پرش به محتوا
ویدیو و دوبله

دوبله ویدیو با هوش مصنوعی: راهنمای کامل و گام‌به‌گام

ن

نویسنده

نویسنده

۲۴ مرداد ۱۴۰۵12 دقیقه مطالعه۹۹
دوبله ویدیو با هوش مصنوعی: راهنمای کامل و گام‌به‌گام

دوبله ویدیو با هوش مصنوعی یعنی گفتار یک ویدیو به زبانی دیگر بازتولید شود، بدون استودیو و بدون گویندهٔ انسانی. در بوق کل کار در مرورگر انجام می‌شود: گفتار پیاده می‌شود، ترجمه می‌شود و بعد با صدای مصنوعی روی همان زمان‌بندی می‌نشیند و به ویدیو برمی‌گردد.

هزینهٔ دقیق را پیش از شروع پردازش می‌بینید؛ یعنی با فاکتور غافلگیر نمی‌شوید.

  • نرخ ترجمه و دوبلهٔ ویدیو ۴۰٬۰۰۰ تومان برای هر دقیقه است و خروجی همیشه بدون واترمارک تحویل می‌شود.
  • مدت ویدیو به دقیقهٔ کامل رند می‌شود و هزینه برای هر زبان مقصد جداگانه حساب می‌شود.
  • دو حالت اجرا دارید: خودکار برای سرعت، تعاملی برای کنترل روی متن و صدا.
  • ورودی می‌تواند فایل آپلودی، لینک یوتیوب یا اینستاگرام، یا فایلی از کتابخانهٔ خودتان باشد.
  • خروجی می‌تواند دوبله، زیرنویس یا هر دو باشد؛ حدود ۱۰۰ زبان مقصد دارید و زبان مبدأ خودکار تشخیص داده می‌شود.
  • تخفیف‌ها در هم ضرب می‌شوند: با زیرنویس جدا و زیرنویس آمادهٔ خودتان تا ۲۳٫۵٪ از فاکتور کم می‌شود.

دوبلهٔ هوش مصنوعی دقیقاً چه کاری می‌کند

پشت دکمهٔ «شروع پردازش» یک زنجیرهٔ چهارحلقه‌ای است، نه یک جعبهٔ سیاه. دانستن حلقه‌ها نشان می‌دهد نتیجه کجا ضعیف می‌شود و کجا باید دخالت کنید.

  1. پیاده‌سازی گفتار: صدای ویدیو به متنِ زمان‌بندی‌شده تبدیل می‌شود؛ همان فایل SRT که بعداً می‌بینید.
  2. ترجمه: متن به زبان مقصد ترجمه می‌شود، با حفظ تقسیم‌بندی جمله‌ها تا هر تکه در زمان خودش جا شود.
  3. تولید صدا: متن ترجمه‌شده با صدای انتخابی شما خوانده می‌شود و روی بازهٔ زمانی خودش می‌نشیند.
  4. ترکیب نهایی: صدای تازه، زیرنویس و تصویر کنار هم گذاشته می‌شوند و فایل خروجی ساخته می‌شود.

هر مرحله ورودیِ مرحلهٔ بعد است؛ اگر گفتار اشتباه شنیده شود، ترجمه و صدا همان اشتباه را تکرار می‌کنند. حالت تعاملی برای شکستن همین زنجیره است.

صادقانه: کجا خوب است و کجا هنوز نه

دوبلهٔ خودکار خیلی بهتر شده، اما همه‌چیز را حل نمی‌کند. پیش از خرج‌کردن اعتبار انتظارتان را تنظیم کنید و نمونه‌کارهای بوق را ببینید.

جایی که نتیجه قابل انتشار است

  • ویدیوی آموزشی و توضیحی که یک نفر رو به دوربین حرف می‌زند.
  • بررسی محصول، تیزر و محتوای شبکه‌های اجتماعی با گفتار تمیز.
  • وبینار و ضبط جلسه، وقتی میکروفون نزدیک گوینده بوده است.

