Cara Membuat Sulih Suara Multibahasa untuk Satu Video Produk yang Sama

Kegagalan paling umum dalam melokalkan video produk adalah menerjemahkan skrip Tionghoa dengan mesin lalu langsung membuatnya: versi Inggris lebih panjang beberapa detik dari gambar, versi Spanyol membacakan nomor seri menjadi rangkaian karakter lain, dan nadanya tidak lagi terasa seperti satu merek. Akar masalahnya bukan pada pembuatan suara, melainkan memperlakukan empat pekerjaan sebagai satu. Menyertakan trek suara multibahasa pada satu video produk sebenarnya adalah empat pekerjaan yang dikerjakan terpisah: rapikan dulu satu skrip sumber yang siap dilokalkan, siapkan versi ragam lisan untuk tiap bahasa, pilih karakter suara sesuai bahasanya masing-masing, lalu sesuaikan gambar dengan durasi terukur tiap trek. Teks ke Suara PixMind menangani satu mata rantai: mengubah teks final tiap bahasa menjadi MP3; penerjemahan dan penyuntingan diselesaikan sebelum masuk ke alat.

Buka Teks ke Suara, tempel teks final tiap bahasa segmen demi segmen, lalu buat dan unduh segmen demi segmen.

Poin utama

• Kerjakan empat tindakan secara terpisah: perapikan skrip sumber, buat versi ragam lisan per bahasa, pilih karakter suara per bahasa, dan sesuaikan gambar dengan durasi terukur.
• Teks ke Suara hanya membacakan teks yang dimasukkan dan tidak menerjemahkan; teks final tiap bahasa diselesaikan lewat alur penerjemahan dan penyuntingan di luar alat.
• Karakter suara dipilih terpisah per bahasa, utamakan pelafalan akurat dan nada merek yang cocok; bahasa yang berbeda tidak diharuskan berbunyi dengan suara yang sama.
• Halaman hanya menyimpan satu segmen hasil dalam satu waktu; MP3 yang diunduh berawalan pixmind-tts-, ganti namanya sesuai bahasa dan versi lalu arsipkan.

Rapikan dulu skrip sumber yang siap dilokalkan

Skrip sumber bukan “naskah Tionghoa”, melainkan induk dari semua versi bahasa: rapikan sekali, lalu penerjemahan, penyuntingan, dan sulih suara berangkat dari bahan yang sama sehingga pengerjaan ulang di kemudian hari tinggal sedikit.

Tindakan inti perapian adalah pemisahan kolom: pisahkan “teks yang bisa diterjemahkan” dari “istilah merek yang harus konsisten”. Nama produk, nomor seri, slogan, dan nama perusahaan termasuk kelompok kedua — tetapkan dulu penulisannya di tiap versi bahasa (dipertahankan aslinya, ditransliterasi, atau dialihaksarakan secara lokal), lalu semua segmen mengikuti ketetapan itu. Kombinasi huruf-angka pada nomor seri terutama harus dikunci: satu nomor seri dimasukkan dengan penulisan yang sama di semua versi bahasa agar karakter suara yang berbeda tidak berimprovisasi dan membacanya dengan berbagai variasi.

Teks yang bisa diterjemahkan dipecah per shot. Narasi video produk memang pendek; setelah dipotong menjadi pembuka, demonstrasi, dan penutup, tiap segmen tepat mengisi satu jendela gambar — ini juga menjadi kerangka pembuatan dan subtitel selanjutnya. Pembuatan sekali jalan punya batas karakter — 100 karakter untuk pengguna tanpa login dan paket gratis, 10000 untuk anggota berbayar — dan segmen hasil pemecahan per shot biasanya jauh di bawah batas.

Skrip sumber yang selesai dirapikan berupa satu tabel; tiap baris memuat isi shot, durasi gambar, istilah tetap, dan teks yang bisa diterjemahkan. Tabel ini sekaligus menjadi draf kerja penyuntingan terjemahan dan pembuatan subtitel.

Siapkan versi ragam lisan untuk tiap bahasa

Perjelas batasannya dulu: halaman Teks ke Suara hanya memproses teks yang Anda masukkan dan tidak akan menerjemahkannya. Versi tiap bahasa harus menyelesaikan penerjemahan dan penyuntingan di alur penyiapan teksnya sendiri, baru masuk ke alat suara setelah final.

Naskah terjemahan harfiah biasanya tidak bisa langsung dipakai. Contohnya versi Inggris untuk pembuka sebuah produk:

• Versi harfiah: “This cup can complete the juicing of fruit within thirty seconds, and it is also very easy to clean.”
• Versi ragam lisan: “Fresh juice in thirty seconds. Cleanup? Just rinse it.”

