Du spelade in en video. Nu vill teamet ha den på spanska, vietnamesiska, arabiska, portugisiska och 26 andra språk — innan veckan är slut. Gjort på det gamla sättet betyder det 30 voiceover‑bokningar, en översättningsbyrå, en undertextleverantör och en re‑exportkö som äter upp hela sprinten.
Gör du det rätt handlar det om en enda mastervideo och en repeterbar pipeline. Du översätter en gång, dubbar en gång per språk, synkar läpparna, byter ut on‑screen‑texten och QA:ar varje export mot en checklista. Arbetet skalar för att du slutar behandla varje språk som ett nytt projekt och börjar behandla det som en render från en enda källa.
Detta är den praktiska följeslagaren till vår helikoptertext om AI‑video går globalt. Den förklarar varför majoriteten av AI‑videoproduktion redan sker utanför engelska. Den här berättar exakt hur du levererar till allihop.
Viktigast att ta med sig
- Bygg en låst mastervideo först; lokalisera aldrig ett rörligt mål.
- Välj dubb vs. undertexter vs. röstklon per språk innan du översätter ett ord.
- Transkreera marknadsföringsrader — översätt dem inte bokstavligt — och anpassa on‑screen‑text och kulturella referenser.
- QA:a varje språk mot en fast checklista; en dålig tajming eller RTL‑bugg kan sabotera hela batchen.
Steg 1: Lås din mastervideo innan du lokaliserar något
Det absolut största misstaget i ett flerspråkigt videoarbetsflöde är att lokalisera medan källan fortfarande ändras. Varje redigering i den engelska mastern multipliceras över 30 exporter.
Så frys den. Din master är den godkända slutversionen — låst bild, låst ljud, låst tajming. Behandla låsdatumet som en hård grind: inget nytt B‑roll, inga trimmade scener, inga ”snabba” textjusteringar efter den här punkten. Om mastern ändras kör du om pipelinen, och det är dyrt 30 gånger om.
Håll mastern modulär. Separera din voiceover från musik och ljudeffekter. Om din berättarröst ligger på ett eget lager kan du byta den per språk utan att röra mixen. Baka musiken i en stam, rösten i en annan.
Plocka ut on‑screen‑text ur burnen. Alla titelkort, lower‑thirds, captions eller callouts som är inbrända i bildrutan blir nu 30 manuella omredigeringar. Där det går, håll text som ett separat lager eller ett mallfält så att du kan återskapa frames per språk istället för att rendera om för hand.
En ren master med separerade lager för röst, musik och text är skillnaden mellan en utfläkning på en dag och en tvåveckors uppförsbacke.
Steg 2: Förbered och städa din källmanus
Ditt manus är sanningskällan för varje översättning, så fixa det här, en gång, innan det sprids.
Skriv ett lokaliseringsklart transkript. Exportera exakt uttalat manus med tidskoder. Markera scenbyten så översättare vet var rader måste landa. Om en mening måste vara klar före en hård klippning vid 00:14, notera det — den begränsningen följer med till varje språk.
Rensa idiom och oöversättliga skämt. ”Hit it out of the park” betyder ingenting på de flesta språk och slösar bort tid för dina transkreatörer. Flagga fraser som är kulturberoende, plus ordlekar, rim och vitsar som inte överlever ett hopp till arabiska eller vietnamesiska. Antingen skriv om dem neutralt eller markera ”transkreera fritt”.
Lås din ordlista. Produktnamn, funktionsnamn, tagline, juridiska termer — bestäm vad som ska vara kvar på engelska och vad som ska lokaliseras, och skriv ner det. Utan ordlista blir ”Brand Kit” fem olika uttryck över fem spansktalande marknader. En tvåkolumners ordlista (källterm → godkänd motsvarighet per språk) håller varumärket konsekvent över alla 30 exporter.
Steg 3: Översätt vs. transkreera — välj rad för rad
Inte varje rad ska behandlas likadant, och att besluta generellt ”översätt allt” är hur du slutar med stel, robotlik marknadsföring på 30 språk.
