วิธีทำเสียงบรรยายหลายภาษาให้คลิปผลิตภัณฑ์เดียวกัน

วิธีพลาดที่พบมากที่สุดในการทำโลคัลไลซ์คลิปผลิตภัณฑ์ คือเอาสคริปต์ภาษาจีนไปแปลด้วยเครื่องแล้วสร้างเสียงทันที ฉบับอังกฤษยาวกว่าภาพไปหลายวินาที ฉบับสเปนอ่านรหัสรุ่นเป็นอักขระอีกชุดหนึ่ง น้ำเสียงก็ไม่เหมือนแบรนด์เดียวกัน ต้นตอไม่ได้อยู่ที่การสร้างเสียง แต่อยู่ที่การมองสี่เรื่องให้เป็นเรื่องเดียว การใส่หลายภาษาให้คลิปผลิตภัณฑ์เดียวกันคืองานสี่ชิ้นที่ต้องแยกทำ เริ่มจากจัดสคริปต์ต้นทางที่โลคัลไลซ์ได้หนึ่งฉบับ แล้วเตรียมฉบับพูดจริงของแต่ละภาษา จากนั้นเลือกเสียงของแต่ละภาษาแยกกัน สุดท้ายปรับภาพตามระยะเวลาจริงที่วัดได้ของแต่ละแทร็ก ข้อความเป็นคำพูด ของ PixMind รับผิดชอบหนึ่งในนั้น คือเปลี่ยนข้อความฉบับสุดท้ายของแต่ละภาษาให้เป็น MP3 ส่วนการแปลและตรวจทานทำให้เสร็จก่อนเข้าเครื่องมือ

เปิดใช้ข้อความเป็นคำพูด วางข้อความฉบับสุดท้ายของแต่ละภาษาเข้าไปทีละช่วง สร้างทีละช่วง ดาวน์โหลดทีละช่วง

ประเด็นสำคัญ

• ทำสี่ขั้นแยกกัน จัดสคริปต์ต้นทาง ฉบับพูดจริงรายภาษา เลือกเสียงตามภาษา และปรับภาพตามระยะเวลาที่วัดจริง
• ข้อความเป็นคำพูดอ่านเฉพาะข้อความที่ป้อนเข้าไป ไม่แปลให้ ฉบับสุดท้ายของแต่ละภาษาเสร็จในโฟลว์แปลและตรวจทานนอกเครื่องมือ
• เลือกเสียงแยกตามภาษา ให้ความสำคัญกับการออกเสียงแม่นและน้ำเสียงที่เข้ากับแบรนด์ก่อน ไม่จำเป็นต้องเป็นเสียงเดียวกันทุกภาษา
• หน้าเว็บเก็บผลลัพธ์ครั้งละหนึ่งช่วง MP3 ที่ดาวน์โหลดขึ้นต้นด้วย pixmind-tts- ให้เปลี่ยนชื่อตามภาษาและเวอร์ชันแล้วจัดเก็บทันที

จัดสคริปต์ต้นทางที่โลคัลไลซ์ได้ก่อน

สคริปต์ต้นทางไม่ใช่ "บทพูดภาษาจีน" แต่คือต้นแบบของทุกภาษา จัดครั้งเดียว การแปล ตรวจทาน และพากย์ก็ออกตัวจากวัสดุชุดเดียวกัน งานย้อนหลังภายหลังจึงน้อย

หัวใจของการจัดคือแบ่งคอลัมน์ แยก "ข้อความที่แปลได้" ออกจาก "คำศัพท์แบรนด์ที่ต้องเหมือนกัน" ชื่อผลิตภัณฑ์ รหัสรุ่น สโลแกน และชื่อบริษัทอยู่กลุ่มหลัง ให้ล็อกรูปเขียนในทุกภาษาก่อนว่าจะคงภาษาเดิม ถอดเสียง หรือเขียนใหม่แบบโลคัล เมื่อตกลงแล้วทุกย่อหน้ายึดตามนั้น ชุดตัวอักษรและตัวเลขในรหัสรุ่นต้องล็อกเป็นพิเศษ รหัสเดียวกันต้องป้อนแบบเขียนเดียวกันในทุกภาษา กันเสียงต่าง ๆ ออกแบบเองจนอ่านได้หลายแบบ

