Come creare il doppiaggio multilingua dello stesso video di prodotto

L'incidente più comune nella localizzazione di un video di prodotto è tradurre automaticamente lo script cinese e generare subito: la versione inglese dura parecchi secondi più delle immagini, quella spagnola legge il codice modello come un'altra sequenza di caratteri, e il tono non richiama più lo stesso marchio. La causa non sta nella sintesi vocale, ma nell'aver trattato quattro lavori come uno solo. Dotare lo stesso video di tracce in più lingue significa in realtà quattro lavorazioni separate: prima si riordina uno script sorgente localizzabile, poi si prepara per ogni lingua una versione colloquiale, quindi si scelgono le voci della lingua corrispondente e infine si adattano le immagini sulle durate effettive delle tracce. Il Text to Speech di PixMind copre un anello del ciclo: trasforma in MP3 il testo definitivo di ogni lingua; traduzione e revisione si completano prima di entrare nello strumento.

Apri Text to Speech, incolla il testo definitivo di ogni lingua blocco per blocco, generando e scaricando un segmento alla volta.

Punti chiave

• Quattro azioni condotte separatamente: riordino dello script sorgente, versione colloquiale per lingua, scelta delle voci per lingua, adattamento delle immagini sulle durate effettive.
• Il Text to Speech legge solo il testo inserito, non traduce: la versione definitiva di ogni lingua nasce da un ciclo di traduzione e revisione esterno allo strumento.
• Le voci si scelgono lingua per lingua, privilegiando pronuncia accurata e tono coerente col marchio, senza pretendere che le diverse lingue abbiano la stessa voce.
• La pagina conserva un solo risultato alla volta; gli MP3 scaricati iniziano per pixmind-tts-, da rinominare e archiviare per lingua e versione.

Riordina prima uno script sorgente localizzabile

Lo script sorgente non sono “le battute in cinese”: è la matrice di tutte le versioni linguistiche. Lo si riordina una volta, e traduzione, revisione e doppiaggio partono tutti dallo stesso materiale, riducendo i rifacimenti successivi.

L'azione centrale del riordino è la separazione in colonne: da un lato il “testo traducibile”, dall'altro i “termini di marca da mantenere identici”. Nome di prodotto, codice modello, slogan e ragione sociale appartengono al secondo gruppo: fissane prima la resa in ogni versione linguistica — originale, traslitterazione o adattamento locale — e poi tutti i segmenti la seguono. Le combinazioni alfanumeriche dei modelli vanno bloccate per iscritto: lo stesso codice immesso con la stessa grafia in ogni versione evita che voci diverse se lo inventino, leggendolo in tre modi diversi.

Il testo traducibile si segmenta per inquadratura. La voce fuori campo di un video di prodotto è già breve: divisa in apertura, dimostrazione e chiusura, ogni segmento corrisponde a una finestra visiva, che è anche lo scheletro di generazione e sottotitoli. Ogni generazione ha un tetto di caratteri — 100 per sessioni senza accesso e piani gratuiti, 10000 per gli abbonati a pagamento — e i segmenti ricavati per inquadratura restano di norma ben sotto.

Lo script sorgente completato è una tabella in cui ogni riga contiene contenuto dell'inquadratura, durata delle immagini, termini fissi e testo traducibile. La stessa tabella fa da base per la revisione delle traduzioni e per la costruzione dei sottotitoli.

Prepara per ogni lingua una versione colloquiale

Chiarito subito il confine: la pagina Text to Speech elabora solo il testo che incolli, non traduce al posto tuo. Ogni versione linguistica va tradotta e revisionata nel tuo flusso di preparazione dei testi, e solo da definitiva entra nello strumento vocale.

La traduzione letterale di norma non è pronta all'uso. Esempio con l'apertura di un video di prodotto in inglese:

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

La versione letterale è grammaticalmente corretta, ma arriva parola per parola da una frase cinese lunga: letta tutta d'un fiato, senza pause, non ha il tono di una pubblicità madrelingua. La versione colloquiale passa a due frasi brevi, con una domanda a creare la pausa, e il ritmo si aggancia più facilmente alle immagini. Ogni lingua merita questo passaggio: una persona competente in quella lingua trasforma la letterale in “parole da dire ad alta voce”, sistemando al contempo lettura dei numeri, conversioni di unità e consuetudini dei titoli.

La versione definitiva revisionata si incolla nella casella e si genera: nello strumento non si riscrive più nulla. La divisione dei compiti è netta: i problemi di testo tornano al flusso di revisione, nello strumento si regolano solo pronuncia e durata.

Scegli le voci separatamente per ogni lingua

Ogni lingua si sceglie nel catalogo voci a parte: non esiste una voce che va bene per tutte. Apri il riquadro “Scegli voce”, cambia prima il motore in alto, poi filtra la lingua target con il menu “Lingua” — le opzioni derivano dal catalogo del motore attivo e cambiano al cambio motore. Passando il mouse sulle schede voce si ascolta subito il campione.

In ambito multilingua i criteri sono tre. Primo, l'accento deve corrispondere al mercato di destinazione: lo spagnolo latino e quello di Spagna suonano diversi, attenzione nel filtrare e nell'ascoltare. Secondo, concentra l'ascolto sulla pronuncia di nomi di prodotto, modelli e numeri: provare con una frase che contiene il nome del prodotto è più affidabile del solo campione. Terzo, il tono di marca va allineato tra le lingue: se la versione cinese è brillante, la versione inglese non sceglie una voce profonda e lenta.

