvor længe. PixMinds tekst-til-tale kan gøre hvert manuskriptafsnit til MP3, og om fortælling og billede griber i hak, afgøres af forarbejdet med opdelingen, inden du skriver.

Åbn tekst-til-tale, hold den færdigklippede video ved hånden, generér og download hvert fortællerafsnit hver for sig, og læg dem derefter ind i klippeværktøjet.

Hovedpointer

• Del fortællingen op efter billedafsnit, før du skriver teksten; hvert afsnit har kun én informationsopgave, og længden følger billedet.
• Tegngrænse pr. generering: 100 tegn uden login og på gratis pakke, 10.000 tegn for betalte medlemmer; siden bevarer kun ét resultat ad gangen, så generér og download afsnit for afsnit.
• Længden tages fra det genererede resultat: afspilleren viser den samlede længde af hvert lydafsnit; test ét afsnit først, og planlæg derefter hele filmen – der findes ingen formel til at omregne tegn til sekunder.
• Fortællingen lægges ind i videoen i et eksternt klippetrin; underteksterne laves, når lydsporet er endeligt, med et video-til-tekst-værktøj ud fra den færdige film.

Del fortællingen op efter billedrytmen først

Den første handling er ikke at skrive, men at se billedet. Se den færdigklippede video igennem to gange: Første gang noterer du shot-rækkefølgen, anden gang mumler du med billedet og mærker, hvor mange sætninger hvert afsnit kan rumme; derefter deles filmen op efter shotternes funktion.

Eksempel med en produktvideo på cirka 15 sekunder, delt i åbning, demonstration og afslutning:

Hvert afsnits længde kommer fra billedet selv; fortællingen skal udfylde dette vindue, ikke få billedet til at vente. Skriver du først en lang tekst og propper den ind i billedet, er hård acceleration ofte den eneste udvej, og lytoplevelsen forringes med det samme; en produktbeskrivelse på 300 tegn tager ofte længere tid at læse højt end hele videoen.

Opdelingen har også en praktisk side: hver generering er begrænset i antal tegn – maks. 100 tegn ad gangen uden login og på gratis pakke, udvidet til 10.000 tegn for betalte medlemmer. Fortællerafsnit opdelt efter storyboard ligger typisk langt under grænsen, ét afsnit pr. fil, hvilket passer perfekt til at generere afsnit for afsnit.

Omskriv manuskriptet til sprog, der kan forstås på øret

I korte videoer lytter seerne til fortællingen; de læser den ikke. Når det gælder skrivemåden, er der to ting, der betyder mest.

Det første: slet den information, billedet allerede giver. Viser billedet, hvordan låget skrues på, behøver fortællingen ikke at sige “skru nu låget på”; giver kameraet en close-up af resultatet, behøver fortællingen heller ikke gentage “man kan se, at resultatet blev meget fint”. Fortællingen siger kun det, billedet ikke kan sige: navnet, anvendelsen og grunden bag handlingerne.

Det andet: ét hovedpunkt pr. sætning, og brug tegnsætning til at styre pauserne. Komma er en kort pause, punktum er vejrtrækning; korte sætninger matcher skift mellem shots lettere end lange og giver lytteren tid til at fordøje.

Tag demonstrationsafsnittet som eksempel. Første udkast: “Dette produkt er let at betjene og kræver kun tre trin: læg først frugten i koppen, skru derefter låget fast, og tryk til sidst på startknappen – efter få sekunder kan du nyde frisk juice.” Omformuleret: “Tre trin, så er det gjort. Frugten i koppen, låget skruet på, tryk på start. Få sekunder, og et glas friskpresset er klar.” Den omformulerede version fjerner pynten og tilføjer pauser, og hver sætning rammer præcis ét handlings-shot.

Skriv også tal og modelbetegnelser, som du vil have dem læst op. Vil du høre “3” som “tre”, så skriv tallet med ord; om bogstaver og tal i modelnavne læses naturligt sammen, afgøres af det genererede resultat.

Lyt, og vælg den rette stemme

Der findes ikke ét rigtigt svar på stemmen; skifter du stemme på samme manuskript, ændrer hele filmens udstråling sig. Metoden er enkel: brug samme manuskriptafsnit – åbningssætningen anbefales – generér en version med hver af to stemmer, og beslut efter at have lyttet.

Sammenlign på to punkter. Det første er indholdets stil: produktdemoer passer typisk til en lys og stram stemme, forklarende indhold har mere gavn af en rolig og behersket tone. Det andet er tydelighed: lyt især til produktnavnet, tallene og stederne med sammenlæsning – at stemmen ikke sluger ord eller bliver uklar, vejer tungere end, at den lyder pæn.

Stemmevinduet kan filtreres efter motor og sprog, og holder du musen over en stemme, kan du høre en prøve direkte; prøven viser blot stemmens karakter, og det afgørende er resultatet genereret med dit eget manuskript. Tag ikke på forhånd for givet, at én motor er bedst til alle opgaver – prøv en eller to ekstra, så står valget på få minutter.

Justér tekst og talehastighed efter målt længde

Om fortællingen passer i længden kan du ikke gætte dig til; den brugbare metode er at teste ét afsnit først og derefter planlægge hele filmen.

