Du har optaget én video. Nu vil dit team have den på spansk, vietnamesisk, arabisk, portugisisk og 26 andre sprog — inden ugens udgang. Gør du det på den gamle måde, betyder det 30 speak-bookinger, et oversættelsesbureau, en undertekstleverandør og en re-eksportkø, der sluger din sprint.
Gør du det rigtigt, er det ét mastervideo og en gentagelig pipeline. Du oversætter én gang, dubber én gang pr. sprog, synker læberne, bytter on-screen-teksten, og QA’er hvert output mod en tjekliste. Arbejdet skalerer, fordi du stopper med at behandle hvert sprog som et nyt projekt og i stedet ser det som en render fra én kilde.
Dette er den hands-on ledsager til vores helikopterperspektiv på AI-video går globalt. Den artikel forklarer, hvorfor det meste AI (kunstig intelligens) videoproduktion allerede sker uden for engelsk. Denne her forklarer præcis, hvordan du leverer til det hele.
Vigtigste pointer
- Byg ét låst mastervideo først; lokaliser aldrig et bevægeligt mål.
- Beslut dub vs. undertekst vs. stemmeklon pr. sprog, før du oversætter et ord.
- Transcreator marketinglinjer — oversæt dem ikke bogstaveligt — og tilpas on-screen-tekst og kulturelle referencer.
- QA hvert sprog mod en fast tjekliste; én dårlig timing eller RTL-fejl vælter hele batchen.
Trin 1: Lås dit mastervideo, før du lokaliserer noget som helst
Den største fejl i en flersproget videoproces er at lokalisere, mens kilden stadig ændrer sig. Hver redigering i den engelske master multipliceres på 30 outputs.
Så frys den. Din master er den godkendte, endelige cut — låst billede, låst lyd, låst timing. Behandl låsedatoen som en hård gate: intet nyt B-roll, ingen trimmede scener, ingen “hurtige” tekstrettelser efter dette punkt. Hvis master ændrer sig, kører du pipelinen igen — og det er dyrt 30 gange.
Hold masteren modulær. Adskil din speak fra din musik og dine lydeffekter. Hvis narrationen ligger på sit eget lydspor, kan du bytte den pr. sprog uden at røre mixet. Bag musikken i ét stem, stemmen i et andet.
Træk on-screen-tekst ud af burnet. Alle title cards, lower-thirds, undertekster eller callouts, der er brændt ind i videorammen, er nu 30 manuelle genredigeringer, der venter på at ske. Hvor du kan, hold tekst som et separat lag eller et skabelonfelt, så du kan regenerere frames pr. sprog i stedet for at re-rendere i hånden.
En ren master med adskilte speak-, musik- og tekstlag er forskellen på en endags fan-out og en to ugers trædemølle.
Trin 2: Klargør og rens dit kildemanus
Dit manus er sandhedskilden for al oversættelse, så ret det her, én gang, før det forplanter sig.
Skriv et lokaliseringsklart transkript. Eksportér den præcise talte tekst med tidskoder. Marker sceneskift, så oversættere ved, hvor replikker skal lande. Hvis en sætning skal være færdig før et hårdt klip ved 00:14, så noter det — den begrænsning følger med til hvert sprog.
Fjern idiomer og uoversættelige jokes. “Hit it out of the park” giver ingen mening på de fleste sprog og spilder dine transcreators’ tid. Flag enhver vending, der er kulturafhængig, plus ordspil, rim og leg med ord, som ikke overlever et hop til arabisk eller vietnamesisk. Enten skriv dem neutralt om, eller markér dem “transcreate frit.”
Lås din ordbog. Produktnavne, featurenavne, din tagline, juridiske termer — beslut hvad der forbliver på engelsk, og hvad der lokaliseres, og skriv det ned. Uden en ordbog bliver “Brand Kit” til fem forskellige fraser på fem spansktalende markeder. En to-kolonne-glossar (kildeterm → godkendt ækvivalent pr. sprog) holder dit brand konsistent på alle 30 outputs.
Trin 3: Oversæt vs. transcreate — vælg linje for linje
Ikke alle linjer skal behandles ens, og at beslutte “oversæt alt” er opskriften på stiv, robotagtig marketing på 30 sprog.
