یک ویدیوی تک‌گوینده را می‌توان با یک صدا دوبله کرد و نتیجه قابل قبول است. اما مصاحبه، میزگرد، پادکست ویدیویی و هر چیزی که در آن چند نفر با هم حرف می‌زنند، با یک صدای یکنواخت عملاً غیرقابل دنبال‌کردن می‌شود: شنونده نمی‌فهمد کی دارد حرف می‌زند.
سرویس «ترجمهٔ چند گوینده» برای همین ساخته شده است. کاری که می‌کند این است که گفت‌وگو را به بخش‌های جداگانه می‌شکند، به شما اجازه می‌دهد برای هر بخش گویندهٔ دلخواهتان را انتخاب کنید، و بعد کل گفت‌وگو را با همان تقسیم‌بندی به زبان مقصد بازتولید می‌کند.
مهم‌ترین نکته: تفکیک گوینده‌ها دستی است
این را قبل از هر چیز بگوییم، چون انتظار اشتباه بیشترین نارضایتی را می‌سازد: بوق به‌صورت خودکار تشخیص نمی‌دهد که کدام جمله را چه کسی گفته است.
کاری که سیستم انجام می‌دهد این است که گفت‌وگو را به بلوک‌های جداگانه می‌شکند و همه را با یک صدای پیش‌فرض به شما نشان می‌دهد. سپس در مرحلهٔ بازبینی، شما برای هر بلوک گوینده‌اش را انتخاب می‌کنید. این کار چند دقیقه وقت می‌برد، اما نتیجه‌اش دقیقاً همان چیزی است که می‌خواستید — نه حدس یک الگوریتم.
"تفکیک خودکار گوینده در بوق انجام نمی‌شود. کنترل کامل دست شماست و این یعنی نتیجه دقیق است، اما یعنی مرحلهٔ بازبینی را نمی‌توانید رد کنید."
مسیر کار از ابتدا تا انتها
- فایل را می‌دهید: آپلود مستقیم، لینک مستقیم رسانه یا لینک شبکهٔ اجتماعی.
- زبان مبدأ و یک یا چند زبان مقصد را انتخاب می‌کنید.
- تصمیم می‌گیرید زیر دوبله چه صدایی باشد: هیچ، صدای اصلی کم‌صدا، یا موسیقی دلخواه شما.
- برآورد هزینه و بیشترین مبلغ ممکن را می‌بینید و تأیید می‌کنید.
- پروژه گفتار را پیاده می‌کند و برای بازبینی متوقف می‌شود.
- شما برای هر بلوک گوینده، لحن و در صورت نیاز زمان‌بندی را تنظیم می‌کنید.
- پروژه ترجمه می‌کند و دوباره برای بازبینی متن ترجمه‌شده متوقف می‌شود.
- صدا ساخته و روی ویدیو سوار می‌شود و خروجی آماده است.
دو توقف در این مسیر هست و هر دو اجباری‌اند. اگر می‌خواهید کاری بدون توقف تا آخر برود، سرویس ترجمه و دوبلهٔ معمولی حالت خودکار هم دارد.
ویرایشگر بلوک: جایی که کار واقعی انجام می‌شود
در مرحلهٔ بازبینی اول، گفت‌وگو را به شکل فهرستی از بلوک‌ها می‌بینید. هر بلوک یک تکه از گفتار است و این چیزهاست که می‌توانید رویش تنظیم کنید:
| تنظیم | کاری که می‌کند |
|---|---|
| متن | متن پیاده‌شده را اصلاح می‌کنید |
| گوینده | از میان ۳۰ صدای موجود یکی را برای این بلوک انتخاب می‌کنید |
| لحن / سبک | توضیح می‌دهید این جمله با چه حسی خوانده شود |
| شروع و پایان | زمان دقیق پخش این بلوک را تعیین می‌کنید |
علاوه بر این می‌توانید بلوک اضافه کنید، بلوک حذف کنید، چند بلوک را در هم ادغام کنید و ترتیبشان را جابه‌جا کنید. اگر ترجیح می‌دهید با فایل کار کنید، امکان ورودی و خروجی SRT و JSON هم هست.
لحن چطور کار می‌کند
لحن یک توضیح کوتاه به زبان خودتان است دربارهٔ اینکه جمله چطور خوانده شود — مثلاً «با تردید» یا «با هیجان و بلند». این متن هرگز خوانده نمی‌شود؛ فقط شیوهٔ اجرا را تعیین می‌کند و پیش از تولید صدا خودکار اصلاح می‌شود.