Översätt det funktionella: instruktioner, UI‑referenser, faktaburen berättarröst, disclaimers. Noggrannhet väger tyngre än stil, och en ordagrann återgivning är rätt.
Transkreera det övertygande: krokar, taglines, uppmaningar (CTA), känslomässiga höjdpunkter. Transkreation betyder att återskapa avsikten och känslan på målspråket, även om orden ändras helt. En CTA som funkar på engelska (”Make it yours”) kan behöva bli strukturellt annorlunda på japanska för att kännas naturlig. Det här är där AI‑video för marknadsföring lever eller dör — en platt översatt CTA konverterar sämre än en transkreerad.
Vivideos AI video translator hanterar bulköversättningen över alla 30 språk i ett svep och ger dig ett robust första utkast per språk. Därefter markerar du de 5–10 mest affärskritiska raderna per video som kräver en mänsklig transkreationsgenomgång. Det mesta av manuset översätts rent; du lägger mänsklig insats där övertygelsen står på spel.
Steg 4: Välj dubbning vs. undertexter vs. röstklon — per språk
Detta är ett affärsbeslut per språk, inte ett default. Gör det innan du genererar ljud, för det påverkar allt nedströms.
Full AI‑dubbning ersätter talspåret med en modersmålstalande röst på målspråket. Använd det för dina prioriterade marknader, social‑first‑innehåll och allt där tittare inte läser undertexter (tänk autoplay‑flöden, mobil, bred konsumenträckvidd). Vivideos AI video dubbing genererar det nya röstspåret tajmat till din originalversion.
Endast undertexter behåller original‑ljudet och lägger till översatt text. Använd det för long‑tail‑språk, B2B‑publik som accepterar läsning eller marknader där du testar efterfrågan innan du investerar i full dubb. Det är snabbare och billigare per språk — ett vettigt default för språk 11 till 30.
Röstkloning dubbar med din egen röst (eller en konsekvent varumärkesröst) över alla språk, så en enda presentatör ”talar” 30 språk. Använd det när on‑screen‑talang eller varumärkesröstens konsekvens är viktig. Vår guide om hur du lägger till AI‑voiceovers går igenom kloning och röstval i detalj.
En praktisk uppdelning: full dubb för dina 8 toppmarknader, röstklon där du har en on‑screen‑värd, undertexter för resten. Skriv in beslutet i projektbladet så att ingen behöver gissa senare.
Steg 5: Generera ljud och synka läpparna
Nu producerar du det lokala ljudet per språk och får det att passa bilden.
Se upp för tajmingdrift. Språk expanderar och krymper. Tyska och vietnamesiska löper längre än engelska; samma mening kan vara 20–30 % fler stavelser. Om den dubbade raden går för långt krockar den med nästa klipp. Vivideos dubbning tajmar det nya spåret till din original, men flagga alla rader som synligt drar ut så att du kan korta transkreationen istället för att snabba upp ljudet till ett pipigt ekorre‑läge.
Lägg till lip‑sync där ansikten talar. För talking head‑video, avatarer eller tajta närbilder är osynkade munnar störande och läses direkt som ”dåligt översatt”. AI‑lip‑sync formar om munrörelserna för att matcha det nya språkets fonem. Använd där ett ansikte syns och talar; hoppa över för voiceover över B‑roll där det inte finns en mun att synka — annars slösar du compute.
Låt musik‑ och SFX‑stammen vara orörd. Eftersom du separerade stammar i steg 1 lägger sig den nya rösten på samma bädd på varje språk. Mixen förblir konsekvent; bara berättarrösten ändras.
Steg 6: Anpassa on‑screen‑text och kulturella referenser
Ljud är bara halva lokaliseringen. Det som syns på skärmen måste också ändras, och här är där stressade batcher brister.
Återskapa textöverlägg per språk. Titlar, lower‑thirds, captions, knapplabels i en produktdemo — allt behöver den översatta strängen. Hämta från ordlistan så termer förblir konsekventa. Se upp för längd: en engelsk knapplabel på 12 tecken kan vara 22 tecken på franska och spränga sin ruta. Avsätt utrymme i layouten.