ข้อความที่แปลได้แบ่งตามช็อต บรรยายของคลิปผลิตภัณฑ์อยู่สั้นอยู่แล้ว พอตัดเป็นเปิด สาธิต ปิดท้าย แต่ละช่วงก็ตรงกับหน้าต่างภาพหนึ่งบาน และเป็นโครงของการสร้างเสียงและคำบรรยายช่วงหลังด้วย การสร้างหนึ่งครั้งมีขีดจำกัดตัวอักษร ผู้ไม่ได้ล็อกอินและแพ็กเกจฟรีครั้งละ 100 ตัวอักษร สมาชิกพรีเมียม 10000 ช่วงที่แบ่งตามช็อตมักต่ำกว่าขีดจำกัดมาก

สคริปต์ต้นทางที่จัดเสร็จเป็นตารางหนึ่งแผ่น แต่ละแถวมีเนื้อหาช็อต ระยะเวลาภาพ คำศัพท์ที่ล็อกไว้ และข้อความที่แปลได้ ตารางนี้เป็นฐานของทั้งการตรวจทานคำแปลและการทำคำบรรยาย

เตรียมฉบับภาษาพูดของแต่ละภาษา

ขีดเส้นให้ชัดก่อน หน้าข้อความเป็นคำพูดจัดการเฉพาะข้อความที่คุณป้อน ไม่แปลแทนคุณ ฉบับของแต่ละภาษาต้องแปลและตรวจทานให้เสร็จในโฟลว์เตรียมข้อความของคุณเอง แล้วจึงเข้าเครื่องมือเสียงเมื่อได้ฉบับสุดท้าย

คำแปลตรงตัวมักใช้ทันทีไม่ได้ ยกตัวอย่างฉบับอังกฤษของช่วงเปิดผลิตภัณฑ์หนึ่งชิ้น:

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

ฉบับแปลตรงตัวไวยากรณ์ไม่ผิด แต่มันถ่ายโอนมาจากประโยคยาวภาษาจีนทีละคำ อ่านรวดเดียวจบไม่มีจังหวะหยุด และไม่เหมือนน้ำเสียงโฆษณาของเจ้าของภาษา ฉบับภาษาพูดเปลี่ยนเป็นประโยคสั้นสองท่อน ใช้คำถามสร้างจังหวะหยุดหนึ่งครั้งตรงกลาง จังหวะจึงตามภาพได้ง่ายกว่า ทุกภาษาต้องผ่านขั้นนี้ ให้คนที่ถนัดภาษานั้นเปลี่ยนคำแปลตรงตัวให้เป็น "คำพูดที่พูดออกมาจริง" พร้อมจัดการวิธีอ่านตัวเลข การแปลงหน่วย และธรรมเนียมการเรียกขานในเวลาเดียวกัน

ฉบับสุดท้ายที่ตรวจทานแล้ววางเข้าช่องข้อความก็สร้างได้ เครื่องมือไม่รับหน้าที่แก้บทอีก การแบ่งงานจึงชัด ปัญหาเรื่องข้อความกลับไปแก้ในโฟลว์ตรวจทาน มีเพียงเรื่องการออกเสียงและความยาวเท่านั้นที่ปรับในเครื่องมือ

เลือกเสียงของแต่ละภาษาแยกกัน

แต่ละภาษาเลือกจากแคตตาล็อกเสียงแยกกัน ไม่มีชุดเสียงใดใช้ได้ทุกภาษา เปิดป็อปอัป "เลือกเสียง" สลับเอนจินด้านบนก่อน แล้วใช้ดรอปดาวน์ "ภาษา" คัดกรองภาษาเป้าหมาย ตัวเลือกภาษามาจากแคตตาล็อกเสียงของเอนจินปัจจุบัน เปลี่ยนเอนจินแล้วตัวเลือกก็เปลี่ยนตาม เอาเมาส์ชี้ที่การ์ดเสียงเพื่อฟังตัวอย่างได้ทันที

ในสถานการณ์หลายภาษามีเกณฑ์ตัดสินสามข้อ หนึ่ง สำเนียงต้องเข้ากับตลาดเป้าหมาย ภาษาสเปนเหมือนกันแต่ฟังต่างกันระหว่างลาตินอเมริกากับสเปน ตอนคัดกรองและฟังทดลองต้องระวังจุดนี้ สอง โฟกัสการออกเสียงชื่อผลิตภัณฑ์ รหัสรุ่น และตัวเลข ลองด้วยประโยคที่มีชื่อผลิตภัณฑ์จะชัวร์กว่าฟังแค่ตัวอย่าง สาม น้ำเสียงแบรนด์ต้องเทียบเท่ากันทุกภาษา ฉบับจีนสดใสมีชีวิตชีวา ฉบับอังกฤษก็อย่าเลือกเสียงทุ้มช้า