صداها
سی صدا در دسترس است که همگی فارسی را طبیعی ادا می‌کنند و هرکدام نام فارسی دارند. نیمی زنانه و نیمی مردانه‌اند، و می‌توانید پیش از انتخاب، نمونهٔ هر صدا را بشنوید.
- برای مصاحبه معمولاً دو صدا کافی است: یکی برای پرسشگر و یکی برای مهمان.
- برای میزگرد، به هر نفر یک صدا بدهید و در کل ویدیو ثابت نگهش دارید.
- برای محتوای داستانی، تفاوت جنسیت و سن صدا بیشترین کمک را به تشخیص شخصیت می‌کند.
- صدای پیش‌فرض همهٔ بلوک‌ها یکی است؛ اگر تغییرش ندهید، خروجی تک‌صدایی خواهد بود.
صدای زیر دوبله
دوبله جای گفتار اصلی را می‌گیرد. سه انتخاب دارید برای اینکه زیر آن چه شنیده شود:
| گزینه | نتیجه |
|---|---|
| بدون بستر صدا | فقط صدای دوبله شنیده می‌شود |
| صدای اصلی (کم‌صدا) | صدای اصلی ویدیو آرام زیر دوبله باقی می‌ماند |
| موسیقی پس‌زمینه | فایل موسیقی خودتان زیر دوبله پخش می‌شود |
برای دو گزینهٔ دوم می‌توانید بلندی بستر را از ۵ تا ۸۰ درصد تنظیم کنید. مقدار پیش‌فرض ۲۰ درصد است و در عمل بهترین تعادل را می‌سازد: فضای صوتی صحنه حفظ می‌شود بدون اینکه گفتار را بپوشاند.
"جداسازی کامل موسیقی از گفتار انجام نمی‌شود. گزینهٔ «صدای اصلی (کم‌صدا)» کل صدای اصلی — شامل گفتار اصلی — را آرام نگه می‌دارد، نه فقط موسیقی‌اش را."
هزینه
هزینهٔ این سرویس از هزینهٔ واقعی کارهایی می‌آید که روی فایل شما انجام می‌شود، به‌علاوهٔ کارمزد خدمات بوق:
| مورد | توضیح |
|---|---|
| مبنا | هزینهٔ واقعی پیاده‌سازی گفتار، ترجمه و ساخت صدا برای هر زبان مقصد |
| حداقل هزینهٔ پروژه | ندارد |
| ورودی فقط صوتی | اثر جداگانه‌ای ندارد |
| گرد کردن | ندارد؛ مدت به دقیقهٔ کامل گرد نمی‌شود |
هزینه با طول مصاحبه و تعداد زبان‌های مقصد بالا می‌رود: همان مصاحبه به دو زبان هزینهٔ بیشتری دارد، چون هر زبان ترجمه و ساخت صدای جداگانه دارد. برآوردش را پیش از تأیید می‌بینید.
وقتی متن یک بلوک برای زمانش زیاد است
اگر متن یک بلوک نسبت به مدت زمانی که برایش تعیین کرده‌اید خیلی متراکم باشد، جا دادنش در زمان کم صدایی شتاب‌زده می‌سازد. بابت این تراکم مبلغ جداگانه‌ای گرفته نمی‌شود؛ هزینه همان هزینهٔ واقعی ساخت صداست.
و اگر تراکم از حد مشخصی بگذرد، سیستم بلوک را اصلاً قبول نمی‌کند و از شما می‌خواهد یا متن را کوتاه کنید یا زمان بیشتری به آن بدهید. این محافظت به نفع شماست: صدایی که با سرعت غیرطبیعی خوانده شود شنیدنی نیست.
منطق کامل قیمت‌گذاری همهٔ سرویس‌ها در راهنمای هزینه‌ها توضیح داده شده است.
نکته‌هایی که نتیجه را بهتر می‌کند
- فارسی معمولاً از انگلیسی طولانی‌تر می‌شود. اگر ترجمه در زمان بلوک جا نمی‌شود، جملهٔ کوتاه‌تر بنویسید — این طبیعی‌تر از فشرده‌کردن گفتار است.
- گوینده‌ها را از ابتدای ویدیو تا انتها ثابت نگه دارید؛ عوض‌شدن صدای یک شخصیت وسط کار گیج‌کننده است.
- برای بخش‌هایی که دو نفر هم‌زمان حرف می‌زنند، تصمیم بگیرید کدام مهم‌تر است و همان را نگه دارید.
- اسم‌های خاص را در مرحلهٔ بازبینی دوم کنترل کنید؛ ترجمهٔ ماشینی گاهی اسم را ترجمه می‌کند.