Versi harfiah tidak salah secara tata bahasa, tetapi ia diterjemahkan kata demi kata dari kalimat Tionghoa yang panjang — dibacakan dalam satu napas tanpa jeda dan tidak terdengar seperti iklan penutur asli. Versi ragam lisan menggantinya dengan dua kalimat pendek, dengan pertanyaan singkat yang menciptakan satu jeda di tengah, sehingga ritmenya lebih mudah menyusul gambar. Tiap bahasa perlu melewati langkah ini: minta orang yang menguasai bahasa itu mengubah naskah harfiah menjadi “ucapan yang memang diucapkan”, sekaligus menangani cara membaca angka, konversi satuan, dan kebiasaan sebutan.

Teks final yang selesai disunting tinggal ditempel ke kolom teks untuk dibuat; alat tidak lagi memikul tugas mengubah naskah. Pembagian kerjanya jelas: persoalan teks kembali diperbaiki di alur penyuntingan, hanya persoalan pelafalan dan durasi yang disetel di dalam alat.

Pilih karakter suara per bahasa secara terpisah

Tiap bahasa dipilih terpisah di direktori karakter suara; tidak ada satu set suara yang cocok untuk semua bahasa. Buka jendela “pilih karakter suara”, berganti mesin lebih dulu di bagian atas, lalu saring bahasa target lewat menu tarik-turun “bahasa” — opsi bahasa berasal dari direktori mesin yang sedang aktif dan ikut berubah saat mesin diganti. Arahkan kursor ke kartu karakter suara untuk langsung mendengar contohnya.

Ada tiga tolok ukur untuk skenario multibahasa. Pertama, aksen yang cocok dengan pasar target: sama-sama Spanyol, nuansa Latin Amerika dan Spanyol terdengar berbeda — perhatikan saat menyaring dan mencoba. Kedua, fokuslah mendengar pelafalan nama produk, nomor seri, dan angka; menguji dengan kalimat yang memuat nama produk lebih andal daripada sekadar mendengar contoh. Ketiga, nada merek harus sejajar antar-bahasa: versi Tionghoa ringan dan ceria, versi Inggris jangan memilih suara berat dan lambat.

Bahasa yang berbeda tidak diharuskan diucapkan penutur yang sama. Tionghoa memakai suara wanita dan Inggris suara pria sepenuhnya sah, asalkan nada tiap bahasa mengarah ke merek yang sama. Mengejar “suara yang persis identik” lintas bahasa cenderung mengorbankan kualitas pelafalan di tiap bahasa — itu memang bukan standar sulih suara multibahasa.

Setelah satu karakter suara ditetapkan untuk tiap bahasa, catat: mesinnya dan nama karakternya. Semua segmen dalam bahasa yang sama memakai satu karakter itu tanpa diganti di tengah jalan.

Tangani perbedaan panjang antar-bahasa

Satu narasi yang sama akan menghasilkan panjang terjemahan yang berbeda-beda di tiap bahasa: satu bahasa selesai dalam lima detik, bahasa lain butuh tujuh. Jendela gambar yang sama akhirnya berdurasi tidak seragam — inilah perbedaan terbesar antara sulih suara multibahasa dan satu bahasa.

Urutan pengerjaannya: ukur dulu, ubah skrip, terakhir sentuh kecepatan bicara:

1. Buat tiap segmen per bahasa, catat total durasi yang tampil di bilah pemutar, dan masukkan tiap segmen tiap bahasa beserta durasi gambarnya ke tabel skrip sumber.
2. Bila satu versi bahasa lebih panjang dari gambarnya, ubah skripnya dulu: hapus hiasan yang boleh tidak didengar, pecah kalimat panjang, dan atur jeda dengan tanda baca. Menyunting naskah menghemat beban yang berlebih tanpa menghapus satu pun informasi penting — lebih efektif daripada mengatur kecepatan bicara.
3. Bila setelah skrip dipangkas sampai paling ringkas masih kurang sedikit, barulah sesuaikan kecepatan bicara secara kecil. Rentang penggeser kecepatan berbeda tiap mesin, dan parameternya kembali ke bawaan saat mesin diganti — karakter suara tiap bahasa umumnya berasal dari mesin berbeda, jadi catat kecepatan yang sudah disetel di tabel skrip sumber dan pulihkan sesuai catatan saat membuat segmen demi segmen.