Oversæt det funktionelle: instruktioner, UI-referencer, faktuel narration, disclaimere. Nøjagtighed vægter højere end flair, og en ordret gengivelse er korrekt.
Transcreate det overtalende: hooks, taglines, call to action, følelsesmæssige peaks. Transcreation betyder at genskabe hensigten og følelsen på målsproget, selv hvis ordene ændrer sig fuldstændigt. En CTA, der fungerer på engelsk (“Make it yours”), kan blive strukturelt anderledes på japansk for at føles naturlig. Det er her AI video til marketing står eller falder — en flad oversat CTA konverterer dårligere end en transcreated.
Vivideos AI video translator håndterer den første bulk-oversættelse på alle 30 sprog i ét hug og giver dig et solidt første udkast pr. sprog. Derefter markerer du de 5–10 højrisiko-linjer pr. video, som kræver en menneskelig transcreation. Det meste af manuset oversættes rent; du bruger kun menneskelig indsats, hvor overtalelse er på spil.
Trin 4: Beslut dubbing vs. undertekster vs. stemmeklon — pr. sprog
Dette er en forretningsbeslutning pr. sprog, ikke en default. Tag den før du genererer lyd, for den ændrer alt nedstrøms.
Fuld AI-dubbing erstatter den talte lyd med en nativeskydende stemme på målsproget. Brug det til dine prioriterede markeder, social-first indhold og alt, hvor seere ikke læser undertekster (tænk autoplay-feeds, mobil, bredt forbrugerreach). Vivideos AI video dubbing genererer det nye stemmespor timet til dit originale.
Kun undertekster beholder originallyden og tilføjer oversat tekst. Brug det til long-tail-sprog, B2B-målgrupper der accepterer at læse, eller markeder hvor du tester efterspørgsel før investering i fuld dub. Det er hurtigere og billigere pr. sprog — et fornuftigt default for sprog 11 til 30.
Stemmekloning dubber i din egen stemme (eller en konsistent brandstemme) på alle sprog, så én vært “taler” 30 sprog. Brug det når on-screen-talent eller brandstemme-konsistens betyder noget. Vores guide om how to add AI voiceovers gennemgår kloning og stemmevalg i detaljer.
En praktisk opdeling: fuld dub til dine top 8 markeder, stemmeklon hvor du har en on-screen-vært, undertekster til resten. Skriv beslutningen ind i dit projektsheet, så ingen gætter senere.
Trin 5: Generér lyd og synk læberne
Nu producerer du det lokaliserede lydspor pr. sprog og får det til at passe til billedet.
Hold øje med timing-drift. Sprog udvider og trækker sig sammen. Tysk og vietnamesisk løber længere end engelsk; den samme sætning kan være 20–30% flere stavelser. Hvis den dubbede replik løber over scenen, støder den ind i næste klip. Vivideos dubbing timer det nye spor til dit originale, men flag enhver linje, der tydeligt løber for langt, så du kan forkorte transcreationen frem for at speede lyden op til chipmunk.
Tilføj lip-sync hvor ansigter taler. For talking heads, avatarer eller tætte close-ups er ikke-matchede mundbevægelser forstyrrende og læses øjeblikkeligt som “dårligt oversat.” AI lip-sync omformer mundens bevægelser til de nye sprogs fonemer. Brug det, hvor et ansigt er på skærmen og taler; spring det over ved speak-over-B-roll, hvor der ingen mund er at synke, og det blot er spild af compute.
Hold musik- og SFX-stem urørt. Fordi du adskilte stems i Trin 1, lægger den nye stemme sig på den samme bund på hvert sprog. Mixet forbliver ens; kun narrationen ændrer sig.
Trin 6: Tilpas on-screen-tekst og kulturelle referencer
Lyd er kun halvdelen af lokaliseringen. Det, der er på skærmen, skal også ændres, og her knækker forhastede batches ofte.
Regenerér tekstoverlays pr. sprog. Titler, lower-thirds, undertekster, knaplabels i et produktdemo — alt skal have den oversatte streng. Træk fra din ordbog, så termer forbliver konsistente. Hold øje med længde: en engelsk knaplabel på 12 tegn kan være 22 tegn på fransk og sprænge sin boks. Giv layoutet luft.