خروجی چه چیزی است
برای هر زبان مقصد یک ویدیوی دوبله‌شده و یک فایل صوتی جداگانه تحویل می‌گیرید. اگر ورودی فقط صدا بوده، طبعاً فقط فایل صوتی ساخته می‌شود. زیرنویس زبان مبدأ و همهٔ زبان‌های مقصد هم به شکل فایل SRT در دسترس است.
اگر بیش از یک زبان انتخاب کرده باشید، همهٔ خروجی‌ها در یک فایل فشرده هم جمع می‌شوند تا یکجا دانلودشان کنید. فایل‌ها در کتابخانهٔ شما هم می‌مانند.
محدودیت‌هایی که باید بدانید
- تفکیک خودکار گوینده وجود ندارد؛ تعیین گوینده کار شماست.
- فایل‌های آرشیو (فشرده) در این سرویس پذیرفته نمی‌شوند — برخلاف رونویسی.
- خروجی جداگانه برای هر گوینده ساخته نمی‌شود؛ خروجی یک فایل میکس‌شده است.
- پروژه بدون تأیید شما تمام نمی‌شود و اگر رهایش کنید بعد از مدتی بسته می‌شود.
چه وقت این سرویس، چه وقت آن یکی
| اگر… | این را انتخاب کنید |
|---|---|
| ویدیو یک گوینده دارد | ترجمه و دوبلهٔ معمولی |
| فقط متن یا زیرنویس می‌خواهید | رونویسی |
| چند نفر حرف می‌زنند و صدای متفاوت می‌خواهید | ترجمهٔ چند گوینده |
| می‌خواهید از صفر یک فیلم بسازید | استودیوی ویدیو |
برای شروع، پروژهٔ ترجمهٔ چند گوینده را باز کنید. اگر هنوز مطمئن نیستید کدام سرویس مناسب کارتان است، راهنمای شروع کار همهٔ سرویس‌ها را در یک نگاه مقایسه می‌کند.
پرسش‌های پرتکرار
آیا بوق خودش تشخیص می‌دهد کدام جمله را چه کسی گفته؟
خیر. گفت‌وگو به بلوک‌های جداگانه شکسته می‌شود و شما در مرحلهٔ بازبینی برای هر بلوک گوینده‌اش را انتخاب می‌کنید. تفکیک خودکار گوینده انجام نمی‌شود.
چند گوینده می‌توانم داشته باشم؟
سقف مشخصی تعیین نشده است؛ عملاً می‌توانید از میان ۳۰ صدای موجود هر تعداد را در بلوک‌های مختلف به کار ببرید.
هزینهٔ ترجمهٔ چند گوینده چقدر است؟
از هزینهٔ واقعی پیاده‌سازی گفتار، ترجمه و ساخت صدا برای هر زبان مقصد، به‌علاوهٔ کارمزد خدمات بوق؛ حداقل هزینه‌ای ندارد. برآورد و بیشترین مبلغ ممکن را پیش از تأیید می‌بینید.
می‌توانم موسیقی یا صدای اصلی را زیر دوبله نگه دارم؟
بله. سه حالت دارید: بدون بستر، صدای اصلی با حجم کم، یا فایل موسیقی خودتان. بلندی بستر بین ۵ تا ۸۰ درصد قابل تنظیم است و پیش‌فرض ۲۰ درصد است.
اگر ترجمه در زمان بلوک جا نشود چه می‌شود؟
اگر متن نسبت به زمان خیلی متراکم باشد صدا شتاب‌زده می‌شود، هرچند مبلغی بابت آن اضافه نمی‌شود، و اگر از حد مجاز بگذرد سیستم آن را نمی‌پذیرد و باید متن را کوتاه‌تر کنید یا زمان بیشتری بدهید.
خروجی برای هر گوینده جداگانه است؟
خیر. خروجی یک فایل میکس‌شدهٔ نهایی است. فایل صوتی جداگانه برای هر گوینده تولید نمی‌شود.
لینک یوتیوب یا اینستاگرام قبول می‌شود؟
بله، لینک مستقیم و لینک شبکه‌های اجتماعی هر دو پذیرفته می‌شوند. فقط فایل‌های آرشیو فشرده در این سرویس پشتیبانی نمی‌شوند.
تفاوت این سرویس با ترجمه و دوبلهٔ معمولی چیست؟
دوبلهٔ معمولی با یک صدا کل ویدیو را اجرا می‌کند و می‌تواند کاملاً خودکار پیش برود. ترجمهٔ چند گوینده به شما امکان می‌دهد برای هر بخش گویندهٔ جداگانه انتخاب کنید، اما همیشه به بازبینی شما نیاز دارد.
