Slik lager du voiceover til korte videoer: generer fortellerstemme med riktig rytme fra manuset

Den vanligste feilen ved fortellerstemme til korte videoer er ikke manglende lyd, men at lyd og bilde ikke stemmer overens: fortellerstemmen leser fortsatt forrige setning mens bildet allerede har klippet til neste innslag; eller bildet står stille på en produktclose-up, og fortellerstemmen sluttet for lengst. Riktig rekkefølge er den omvendte: se først hvordan klippet er bygget, og bestem deretter hva hver del av fortellerstemmen skal si, og hvor lenge. PixMinds tekst til tale kan gjøre hver manuskriptdel om til en MP3, men om fortellerstemmen og bildene faller pent sammen, avgjøres av forarbeidet med oppdelingen.

Åpne tekst til tale, ha det ferdigklippede videoklippet ved siden av, generer og last ned hver del av fortellerstemmen hver for seg, og legg dem deretter inn i videoredigeringen.

Hovedpunkter

• Del fortellerstemmen etter bildebolker før du skriver teksten; hver del bærer bare én informasjonsoppgave, og lengden følger bildene.
• Tegngrensen per generering: 100 tegn for ikke-innloggede og gratisplaner, 10 000 tegn for betalte medlemskap; siden beholder bare ett resultat om gangen, så generer og last ned del for del.
• Lengden bestemmes av det genererte resultatet: avspillingslinjen viser total lengde på lyden – test én del først, og ordn resten av filmen etterpå, uten noen formel for å regne om tegn til sekunder.
• Sammenføyning av fortellerstemme og video skjer i et eksternt redigeringsprogram; undertekstene lages etter at lydsporet er endelig, med et video-til-tekst-verktøy fra den ferdige filmen.

Del fortellerstemmen etter bildets rytme først

Første handling er ikke å skrive, men å se bildene. Se den ferdigklippede videoen to ganger i sin helhet: først for å notere rekkefølgen av innslag, deretter stille mens du følger med, for å kjenne hvor mange setninger hvert bildeutsnitt rommer. Del deretter filmen etter hvert innslags funksjon.

Med en produktvideo på rundt 15 sekunder som eksempel, deles den i intro, demonstrasjon og avslutning:

Lengden på hver del kommer fra bildene selv; fortellerstemmen skal fylle dette vinduet, ikke la bildene vente på stemmen. Skriver du først en lang tekst og prøver å presse den inn i bildene, står du som regel igjen med kunstig høyt tempo som umiddelbart høres dårlig ut; tiden det tar å lese en produktbeskrivelse på 300 tegn, overstiger ofte hele videoklippet.

Oppdelingen har også en praktisk side: hver generering har en tegngrense – maks 100 tegn per gang for ikke-innloggede og gratisplaner, utvidet til 10 000 tegn for betalte medlemskap. En fortellerstemme delt inn etter klippplan ligger som regel langt under grensen, én fil per del, og passer perfekt til å generere del for del.

Gjør teksten om til noe som fungerer å høre på

I korte videoer hører seerne fortellerstemmen – de leser den ikke. Når det gjelder skrivemåten, er det to ting som betyr mest.

Det første: stryk informasjonen som bildene allerede viser. Viser bildet at lokket skrus på, trenger ikke stemmen å si «deretter skrus lokket på»; har kameraet allerede gitt en close-up av resultatet, trenger ikke stemmen å gjenta «man ser at resultatet blir helt fint». Fortellerstemmen sier bare det bildene ikke kan si: navnet, bruksområdet og begrunnelsen bak handlingene.

Det andre: ett hovedpoeng per setning, og tegnsetting som styrer pausene. Komma er en kort stopp, punktum er et pust. Korte setninger treffer klippene lettere enn lange, og gir lytteren tid til å ta inn innholdet.

Ta demonstrasjonsdelen som eksempel. Utkast: «Dette produktet er enkelt å bruke og krever bare tre trinn: legg først frukten i beholderen, skru deretter på lokket, og trykk til slutt på startknappen – etter noen titalls sekunder kan du nyte fersk juice.» Omskrevet: «Tre trinn, så er det gjort. Frukt i beholderen. Lokket på. Trykk start. Noen sekunder, og juicen er fersk.» Den omskrevne versjonen har strøket pynten og fått flere pauser, og hver setning treffer nøyaktig ett handlingsinnslag.

Skriv også tall og modellbetegnelser slik du vil at de skal leses opp. Vil du høre «tre trinn» i stedet for «3-trinn», skriver du tallet med ord; om bokstaver og tall i en modellbetegnelse flyter naturlig sammen, avgjøres av det genererte resultatet.

Prøvlytt og velg riktig stemme

Det finnes ikke ett riktig svar på stemmevalget; bytter du stemme på samme manus, endrer hele filmens preg seg. Metoden er enkel: bruk samme tekststykkke, gjerne akkurat setningen fra introsdelen, generer versjoner med to stemmer, og bestem etter å ha hørt begge.

Sammenlign etter to punkter. Det første er innholdets stil: produktdemonstrasjoner passer som regel best med en lys og ryddig stemme, mens forklarende innhold trenger en rolig og trygg tone. Det andre er tydelighet: lytt spesielt til produktnavnet, tallene og ordovergangene – hvilken stemme som ikke svelger ord eller blir utydelig, veier tyngre enn hvilken som høres finest ut.

