AI वीडियो ट्रांसलेटर

AI वीडियो ट्रांसलेटर एक भाषा के वीडियो को दूसरी भाषा में बदल देता है: शब्दों का अनुवाद, टारगेट भाषा में नया वॉइस ट्रैक, और आदर्श रूप से ऐसा स्पीकर जिसके होंठ नए शब्दों से मेल खाएं। पूरी डबिंग सेवाएं यह सब एक ही अपलोड से कर देती हैं। Mage आवाज़ और होंठ के लिए अलग-अलग टूल देता है, जो आपके नियंत्रण में रहते हैं। यह विज्ञापन, इंट्रो और कैरेक्टर वीडियो जैसी छोटी क्लिप के लिए घंटे भर की रिकॉर्डिंग से बेहतर बैठता है।

काम का बंटवारा यह है। Mage आपके वीडियो को ट्रांसक्राइब या उसका अनुवाद अपने-आप नहीं करता, और सबटाइटल भी नहीं जोड़ता। नई भाषा में स्क्रिप्ट आप, कोई अनुवादक या आपका AI असिस्टेंट लिखता है। फिर Eleven Speech उसे 90 से ज़्यादा भाषाओं में पढ़ता है, और Lipsync स्पीकर की एक स्टिल इमेज, यानी आपके वीडियो का कोई साफ़ फ़्रेम या सेव किया हुआ कैरेक्टर, को एनिमेट करता है ताकि उसके होंठ नए ऑडियो के साथ चलें, हर क्लिप में 15 सेकंड तक।

नतीजा उस फ़्रेम से बनी एक नई बोलती क्लिप होती है, न कि आपकी original फ़ुटेज जिसमें सिर्फ़ मुंह बदला गया हो। इसलिए स्पीकर के हावभाव और original के कैमरा मूवमेंट नहीं रहते। जिस नैरेशन में स्पीकर दिखता ही नहीं, उसमें लिप सिंक की ज़रूरत नहीं: नई आवाज़ को अपने एडिटर में original वीडियो पर लगा दें। विज्ञापन इमेज के अंदर के टेक्स्ट के लिए Ad Localizer स्किल उसे वहीं बदल देती है।

Mage पर अपने-आप होता है: Eleven Speech लिखी हुई स्क्रिप्ट को उसी भाषा में बोले गए ऑडियो में बदलता है जिसमें आपने उसे लिखा है, और गति व भावना को आप [whispers] या [laughs] जैसे टैग से निर्देशित कर सकते हैं। Lipsync एक इमेज और 15 सेकंड तक के ऑडियो को ऐसे वीडियो में बदलता है जिसमें वह व्यक्ति उसे बोलता है, स्वाभाविक भाव और हल्की सिर की हरकत के साथ। आपके असिस्टेंट में Ad Localizer स्किल स्टैटिक विज्ञापन का टेक्स्ट ट्रांसक्राइब करती है, आपके असिस्टेंट से उसका अनुवाद करवाती है, और आपके कॉपी मंज़ूर करने के बाद हर लाइन को उसी फ़ॉन्ट, साइज़ और जगह में बदल देती है।

अपने-आप नहीं होता: original बोले गए शब्दों को ट्रांसक्राइब करना, बोले गए संवाद का अनुवाद, नई लाइन की टाइमिंग को original से मिलाना, original स्पीकर की अपनी आवाज़ बनाए रखना, म्यूज़िक को आवाज़ से अलग करना, और सबटाइटल। Mage में न स्पीच-टू-टेक्स्ट है, न ऑटोमैटिक डबिंग, न कैप्शन टूल। Lipsync स्टिल इमेज से नई क्लिप बनाता है, इसलिए original फ़ुटेज की गति, कट या शॉट में मौजूद दूसरे लोग नहीं रहते।

• अपने-आप: आपकी स्क्रिप्ट से आवाज़, 90 से ज़्यादा भाषाओं में।
• अपने-आप: एक इमेज से नए ऑडियो के साथ सिंक होते होंठ।
• अपने-आप: आपके मंज़ूर करने के बाद इमेज पर विज्ञापन का टेक्स्ट बदल जाता है।
• आपका काम: ट्रांसक्रिप्ट, अनुवाद और आख़िरी समीक्षा।
• उपलब्ध नहीं: सबटाइटल, या original फ़ुटेज पर नए होंठ।

डबिंग स्क्रिप्ट कोई सबटाइटल फ़ाइल नहीं होती। उसे लगभग उतने ही समय में बोला जाना चाहिए जितना original में लगा, इसलिए अर्थ और लंबाई दोनों का ध्यान रखकर अनुवाद करें। जर्मन और फ़्रेंच अक्सर अंग्रेज़ी से लंबी होती हैं, और जापानी व चीनी अक्सर छोटी; आवाज़ तेज़ करने के बजाय लाइन छोटी करें। ब्रांड और प्रोडक्ट के नाम जैसे हैं वैसे रखें, और संख्याएं, तारीखें और कीमतें वैसे बोलें जैसे स्थानीय व्यक्ति बोलता है।

अगर आप Claude, ChatGPT या किसी दूसरे असिस्टेंट में काम करते हैं, जिसमें Mage कनेक्ट है, असिस्टेंट अनुवाद का ड्राफ्ट बना सकता है और आवाज़ बनाने से पहले उसे आपको लाइन-दर-लाइन दिखा सकता है। यह अनुवाद असिस्टेंट का काम है, Mage का फ़ीचर नहीं, इसलिए ग्राहकों के सामने जाने वाली किसी भी चीज़ के लिए उसे किसी native speaker से पढ़वा लें। फिर स्क्रिप्ट को स्वाभाविक ठहराव पर 15 सेकंड या उससे छोटे हिस्सों में बाँट दें, जो एक Lipsync क्लिप की लंबाई है।

