مترجم فيديو بالذكاء الاصطناعي

مترجم الفيديو بالذكاء الاصطناعي يأخذ فيديو بلغة ما ويمنحه لغة أخرى: كلمات مترجمة، ومسار صوتي جديد باللغة المستهدفة، ويفضّل أن يكون فم المتحدث متوافقًا مع الكلمات الجديدة. خدمات الدبلجة الكاملة تفعل ذلك كله من رفع واحد. أما Mage فتتولى الصوت والشفاه بأدوات منفصلة تتحكم بها، وهذا يناسب المقاطع القصيرة مثل الإعلانات والمقدمات وفيديوهات الشخصيات أكثر من التسجيلات التي تمتد لساعات.

إليك التقسيم. لا تفرّغ Mage الكلام من الفيديو ولا تترجمه من تلقاء نفسها، ولا تضيف ترجمة نصية. أنت أو مترجم أو مساعدك الذكي تكتبون النص باللغة الجديدة. بعدها يقرأه Eleven Speech بأكثر من 90 لغة، ويحرّك Lipsync صورة ثابتة للمتحدث، سواء إطار واضح من الفيديو أو شخصية محفوظة، فتتبع شفاهها الصوت الجديد، بمدة تصل إلى 15 ثانية لكل مقطع.

والناتج مقطع ناطق جديد مبني على ذلك الإطار، وليس لقطاتك الأصلية بفم مستبدل، لذا لا تُحفظ إيماءات المتحدث ولا حركات الكاميرا الأصلية. وفي التعليق الصوتي الذي لا يظهر فيه متحدث، لا حاجة إلى مزامنة الشفاه أصلًا: ضع الصوت الجديد فوق الصورة الأصلية في برنامج المونتاج. أما النص داخل صور الإعلانات، فتستبدله مهارة Ad Localizer في مكانه.

تلقائيًا في Mage: يحوّل Eleven Speech النص المكتوب إلى كلام باللغة التي كُتب بها، مع إيقاع وانفعال يمكنك توجيههما بوسوم مثل [whispers] أو [laughs]. ويحوّل Lipsync صورة واحدة وصوتًا مدته حتى 15 ثانية إلى فيديو لصاحب الصورة وهو ينطقه، بتعابير طبيعية وحركة رأس خفيفة. أما مهارة Ad Localizer في مساعدك، فتفرّغ النص في إعلان ثابت، ويترجمه مساعدك، ثم تستبدل كل سطر بالخط والحجم والموضع نفسه بعد موافقتك على النص.

ليس تلقائيًا: تفريغ الكلام الأصلي، وترجمة الحوار المنطوق، وضبط توقيت الجملة الجديدة على الأصل، والإبقاء على صوت المتحدث الأصلي نفسه، وفصل الموسيقى الخلفية عن الصوت، والترجمة النصية. لا تملك Mage أداة تحويل كلام إلى نص، ولا دبلجة تلقائية، ولا أداة للتعليقات النصية. كما ينشئ Lipsync مقطعًا جديدًا من صورة ثابتة، فلا يحتفظ بحركة اللقطات الأصلية ولا بقطعاتها ولا بالأشخاص الآخرين في المشهد.

• تلقائي: الصوت من نصك، بأكثر من 90 لغة.
• تلقائي: شفاه متزامنة مع الصوت الجديد، من صورة واحدة.
• تلقائي: استبدال نص الإعلان على الصورة بعد موافقتك عليه.
• عليك: التفريغ والترجمة والمراجعة النهائية.
• غير متاح: الترجمة النصية، أو شفاه جديدة على اللقطات الأصلية.

نص الدبلجة ليس ملف ترجمة نصية. يجب أن يُنطق في الوقت نفسه تقريبًا الذي استغرقه الأصل، لذا ترجم مراعيًا المعنى والطول معًا. كثيرًا ما تكون الألمانية والفرنسية أطول من الإنجليزية، واليابانية والصينية أقصر؛ اختصر الجملة بدل تسريع الصوت. أبقِ أسماء العلامات والمنتجات كما هي، وانطق الأرقام والتواريخ والأسعار كما ينطقها المتحدث المحلي.

إذا كنت تعمل في Claude أو ChatGPT أو مساعد آخر مع Mage متصلة، يمكن للمساعد أن يكتب مسودة الترجمة ويعرضها عليك سطرًا بسطر قبل تحويل أي جزء منها إلى صوت. هذه الترجمة من عمل المساعد وليست ميزة في Mage، لذا اطلب من متحدث أصلي للغة مراجعتها إن كانت موجهة للعملاء. بعد ذلك قسّم النص عند فواصل الكلام الطبيعية إلى مقاطع مدتها 15 ثانية أو أقل، وهي مدة مقطع Lipsync واحد.

