Du har filmet én video. Nå vil teamet din ha den på spansk, vietnamesisk, arabisk, portugisisk og 26 andre språk — innen uka. Gjøres det på gamlemåten, betyr det 30 voiceover‑bookinger, et oversettelsesbyrå, en undertekst‑leverandør og en re‑eksport‑kø som spiser hele sprinten.
Gjørt riktig, er det én mastervideo og en repeterbar pipeline. Du oversetter én gang, dubber én gang per språk, synker leppebevegelsene, bytter ut on‑screen‑teksten og QA‑sjekker hver leveranse mot en sjekkliste. Arbeidet skalerer fordi du slutter å behandle hvert språk som et nytt prosjekt og begynner å behandle det som et render fra én kilde.
Dette er den praktiske følgesaken til vår helikopterartikkel om AI‑video går globalt. Den forklarer hvorfor mest AI‑videoproduksjon (kunstig intelligens, AI) allerede skjer utenfor engelsk. Denne forteller deg nøyaktig hvordan du leverer til alt sammen.
Viktig å ta med seg
- Bygg én låst mastervideo først; lokaliser aldri et bevegelig mål.
- Bestem dubbing vs. undertekster vs. stemmekloning per språk før du oversetter ett ord.
- Transkreativitet for markedsføringslinjer — ikke oversett dem ordrett — og tilpass on‑screen‑tekst og kulturelle referanser.
- QA hvert språk mot en fast sjekkliste; én dårlig timing eller RTL‑feil kan velte hele batchen.
Trinn 1: Lås mastervideoen før du lokaliserer noe som helst
Den største feilen i en flerspråklig videoflyt er å lokalisere mens kilden fortsatt endres. Hver endring i den engelske masteren multipliseres over 30 utgaver.
Så frys den. Masteren er godkjent, endelig kutt — låst bilde, låst lyd, låst timing. Behandle låsedatoen som en hard port: ingen ny B‑roll, ingen trimmede scener, ingen «kjappe» tekstjusteringer etter dette. Hvis masteren endres, kjører du pipeline på nytt — og det er dyrt, 30 ganger.
Hold masteren modulær. Skill voiceover‑sporet fra musikk og lydeffekter. Hvis fortellerstemmen ligger på sitt eget lydlag, kan du bytte den per språk uten å røre miksen. Legg musikk i én stem, stemmen i en annen.
Trekk on‑screen‑tekst ut av bildet. Eventuelle titler, lower thirds, bildetekster eller callouts som er bakt inn i videorammen, blir til 30 manuelle re‑redigeringer. Der du kan, behold tekst som et eget lag eller et malfelt slik at du kan regenerere rammer per språk i stedet for å re‑rendere for hånd.
En ren master med separerte stemmer for tale, musikk og tekst er forskjellen på en éndags utrulling og en to ukers mølle.
Trinn 2: Klargjør og vask kildemanuset
Manuset er fasiten for all oversettelse, så fiks det her, én gang, før det sprer seg.
Skriv et lokaliseringsklart transkript. Eksporter nøyaktig opplest manus med tidskoder. Marker sceneskiller slik at oversettere vet hvor replikker må lande. Hvis en setning må være ferdig før et hardt kutt på 00:14, noter det — den begrensningen følger med til alle språk.
Fjern idiomer og uoversettelige vitser. «Knock it out of the park» gir ingen mening på de fleste språk og sløser bort tiden til transkreatørene. Flagge alt som er kulturavhengig, samt ordspill, rim og lek med ord som ikke overlever overgangen til arabisk eller vietnamesisk. Enten skriv dem nøytralt eller merk dem «transkreatér fritt».
Lås ordlisten. Produktnavn, funksjonsnavn, slagord, juridiske termer — bestem hva som blir på engelsk og hva som lokaliseres, og skriv det ned. Uten ordliste blir «Brand Kit» til fem forskjellige uttrykk på fem spanskspråklige markeder. En tospaltet ordliste (kildeterm → godkjent målterm per språk) holder merkevaren konsistent på alle 30 utgaver.
Trinn 3: Oversette vs. transkreatere — velg linje for linje
Ikke alle linjer behandles likt, og å bestemme «oversett alt» er måten du ender opp med stiv, robotaktig markedsføring på 30 språk.
