本地化与配音制作
使用此技能将源视频转化为市场就绪的本地化变体,而不是将翻译视为简单的文字替换。在选择任何供应商或模型之前,指导本地化策略、脚本适配、声音方法、时间安排、无障碍性、权限检查、审核流程和质量控制。
这是制作指导,而非法律建议。当工作涉及人才合同、工会覆盖的表演者、生物识别/语音数据、肖像权、政治内容、受监管声明、未成年人、健康/金融/法律声明,或在多个司法管辖区投放付费媒体时,必须在发布前要求合格的法律/当地市场审查。
证据立场
本技能中记录的事实基于末尾列出的来源,除非另有说明,否则于2026年7月10日验证。经验性观察是在本地化/配音工作中反复出现的生产模式,应针对实际源媒体进行核实。生产启发式是供代理使用的决策规则;当客户简报、平台规范、法律、无障碍要求或母语审阅者另有规定时,将其覆盖。
从分类工作开始
在做出本地化选择之前,先识别内容类型:
- 娱乐、纪录片、见证、新闻或创作者内容:保留声音、身份、文化特异性和信任。对于证词或新闻,字幕可能比配音更诚实。
- 广告、产品发布、应用演示、社交片段、虚拟人视频或解说视频:优化理解力、留存率、品牌调性和平台行为。配音或本地化重新录制通常值得投入成本。
- 培训、合规、医疗、金融、法律或公共部门媒体:优先考虑准确性、术语控制、无障碍性、可追溯审查和可审计批准,而不是流畅性捷径。
- 儿童/家庭、识字能力有限或静音移动受众:不要假设仅靠字幕就足够;考虑配音、隐藏式字幕、视觉强化和更简单的阅读负荷。
- 高情感戏剧、特写主持人、虚拟人或面部密集的广告:尽早决定是否需要唇形同步,因为它会改变脚本、选角、剪辑和质量控制负担。
询问或推断以下基本要素:
- 源语言、目标地区、受众、平台、发布日期和区域。
- 关于声音、肖像、音乐、屏幕上人物和合成处理的现有合同/权限。
- 源资产:最终视频、干净的对白/音乐/效果分轨(如有)、脚本、隐藏式字幕、品牌指南、批准的产品术语、活动声明、法律免责声明、编辑项目或镜头列表。
- 每个地区的交付模式:字幕、隐藏式字幕/听力障碍者字幕、画外音、短语同步配音、唇形同步配音、本地化虚拟人表演或完全重新剪辑的市场版本。
- 审阅者:母语审阅者、品牌/法律审阅者、主题专家审阅者、无障碍审阅者和最终批准人。
在规划过程中区分事实、观察和启发式
需要带入生产的记录在案的事实:
- WCAG 2.1要求为同步媒体中的预录音频提供隐藏式字幕(成功标准1.2.2 A级),并为直播提供隐藏式字幕(1.2.4 AA级)。当视觉信息无法通过其他方式获得时,音频描述另有要求(1.2.5 AA级)。
- FCC描述了电视隐藏式字幕的质量,涉及准确性、同步性、完整性和放置。即使FCC规则不适用于给定的网络/社交媒体交付物,这些维度也是有用的隐藏式字幕质量控制类别。
- Netflix定时文本通用要求规定,对于Netflix交付物,字幕事件持续时间最小为5/6秒,最大为7秒;不要盲目将Netflix特定限制应用于非Netflix平台,但可将其作为可读性的现实检查。
- ISO 17100:2015定义了翻译服务和流程核心过程及资源的要求;其公开摘要指出,原始机器翻译输出加后期编辑不在其范围内。
- YouTube多语言音频允许符合条件的创作者为一个视频或Shorts上传额外语言的音轨;上传的音轨必须是纯音频,且长度与视频大致相同。YouTube自动配音是独立的,可能包含发音、方言、习语、专有名词、术语、语音识别或声音匹配方面的错误。
- YouTube要求创作者在Studio中披露真实的AI生成或具有重大AI改动的内容;YouTube表示,为创建隐藏式字幕无需披露,并列举了为配音或配音复制自己的声音作为创作者无需披露的例子,但这是一项平台政策,而非全面的权利许可。
