Slik lager du flerspråklig voiceover til én og samme produktvideo

Den vanligste måten lokalisering av produktvideoer feiler på, er å kjøre det kinesiske manuset gjennom maskinoversettelse og generere rett fra resultatet: den engelske versjonen blir flere sekunder lengre enn bildene, den spanske leser modellnavnet som en helt annen tegnrekke, og tonen ligner ikke lenger merkevaren. Årsaken ligger ikke i taletyperingen, men i at fire oppgaver behandles som én. Flerspråklige lydspor til én produktvideo er faktisk fire atskilte jobber: rydd først et kildemanus som egner seg for lokalisering, lag deretter en muntlig versjon per språk, velg en stemme for hvert språk, og tilpass til slutt bildene etter hver lydspors målte varighet. PixMinds tekst-til-tale dekker én av delene: å gjøre den endelige teksten på hvert språk til en MP3; oversettelse og korrektur er ferdig før verktøyet tas i bruk.

Åpne tekst-til-tale, lim inn den endelige teksten på hvert språk avsnitt for avsnitt, og generér og last ned ett og ett.

Hovedpunkter

• Hold de fire handlingene atskilt: rydde kildemanuset, lage muntlig versjon per språk, velge stemme per språk og tilpasse bildene etter målt varighet.
• Tekst-til-tale leser bare teksten du legger inn og oversetter ikke; den endelige teksten på hvert språk luker du ferdig i oversettelses- og korrekturflyten utenfor verktøyet.
• Stemmer velges per språk, med riktig uttale og passende merkevaretoning som prioritet – det er ikke et krav at språkene bruker samme stemme.
• Siden beholder bare ett resultat om gangen; de nedlastede MP3-filene starter med pixmind-tts- og arkiveres etter omdøping per språk og versjon.

Rydd først et kildemanus som egner seg for lokalisering

Kildemanuset er ikke «de kinesiske replikkene», men originalen alle språkversjonene bygger på: rydder du det én gang, starter oversettelse, korrektur og innlesing fra samme materiale, og etterarbeidet blir mindre.

Kjernen i ryddingen er å dele i kolonner: hold «oversettbar tekst» og «merkevareuttrykk som skal være like» fra hverandre. Produktnavn, modellbetegnelser, slagord og firmanavn hører til sistnevnte – fastlegg først hvordan de skal skrives i hver språkversjon: beholdes originalen, transkriberes fonetisk eller skrives om lokalt. Når det er bestemt, følger alle avsnittene. Bokstav- og tallkombinasjonene i modellnavn må låses helt fast: samme modell skrives likt i alle versjoner, ellers improviserer ulike stemmer og leser navnet på like mange måter.

Den oversettbare teksten deles per klipp. Voiceoveren i en produktvideo er kort fra før; delt i åpning, demonstrasjon og avslutning tilsvarer hvert avsnitt ett bildevindu, og det blir også skjelettet for generering og undertekster senere. Én generering har en tegngrense – 100 tegn per gang uten innlogging og i gratisplanen, 10 000 for betalende medlemmer – og avsnittene per klipp ligger som regel langt under grensen.

Det ferdigryddede kildemanuset er en tabell der hver rad inneholder klippinnhold, bildevarighet, faste uttrykk og oversettbar tekst. Tabellen er samtidig grunnlaget for korrektur av oversettelsene og produksjon av undertekster.

Lag en muntlig versjon for hvert språk

Si grensene tydelig først: siden for tekst-til-tale behandler bare teksten du legger inn, og oversetter ikke for deg. Versjonen på hvert språk må gjennom oversettelse og korrektur i din egen tekstflyt, og den endelige teksten går inn i taleverktøyet etterpå.

En ordrett oversettelse kan sjelden brukes som den er. Ta den engelske versjonen av en produktåpning:

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

Den ordrette versjonen er grammatisk korrekt, men den er oversatt ord for ord fra et langt kinesisk språk, lest på ett pust uten pauser, og den høres ikke ut som en annonse på morsmålet. Den muntlige versjonen bruker to korte setninger med et spørsmål som lager en pause imellom, og rytmen treffer bildene langt enklere. Hvert språk må gjennom dette trinnet: la noen som behersker språket skrive den ordrette oversettelsen om til «talt språk», og håndtere uttale av tall, enhetskonvertering og titulatur underveis.

Den ferdig korrekturleste teksten limes inn i tekstfeltet og genereres; verktøyet skal ikke brukes til å skrive om tekst. Arbeidsdelingen blir dermed tydelig: tekstproblemene rettes i korrekturflyten, og bare uttale og varighet justeres i verktøyet.

Velg en stemme for hvert språk

Velg stemmen for hvert språk hver for seg i stemmekatalogen; det finnes ikke én stemme som passer alle språk. Åpne vinduet «Velg stemme», bytt motor øverst først, og filtrer deretter målspråket med «språk»-nedtrekkslisten – språkvalgene kommer fra den gjeldende motorens stemmekatalog og endres når du bytter motor. Hold musepekeren over et stemmekort for å høre en prøve direkte.

I flerspråklige prosjekter gjelder tre kriterier. For det første skal aksen treffe målmarkedet: spansk i Latin-Amerika og i Spania høres ulikt ut – legg merke til det ved filtering og prøvelytting. For det andre: lytt særlig til uttalen av produktnavn, modellbetegnelser og tall; å teste med en setning som inneholder produktnavnet er mer pålitelig enn å bare høre prøven. For det tredje skal merkevaretonen være på linje på tvers av språkene: er den kinesiske versjonen lett og frisk, bør du ikke velge en dyp og langsom stemme på engelsk.