ไม่จำเป็นต้องเป็นผู้พูดคนเดียวกันทุกภาษา จีนใช้เสียงหญิง อังกฤษใช้เสียงชายก็ได้ ขอให้น้ำเสียงของทุกภาษาชี้ไปที่แบรนด์เดียวกัน การไล่หา "เสียงเดียวกันเป๊ะ ๆ ข้ามภาษา" มักทำให้ต้องแลกคุณภาพการออกเสียงในบางภาษา ซึ่งนั่นไม่ใช่มาตรฐานของงานพากย์หลายภาษาอยู่แล้ว

เมื่อแต่ละภาษาเลือกเสียงได้แล้วให้จดไว้ ทั้งเอนจินและชื่อเสียง ทุกช่วงของภาษาเดียวกันใช้เสียงนี้เสียงเดียว ไม่เปลี่ยนกลางทาง

รับมือความยาวที่ต่างกันของแต่ละภาษา

บรรยายประโยคเดียวกัน คำแปลของแต่ละภาษายาวไม่เท่ากันโดยธรรมชาติ ภาษาหนึ่งพูดจบในห้าวินาที อีกภาษาต้องใช้เจ็ด หน้าต่างภาพเดียวกันจึงมีความยาวไม่เท่ากัน นี่คือความต่างที่ใหญ่ที่สุดระหว่างงานพากย์หลายภาษากับภาษาเดียว

ลำดับการจัดการคือวัดก่อน แล้วแก้สคริปต์ สุดท้ายจึงขยับความเร็วพูด:

1. สร้างทุกช่วงทีละภาษา จดระยะเวลารวมที่แถบเพลเยอร์แสดง บันทึกทุกช่วงของทุกภาษาพร้อมระยะเวลาภาพลงในตารางสคริปต์ต้นทาง
2. ถ้าฉบับภาษาใดยาวกว่าภาพ ให้แก้สคริปต์ก่อน ตัดคำตกแต่งที่มีหรือไม่มีก็ได้ แยกประโยคยาว ใช้เครื่องหมายวรรคตอนคุมจังหวะหยุด การแก้บทช่วยตัดภาระส่วนเกินออก โดยข้อมูลที่ต้องสื่อให้ชัดไม่ถูกลบสักอย่าง ได้ผลกว่าปรับความเร็วพูด
3. ถ้าบทกระชับสุดแล้วยังขาดอยู่นิด จึงขยับความเร็วพูดปรับเล็กน้อย ช่วงของสไลเดอร์ความเร็วต่างกันตามเอนจิน และการสลับเอนจินจะรีเซ็ตค่ากลับเป็นค่าเริ่มต้น เสียงของแต่ละภาษามักมาจากคนละเอนจิน ความเร็วที่ปรับแล้วต้องจดไว้ในตารางสคริปต์ต้นทาง แล้วคืนค่าตามนั้นตอนสร้างทีละช่วง

เส้นตายคือการแสดงสำคัญของผลิตภัณฑ์ต้องไม่เสียเปรียบเพื่อลดเวลา ภาพสาธิตอย่างการเปิดฝา กดปุ่ม หรือช็อตใกล้ผลิตภัณฑ์เสร็จแล้ว ยอมตัดบรรยายและคงความเร็วพูดให้เป็นธรรมชาติ ดีกว่าบีบจนออกเสียงไม่ครบหรือตัดช็อตการแสดงออก ประโยคใดยังยัดไม่ลงจริง ๆ ให้มันไปอยู่ช็อตถัดไป จะเป็นธรรมชาติกว่าฝืนสอดเข้าช่วงนี้

หน้าเว็บเก็บผลลัพธ์ครั้งละหนึ่งช่วง วิธีที่ถูกต้องสำหรับงานหลายภาษาหลายช่วงคือสร้างทีละช่วง ดาวน์โหลดทีละช่วง จดทีละช่วง อย่าหวังเอาทุกแทร็กมาในครั้งเดียว

ส่งออกแทร็กเสียงและจัดระเบียบไฟล์เวอร์ชัน

ไฟล์ MP3 ที่ได้จากการคลิกดาวน์โหลดมีชื่อขึ้นต้นด้วย pixmind-tts- ตามด้วย timestamp ของเวลาที่สร้าง พอดาวน์โหลดหลายภาษาหลายช่วงมา ใช้ timestamp แยกไม่ออกว่าช่วงไหนคือช่วงไหน จึงต้องเปลี่ยนชื่อตามภาษาและเวอร์ชันทันที เช่น:

• แทร็กเสียง: product-demo_zh_opening_v2.mp3, product-demo_en_opening_v2.mp3
• คำบรรยาย: product-demo_zh_v2.srt, product-demo_en_v2.srt