Stemmevinduet kan filtreres etter motor og språk, og holder du pekeren over en stemme, kan du høre en prøve direkte; prøven sier bare noe om stemmens preg – det endelige svaret ligger i genereringsresultatet med ditt eget manus. Ikke gå ut fra at én motor er best til alt; prøv én eller to ekstra, og avgjørelsen er tatt på få minutter.

Juster tekst og talehastighet etter målt lengde

Om fortellerstemmen er for lang eller for kort, kan du ikke gjette deg til det; det som fungerer, er å måle én del først og deretter ordne resten av filmen.

Etter at introdelen er generert, viser avspillingslinjen total lengde på lyden; klikk på nedlasting, og du får en MP3-fil som begynner med pixmind-tts- og har et tidsstempel – legg den i en lokal avspiller eller på et redigeringsspor og kontroller én gang til. Noter lengden på alle tre delene, og hold dem opp mot bildets lengde i klippplanen:

1. Fortellerstemmen er lenger enn bildene: stryk tekst først. Fjern pynt og gjentakelser som lytteren kan klare seg uten – det virker bedre enn å endre talehastigheten, og det som fjernes, er ballast, ikke tydelighet.
2. Det gjenstår litt: juster talehastigheten i liten grad. Hastighetsområdet varierer med motoren: Microsoft-motorens glidebryter går fra -100 % til +100 % (standard 0), Volcano-motoren fra 0.8x til 2.0x (standard 1.0x), MiniMax fra 0.5x til 2.0x (standard 1.0x). Juster i små steg, og generer og lytt på nytt etter hver endring.
3. Fortellerstemmen er kortere enn bildene: den trenger ikke nødvendigvis fylles ut med langsommere tale. Én til to sekunder av bildene uten stemme gir ofte bedre virkning enn at setningene henger tett inntil hvert klipp.

Her kommer ingen formel for «hvor mange tegn som tilsvarer hvor mange sekunder», for slike formler er upålitelige: ulike stemmer har ulik grunnhastighet, og pauser fra tegnsettingen og måten tall leses på, endrer den faktiske lengden; samme setning lest med to stemmer kan skille en god del. Ikke lær deg en formel – mål introsdelen, og bruk den virkelige lengden som referanse.

Ved generering del for del må du også holde alt konsistent: alle delene av fortellerstemmen i én film bør bruke samme stemme og samme parametere, da henger rytmen sammen. Når du bytter motor, tilbakestilles talehastighet og volum til standardverdiene, så noter de justerte verdiene før du gjør det; siden beholder bare ett resultat om gangen – generer én del, last den ned, og gå deretter til neste.

Legg fortellerstemmen inn i videoredigeringen og lag undertekster

MP3-filen blir først en ferdig film i et videoredigeringsprogram; dette steget gjøres utenfor PixMind, med hvilket som helst program. Den generelle arbeidsflyten er:

1. Opprett et prosjekt, og importer bildene og de tre MP3-delene med fortellerstemme.
2. Legg hver stemmedel inn mot de tilsvarende bildene etter klippplanen, med en liten luft ved klippene, slik at lyden ikke kappes av i overgangene.
3. Hør gjennom fra begynnelsen, og kontroller at volum og rytme henger sammen mellom delene.
4. Eksporter den ferdige filmen når alt stemmer.

Undertekstene lages først etter dette steget, og alltid mot det endelige lydsporet. Brukes manusteksten direkte som undertekst, stemmer ikke tidslinjen med den endelige lyden: etter strykninger i teksten og justeringer av talehastigheten har start- og sluttpunktene for hver setning for lengst flyttet seg. Metoden er å legge den ferdige filmen med fortellerstemme inn i video-til-SRT-verktøyet, generere en undertekstfil med tidskoder fra selve filmen, og deretter føre den tilbake i redigeringsprogrammet for å kontrollere egennavn og setningsinndeling.

Vanlige spørsmål

Fortellerstemmen er for lang – endre talehastigheten eller teksten først?

Teksten først. Å stryke pyntord og informasjon som bildene allerede viser, er nok i de fleste tilfeller; talehastigheten justeres bare litt når det ikke er mer å stryke – for store justeringer presser ordene frem og gjør hovedpoengene utydelige. Generer på nytt etter endringen, og kontroller resultatet med lengden på avspillingslinjen.

Skal man generere alt i én omgang eller del for del?

Del opp etter bildebolkene. Ett langt manus styres av tegngrensen per generering – 100 tegn per gang for ikke-innloggede og gratisplaner, og det som overskrider, kan ikke genereres; siden beholder dessuten bare ett resultat om gangen, så lange manuskripter må uansett deles opp og lastes ned del for del. Deling etter klippplan følger både begrensningen og gjør at hver dels lengde treffer bildene direkte – i etterkant justerer du bare den delen som svikter.

Når i prosessen skal undertekstene lages?

Etter at fortellerstemmen er endelig og lydsporet er lagt inn i filmen. Undertekstenes tidskoder skal følge den endelige lyden, så bruk video-til-SRT-verktøyet på den sammensatte, ferdige filmen – ikke manusteksten fra før generering. Når undertekstfilen er klar, føres den tilbake i redigeringsprogrammet for kontroll av egennavn og setningsinndeling.

Start med én setning fortellerstemme til introen

Du trenger ikke vente på et komplett manus. Åpne den ferdigklippede videoen, og skriv bare introsdelen: én setning som sier hva dette er og hvem det er for. Lim den inn i tekst til tale, generer, prøvlytt, og se på lengden. Står første del, er resten bare en gjentakelse av samme arbeidssirkel.

Åpne tekst til tale.