Como criar dublagens em vários idiomas para o mesmo vídeo de produto

O erro mais comum ao localizar um vídeo de produto é traduzir o roteiro chinês por máquina e gerar direto: a versão em inglês passa alguns segundos além das imagens, a espanhola lê o número do modelo como outra sequência de caracteres e o tom não lembra a mesma marca. A raiz não está na síntese de voz, e sim em tratar quatro tarefas como uma só. Colocar trilhas em vários idiomas no mesmo vídeo de produto são, na prática, quatro trabalhos separados: organizar um roteiro-fonte localizável, preparar versões faladas para cada idioma, escolher vozes por idioma e adaptar as imagens pela duração real medida de cada trilha. O texto para fala do PixMind cuida de um elo: transformar o texto final de cada idioma em MP3; tradução e revisão terminam antes de entrar na ferramenta.

Abrir texto para fala, cole o texto final de cada idioma trecho por trecho, gerando e baixando um a um.

Pontos-chave

• Quatro ações separadas: organizar o roteiro-fonte, criar a versão falada de cada idioma, escolher vozes por idioma e adaptar as imagens pela duração medida.
• O texto para fala apenas lê o texto inserido, sem traduzir; a versão final de cada idioma sai do fluxo de tradução e revisão fora da ferramenta.
• As vozes são escolhidas idioma por idioma, priorizando pronúncia correta e tom adequado à marca; não é preciso que os idiomas tenham a mesma voz.
• A página mantém um resultado por vez; o MP3 baixado começa com pixmind-tts- e deve ser renomeado por idioma e versão antes de arquivar.

Organize primeiro um roteiro-fonte localizável

O roteiro-fonte não é o “texto chinês”: é a matriz de todas as versões em cada idioma. Organizado uma vez, tradução, revisão e dublagem partem do mesmo material — e o retrabalho diminui.

A ação central da organização é separar em colunas: o “texto traduzível” e os “termos de marca que devem permanecer consistentes”. Nome do produto, modelo, slogan e nome da empresa ficam na segunda; defina primeiro como cada um aparece em cada idioma — original preservado, transliteração ou adaptação local — e todos os trechos seguem essa decisão. As combinações de letras e números dos modelos precisam ficar engessadas: o mesmo modelo entra com a mesma grafia em todos os idiomas, sem espaço para cada voz improvisar uma leitura diferente.

O texto traduzível é dividido por cena. A narração de vídeos de produto já é curta; cortada em abertura, demonstração e encerramento, cada trecho corresponde a uma janela de imagem — e essa também é a espinha dorsal da geração e das legendas. Cada geração tem limite de caracteres — 100 por vez sem login e no plano gratuito, 10000 para membros pagos —, e os trechos divididos por cena normalmente ficam bem abaixo.

O roteiro-fonte pronto é uma tabela em que cada linha traz o conteúdo da cena, a duração da imagem, os termos fixos e o texto traduzível. Ela serve de base tanto para a revisão das traduções quanto para a produção das legendas.

Prepare uma versão falada para cada idioma

Deixe a fronteira clara: a página de texto para fala processa apenas o texto que você insere e não traduz nada. A versão de cada idioma passa pela tradução e revisão no seu próprio fluxo de preparação e só entra na ferramenta de voz depois de finalizada.

A tradução literal normalmente não serve. Exemplo da abertura de um vídeo de produto em inglês:

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

A literal está gramaticalmente correta, mas veio palavra por palavra de uma frase longa em chinês: lida de uma vez, sem pausas, sem o tom de um anúncio nativo. A falada troca por duas frases curtas, com uma pergunta criando pausa no meio, e o ritmo encaixa fácil na imagem. Todo idioma passa por esta etapa: alguém fluente transforma a literal em “fala de verdade”, aproveitando para ajustar leitura de números, conversão de unidades e formas de tratamento.

A versão final revisada é colada na caixa de texto e gerada; a ferramenta não assume mais a edição. A divisão fica clara: problemas de texto voltam ao fluxo de revisão; só questões de pronúncia e duração se ajustam na ferramenta.

Escolha vozes separadamente para cada idioma

Cada idioma é escolhido separadamente no catálogo de vozes; não existe um conjunto que sirva a todos. Abra a janela “Escolher voz”, troque o engine no topo e filtre o idioma no menu “Idioma” — as opções vêm do catálogo do engine ativo e mudam ao trocar. Passando o mouse sobre o cartão de voz, é possível ouvir a amostra na hora.

No cenário multilíngue, três critérios. Primeiro, sotaque alinhado ao mercado-alvo: o espanhol da América Latina e o da Espanha soam diferentes — atente ao filtrar e ouvir. Segundo, concentre-se na pronúncia de nomes de produto, modelos e números; testar com frases que incluam o nome do produto é mais confiável do que ouvir só a amostra. Terceiro, alinhe o tom da marca entre idiomas: se a versão chinesa é leve e viva, não escolha uma voz grave e lenta para o inglês.