Garis batasnya: aksi kunci demonstrasi produk tidak boleh dikorbankan demi memangkas durasi. Untuk gambar demonstrasi seperti membuka tutup, menekan tombol, atau bidikan detail hasil akhir, lebih baik memangkas narasi dan membiarkan kecepatan bicara tetap alami daripada memaksakan hingga pelafalan tertelan, dan jangan memotong shot aksinya. Bila satu kalimat narasi benar-benar tidak muat, biarkan jatuh ke shot berikutnya — lebih alami daripada dipaksa masuk ke segmen ini.

Halaman hanya menyimpan satu segmen hasil dalam satu waktu, sehingga cara benar untuk banyak bahasa dan banyak segmen adalah membuat, mengunduh, dan mencatat segmen demi segmen — jangan berharap mendapat seluruh trek sekaligus.

Ekspor trek suara dan rapikan berkas versinya

MP3 yang diperoleh dari klik unduh ber nama berawalan pixmind-tts- dan diikuti stempel waktu pembuatannya. Dengan banyak bahasa dan banyak segmen, stempel waktu tidak cukup untuk membedakan segmen mana yang mana, jadi langsung ganti nama sesuai bahasa dan versinya, contohnya:

• Trek suara: product-demo_zh_opening_v2.mp3, product-demo_en_opening_v2.mp3
• Subtitel: product-demo_zh_v2.srt, product-demo_en_v2.srt

Aturan penamaan cukup konsisten agar efektif: proyek, kode bahasa, segmen, nomor versi — samakan kesepakatannya di seluruh tim.

Penggabungan trek suara ke video dikerjakan di perangkat lunak penyuntingan eksternal, aplikasi apa pun bisa; tiap bahasa mengulang alur yang sama:

1. Gandakan satu linimasa untuk tiap bahasa (atau buat proyek baru), lalu impor gambar dan seluruh trek suara bahasa itu.
2. Sejajarkan tiap narasi dengan gambar mengikuti tabel skrip sumber, dengan fokus memeriksa apakah narasi menekan tepat pada aksi kunci.
3. Dengarkan sekali jalan seluruhnya; setelah sambungan volume dan ritme aman, ekspor versi jadi untuk bahasa tersebut.

Subtitel dibuat terpisah per bahasa dan harus mengikuti suara aktual dari versi jadi final tiap bahasa — jangan memakai skrip sumber sebagai subtitel: terjemahan sudah berubah, jeda sudah diatur, kecepatan bicara sudah disesuaikan, dan linimasanya lama-lama tidak cocok lagi. Gunakan Video ke SRT untuk membuat subtitel dari tiap versi jadi bahasa, lalu setelah filenya diperoleh, tinjau sekali lagi istilah khusus dan pemenggalan kalimatnya di perangkat lunak penyuntingan.

Pertanyaan Umum

Apakah alat otomatis menerjemahkan skrip yang saya masukkan?

Tidak. Teks ke Suara hanya membacakan teks yang Anda masukkan; versi tiap bahasa disiapkan tuntas lewat alur penerjemahan dan penyuntingan di luar alat, baru ditempel untuk dibuat setelah final. Yang bisa disetel di dalam alat hanyalah karakter suara, kecepatan bicara, dan volume — teksnya sendiri tidak diubah.

Bisakah bahasa yang berbeda mempertahankan suara yang persis sama?

Tidak diharuskan, dan umumnya mustahil membuat pelafalan sekaligus nada sama-sama optimal. Karakter suara dipilih per bahasa; menu bahasa berasal dari direktori tiap mesin, dan bahasa berbeda memakai suara berbeda adalah hal wajar. Tolok ukurnya adalah pelafalan akurat dan nada merek yang konsisten, bukan “terdengar seperti orang yang sama”.

Bagaimana bila durasi gambar yang sama tidak muat untuk narasi terjemahan?

Kerjakan berurutan: hapus dulu unsur hiasan dalam skrip dan atur ulang jeda; bila masih kurang sedikit, tutup dengan penyesuaian kecil kecepatan bicara; bila tetap tidak muat, biarkan narasi itu jatuh ke shot berikutnya, atau sesuaikan sedikit ritme gambarnya untuk versi bahasa tersebut. Aksi kunci demonstrasi produk jangan dikurangi demi ini.

Mulailah dari pembuka dalam dua versi bahasa

Tidak perlu menyelesaikan seluruh video sekaligus. Pilih segmen pembuka: rapikan istilah tetap dan teks yang bisa diterjemahkan, buat versi ragam lisan untuk dua bahasa, pilih karakter suara sesuai bahasanya, buat satu trek untuk masing-masing, lalu bandingkan durasi terukur keduanya dengan jendela gambarnya. Setelah segmen ini berjalan mulus, segmen dan bahasa sisanya hanya mengulang putaran yang sama.

Buka Teks ke Suara.