- WebVTT是一种W3C文本轨道格式,用于时间同步的隐藏式字幕/字幕、描述、章节和元数据。
- NAVA将合成/AI声音的主动同意定义为表演者或代表的书面确认放弃/协议,排除所有其他用途。SAG-AFTRA的公共AI资源强调了工会背景下的同意、披露和数字复制保护。
需要在每个项目上验证的经验性观察:
- 逐字翻译经常会破坏时间安排、幽默、屏幕上UI的对应关系、嘴部动作、法律细微差别和品牌调性。
- AI配音系统最可能在以下情况下失败:重叠对话、嘈杂音频、地区口音、姓名、缩写词、笑话、讽刺、语码转换、快速说话、歌曲和领域术语。
- 与特写人类表演、证词、戏剧或虚拟人代言人相比,观众在旁白、培训、解说和画外音中更能容忍宽松的同步。
- 一些地区期望将配音作为娱乐的默认方式;另一些则更喜欢字幕的真实性。将此视为市场调研,而非通用规则。
生产启发式:
- 首先本地化意图,其次是措辞,最后是时间安排。一个流畅但错过了声明、笑话或行动号召的句子是错误的。
- 在本地化之前锁定源编辑,除非本地化计划明确包含按市场重新剪辑。
- 在翻译超过一个样本之前建立术语库。录制后修复术语成本高昂。
- 使用母语审阅者进行市场适应性审查,而不仅仅是双语审阅者进行词典准确性审查。
- 当嘴部运动对信任或沉浸感不重要时,优先选择短语同步而非唇形同步;只有面部表现能促进销售时,才在唇形同步上投入预算。
- 在制作前将每一次合成声音、克隆声音、面部再现和虚拟人唇形同步请求视为同意和披露检查点,而不是交付后的文书问题。
选择字幕、隐藏式字幕、画外音、短语同步或唇形同步
使用最轻量的模式,以达到理解、信任、无障碍性和平台目标。
字幕通常在以下情况下效果最佳:
- 原始表演、证词、口音、音乐或纪录片的真实性很重要。
- 预算或时间表无法支持本地选角、指导、混音和质量控制。
- 内容在声音开启的情况下观看,且阅读负荷合理。
- 法律或技术限制使得替换原始声音有风险。
- 源文件中有多位说话者,但不需要可见的唇形同步。
当无障碍性在范围内时,隐藏式字幕是必需的:
- 包括对白、必要的说话者识别,以及有意义的非语言音频,如音乐提示、音效、画外音、笑声、警报或氛围音频。
- 隐藏式字幕不仅仅是翻译后的字幕;它们为无法听到音频的观众提供音频信息。
- 为了本地化的无障碍性,为本地化音频创建隐藏式字幕,而不仅仅是源素材的翻译字幕。
画外音通常在以下情况下效果最佳:
- 原始说话者的声音可能保留在翻译后的旁白层下。
- 内容是纪录片、新闻、培训、网络研讨会、采访或教育类,且面部完美同步会显得做作或不必要。
- 速度和清晰度比营造说话者正在说目标语言的错觉更重要。
短语同步配音通常在以下情况下效果最佳:
- 本地化声音应在源说话者的短语附近开始和结束,但不需要精确的嘴型匹配。
- 源文件中包含主持人镜头、演示、解说视频、企业培训或具有中等面部可见度的广告。
- 脚本可以适应匹配短语持续时间,同时保持自然的目标语言表演。
唇形同步配音通常在以下情况下效果最佳:
- 观众看到特写嘴部、情感表演、角色、虚拟人或直接面向镜头的演员。
- 本地化版本必须营造屏幕上的人正在说目标语言的错觉。
- 预算支持适配、选角、声音指导、重拍、对齐和视觉质量控制。
避免唇形同步当:
- 源文件主要是画外音、屏幕捕获、产品演示或动态图形。
- 目标语言扩展会导致匆忙、不自然的说话。
- 缺乏面部/声音操作的同意。
- 制作无法负担本土语言和表演质量控制的成本。
构建本地化简报
创建或请求一份简报,包含:
- 源语言和目标地区,而不仅仅是语言:例如墨西哥西班牙语、西班牙西班牙语、加拿大法语、阿拉伯语标准语与方言、巴西葡萄牙语与葡萄牙葡萄牙语。
- 受众:年龄、专业水平、文化背景、无障碍性需求和可能的观看模式。