استخدم Eleven Speech لمعظم الترجمات. اختر واحدًا من أصواته الـ 16 يناسب عمر المتحدث وحيويته، واكتب النص باللغة المستهدفة، ووجّه الأداء بوسوم صوتية بين أقواس مربعة. يأتي ملف MP3 بطول النص تمامًا، بحد أقصى 5,000 حرف لكل طلب، فلا توجد فترات صمت تحتاج إلى قصّها. ويشرح دليل تحويل النص إلى كلام بالذكاء الاصطناعي الأصوات والوسوم بالتفصيل.

يتحدث Eleven Speech بأصواته الجاهزة فقط. وعندما تريد أن يبدو المقطع الجديد بصوت المتحدث الأصلي نفسه، يمكن لـ Seed Audio أن يستند إلى ما يصل إلى ثلاثة مراجع صوتية لتوجيه الصوت، ولا تستخدم إلا تسجيلات لصوت لديك إذن باستخدامه. ويُنتج مدد ثابتة هي 5 و10 و30 و60 أو 120 ثانية، لذا جرّب التوقيت واللغة على جملة قصيرة قبل النص الكامل. ويشرح دليل استنساخ الصوت بالذكاء الاصطناعي مطابقة الصوت بمزيد من التفصيل.

استنساخ صوتك أنت للدبلجة أمر معتاد: فمثلًا تدرجه YouTube ضمن استخدامات الذكاء الاصطناعي التي لا تتطلب الإفصاح عن تعديل المحتوى. أما استنساخ صوت شخص آخر فأمر مختلف، ولا تسمح Mage بانتحال شخصية شخص حقيقي دون موافقته.

عندما يتحدث شخص إلى الكاميرا، التقط من الفيديو أوضح لقطة أمامية له، بحيث يظهر فمه مغلقًا أو مسترخيًا، واستخدمها موضوعًا في Lipsync. أضف الصوت المترجم بمدة تصل إلى 15 ثانية، واختر نموذجًا: Plum هو الافتراضي، أما Blueberry 2 فيحرّك الصورة التي تعطيها له كما هي، مما يحافظ على مظهر اللقطة الأصلية. كل مقطع هو أداء جديد انطلاقًا من هذه الصورة الثابتة، مع بقاء الكاميرا ثابتة على المتحدث.

إذا كان المتحدث يظهر في سلسلة من الفيديوهات، احفظه كشخصية ليبقى وجهه نفسه في كل لغة. ثم رتّب المقاطع في Storyboard، الذي يدمج ما يصل إلى ستة مقاطع في ملف MP4 واحد مع صوتها. ويشرح دليل الصورة الناطقة بالذكاء الاصطناعي كيفية اختيار لقطة تتحرك بشكل جيد.

عندما لا يتحدث أحد أمام الكاميرا، كما في الفيديو التوضيحي المعلّق صوتيًا أو عرض المنتج أو تسجيل الشاشة، تخطَّ مزامنة الشفاه. أنشئ التعليق الصوتي الجديد واستبدل المسار الصوتي في برنامج مونتاج الفيديو. لا تدمج Mage صوتًا جديدًا في فيديو موجود نيابةً عنك.

• اختر لقطة أمامية يظهر فيها الفم.
• اجعل كل مقطع صوتي 15 ثانية أو أقل.
• احفظ المتحدث المتكرر كشخصية.
• استبدل الصوت في برنامج مونتاج عندما لا يظهر أحد أمام الكاميرا.

تحمل الإعلانات الثابتة رسالتها في النص: العنوان والزر والعرض. وتتولى مهارة Ad Localizer ذلك داخل مساعدك. فهي تستخرج كل سطر نصيًا، وتترجمه بحسب المعنى والنبرة، وتضبط فواصل الأسطر وتنسيقات الأرقام والتخطيطات من اليمين إلى اليسار، ثم تعرض عليك النص للموافقة. بعد ذلك تستبدل كل سطر في الصورة باستخدام GPT Image 2.5 Flare، مع الحفاظ على نمط الخط والتخطيط والمنتج والشعار، وتترك اسم العلامة التجارية ونص العبوة كما هما. ولا تترجم التعليق الصوتي في الفيديو. ستجدها في صفحة مهارات Mage، وراجع مولّد الإعلانات بالذكاء الاصطناعي لبقية خطوات العمل على الإعلانات.