ज़्यादातर अनुवादों के लिए Eleven Speech इस्तेमाल करें। इसकी 16 आवाज़ों में से वह चुनें जो स्पीकर की उम्र और एनर्जी से मेल खाती हो, स्क्रिप्ट टारगेट भाषा में लिखें, और स्क्वेयर ब्रैकेट वाले ऑडियो टैग से बोलने का अंदाज़ तय करें। MP3 ठीक स्क्रिप्ट जितनी लंबी होती है, हर रिक्वेस्ट में 5,000 अक्षरों तक, इसलिए ट्रिम करने लायक कोई खामोशी नहीं बचती। आवाज़ों और टैग की पूरी जानकारी AI टेक्स्ट टू स्पीच गाइड में है।

Eleven Speech सिर्फ़ अपनी प्रीसेट आवाज़ों में बोलता है। जब नया ट्रैक मूल स्पीकर जैसा सुनाई देना चाहिए, तब Seed Audio तीन ऑडियो रेफ़रेंस तक से आवाज़ को गाइड कर सकता है, बशर्ते वे ऐसी आवाज़ की रिकॉर्डिंग हों जिसके इस्तेमाल की आपको अनुमति है। यह 5, 10, 30, 60 या 120 सेकंड की तय लंबाई में रेंडर करता है, इसलिए पूरी स्क्रिप्ट से पहले किसी छोटी लाइन पर टाइमिंग और भाषा जाँच लें। आवाज़ मिलाने के बारे में ज़्यादा जानकारी AI वॉइस क्लोनिंग गाइड में है।

डबिंग के लिए अपनी ही आवाज़ क्लोन करना आम बात है: मिसाल के तौर पर YouTube उसे AI के उन इस्तेमालों में गिनता है जिनके लिए बदले हुए कंटेंट की जानकारी देना ज़रूरी नहीं। किसी और की आवाज़ क्लोन करना अलग मामला है, और Mage किसी असली व्यक्ति की उसकी सहमति के बिना नकल करने की अनुमति नहीं देता।

जब कोई व्यक्ति कैमरे की ओर देखकर बोलता है, तो वीडियो से उसका सबसे साफ़ सामने वाला फ़्रेम लें, जिसमें मुँह दिखता हो और बंद या आराम की स्थिति में हो, और उसे Lipsync में सब्जेक्ट के रूप में इस्तेमाल करें। अनुवादित ऑडियो जोड़ें, 15 सेकंड तक, और मॉडल चुनें: Plum डिफ़ॉल्ट है, और Blueberry 2 आपकी दी हुई इमेज को ही एनिमेट करता है, जिससे मूल फ़्रेम का लुक बना रहता है। हर क्लिप उसी स्टिल से एक नई परफ़ॉर्मेंस होती है, जिसमें कैमरा स्पीकर पर स्थिर रहता है।

जो स्पीकर किसी सीरीज़ में बार-बार आता है, उसे कैरेक्टर के रूप में सेव करें ताकि हर भाषा में चेहरा एक जैसा रहे। फिर क्लिप को Storyboard में क्रम से लगाएँ, जो अधिकतम छह क्लिप को उनकी आवाज़ के साथ एक MP4 में जोड़ देता है। अच्छी तरह एनिमेट होने वाला फ़्रेम चुनने के बारे में AI टॉकिंग फ़ोटो गाइड में पढ़ें।

जब कैमरे पर कोई न बोले, जैसे नैरेशन वाले एक्सप्लेनर, प्रोडक्ट डेमो या स्क्रीन रिकॉर्डिंग में, तो लिप सिंक छोड़ दें। नया नैरेशन जनरेट करें और अपने वीडियो एडिटर में ऑडियो ट्रैक बदल दें। Mage मौजूदा वीडियो में नई आवाज़ अपने आप मिक्स नहीं करता।

• मुँह दिखने वाला सामने का फ़्रेम चुनें।
• हर ऑडियो हिस्सा 15 सेकंड या उससे छोटा रखें।
• बार-बार आने वाले स्पीकर को कैरेक्टर के रूप में सेव करें।
• जब कैमरे पर कोई न हो, तो एडिटर में ऑडियो बदल दें।

स्टैटिक विज्ञापन अपना संदेश टेक्स्ट में रखते हैं: हेडलाइन, बटन, ऑफ़र। आपके असिस्टेंट में Ad Localizer स्किल इन्हें संभालती है। वह हर लाइन ट्रांसक्राइब करती है, अर्थ और टोन के हिसाब से अनुवाद करती है, लाइन ब्रेक, नंबर फ़ॉर्मैट और राइट-टू-लेफ़्ट लेआउट एडजस्ट करती है, और मंज़ूरी के लिए आपको कॉपी दिखाती है। फिर वह GPT Image 2.5 Flare से इमेज की हर लाइन बदल देती है, जिसमें फ़ॉन्ट स्टाइल, लेआउट, प्रोडक्ट और लोगो बने रहते हैं, और ब्रांड का नाम और पैकेजिंग का टेक्स्ट जैसा है वैसा ही रहता है। यह वीडियो के वॉइसओवर का अनुवाद नहीं करती। इसे Mage स्किल्स पेज पर पाएँ, और विज्ञापन वर्कफ़्लो के बाकी हिस्से के लिए AI विज्ञापन जनरेटर देखें।