انسخ ما قيل نصا، ثم ترجم المعنى لا الكلمات، ثم ولّد صوتا جديدا، ثم زامن الشفاه معه. تستضيف Picasso IA عددا يبلغ 488 نموذجا، فيجري خط الدبلجة كاملا من حساب واحد بدل أربع أدوات منفصلة.
تنهي فيديو بالعربية، ثم يعجز أحدهم في البرازيل أو فرنسا أو الهند عن فهم كلمة واحدة منه. تدمج دبلجة الفيديو بالذكاء الاصطناعي ثلاث مهام منفصلة في خط عمل واحد: تنسخ ما قيل نصا، وتترجم المعنى إلى لغة أخرى، وتولّد صوتا جديدا، وتعيد مزامنة شفاه المتحدث، فيبدو الفيديو وكأنه صُنع في تلك اللغة أصلا.
الدبلجة تطلبت دائما ثلاثة طواقم منفصلة: مترجم، وممثل صوت، واستوديو لتسجيلهما. تختزل الدبلجة بالذكاء الاصطناعي كل ذلك في تمريرة واحدة آلية، وترتيب الخطوات الأربع يهم أكثر من أي واحدة منها بمفردها.
يستمع تحويل الصوت إلى نص إلى الصوت الأصلي وينتج نصا مزمنا بالوقت، كلمة بكلمة، بما في ذلك السكتات. وهذا النص، لا تخمين حول موضوع الفيديو، هو ما يُترجم بعد ذلك، فيتتبع الناتج ما قاله المتحدث فعلا لا إعادة صياغة كتبها شخص شاهد الفيديو مرة واحدة فقط.
الترجمة هي حيث تظهر أكبر فجوة جودة بين الدبلجة بالذكاء الاصطناعي والدبلجة الاحترافية. الترجمة الحرفية، كلمة بكلمة، تبدو جامدة، والأسوأ أنها تختلف في الطول عن الأصل: الجمل الألمانية غالبا أطول من مصدرها الإنجليزي، والجمل الصينية غالبا أقصر. الترجمة التي تكيّف الصياغة مع إيقاع اللغة الهدف الطبيعي، بدل فرض تطابق عدد الكلمات، تمنح الخطوتين التاليتين نصا يمكن نطقه فعلا.
ثم يولّد تحويل النص إلى صوت مقطع الصوت باللغة الجديدة من ذلك النص المترجم، وتحرك إعادة مزامنة الشفاه فم المتحدث ليطابق أصوات الحروف وإيقاع الصوت الجديد. في Picasso IA يمر خط العمل كاملا عبر Toolkit، حيث تتجاور نماذج تحويل الصوت إلى نص، والنص الجاهز للترجمة، وتوليد الصوت، ومزامنة الشفاه بدل أن تتوزع على أربعة تطبيقات مختلفة.
الفيديو المدبلج يجعل شخصا حقيقيا يبدو وكأنه يقول أشياء بلغة وصوت ليسا، بدقة، ملكه. هذه أداة إبداعية وأداة إتاحة مشروعة، وهي أيضا خط ينبغي عبوره بوعي.
دبلجة محتواك أنت، لقطاتك أنت، صوتك أنت، إلى لغة أخرى لجمهورك أنت لا تثير أي التباس: أنت تملك الكلمات والصورة، وتوطينها هو بالضبط ما صُنعت الأداة من أجله. يصبح الخط حقيقيا في اللحظة التي يظهر فيها الفيديو شخصا آخر، خصوصا شخصية عامة، أو عميلا، أو لقطات لا تملك حقوقها. توليد نسخة مترجمة من فيديو شخص آخر دون علمه أو دون أساس قانوني لتعديل محتواه مشكلة أخلاقية قبل أي شيء آخر، وهي في عدد متزايد من الأماكن مشكلة قانونية أيضا.
القاعدة العملية بسيطة: ضع علامة على الفيديو المدبلج بأنه مدبلج بالذكاء الاصطناعي عندما قد يفترض الجمهور خلاف ذلك أنه صوت الشخص الحقيقي، ولا تجعل شخصا حقيقيا يقول أبدا أشياء لم يقلها. الموافقة ليست هامشا في هذا العمل، بل حدوده الفعلية.