Oversett det funksjonelle: instruksjoner, UI‑referanser, faktabasert fortellertekst, forbehold. Nøyaktighet trumfer stil, og en relativt ordrett gjengivelse er riktig.
Transkreatér det persuasive: hooks, slagord, CTA‑er, emosjonelle høydepunkter. Transkreasjon betyr å gjenskape intensjonen og følelsen på målspråket, selv om ordene endres helt. En CTA som fungerer på engelsk («Make it yours») kan bli strukturelt annerledes på japansk for å føles naturlig. Det er her AI‑video for markedsføring lever eller dør — en flat oversatt CTA konverterer dårligere enn en transkreasjon.
Vivideos AI video translator håndterer hoved‑oversettelsen på tvers av alle 30 språk i ett løp, og gir deg et solid førsteutkast per språk. Deretter merker du de 5–10 mest kritiske linjene per video som trenger en menneskelig transkreasjonsrunde. Det meste av manuset oversettes rent; du bruker menneskelig innsats der overtalelse betyr mest.
Trinn 4: Velg dubbing vs. undertekster vs. stemmekloning — per språk
Dette er en forretningsbeslutning per språk, ikke en standard. Ta den før du genererer lyd, fordi den endrer alt nedstrøms.
Full AI‑dubbing erstatter talesporet med en nativespråklig stemme på målspråket. Bruk det for prioriterte markeder, sosialt først‑innhold og alt der seere ikke leser undertekster (tenk autoplay‑feeder, mobil, bredt forbrukerfokus). Vivideos AI video dubbing genererer det nye stemmesporet tidsmatchet til originalen.
Kun undertekster beholder originallyden og legger til oversatt tekst. Bruk det for «long tail»‑språk, B2B‑publikum som aksepterer lesing, eller markeder der du tester etterspørsel før du investerer i full dubbing. Det er raskere og billigere per språk — et fornuftig utgangspunkt for språk 11 til 30.
Stemmekloning dubber i din egen stemme (eller en konsekvent merkevarerstemme) på alle språk, slik at én programleder «snakker» 30 språk. Bruk det når on‑screen‑talent eller brand‑stemme‑konsistens er viktig. Vår guide om how to add AI voiceovers går gjennom kloning og stemmevalg i detalj.
En praktisk fordeling: full dubbing for dine 8 toppmarkeder, stemmekloning der du har en on‑screen‑vert, undertekster for resten. Skriv beslutningen inn i prosjektarket så ingen trenger å gjette senere.
Trinn 5: Generer lyd og synk leppebevegelser
Nå produserer du lokaliserte lydspor per språk og får dem til å sitte på bildet.
Se opp for timingdrift. Språk utvider og trekker seg sammen. Tysk og vietnamesisk løper ofte lengre enn engelsk; samme setning kan være 20–30 % flere stavelser. Hvis den dubbet linjen går forbi scenen, kolliderer den med neste kutt. Vivideos dubbing tidsjusterer det nye sporet til originalen, men flagg alle linjer som synlig går for langt, slik at du kan korte inn transkreasjonen fremfor å speede opp lyden til «chipmunk».
Legg til lip‑sync der ansikter snakker. For talking‑head, avatarer eller tette nærbilder er usynkede munner forstyrrende og leses umiddelbart som «dårlig oversatt». AI lip‑sync former munnbevegelsene til de nye språklydene. Bruk det når et ansikt er i bildet og snakker; dropp det på voiceover over B‑roll, der det ikke finnes en munn å synke og du bare bruker unødvendig compute.
La musikk‑ og SFX‑stem være urørt. Fordi du separerte stems i Trinn 1, legges den nye stemmen på samme seng i hvert språk. Miksen holder seg lik; kun fortellerstemmen endres.
Trinn 6: Tilpass on‑screen‑tekst og kulturelle referanser
Lyd er bare halve lokaliseringsjobben. Det som er på skjermen må også endres — og her ryker forhastede batcher.
Regenerer tekst‑overlays per språk. Titler, lower thirds, bildetekster, knapper i produktdemoer — alt trenger den oversatte strengen. Trekk fra ordlisten slik at termer er konsistente. Følg med på lengde: en engelsk knappetekst på 12 tegn kan være 22 på fransk og sprenge rammen. Planlegg luft i layouten.