Não é exigido que os idiomas tenham o mesmo locutor. Voz feminina no chinês e masculina no inglês funciona perfeitamente, desde que os tons apontem para a mesma marca. Perseguir “exatamente a mesma voz” entre idiomas costuma sacrificar a qualidade de pronúncia em algum deles — isso nunca foi o padrão de uma dublagem multilíngue.

Definida a voz de cada idioma, registre: engine e nome da voz. Todos os trechos daquele idioma usam essa voz, sem troca no meio.

Trate as diferenças de duração entre idiomas

A mesma narração tem comprimentos naturalmente diferentes em cada idioma: numa, cinco segundos bastam; noutra, são sete. A mesma janela de imagem fica com durações distintas — essa é a maior diferença entre dublagem multilíngue e monoidiomática.

A ordem é medir primeiro, revisar o roteiro depois e só então mexer na velocidade:

1. Gere os trechos idioma por idioma, registre a duração total exibida no player e anote na tabela-fonte cada trecho de cada idioma junto com a duração da imagem.
2. Se uma versão passa da imagem, revise o roteiro primeiro: corte enfeites dispensáveis, quebre frases longas e controle as pausas com pontuação. Editar o texto remove o excesso sem perder nenhuma informação essencial — mais eficaz do que mexer na velocidade.
3. Se depois de enxugar o roteiro ainda faltar pouco, ajuste a velocidade em pequena dose. O intervalo do controle varia por engine e os parâmetros voltam ao padrão ao trocar — como as vozes de cada idioma vêm, na maioria das vezes, de engines diferentes, anote a velocidade ajustada na tabela-fonte e restaure-a ao gerar cada trecho.

O limite inegociável: as ações-chave da demonstração não cedem lugar à compressão de tempo. Para cenas como abrir a tampa, apertar o botão ou o close do resultado, é melhor cortar a narração e manter a voz natural do que acelerar até engolir sílabas ou aparar a ação. Se uma frase realmente não cabe, deixe-a cair na cena seguinte — mais natural do que espremer.

A página mantém um resultado por vez; com vários idiomas e trechos, o caminho certo é gerar, baixar e registrar um a um, sem esperar todas as trilhas de uma vez.

Exporte as trilhas e organize os arquivos por versão

O MP3 obtido no download vem com nome começando em pixmind-tts-, seguido do carimbo de tempo da geração. Com vários idiomas e trechos, o carimbo não distingue nada: renomeie imediatamente por idioma e versão, por exemplo:

• Trilha: product-demo_zh_opening_v2.mp3, product-demo_en_opening_v2.mp3
• Legenda: product-demo_zh_v2.srt, product-demo_en_v2.srt

Qualquer convenção fixa funciona: projeto, código do idioma, trecho, número da versão — o importante é o time combinar e seguir.

A incorporação das trilhas ao vídeo acontece em um editor externo, de qualquer preferência, repetindo o mesmo fluxo por idioma:

1. Duplique a linha do tempo para cada idioma (ou crie um projeto novo) e importe as imagens com todas as trilhas daquele idioma.
2. Alinhe cada trecho da narração às imagens seguindo a tabela-fonte, conferindo com atenção se a narração marca os pontos nas ações-chave.
3. Ouça o vídeo inteiro de uma vez; com volume e transições de ritmo em ordem, exporte a versão final daquele idioma.

As legendas são feitas separadamente por idioma e precisam seguir o áudio real da versão final de cada um, nunca o roteiro-fonte — com traduções revistas, pausas ajustadas e velocidade adaptada, a linha do tempo já não corresponde. Use o vídeo para SRT para gerar as legendas de cada versão final e, com os arquivos em mãos, passe no editor uma revisão de nomes próprios e pontuação.

Perguntas frequentes

A ferramenta traduz automaticamente o roteiro que eu inserir?

Não. O texto para fala apenas lê o texto inserido; as versões em cada idioma ficam prontas no fluxo de tradução e revisão fora da ferramenta e só depois são coladas para gerar. Dentro da ferramenta ajustam-se voz, velocidade e volume — o texto em si não muda.

Os diferentes idiomas podem ter exatamente a mesma voz?

Não é exigido e, na prática, raramente se consegue o melhor em pronúncia e tom ao mesmo tempo. As vozes são escolhidas por idioma, o menu de idiomas vem do catálogo de cada engine, e vozes diferentes entre idiomas são normais. O critério é pronúncia correta e tom de marca consistente, não “reconhecer a mesma pessoa”.

E se a narração traduzida não couber na duração da imagem?

Siga a ordem: primeiro corte os enfeites do roteiro e ajuste as pausas; se ainda faltar pouco, compense com um pequeno ajuste de velocidade; se mesmo assim não couber, deixe a frase cair na cena seguinte ou refine o ritmo das imagens daquele idioma. As ações-chave da demonstração não devem ser cortadas por isso.

Comece pela abertura em dois idiomas

Não é preciso fazer o vídeo inteiro de uma vez. Escolha a abertura: organize os termos fixos e o texto traduzível, produza a versão falada em dois idiomas, escolha a voz de cada um, gere uma trilha por idioma e compare as durações medidas com a janela de imagem. Com esse trecho funcionando, o restante é repetir o mesmo ciclo.

Abrir texto para fala.