لا يُدبلج كل فيديو بالجودة نفسها، ومعرفة الفئة التي يقع فيها فيديوك قبل أن تبدأ توفر عليك خيبة أمل. المحتوى التوضيحي بشخص واحد يواجه الكاميرا، بإيقاع متمهل، وفم واضح المعالم، هو الحالة الأفضل: تحصل إعادة مزامنة الشفاه على هدف نظيف وقريب لتتبعه، ويحصل النص المترجم على مساحة ليتنفس.
السرد فوق لقطات تكميلية أسهل من ذلك، لأنه لا يوجد فم على الشاشة تجب مزامنته أصلا؛ يحتاج مقطع الصوت الجديد فقط إلى الانسجام مع الصور بإيقاع قريب من الأصل. المقابلات تأتي قريبة من ذلك، لأن معظم الصعوبة هي مشكلة المزامنة نفسها لمتحدث واحد، فقط بصياغة أكثر طبيعية وأقل تصنعا في الترجمة.
الحوار الكوميدي السريع هو الحالة الصعبة. الإيقاع هو النكتة، ونادرا ما تنجو النكات من الترجمة بإيقاعها سليما؛ جملة تستغرق 1.2 ثانية في اللغة المصدر قد تحتاج 1.6 ثانية لتصبح مفهومة في اللغة الهدف، وهنا تتصارع الشفاه مع القفلة. اللقطات القريبة الضيقة تضخّم أخطاء المزامنة الصغيرة التي كانت لتختفي في لقطة أوسع، والغناء أقرب إلى التأليف منه إلى الترجمة، لأن لحن الجملة المغناة ووزنها وقافيتها نادرا ما تنتقل إلى لغة أخرى.
نصيحة احترافية: دبلج أولا مقطعا مدته ثلاثون ثانية من أصعب جزء في فيديوك، عادة أسرع حوار أو أضيق لقطة قريبة، قبل أن تلتزم بمعالجة الفيديو كاملا. إن صمد ذلك المقطع، فسيصمد الباقي غالبا أيضا.
يعكس الجدول أدناه نمطا يتكرر في معظم اللقطات: كلما قل ما يتحرك بسرعة على الشاشة، ازدادت الدبلجة إقناعا.
| نوع المحتوى | كيف تصمد الدبلجة فيه |
|---|---|
| سرد توضيحي (صوت فوق لقطات) | ممتاز، لا فم على الشاشة تجب مزامنته |
| مقابلة أمام الكاميرا | قوي، وجه واحد واضح وإيقاع متمهل |
| مشهد حوار سريع | متفاوت، الإيقاع والمزامنة معا تحت الضغط |
| غناء | ضعيف، اللحن والقافية نادرا ما ينجوان من الترجمة |
جرّب مقطعا قصيرا من لقطاتك في Toolkit قبل إنفاق رصيد على فيديو كامل؛ توضح صفحة الأسعار تكلفة كل خطوة حتى لا تفاجأ في منتصف مشروع أطول.
خمسة حدود تستحق المعرفة قبل نشر فيديو مدبلج، لأن اختيار نموذج أفضل لا يحل أيا منها.
إن كان جمهورك يقرأ أسرع مما يحتاج صوتا جديدا، فإن مسار الترجمة النصية التلقائية للفيديو يتجاوز مشكلات طول الترجمة كليا ويبقي الصوت الأصلي سليما.
تمر العملية الكاملة بخمس خطوات، والوحيدة التي تستحق وقتا حقيقيا هي الثانية.
نعم، في معظم الحالات. ينسخ خط العمل الصوت الأصلي نصا، ويترجمه، ويولّد مقطع صوت جديدا، ويزامن الشفاه لتتبعه، وفي المحتوى التوضيحي أو السردي أمام الكاميرا يخرج الناتج غالبا صالحا للاستخدام مباشرة. ما يحتاج مراجعة بشرية حتى الآن هو فحص جودة الترجمة، خصوصا النكات والتعبيرات وأي شيء ذي خصوصية ثقافية لا يلتقطه النص وحده.
قد يبدو كذلك إن اخترت صوت تحويل نص إلى صوت يناسب النبرة والمستوى الذي تريده، لكنه لن يستنسخ صوت المتحدث الأصلي بدقة إلا إذا استخدمت تحديدا نموذج استنساخ صوت يملك الحقوق اللازمة لذلك. معظم أعمال الدبلجة تستخدم صوتا مميزا ومناسبا للغة الجديدة بدل محاولة إعادة إنتاج الصوت الأصلي، وهو أيضا الخيار الأكثر شفافية حين يجب أن يعرف الجمهور أنه يسمع دبلجة.
