AI překladač videa

AI překladač videa vezme video v jednom jazyce a dá mu jiný: přeložená slova, novou zvukovou stopu v cílovém jazyce a ideálně i mluvčího, jehož ústa odpovídají novým slovům. Kompletní dabingové služby to zvládnou všechno z jednoho nahrání. Mage řeší hlas a rty samostatnými nástroji, které máš pod kontrolou, což se hodí spíš ke krátkým klipům, jako jsou reklamy, intra a videa s postavami, než k hodinovým nahrávkám.

Takhle se práce dělí. Mage tvoje video samo nepřepisuje ani nepřekládá a nepřidává titulky. Scénář v novém jazyce napíšeš ty, překladatel nebo tvůj AI asistent. Eleven Speech ho pak přečte ve více než 90 jazycích a Lipsync oživí statický snímek mluvčího, ostrý záběr z tvého videa nebo uloženou postavu, aby jeho rty sledovaly nový zvuk, a to až 15 sekund na klip.

Výsledkem je nový mluvící klip vytvořený z toho snímku, ne tvůj původní záznam s vyměněnými ústy, takže gesta mluvčího a pohyby kamery z originálu se nezachovají. Pokud je vyprávění bez viditelného mluvčího, lipsync nepotřebuješ vůbec: stačí v editoru položit nový hlas přes původní obraz. Text uvnitř reklamních obrázků na místě nahradí skill Ad Localizer.

Automaticky v Mage: Eleven Speech promění napsaný scénář v řeč v jazyce, ve kterém ho napíšeš, s tempem a emocemi, které můžeš řídit tagy jako [whispers] nebo [laughs]. Lipsync promění jeden obrázek a až 15 sekund zvuku ve video, na kterém postava mluví, s přirozenými výrazy a jemným pohybem hlavy. Skill Ad Localizer ve tvém asistentovi přepíše text ve statické reklamě, nechá ho přeložit asistentem a po schválení textu nahradí každý řádek ve stejném písmu, velikosti i pozici.

Není automatické: přepis původní řeči, překlad mluveného dialogu, přizpůsobení časování nové repliky originálu, zachování hlasu původního mluvčího, oddělení hudby od hlasu a titulky. Mage nemá převod řeči na text, automatický dabing ani nástroj na titulky. Lipsync navíc vytváří nový klip ze statického snímku, takže nezachová pohyb původního záznamu, střihy ani další lidi v záběru.

• Automaticky: hlas podle tvého scénáře ve více než 90 jazycích.
• Automaticky: rty synchronizované s novým zvukem z jednoho obrázku.
• Automaticky: text v reklamním obrázku nahrazený po tvém schválení.
• Na tobě: přepis, překlad a závěrná kontrola.
• Není k dispozici: titulky ani nové rty na původním záznamu.

Dabingový scénář není soubor s titulky. Musí se dát přečíst zhruba za stejnou dobu jako originál, takže překládej s ohledem na význam i délku zároveň. Němčina a francouzština bývají delší než angličtina, japonština a čínština často kratší; raději řádek zkrať, než abys zrychloval hlas. Názvy značek a produktů nech tak, jak jsou, a čísla, data a ceny říkej tak, jak by je řekl místní mluvčí.

Pokud pracuješ v Claude, ChatGPT nebo jiném asistentu s připojeným Mage, asistent může navrhnout překlad a před namluvením ti ho ukázat řádek po řádku. Ten překlad je dílem asistenta, ne funkcí Mage, takže pokud je určený zákazníkům, nech ho zkontrolovat rodilým mluvčím. Potom rozděl text na přirozených pauzách na úseky do 15 sekund, což je délka jednoho klipu Lipsync.

Pro většinu překladů použij Eleven Speech. Vyber jeden z 16 hlasů, který odpovídá věku a energii mluvčího, napiš text v cílovém jazyce a čtení řiď zvukovými tagy v hranatých závorkách. MP3 je přesně tak dlouhé jako text, až 5 000 znaků na jeden požadavek, takže není co ořezávat. Průvodce AI převod textu na řeč popisuje hlasy a tagy podrobně.

Eleven Speech mluví jen svými přednastavenými hlasy. Pokud má nová stopa znít jako původní mluvčí, Seed Audio dokáže vést hlas podle až tří zvukových referencí, a to jen z nahrávek hlasu, který smíš použít. Generuje pevné délky 5, 10, 30, 60 nebo 120 sekund, takže si před celým textem na krátké větě ověř načasování i jazyk. Průvodce AI klonování hlasu podrobněji popisuje, jak hlas napodobit.

Naklonovat vlastní hlas pro dabing je běžná praxe: YouTube například řadí tento případ mezi použití AI, která nevyžadují označení upraveného obsahu. Klonování cizího hlasu je ale něco jiného a Mage nepovoluje napodobovat skutečnou osobu bez jejího souhlasu.

Když osoba mluví do kamery, vyber z videa nejčistší snímek z čelního pohledu, s viditelnými ústy zavřenými nebo uvolněnými, a použij ho jako předmět ve funkci Lipsync. Přidej přeložený zvuk do 15 sekund a vyber model: výchozí je Plum, Blueberry 2 animuje přesně ten obrázek, který mu dáš, a zachová tak vzhled původního snímku. Každý klip je nový výkon z toho statického snímku, kamera zůstává na mluvčím klidná.

Pokud se mluvčí objevuje v celé sérii, ulož ho jako postavu, aby měl obličej v každém jazyce stejný. Potom klipy seřaď ve Storyboard, který spojí až šest klipů do jednoho MP4 i s jejich zvukem. Průvodce AI mluvící fotka popisuje, jak vybrat snímek, který se dobře animuje.

Když v záběru nikdo nemluví, třeba u komentovaného vysvětlujícího videa, ukázky produktu nebo záznamu obrazovky, lip sync vynech. Vygeneruj nový komentář a zvukovou stopu ve videu nahraď ve svém video editoru. Mage nový hlas do existujícího videa nezamíchá.

• Vyber snímek z čelního pohledu s viditelnými ústy.
• Každý zvukový úsek drž do 15 sekund.
• Opakujícího se mluvčího ulož jako postavu.
• Když nikdo není v záběru, nahraď zvuk v editoru.

Statické reklamy nesou sdělení v textu: v nadpisu, tlačítku i nabídce. Ve tvém asistentovi je zvládá skill Ad Localizer. Přepíše každý řádek, přeloží ho podle smyslu a tónu, upraví zalomení řádků, formáty čísel i rozvržení zprava doleva a ukáže ti text ke schválení. Potom každý řádek v obrázku nahradí pomocí GPT Image 2.5 Flare, zachová styl písma, rozvržení, produkt i logo a název značky a text na obalu nechá beze změny. Hlasové komentáře ve videu nepřekládá. Najdeš ho na stránce Dovednosti Mage a zbytek postupu tvorby reklam najdeš na stránce AI generátor reklam.