Håndter høyre‑til‑venstre‑språk (RTL) bevisst. Arabisk, hebraisk og urdu snur hele layouten. Tekst høyrejusteres, leseretning reverseres, og eventuelle UI‑mockups eller piler som peker «fremover» peker nå feil vei. RTL er den vanligste, tause feilen i en 30‑språks batch — test det uttrykkelig.
Lokaliser visuelle elementer, ikke bare ordene. Valutasymboler, datoformater (DD/MM vs. MM/DD), enheter, telefonnummerformater og eksempler på navn bør matche regionen. Et amerikansk dollartegn i en video for euro‑markedet signaliserer «ikke laget for deg». Bytt eksempeldata per marked der de vises på skjermen.
Sjekk kulturell tilpasning. Gester, farger, høytider og bildespråk betyr ulike ting på tvers av regioner. En tommel opp, et spesifikt håndtegn eller en sesongreferanse som funker ett sted kan være feil eller støtende et annet. Flagge alt kulturavhengig under manusforberedelsen (Trinn 2) slik at det allerede er løst nå.
Trinn 7: QA hvert språk mot en fast sjekkliste
Du kan ikke «ta det på feelingen» med 30 videoer. Bygg én sjekkliste og kjør hver leveranse gjennom den likt — det er slik kvalitet skalerer i stedet for å forvitre ved språk nummer 25.
For hvert språk, verifiser:
- Lyd matcher videolengde — ingen fortellerstemme som blør over siste bilde.
- Lip‑sync holder i alle nærbilder, ikke bare første shot.
- On‑screen‑tekst er fullt oversatt — ingen «løse» engelske ord igjen i en lower third.
- Tekst passer i beholderen — ingenting klippet, overflyt eller overlapp.
- RTL‑språk rendres riktig — justering, leseretning, speilvendte elementer.
- Ordlistetermer er konsistente — merke‑ og produktnavn matcher godkjent liste.
- Tall, datoer, valuta, enheter er lokalisert der de vises.
Få én nativespråklig sjekk per prioritert språk. AI tar deg 95 % av veien; en fem minutters gjennomgang av en innfødt fanger klein formulering og tonalitetsfeil som automatisert QA ikke ser. Prioriter toppmarkedene for menneskelig review; stol på sjekklisten for «long tail».
Trinn 8: Håndter filer og rull ut fra masteren
Tretti videoer betyr tretti filer ganger så mange formater hver plattform krever. Uten et system sender du portugisisk versjon til polsk kanal.
Gi forutsigbare filnavn. Bruk et mønster som productdemo_v3_pt-BR_1080x1920.mp4 — kampanje, versjon, lokalekode, dimensjoner. Lokalekoden (pt-BR, es-MX, ar-SA) hindrer de klassiske forvekslingene mellom brasiliansk og europeisk portugisisk, eller meksikansk og kastiljansk spansk.
Behold masteren som én kilde. Når masteren endres — og det vil den — kjører du pipeline på nytt fra Trinn 1, ikke lapp 30 filer for hånd. Versjoner masteren (v1, v2) så du alltid vet hvilken kilde en gitt utgave kom fra. Det er hele poenget: én master, én pipeline, forutsigbar utrulling.
Eksporter per plattform fra hvert språk. Hvert språk kan trenge 16:9 for YouTube, 9:16 for Reels og TikTok, og 1:1 for feed. Generer disse sideforholdene fra den ferdige lokaliserte klippen i stedet for å relokalisere per format.
Send din første flerspråklige batch
Start smått for å bevise pipelinen: ta én ferdig video, lås den som master, og kjør den gjennom disse åtte trinnene for tre språk — én full dubbing, én stemmekloning, én kun undertekster. Du avdekker alle timing‑, layout‑ og RTL‑fallgruver i liten skala før du forplikter deg til alle 30.
Når pipelinen går rent for tre, kan de samme trinnene skaleres til tretti med nesten ingen ekstra tenking — bare flere renders. Ta masteren inn i app.vivideo.ai, kjør den gjennom AI video translator og AI video dubbing, og send én video til hele verden.