يستغرق التوليد نفسه دقائق عادة بمجرد جاهزية النص والترجمة، لكن خصص وقتا حقيقيا لمراجعة الترجمة ومشاهدة الفيديو كاملا بعدها. لمحاولة أولى، توقع بين ثلاثين دقيقة وساعة من البداية إلى النهاية، ومعظم ذلك الوقت يُنفق في التحقق من أن النص المترجم يبدو طبيعيا لا في انتظار أي خطوة توليد بعينها.
الترجمة كلمة بكلمة هدف خاطئ، لأن اللغات تختلف في الطول والترجمة الحرفية تزيح الشفاه تدريجيا مع تقدم المقطع. ينبغي أن تكيّف خطوة الترجمة الصياغة مع إيقاع اللغة الهدف الطبيعي مع الحفاظ على المعنى الأصلي، وهو ما يبقي المدة قريبة بما يكفي ليعمل خطوة المزامنة بسلاسة.
غالبا لأن النص المترجم صار أطول أو أقصر من الكلام الأصلي، وتتراكم هذه الفجوة جملة بعد جملة على طول مقطع أطول. في الفيديوهات القصيرة نادرا ما تظهر المشكلة؛ فيديو مدته دقيقتان بترجمة أطول بنسبة عشرة بالمئة فقط قد ينتهي بعدم تزامن واضح في الجملة الأخيرة. إعادة الترجمة مع مراعاة الطول تحل معظم الحالات.
ليس بإقناع، ويستحق ذلك أن يُعرف مسبقا بدل اكتشافه بعد نتيجة مخيبة. يعتمد الغناء على انسجام اللحن والوزن والقافية مع الموسيقى، والترجمة لا تحافظ على أي من ذلك، فالجملة المغناة المدبلجة إلى لغة أخرى غالبا ما تبدو كلمات منطوقة أُقحمت على لحن لم يُكتب لها. السرد والحوار المنطوقان هما الحالة الموثوقة؛ تعامل مع الغناء بوصفه خارج هذا النطاق.
إن لم تكن اللقطات والصوت ملكك، فنعم. دبلجة شخص حقيقي بلغة وصوت ليسا ملكه، دون علمه أو دون أساس قانوني لتعديل محتواه، مشكلة أخلاقية وباتت مشكلة قانونية بشكل متزايد، خصوصا مع الشخصيات العامة. دبلجة لقطاتك أنت لجمهورك أنت لا تثير هذا السؤال؛ يعتمد الحد على من يملك الصوت والصورة اللذين يُغيّران.
يضم كتالوج Picasso IA نماذج تحويل صوت إلى نص وترجمة وتحويل نص إلى صوت تغطي مجموعة واسعة من اللغات الرئيسية، وتتفاوت جودة الصوت وطبيعيته حسب اللغة والنموذج. يستحق الأمر توليد مقطع اختبار قصير بلغتك الهدف والاستماع إليه قبل دبلجة فيديو كامل.
نعم، هذه طبقة صوتية منفصلة وخط العمل مصمم ليتركها كما هي. تستبدل الدبلجة مسار الكلام لا المزيج الكامل، فتبقى الموسيقى والمؤثرات على مسار منفصل، أو التي تعيد إضافتها لاحقا، سليمة. إن كان فيديوك المصدر يمزج الكلام والموسيقى في مسار واحد، افصل الكلام أولا حتى يكون لمقطع الصوت الجديد ما يندمج معه نظيفا.
تحصل الحسابات الجديدة على رصيد مجاني، يكفي لتشغيل خط العمل كاملا على مقطع قصير وتقييم النتيجة قبل إنفاق أي شيء آخر. بعد ذلك، تستهلك كل خطوة، النسخ والترجمة وتوليد الصوت وإعادة المزامنة، من رصيد الائتمان نفسه الظاهر في صفحة الأسعار، ولا توجد خطة منفصلة مخصصة للدبلجة وحدها.
فيديوك جاهز أصلا، وتجربة أول دبلجة لا تكلف سوى دقائق قليلة. افتح Toolkit واستمع إليه بلغة لم يُسجّل بها قط.