กติกาตั้งชื่อขอแค่คงเส้นคงวาก็ได้ผล โปรเจกต์ รหัสภาษา ช่วง และหมายเลขเวอร์ชัน ขอให้ทีมตกลงเหมือนกันก็พอ

การนำแทร็กเสียงไปใส่วิดีโอทำในซอฟต์แวร์ตัดต่อภายนอก ใช้โปรแกรมใดก็ได้ ทำซ้ำโฟลว์เดียวกันสำหรับทุกภาษา:

1. คัดลอกไทม์ไลน์หนึ่งชุดต่อภาษา (หรือสร้างโปรเจกต์ใหม่) นำเข้าภาพและแทร็กเสียงทั้งหมดของภาษานั้น
2. จัดบรรยายทุกช่วงให้ตรงภาพตามตารางสคริปต์ต้นทาง ตรวจเป็นพิเศษว่าบรรยายเข้าจังหวะครบที่จุดการแสดงสำคัญหรือไม่
3. ฟังทั้งเรื่องรวดเดียว เมื่อระดับเสียงและการต่อจังหวะไม่มีปัญหาแล้วจึงส่งออกฉบับสมบูรณ์ของภาษานั้น

คำบรรยายทำแยกของแต่ละภาษา และต้องยึดเสียงจริงของฉบับสุดท้ายของแต่ละภาษาเป็นหลัก อย่าเอาสคริปต์ต้นทางมาทำคำบรรยาย เพราะคำแปลแก้มาแล้ว จังหวะหยุดปรับมาแล้ว ความเร็วพูดก็พอดีภาพมาแล้ว ไทม์ไลน์คลาดกันไกล ใช้ วิดีโอเป็น SRT สร้างคำบรรยายจากฉบับสมบูรณ์ของแต่ละภาษาแยกกัน ได้ไฟล์แล้วกลับไปเช็คคำเฉพาะและการตัดประโยคในซอฟต์แวร์ตัดต่ออีกรอบ

คำถามที่พบบ่อย

เครื่องมือจะแปลสคริปต์ที่ฉันป้อนให้อัตโนมัติไหม?

ไม่แปล ข้อความเป็นคำพูดอ่านเฉพาะข้อความที่คุณป้อน ฉบับแต่ละภาษาต้องเตรียมให้เสร็จในโฟลว์แปลและตรวจทานนอกเครื่องมือ แล้ววางเข้าไปสร้างเมื่อได้ฉบับสุดท้าย สิ่งที่ปรับได้ในเครื่องมือคือเสียง ความเร็วพูด และระดับเสียง ไม่แตะตัวอักษรเอง

ต่างภาษาจะคงเสียงเดียวกันเป๊ะ ๆ ได้ไหม?

ไม่จำเป็น และปกติก็ทำให้การออกเสียงกับน้ำเสียงดีพร้อมกันไม่ได้ทุกภาษา เสียงเลือกแยกตามภาษา ดรอปดาวน์ภาษามาจากแคตตาล็อกเสียงของแต่ละเอนจิน ต่างภาษาต่างเสียงเป็นเรื่องปกติ เกณฑ์คือการออกเสียงแม่นและน้ำเสียงแบรนด์ชุดเดียวกัน ไม่ใช่ "ฟังออกว่าเป็นคนเดียวกัน"

บรรยายที่แปลแล้วใส่ช่วงภาพเดิมไม่พอ ทำอย่างไร?

จัดการตามลำดับ ลบส่วนตกแต่งในบทออกก่อน ปรับจังหวะหยุด ถ้ายังขาดอยู่นิด ใช้ความเร็วพูดเก็บช่องว่างเล็กน้อย ถ้ายังใส่ไม่ลง ให้ประโยคนั้นไปอยู่ช็อตถัดไป หรือปรับจังหวะภาพเล็กน้อยสำหรับฉบับภาษานั้น อย่าตัดการแสดงสำคัญของการสาธิตผลิตภัณฑ์เพราะเหตุนี้

เริ่มจากช่วงเปิดสองภาษา

ไม่ต้องทำทั้งเรื่องในครั้งเดียว เลือกช่วงเปิดมาหนึ่งช่วง จัดคำศัพท์ที่ล็อกไว้กับข้อความที่แปลได้ ทำฉบับภาษาพูดสองภาษา เลือกเสียงของแต่ละภาษาให้เรียบร้อย สร้างแทร็กเสียงอย่างละหนึ่ง แล้วเทียบระยะเวลาจริงของสองแทร็กกับหน้าต่างภาพ เมื่อช่วงนี้เดินได้ ช่วงที่เหลือและภาษาที่เหลือก็แค่วนซ้ำวงจรเดียวกัน

เปิดใช้ข้อความเป็นคำพูด