جایی که باید انتظارتان را پایین بیاورید

  • فیلم داستانی؛ بازی صدا و مکث دراماتیک هنوز اندازهٔ گویندهٔ انسانی درنمی‌آید.
  • صحنه‌هایی که چند نفر روی هم حرف می‌زنند و مرز جمله‌ها مخدوش می‌شود.
  • طنز و اصطلاح محلی؛ ترجمه درست است اما بامزه نیست و باید دستی بازنویسی شود.

"دوبله جای صدای اصلی را می‌گیرد. اگر موسیقی یا افکت صوتی ویدیو برایتان مهم است، گزینهٔ «صدای اصلی (کم‌صدا)» آن را آرام زیر دوبله نگه می‌دارد، اما جداسازی کامل موسیقی از گفتار انجام نمی‌شود."

خودکار یا تعاملی؟ مهم‌ترین انتخاب شما

در مرحلهٔ تنظیمات، بوق می‌پرسد ترجمه چطور اجرا شود. این انتخاب بیشتر از صدا و استایل زیرنویس روی کیفیت اثر می‌گذارد، چون تعیین می‌کند متن پیش از تبدیل به صدا از جلوی چشم شما رد بشود یا نه.

موضوعحالت خودکارحالت تعاملی
سرعتبدون توقف تا خروجی نهاییبین مراحل منتظر تأیید شما می‌ماند
کنترل روی متنندارید؛ هرچه مدل نوشته اجرا می‌شودمتن پیاده‌شده و ترجمه را ویرایش می‌کنید
کنترل روی صدایک صدا برای کل ویدیوبرای هر بلوک صدا، لحن و زمان‌بندی را تغییر می‌دهید
هزینههمان نرخ دقیقه‌ایهمان نرخ دقیقه‌ای؛ اگر شمار بلوک‌های گفتار از سهمیهٔ هر دقیقه بیشتر شود یا بلوکی بسیار فشرده باشد، مبلغ جزئی پیش از ادامهٔ پردازش اضافه می‌شود
مناسب چه کسیویدیوی کوتاه با گفتار سادهآموزش تخصصی، نام‌ها و اصطلاحات، کار تحویلی به مشتری
دو روش اجرای ترجمه در مرحلهٔ تنظیمات پروژه

در حالت تعاملی پروژه دو بار متوقف می‌شود: یک‌بار روی متن زبان اصلی و یک‌بار روی متن ترجمه. برای خروجی دوبله، پیش از ساخت صدا ایست سومی هم دارید که هر بلوک را جدا می‌بینید و می‌توانید جمله را کوتاه یا صدا را عوض کنید. برای چند زبان، هر زبان تب خودش را دارد.

"برای کاری که منتشر می‌شود یا به مشتری تحویل می‌رود، حالت تعاملی را انتخاب کنید. چند دقیقه بازبینی، هزینهٔ دوباره‌کاری را حذف می‌کند."

گام‌به‌گام: از فایل تا خروجی

ساخت پروژه چهار صفحه دارد: نوع پروژه، ورودی، تنظیمات و تأیید نهایی.

  1. وارد حساب کاربری شوید (اگر ندارید، ثبت‌نام چند ثانیه طول می‌کشد) و «پروژهٔ جدید» و بعد «ترجمه ویدیو» را انتخاب کنید.
  2. ویدیو را معرفی کنید: آپلود فایل، لینک شبکهٔ اجتماعی، لینک مستقیم رسانه یا انتخاب از کتابخانه.
  3. زبان مبدأ را روی تشخیص خودکار بگذارید و یک یا چند زبان مقصد انتخاب کنید.
  4. نوع خروجی را تعیین کنید: فقط زیرنویس، فقط دوبله، یا دوبله همراه زیرنویس.
  5. صدای گوینده را انتخاب و نمونه‌اش را گوش کنید، و مشخص کنید زیر دوبله چه صدایی بماند.
  6. حالت اجرا را انتخاب کنید، فاکتور را ببینید و پردازش را شروع کنید؛ بعد از آن می‌توانید صفحه را ببندید.

ورودی: فایل، لینک یا کتابخانه

لازم نیست ویدیو روی دستگاهتان باشد؛ پنج راه برای رساندن رسانه به هستهٔ پردازش دارید.