Hantera höger‑till‑vänster‑språk medvetet. Arabiska, hebreiska och urdu vänder hela layouten. Text högerjusteras, läsordning vänds, och UI‑mockups eller pilar som pekar ”framåt” pekar nu åt fel håll. RTL är det vanligaste tysta felet i en 30‑språksbatch — testa det uttryckligen.
Lokaliserar visuellt, inte bara orden. Valutasymboler, datumformat (DD/MM vs. MM/DD), enheter, telefonnummerformat och exempelnamn ska matcha regionen. En US‑dollartecken i en video mot euromarknaden signalerar ”inte gjort för dig”. Byt exempeldata per marknad där det syns på skärmen.
Kolla kulturell passform. Gester, färger, högtider och bildspråk bär olika betydelser mellan regioner. En tumme upp, en viss handsignal eller en säsongsreferens som funkar på en marknad kan vara fel eller stötande på en annan. Flagga allt kulturberoende under manusförberedelsen (steg 2) så är det löst redan nu.
Steg 7: QA:a varje språk mot en fast checklista
Du kan inte ögna igenom 30 videor och kalla det klart. Bygg en checklista och kör varje export igenom den identiskt — det är så kvalitet skalar istället för att urholkas vid språk 25.
För varje språk, verifiera:
- Ljud matchar videolängd — ingen berättarröst som spiller över sista bilden.
- Lip‑sync håller i varje närbild, inte bara första klippet.
- On‑screen‑text är fullt översatt — inga engelska rester i en lower‑third.
- Text får plats i sin behållare — inget avklippt, överspill eller överlapp.
- RTL‑språk renderas korrekt — justering, läsordning, speglade element.
- Ordlistetermer är konsekventa — varumärkes‑ och produktnamn matchar den godkända listan.
- Siffror, datum, valuta, enheter är lokaliserade där de visas.
Få en modersmålskoll per prioriterat språk. AI (artificiell intelligens) tar dig 95 % av vägen; en femminuters granskning av en modersmålstalare fångar den klumpiga formuleringen och tonträffen som automatiserad QA missar. Prioritera dina toppmarknader för mänsklig granskning; lita på checklistan för long tail.
Steg 8: Hantera filer och fläkta ut från mastern
Tretti videor betyder trettio filer gånger så många format varje plattform vill ha. Utan system kommer du skicka den portugisiska versionen till den polska kanalen.
Döp filer förutsägbart. Använd ett mönster som productdemo_v3_pt-BR_1080x1920.mp4 — kampanj, version, locale‑kod, dimensioner. Locale‑koden (pt-BR, es-MX, ar-SA) förhindrar klassiska förväxlingar mellan brasiliansk och europeisk portugisiska, eller mexikansk och kastiliansk spanska.
Behåll mastern som enda källa. När mastern ändras — och det gör den förr eller senare — kör du om pipelinen från steg 1, inte lappar 30 filer för hand. Versionshantera din master (v1, v2) så du alltid vet vilken källa en given export kommer från. Det är hela poängen: en master, en pipeline, förutsägbar utfläkning.
Exportera per plattform från varje locale. Varje språk kan behöva en 16:9 för YouTube, en 9:16 för Reels och TikTok och en 1:1 för feed. Generera de bildförhållandena från den färdiga lokaliserade klippningen snarare än att relokalisera per format.
Skicka din första flerspråkiga batch
Börja litet för att bevisa pipelinen: ta en färdig video, lås den som master och kör den genom dessa åtta steg för tre språk — en full dubb, en röstklon, enbart undertexter. Du kommer att hitta varje tajming-, layout‑ och RTL‑fallgrop i liten skala innan du satsar på alla 30.
När pipelinen rullar rent för tre, fläktar samma steg ut till trettio med nästan ingen extra tankemöda — bara fler renders. Ta in din master i app.vivideo.ai, kör den genom AI video translator och AI video dubbing och skicka en video till hela världen.