Non è richiesto che le lingue condividano lo stesso parlante. Voce femminile in cinese e maschile in inglese funziona perfettamente, purché i toni puntino allo stesso marchio. Inseguire “esattamente la stessa voce” tra le lingue rischia di sacrificare la qualità della pronuncia ovunque: non è questo lo standard del doppiaggio multilingua.

Fissata la voce per una lingua, annotala: motore e nome della voce. Tutti i segmenti di quella lingua usano quella voce, senza cambi in corsa.

Gestisci le differenze di durata tra le lingue

La stessa voce fuori campo ha traduzioni naturalmente diverse in lunghezza: in una lingua bastano cinque secondi, in un'altra ne servono sette. La stessa finestra visiva si trova quindi con durate differenti: è la maggiore differenza tra doppiaggio multilingua e monolingua.

L'ordine è: misurare prima, poi modificare lo script, toccare la velocità per ultimo:

1. Genera i segmenti lingua per lingua e registra la durata totale mostrata dalla barra di riproduzione, annotando nella tabella sorgente ogni segmento di ogni lingua insieme alla durata delle immagini.
2. Se una versione supera le immagini, interveni prima sullo script: togli gli abbellimenti non essenziali, spezza le frasi lunghe, usa la punteggiatura per regolare le pause. Accorciare il testo elimina peso superfluo senza cancellare nessuna informazione necessaria, ed è più efficace che agire sulla velocità.
3. Se allo script ormai essenziale manca ancora poco, usa la velocità per piccoli aggiustamenti. L'intervallo del cursore varia da motore a motore e al cambio motore i parametri tornano ai valori predefiniti — le voci delle varie lingue arrivano quasi sempre da motori diversi, quindi registra la velocità calibrata nella tabella sorgente e ripristinala a ogni segmento.

Il limite invalicabile: le azioni chiave della dimostrazione non si comprimono per guadagnare tempo. Aprire il tappo, premere il pulsante, il primo piano del risultato: meglio tagliare la voce fuori campo e mantenere una velocità naturale che ingoiare sillabe o accorciare le inquadrature di gesto. Se una battuta davvero non entra, spostala sull'inquadratura successiva: più naturale che schiacciarla in questa.

La pagina conserva un solo risultato alla volta: con più lingue e più segmenti la strada giusta è generare, scaricare e annotare un segmento per volta, senza aspettarsi tutte le tracce in un colpo solo.

Esporta le tracce e organizza i file per versione

L'MP3 ottenuto con il download ha un nome che inizia per pixmind-tts- seguito dal timestamp di generazione. Con più lingue e più segmenti, il timestamp non distingue più nulla: rinomina subito per lingua e versione, per esempio:

• Tracce audio: product-demo_zh_opening_v2.mp3, product-demo_en_opening_v2.mp3
• Sottotitoli: product-demo_zh_v2.srt, product-demo_en_v2.srt

Una regola di nomi basta che sia stabile per funzionare: progetto, codice lingua, segmento, versione, con tutta la squadra d'accordo.

L'inserimento delle tracce nel video avviene in un software di montaggio esterno, uno qualsiasi va bene, ripetendo per ogni lingua lo stesso flusso:

1. Duplica la timeline per ogni lingua (o crea un nuovo progetto) e importa le immagini con tutte le tracce di quella lingua.
2. Allinea ogni voce fuori campo alle immagini seguendo la tabella sorgente, controllando soprattutto che le battute non coprano i momenti delle azioni chiave.
3. Ascolta il montaggio per intero e, con volumi e raccordi a posto, esporta il video finito di quella lingua.

I sottotitoli si preparano separatamente per lingua e devono seguire l'audio effettivo del video definitivo di ciascuna lingua, non lo script sorgente — con traduzioni ritoccate, pause spostate e velocità adattate, la timeline non corrisponde più da tempo. Usa Video in SRT per generare i sottotitoli dal video finito di ogni lingua e, con i file alla mano, torna nel software di montaggio a passare nomi propri e punteggiatura.

Domande frequenti

Lo strumento traduce automaticamente lo script che inserisco?

No. Il Text to Speech legge solo il testo inserito: le versioni linguistiche si completano in un ciclo di traduzione e revisione esterno allo strumento e si incollano solo da definitive. Nello strumento si regolano voce, velocità e volume, il testo resta invariato.

Le diverse lingue possono avere esattamente la stessa voce?

Non è richiesto, e di rado si ottengono insieme pronuncia e tono ottimali. Le voci si scelgono per lingua: il menu delle lingue deriva dal catalogo di ciascun motore, ed è normale che le lingue usino voci diverse. Il criterio è pronuncia accurata e tono di marca coerente, non “riconoscere la stessa persona”.

La voce fuori campo tradotta non entra nella durata delle immagini: cosa fare?

Procedi in ordine: elimina prima gli abbellimenti dallo script e regola le pause; se manca ancora poco, chiudi il divario con piccole correzioni di velocità; se proprio non entra, sposta la battuta sull'inquadratura successiva o ritocca il ritmo delle immagini per quella lingua. Le azioni chiave della dimostrazione non si tagliano per questo.

Parti dall'apertura in due lingue

Non serve completare il video in un'unica sessione. Prendi il segmento di apertura: riordina termini fissi e testo traducibile, prepara le versioni colloquiali in due lingue, scegli per ciascuna la voce adeguata, genera una traccia per lingua e confronta le durate effettive con la finestra visiva. Rodato questo segmento, i restanti sono solo la ripetizione dello stesso ciclo.

Apri Text to Speech.