Når åbningsafsnittet er genereret, viser sidens afspiller den samlede længde af lyden; klik på download, og du får en MP3-fil, der starter med pixmind-tts- og har et tidsstempel – læg den i en lokal afspiller eller på et klippespor, og tjek en gang til. Notér længden af alle tre afsnit, og sammenlign dem med billedlængderne i storyboardinget:

1. Fortællingen er længere end billedet: slet først i teksten. Fjern pynt og gentagelser, der kan undværes – det er mere effektivt end at justere hastigheden, og det, der fjernes, er ballast, ikke tydelighed.
2. Der mangler stadig lidt: justér derefter talehastigheden en smule. Hastighedsområdet varierer efter motor: Microsoft-motorens skyder går fra -100% til +100% (standard 0), Volcengine-motoren 0.8x til 2.0x (standard 1.0x) og MiniMax 0.5x til 2.0x (standard 1.0x). Justér i små trin, og generér og lyt igen efter hver ændring.
3. Fortællingen er kortere end billedet: den behøver ikke nødvendigvis strækkes med langsommere tale. At give billedet et par sekunder uden fortælling virker ofte bedre end at sætte ord på hver eneste scene i tætfølge.

Her gives ingen omregningsformel for “hvor mange tegn, der svarer til hvor mange sekunder”, for sådan en formel er upålidelig i sig selv: forskellige stemmer har forskellige grundhastigheder, og pauser ved tegn og måden tal læses på ændrer den faktiske længde – den samme sætning kan ende med at fylde markant forskelligt med to stemmer. I stedet for at huske en formel genererer du åbningsafsnittet og bruger den målte længde som udgangspunkt.

Ved generering afsnit for afsnit skal ensartetheden bevares: brug samme stemme og samme parametre til alle afsnit i filmen, ellers bliver rytmen usammenhængende. Når du skifter motor, nulstilles hastighed og lydstyrke til standardværdierne, så notér de finindstillede tal, inden du går videre; siden bevarer kun ét resultat ad gangen – generér ét afsnit, download det, og fortsæt derefter med det næste.

Læg fortællingen ind i klippeværktøjet, og tilføj undertekster

MP3'en bliver først til den færdige film i et klippeværktøj; dette trin foregår uden for PixMind i et vilkårligt program, og den generelle arbejdsgang er:

1. Opret et projekt, og importér billedet og de tre fortæller-MP3'er.
2. Placér hvert fortællerafsnit ud for det tilsvarende billede efter storyboardinget, og lad der være en lille luft ved shot-skiftene, så lyden ikke bliver klippet over i skiftet.
3. Lyt hele vejen igennem fra starten, og tjek om lydstyrke og rytme hænger sammen mellem afsnittene.
4. Eksportér den færdige film, når alt stemmer.

Underteksterne laves først efter dette trin, og det er den endelige lyd, der tæller. Bruger du manuskriptteksten direkte som undertekster, passer tidslinjen ikke med den endelige lyd: efter sletninger, omskrivninger og hastighedsjusteringer er start- og sluttidspunktet for hver sætning længe flyttet. Fremgangsmåden er at give den færdige film med fortælling til værktøjet video til SRT, generere en undertekstfil med tidskoder ud fra selve filmen og derefter importere den i klippeværktøjet for at kontrollere egennavne og sætningsdeling.

Ofte stillede spørgsmål

Fortællingen er for lang – skal jeg først ændre hastighed eller tekst?

Teksten først. Slet pyntord og den information, billedet allerede viser – i de fleste tilfælde er det nok; hastigheden justeres kun en smule, når der ikke er mere at slette, for for store justeringer gør udtalen forjaget og hovedpointerne uklare. Generér igen efter ændringerne, og bekræft resultatet med længden på afspilleren.

Skal jeg generere alt i ét afsnit eller afsnit for afsnit?

Del op efter billedafsnittene. Et langt manuskript i ét stykke begrænses af tegngrænsen pr. generering – 100 tegn ad gangen uden login og på gratis pakke, og det derover kan ikke genereres; siden bevarer også kun ét resultat ad gangen, så lange tekster må alligevel deles op og downloades afsnit for afsnit. Opdeling efter storyboard følger begrænsningen og gør samtidig, at hvert afsnit matcher sit billede direkte, og bagefter skal du kun justere det afsnit, der er problem med.

Hvornår i forløbet skal underteksterne laves?

Efter at fortællingen er endelig, og lydsporet er lagt ind i filmen. Underteksternes tidskoder skal følge den endelige lyd, så generér dem med video-til-SRT-værktøjet ud fra den færdige film – ikke ud fra manuskriptteksten fra før genereringen. Importér undertekstfilen i klippeværktøjet bagefter, og kontrollér egennavne og sætningsdeling.

Begynd med den første fortællersætning

Du behøver ikke vente på et komplet manuskript. Åbn din færdigklippede video, og skriv kun åbningsafsnittet: én sætning, der gør klart, hvad det er, og hvem det er til. Indsæt den i tekst-til-tale, generér, lyt, og se på længden. Står det første afsnit, er resten blot gentagelse af samme cirkel.

Åbn tekst-til-tale.