Det er ikke et krav at det er samme taler på alle språk. Kinesisk med kvinnelig stemme og engelsk med mannlig er helt greit, så lenge tonen peker mot samme merkevare. Å jage «helt identisk stemme» på tvers av språk går ofte utover uttalekvaliteten i hvert språk – og det har aldri vært standarden for flerspråklig voiceover.

Skriv ned stemmen når hvert språk er avgjort: motor og stemmenavn. Alle avsnittene på samme språk bruker denne stemmen, uten bytte underveis.

Håndter lengdeforskjellene mellom språkene

Samme voiceover-setning blir naturlig ulik i lengde fra språk til språk: på ett språk holder fem sekunder, på et annet trengs sju. Det samme bildevinduet blir dermed ulikt langt, og det er den største forskjellen på flerspråklig og enspråklig voiceover.

Rekkefølgen er: mål først, endre manuset deretter, og juster talehastigheten til slutt:

1. Generér avsnittene for hvert språk og noter totalvarigheten fra avspilleren; skriv hvert avsnitt på hvert språk sammen med bildevarigheten inn i kildemanustabellen.
2. Er en språkversjon lengre enn bildene, endres manuset først: stryk pynt som kan unnværes, del lange setninger og styr pausene med tegnsettingen. Det teksten sparer, er unødig ballast – ingen av de viktige opplysningene strykes – og det virker bedre enn å endre talehastighet.
3. Er det fortsatt litt igjen når manuset er på sitt enkleste, justeres talehastigheten litt. Omfanget av hastighetsglideren varierer mellom motorene, og bytter du motor, nullstilles verdien – stemmene på de ulike språkene kommer sannsynligvis fra ulike motorer, så noter den justerte hastigheten i kildemanustabellen og gjenopprett den når du genererer avsnitt for avsnitt.

Bunnlinjen er at nøkkelhandlingene i produktvisningen ikke viker for spartid: for demonstrasjonsbilder som å skru av lokket, trykke på knappen eller nærbilde av resultatet er det bedre å stryke voiceover og beholde naturlig talehastighet enn å klemme til ord forsvinner eller kutte handlingsklippene. Får en setning rett og slett ikke plass, la den gli over til neste klipp – det blir mer naturlig enn å presse den inn.

Siden beholder bare ett resultat om gangen; med mange språk og mange avsnitt er riktig arbeidsmåte å generere, laste ned og notere ett og ett – ikke regn med å få alle lydsporene på én gang.

Eksporter lydsporene og rydd versjonsfilene

MP3-filen du får når du klikker på last ned, har et filnavn som starter med pixmind-tts- etterfulgt av et tidsstempel for genereringstidspunktet. Med flere språk og avsnitt skilles de ikke på tidsstempler alene, så døp dem om til språk og versjon med én gang, for eksempel:

• Lydspor: product-demo_zh_opening_v2.mp3, product-demo_en_opening_v2.mp3
• Undertekster: product-demo_zh_v2.srt, product-demo_en_v2.srt

Enhver fast navneregel virker: prosjekt, språkkode, avsnitt og versjonsnummer – så lenge teamet er enig, holder det.

Lydsporene legges inn i videoen i et eksternt redigeringsprogram; programmet spiller ingen rolle, og hvert språk gjentar samme flyt:

1. Kopier tidslinjen for hvert språk (eller lag et nytt prosjekt) og importer bildene og alle lydsporene på det språket.
2. Plasser hvert voiceover-avsnitt mot bildene etter kildemanustabellen, og kontroller særlig at voiceoveren treffer nøkkelhandlingene.
3. Hør gjennom hele versjonen i sammenheng; når volum og rytme henger sammen, eksporterer du den ferdige filmen på det språket.

Undertekstene lages separat per språk, og alltid etter den faktiske lyden i den ferdige versjonen på hvert språk – ikke bruk kildemanuset som undertekst: oversettelsen er endret, pausene justert og talehastigheten tilpasset, så tidslinjen forlengst slutter å stemme. Bruk video til SRT til å lage undertekster fra den ferdige filmen på hvert språk, og gå egennavn og setningsdeling en gang til gjennom i redigeringsprogrammet når filene foreligger.

Vanlige spørsmål

Oversetter verktøyet manuset jeg legger inn?

Nei. Tekst-til-tale leser bare teksten du legger inn; språkversjonene gjøres ferdige i oversettelses- og korrekturflyten utenfor verktøyet og limes inn for generering når de er endelige. I verktøyet justerer du stemme, talehastighet og volum – teksten selv endres ikke.

Kan alle språkene bruke helt samme stemme?

Det er ikke nødvendig, og det går sjelden an å få både uttale og tone best samtidig. Stemmer velges per språk; språknedtrekkslisten kommer fra hver motors egen katalog, og ulike stemmer på ulike språk er helt normalt. Kriteriet er riktig uttale og ens merkevaretoning – ikke at lytteren kjenner igjen «samme person».

Hva om den oversatte voiceoveren ikke får plass i bildevarigheten?

Arbeid i rekkefølge: stryk først pynten i manuset og juster pausene; er det fortsatt litt igjen, sparer du det siste med en liten justering av talehastigheten; får det fortsatt ikke plass, la setningen gå over til neste klipp eller finjuster bilderytmen for den språkversjonen. Ikke beskjær nøkkelhandlingene i produktvisningen for dette.

Start med åpningen på to språk

Du trenger ikke lage hele filmen på én gang. Velg åpningsavsnittet: rydd faste uttrykk og oversettbar tekst, lag muntlige versjoner på to språk, velg en stemme per språk, generér ett lydspor hver, og sammenlign de målte varighetene mot bildevinduene. Når dette avsnittet sitter, er resten av avsnittene og språkene bare en gjentakelse av samme sløyfe.

Åpne tekst-til-tale.