  • آپلود فایل: ویدیو یا صوت را مستقیم بارگذاری می‌کنید؛ آپلود تکه‌تکه است، پس فایل حجیم هم بالا می‌رود.
  • لینک شبکهٔ اجتماعی: نشانی ویدیو در یوتیوب، اینستاگرام، پینترست و چند پلتفرم دیگر را می‌چسبانید و بوق خودش آن را می‌گیرد. اگر فقط فایل را می‌خواهید، راهنمای دانلود از یوتیوب، اینستاگرام و پینترست را ببینید.
  • لینک مستقیم رسانه: هر نشانی http یا https که مستقیم به فایل می‌رسد.
  • کتابخانهٔ من: فایلی که قبلاً آپلود کرده‌اید یا خروجی یک پروژهٔ قبلی، بدون آپلود دوباره.
  • آرشیو: فایل فشرده و چندپارتی، برای رسانه‌ای که در چند بخش تحویل گرفته‌اید.
چهار مسیر نورانی که از سمت چپ به یک درگاه گرد و درخشان می‌رسند
چهار راه برای دادن ویدیو: آپلود، لینک شبکهٔ اجتماعی، لینک مستقیم و آرشیو — همه به یک پردازش می‌رسند.

زبان، صدا و صدای زیر دوبله

زبان مبدأ را دستی انتخاب نکنید؛ تشخیص خودکار تقریباً همیشه درست کار می‌کند و انتخاب اشتباه کل پیاده‌سازی گفتار را خراب می‌کند. برای زبان مقصد حدود ۱۰۰ زبان دارید و می‌توانید بیش از یکی انتخاب کنید — هر زبان یک پردازش کامل و یک هزینهٔ جداگانه است.

کنار هر صدا دکمهٔ پخش هست؛ نمونه را بشنوید، چون عوض‌کردن صدا بعد از پردازش یعنی پرداخت دوباره. برای دوبله یک تنظیم دیگر هم دارید: زیر صدای دوبله چه بماند — هیچ‌چیز، صدای اصلی کم‌صدا، یا موسیقی خودتان.

زیرنویس: چسبیده به تصویر یا فایل جدا

اگر خروجی شما زیرنویس دارد، یکی از دو حالت را انتخاب می‌کنید. این تصمیم روی ظاهر کار، سرعت پردازش و قیمت اثر دارد.

موضوعزیرنویس چسبیده (Hard)زیرنویس جدا (Soft)
چه اتفاقی می‌افتدمتن روی فریم‌های ویدیو سوزانده می‌شودزیرنویس به‌صورت ترک جدا اضافه می‌شود
مزیتهمه‌جا دیده می‌شود، حتی در اینستاگرام و تیک‌تاکقابل خاموش‌کردن و قابل ویرایش
محدودیتدیگر نمی‌شود خاموش یا اصلاحش کردبعضی پخش‌کننده‌ها نشانش نمی‌دهند
کنترل ظاهرفونت، رنگ، حاشیه، جایگاه و پس‌زمینهظاهر را پخش‌کننده تعیین می‌کند
قیمتنرخ کامل، و برای رزولوشن بالا ضریب کیفیت اعمال می‌شود که نرخ هر دقیقه را محسوس بالا می‌برد۱۰٪ ارزان‌تر و سریع‌تر
مقایسهٔ زیرنویس سوخته و زیرنویس جدا

برای حالت چسبیده، بوق چند فریم نمونه را با همان فونت و اندازهٔ خروجی نهایی رندر می‌کند؛ پس بدون پردازش کل ویدیو می‌فهمید متن خوانا هست یا نه.

قابی شیشه‌ای و کمی کج با نواری درخشان در یک‌سوم پایینی و چند کرهٔ کوچک شناور
ظاهر زیرنویس — فونت، رنگ، حاشیه و جایگاه — پیش از پردازش قابل تنظیم است.

اگر از قبل فایل زیرنویس دارید، آپلودش کنید. در بخش «زیرنویس‌های ورودی» فایل SRT یا VTT زبان مبدأ یا مقصد را می‌دهید یا از کتابخانه انتخاب می‌کنید؛ هم دقت بالا می‌رود و هم از فاکتور کم می‌شود.