Håndtér højre-til-venstre-sprog bevidst. Arabisk, hebraisk og urdu vender hele layoutet. Tekst højrejusteres, læseretningen vendes, og UI-mockups eller pile, der peger “fremad”, peger nu den forkerte vej. RTL er den mest almindelige, tavse fejl i en 30-sprogs batch — test det eksplicit.
Lokaliser visuals, ikke kun ord. Valutasymboler, datoformater (DD/MM vs. MM/DD), enheder, telefonnumre og eksemplernavne skal matche regionen. Et amerikansk dollartegn i en video til et euro-marked signalerer “ikke lavet til dig.” Byt eksempeldata pr. marked, hvor de vises på skærmen.
Tjek kulturel pasform. Gestus, farver, højtider og billedsprog betyder noget forskelligt på tværs af regioner. En thumbs-up, et bestemt håndtegn eller en sæsonreference, der er fin ét sted, kan være off eller stødende et andet. Flag alt kulturafhængigt under manusforberedelsen (Trin 2), så det allerede er løst nu.
Trin 7: QA hvert sprog mod en fast tjekliste
Du kan ikke lige skimme 30 videoer og kalde det færdigt. Byg én tjekliste og kør hvert output igennem den identisk — det er sådan kvalitet skalerer i stedet for at smuldre ved sprog nummer 25.
For hvert sprog, verificér:
- Lyd matcher videolængde — ingen narration, der bløder forbi sidste frame.
- Lip-sync holder på alle close-ups, ikke kun det første skud.
- On-screen-tekst er fuldt oversat — ingen strøt engelsk tilbage i en lower-third.
- Tekst passer i sin container — intet afklippet, overløb eller overlap.
- RTL-sprog gengives korrekt — justering, læserækkefølge, spejlede elementer.
- Ordbogstermer er konsistente — brand- og produktnavne matcher den godkendte liste.
- Tal, datoer, valuta, enheder er lokaliseret, hvor de vises.
Få ét modersmålstjek pr. prioritetssprog. AI bringer dig 95% af vejen; et femminutters review af en native fanger den akavede formulering og toneforbiere, som automatiseret QA ikke kan. Prioritér dine topmarkeder til menneskelig gennemgang; stol på tjeklisten for long tail.
Trin 8: Håndtér filer og fan ud fra masteren
Tredive videoer betyder tredive filer gange det antal formater, hver platform kræver. Uden system risikerer du at sende den portugisiske udgave til den polske kanal.
Navngiv filer forudsigeligt. Brug et mønster som productdemo_v3_pt-BR_1080x1920.mp4 — kampagne, version, localesprog, dimensioner. Locale-koden (pt-BR, es-MX, ar-SA) forhindrer de klassiske sammenblandinger mellem brasiliansk og europæisk portugisisk eller mexicansk og kastiliansk spansk.
Hold masteren som single source. Når master ændrer sig — og det gør den før eller siden — kører du pipelinen fra Trin 1 igen, ikke lapper 30 filer i hånden. Versionér din master (v1, v2), så du altid ved, hvilken kilde et givet output kom fra. Det er hele pointen: én master, én pipeline, forudsigelig fan-out.
Eksportér pr. platform fra hver locale. Hvert sprog kan kræve 16:9 til YouTube, 9:16 til Reels og TikTok og 1:1 til feed. Generér de billedformater fra det færdige lokaliserede cut fremfor at relokalisere pr. format.
Send din første flersprogede batch
Start småt for at bevise pipelinen: tag én færdig video, lås den som master, og kør den gennem disse otte trin for tre sprog — én fuld dub, én stemmeklon, én kun undertekster. Du vil opdage alle timing-, layout- og RTL-faldgruber i lille skala, før du committer til alle 30.
Når pipelinen kører rent for tre, kan de samme trin fannes ud til tredive med næsten ingen ekstra tænkning — bare flere renders. Bring din master ind i app.vivideo.ai, kør den gennem AI video translator og AI video dubbing, og send én video ud til hele verden.