- 目的:告知、说服、培训、娱乐、转化、合规、支持或建立信任。
- 品牌声音:正式/非正式、幽默容忍度、代词/用语政策、禁止语气、批准的口号。
- 市场约束:法律声明、医疗/财务免责声明、受监管术语、政治敏感性、宗教/文化限制、单位/货币/日期格式。
- 平台/交付:YouTube多语言音频、社交平台烧录字幕、OTT定时文本包、LMS培训模块、广播、付费广告上传、应用内视频或销售支持文件。
- 同步目标:无同步、时间同步、短语同步、唇形同步、虚拟人唇形同步或重新剪辑的原生版本。
- 审核路径:谁批准术语、声明、表演、无障碍性和最终交付。
在翻译前准备源资产
除非没有更好的来源,否则不要仅从自动脚本开始。创建一个源本地化包:
- 带时间码参考的锁定源视频。
- 包含说话者ID、时间码、重叠对话注释、画外/画内状态和听不清标记的对白脚本。
- 每部分的意图说明:笑话、警告、情感节拍、产品声明、行动号召、法律免责声明、安全说明、角色关系或情节揭露。
- 屏幕文字、UI字符串、图形、底部字幕、隐藏式字幕、字幕、标题卡、结束卡、叠加文字和法律声明。
- 名称、产品、缩写词、地点、虚构术语和领域术语的发音列表。
- 配音或重新混音时的音乐/效果/对白分轨。
- 人才、音乐、存档素材、用户生成片段、公众人物、未成年人和合成处理的权利说明。
如果源文件未锁定,则将每个下游产物标记为暂定。源编辑的更改可能会使字幕、配音时间、本地化图形和批准失效。
以目的为导向翻译,然后根据时间适配
使用两步脚本流程:
- 意义步骤:为目标地区准确翻译所有声明、说明、故事节拍、情感意图、术语、名称、数字、安全/法律声明和行动号召。
- 适配步骤:根据阅读速度、短语持续时间、嘴部可见性、表演者呼吸、市场习语、品牌声音和屏幕上下文重新调整台词。
对于配音工作,维护一个台词表:
| 字段 | 目的 |
|---|---|
| 源时间码入/出 | 保持时间安排并使重拍可追溯。 |
| 说话者 | 支持选角、字幕标签和混音决策。 |
| 源台词 | 保持审阅者锚定。 |
| 字面意思 | 防止适配偏离意图。 |
| 本地化表演台词 | 实际录制/合成的台词。 |
| 同步约束 | 无同步、时间同步、短语同步、唇形同步、画外音或可以重新剪辑。 |
| 发音 | 名称、产品术语、缩写词、区域术语。 |
| 审阅者说明 | 品牌/法律/文化/无障碍性说明和状态。 |
对于字幕,优先保留意义和可读性,而不是每个源词。对于隐藏式字幕,优先保留音频信息。对于配音,优先保留表演意图和时间安排,同时在目标语言中保持自然。
构建词汇表和风格控制
在批量本地化之前创建项目术语库:
- 产品名称:翻译、音译或保持不变。
- UI字符串:完全匹配已发布的产品UI;不要发明本地标签。
- 品牌口号和活动语:标记为已批准翻译或“创意翻译,不要直译”。
- 法律、安全、医疗、金融和合规术语:需要主题专家批准。
- 单位、货币、日期、电话号码、地址、度量衡、敬语和正式程度/用语。
- 竞争对手名称、商标、文化参考、习语、禁止短语和敏感词。
- 发音:国际音标、通俗发音、重音和可接受变体。
对于多市场活动,创建全球词汇表加上地区覆盖。当用法、法规或受众期望不同时,不要强行对一个西班牙语/法语/阿拉伯语等市场使用同一套台词。
选角和指导声音
在表面相似性之前匹配交际功能:
- 角色:叙述者、专家、客户、创始人、讲师、角色、儿童、长者、支持代理、虚拟人、播音员。
- 表演:温暖、紧急、可信、俏皮、克制、高端、对话式、技术性、令人安心、喜剧性。
- 声音属性:音域、节奏、能量、清晰度、相关时的年龄印象、口音/方言、气息感、权威感、质感。
- 文化契合度:原生或接近原生水平的目标地区表演、习语舒适度、正确的用语和发音。
[原文在此处被截断]