هزینه چطور حساب می‌شود

فرمول پایه ساده است: دقیقه‌های ویدیو، ضرب در نرخ هر دقیقه، ضرب در تعداد زبان‌های مقصد. مدت رو به بالا رند می‌شود، یعنی یک دقیقه و پنج ثانیه، دو دقیقه حساب می‌شود.

موردنرخ یا تخفیف
ترجمه و دوبلهٔ ویدیو۴۰٬۰۰۰ تومان برای هر دقیقه
زیرنویس جدا به‌جای زیرنویس سوخته۱۰٪ تخفیف
آپلود زیرنویس زبان مبدأ۱۰٪ تخفیف
آپلود زیرنویس زبان مقصد۱۵٪ تخفیف
پروژهٔ صوتی (ورودی و خروجی فقط صدا)۱۰٪ تخفیف
نرخ‌ها و تخفیف‌های ترجمه و دوبلهٔ ویدیو

این تخفیف‌ها جمع نمی‌شوند، در هم ضرب می‌شوند. زیرنویس جدا (۱۰٪) در کنار آپلود زیرنویس مقصد (۱۵٪) یعنی ۰٫۹ ضرب در ۰٫۸۵، که می‌شود ۲۳٫۵٪ تخفیف، نه ۲۵٪.

یک مثال: ویدیوی ۱۰ دقیقه‌ای به یک زبان مقصد، بدون زیرنویس سوخته، می‌شود ۱۰ × ۴۰٬۰۰۰ یعنی ۴۰۰٬۰۰۰ تومان؛ همان پروژه با زیرنویس جدا و زیرنویس آمادهٔ مقصد، یعنی ۲۳٫۵٪ تخفیف، به ۳۰۶٬۰۰۰ تومان می‌رسد.

دو نکتهٔ دیگر: برای زیرنویس سوخته روی رزولوشن بالا ضریب کیفیت اعمال می‌شود، چون رندر دوبارهٔ فریم‌ها سنگین است؛ این ضریب می‌تواند نرخ هر دقیقه را محسوس بالا ببرد، پس عدد نهایی را در مرحلهٔ تأیید ببینید. خروجی هم همیشه بدون واترمارک تحویل می‌شود؛ نسخهٔ برنددار جداگانه‌ای برای انتخاب وجود ندارد و همین نرخ هر دقیقه اعمال می‌شود. نرخ زندهٔ همهٔ سرویس‌ها در صفحهٔ تعرفه‌ها آمده است.

"پیش از پرداخت، فاکتور کامل را در مرحلهٔ تأیید می‌بینید: مدت، نرخ هر دقیقه، تخفیف‌ها و مبلغ نهایی. اگر عدد آن‌طور که انتظار داشتید نیست، یک قدم برگردید و تنظیمات را عوض کنید."

چه چیزی نتیجه را خراب می‌کند و چه باید کرد

تقریباً همهٔ دوبله‌های بی‌کیفیت ریشه در ورودی دارند، نه در مدل. اگر خروجی آن نشد که می‌خواستید، احتمالاً یکی از این چهار اتفاق افتاده است.

  • صدای پرنویز: اگر نسخهٔ تمیزتری دارید همان را بدهید، وگرنه حالت تعاملی را بزنید و متن را دستی اصلاح کنید.
  • گفتار هم‌پوشان: برای مصاحبه و میزگرد سراغ سرویس «ترجمهٔ چند گوینده» بروید؛ آنجا خودتان برای هر بخش از گفت‌وگو گوینده تعیین می‌کنید.
  • موسیقی بلند زیر گفتار: انتظار متن کامل نداشته باشید؛ اگر نسخهٔ بدون موسیقی دارید همان را بدهید.
  • نام‌ها و اصطلاحات تخصصی: در حالت تعاملی یک‌بار درستشان کنید تا در صدا هم درست خوانده شوند.

یک مشکل رایج دیگر ربطی به صدا ندارد: جملهٔ فارسی معمولاً از انگلیسی بلندتر می‌شود و باید در همان چند ثانیه خوانده شود. اگر متنی برای زمان بلوکش زیادی فشرده باشد، بوق در بازبینی هشدار می‌دهد؛ همان‌جا جمله را کوتاه کنید تا صدا بی‌نفس خوانده نشود.

اگر کارتان ساخت صدا از متن است، نه ترجمهٔ ویدیو، راهنمای ساخت پادکست با هوش مصنوعی مسیر درست‌تر را نشان می‌دهد.

سوالات متداول

پرتکرارترین سوال‌هایی که کاربران پیش از اولین پروژهٔ دوبله می‌پرسند.

برای دوبلهٔ ویدیو باید نرم‌افزاری نصب کنم؟

خیر. بوق کاملاً تحت وب است و همهٔ پردازش روی سرورهای بوق انجام می‌شود؛ با مرورگر گوشی هم می‌توانید پروژه بسازید.

دوبلهٔ یک ویدیو چقدر طول می‌کشد؟

به مدت ویدیو، تعداد زبان‌های مقصد و حالت اجرا بستگی دارد؛ در حالت تعاملی زمان بازبینی خودتان هم اضافه می‌شود. لازم نیست منتظر بمانید؛ صفحه را ببندید و بعداً به پروژه برگردید.

می‌توانم متن ترجمه را پیش از ساخته‌شدن صدا اصلاح کنم؟

بله، کاری که حالت تعاملی انجام می‌دهد. پروژه روی متن پیاده‌شده و متن ترجمه متوقف می‌شود تا ویرایش کنید، و پیش از تولید صدا هم ایستی دارید که بلوک‌ها و زمان‌بندی در آن قابل تغییر است.

یک ویدیو را همزمان به چند زبان دوبله کنم؟

بله، در تنظیمات چند زبان مقصد را با هم انتخاب می‌کنید و برای هرکدام خروجی جدا می‌گیرید؛ هر زبان یک پردازش کامل و یک هزینهٔ جداگانه است.

خروجی واترمارک یا لوگوی بوق دارد؟

ندارد. خروجی ترجمه و دوبله همیشه بدون هیچ برندینگی تحویل داده می‌شود؛ نسخهٔ برنددار جداگانه‌ای برای انتخاب وجود ندارد و همان نرخ ۴۰٬۰۰۰ تومان برای هر دقیقه اعمال می‌شود.

ویدیوی من چند گوینده دارد؛ باز هم جواب می‌دهد؟

برای مصاحبه، میزگرد و پادکست ویدیویی، بوق سرویس جداگانهٔ «ترجمهٔ چند گوینده» را دارد. توجه کنید که تفکیک خودکار گوینده انجام نمی‌شود: گفت‌وگو به بلوک‌های جداگانه شکسته می‌شود و شما در مرحلهٔ بازبینی برای هر بلوک گویندهٔ دلخواهتان را از میان ۳۰ صدا انتخاب می‌کنید. نرخ آن ۴۰٬۰۰۰ تومان برای هر دقیقه با حداقل ۲۵٬۰۰۰ تومان در هر پروژه است.

فقط زیرنویس می‌خواهم، بدون دوبله. ممکن است؟

بله. در نوع خروجی «زیرنویس زبان مبدأ» یا «زیرنویس زبان مقصد» را انتخاب کنید تا صدایی ساخته نشود؛ با حالت زیرنویس جدا ۱۰٪ ارزان‌تر و سریع‌تر هم تمام می‌شود.

چطور هزینهٔ پروژه را کمتر کنم؟

سه اهرم دارید: زیرنویس جدا به‌جای زیرنویس سوخته (۱۰٪)، آپلود زیرنویس زبان مبدأ (۱۰٪) و آپلود زیرنویس زبان مقصد (۱۵٪). این‌ها در هم ضرب می‌شوند، پس ترکیب زیرنویس جدا با زیرنویس آمادهٔ مقصد تا ۲۳٫۵٪ از فاکتور کم می‌کند.

برای شروع، یک ویدیوی کوتاه را امتحان کنید؛ کافی است یک حساب کاربری بسازید و اولین پروژهٔ ترجمه را بسازید.

ن

نویسنده

نویسنده و متخصص ترجمه ویدیو در تیم بوق

مقالات مرتبط

بازگشت به همه مقالات