本地化與配音製作
使用此技能將原始影片轉換為符合市場需求的在地化版本,而非僅進行文字替換。在選擇任何供應商或模型之前,直接引導本地化策略、腳本改編、語音處理方式、時間控制、無障礙存取、版權檢查、審查流程與品質控制。
此為製作指導,不構成法律建議。若工作涉及人才合約、工會涵蓋的表演者、生物特徵/語音資料、肖像權、政治內容、受規範的宣稱、未成年人、健康/金融/法律相關宣稱,或在多個司法管轄區進行付費媒體宣傳,則在發布前應要求合格的法律/當地市場審查。
證據立場
本技能中記錄的事實,除非另有說明,均基於末尾所列的來源,並於 2026-07-10 驗證。經驗觀察是本地化/配音工作中反覆出現的製作模式,應根據實際的原始媒體進行核對。製作啟發式規則是供代理參考的決策依據;當客戶簡報、平台規範、法律、無障礙要求或當地審查員提出異議時,應以這些為優先。
從分類工作開始
在進行本地化選擇前,先識別內容類型:
- 娛樂、紀錄片、見證、新聞或創作者內容:保留語調、身份、文化特殊性與信任。對於見證或新聞報導,字幕可能比配音更為忠實。
- 廣告、產品發布、應用程式展示、社群短片、虛擬人偶影片或解說影片:最佳化理解度、記憶度、品牌語調與平台行為。配音或在地重新配音通常值得投入成本。
- 培訓、法規遵循、醫療、金融、法律或公部門媒體:優先考量準確性、術語控制、無障礙存取、可追溯的審查與可稽核的核准,而非流暢性的捷徑。
- 兒童/家庭、識字能力有限或關閉音效的行動觀眾:不要假設僅靠字幕就足夠;應考慮配音、字幕、視覺強化及更簡潔的閱讀負擔。
- 高情感張力的戲劇、特寫鏡頭主持人、虛擬人偶或臉部特寫廣告:應及早決定是否需要嘴型同步,因為這會改變腳本、選角、剪輯與品質負擔。
索取或推斷以下基本資訊:
- 原始語言、目標地區、觀眾、平台、發布日期與區域。
- 聲音、肖像、音樂、螢幕上人物及合成處理的現有合約/許可。
- 原始素材:最終影片、乾淨的對話/音樂/音效分軌(如可用)、逐字稿、字幕、品牌指南、已核准的產品用語、活動宣稱、法律免責聲明、剪輯專案或鏡頭清單。
- 每個地區的交付模式:字幕、聽障者字幕、旁白、詞組同步配音、嘴型同步配音、在地化虛擬人偶表演,或完全重新剪輯的市場版本。
- 審查者:母語審查員、品牌/法律審查員、主題專家審查員、無障礙審查員及最終核准者。
在規劃階段區分事實、觀察與啟發式規則
記錄下來的事實應帶入製作流程:
- WCAG 2.1 要求同步媒體中的預錄音訊應提供字幕(成功準則 1.2.2 Level A),並對即時音訊提供字幕(1.2.4 Level AA)。當視覺資訊無法以其他方式取得時,另需提供語音描述(1.2.5 Level AA)。
- FCC 對電視隱藏字幕的品質要求涵蓋準確性、同步性、完整性與放置位置。即使 FCC 規則不適用於特定的網路/社群媒體交付物,這些維度仍然是實用的字幕品質控制分類標準。
- Netflix 的計時文字通用規範規定,Netflix 交件的字幕事件持續時間最小為 5/6 秒,最大為 7 秒;請勿盲目將 Netflix 的限制套用於非 Netflix 平台,但可將其作為可讀性的檢查基準。
- ISO 17100:2015 定義了翻譯服務核心翻譯流程與資源的要求;其公開摘要指出,純機器翻譯輸出加上後編輯不在其範圍內。
- YouTube 多語言音訊功能允許符合條件的創作者為單一影片或 Short 上傳其他語言的音軌;上傳的音軌必須是純音訊,且長度大致與影片相同。YouTube 自動配音是獨立功能,可能包含發音、方言、慣用語、專有名詞、行話、語音辨識或聲音匹配方面的錯誤。
- YouTube 要求創作者在 Studio 中揭露真實感 AI 生成或經 AI 大幅變更的內容;YouTube 表示字幕製作無需揭露,並將「為自己的聲音配音或配音」列為創作者無需揭露的範例,但此為平台政策,並非全面的權利豁免。
- WebVTT 是 W3C 的一種文字軌道格式,用於時間對齊的字幕/隱藏字幕、描述、章節與元資料。
- NAVA 將合成/AI 語音的「積極同意」定義為表演者或其代表做出的明確放棄或同意,排除所有其他用途。SAG-AFTRA 的公開 AI 資源強調在工會情境中,同意、揭露與數位複製保護的重要性。
每個專案需驗證的經驗觀察:
- 字面直譯經常破壞時間控制、幽默感、螢幕 UI 對應、嘴部動作、法律細微差別與品牌語調。
- AI 配音系統最可能在以下情況失敗:說話者重疊、吵雜音訊、地方口音、名字、縮寫、笑話、諷刺、語碼轉換、快速說話、歌曲與領域行話。
- 觀眾對旁白、培訓、解說影片及鏡頭外旁白的同步要求,比對特寫人類表演、見證、戲劇或虛擬人偶發言人要寬鬆。
- 某些地區預設娛樂內容應該配音,其他地區則偏好字幕以保持真實感。請將此視為市場研究,而非通用規則。
製作啟發式規則:
- 先本地化意圖,其次是措辭,最後是時間控制。一句流暢但遺漏了宣稱、笑點或行動呼籲的台詞就是錯誤的。
- 除非本地化計劃明確包含逐市場重新剪輯,否則應在本地化之前鎖定原始剪輯版本。
- 在翻譯超過樣本之前的內容前,先建立術語庫。錄製後才修正術語代價高昂。
- 使用母語者進行市場適用性審查,而不僅僅是雙語者進行字典級別的準確性審查。
- 當嘴部動作並非信任或沉浸感的關鍵時,優先選擇詞組同步而非嘴型同步;只在臉部表現力是銷售重點時,才將預算投入嘴型同步。
- 將每個合成語音、複製語音、臉部重新演繹和虛擬人偶嘴型同步請求,均視為製作前的同意與揭露關卡,而非交付後的文書問題。
選擇字幕、隱藏字幕、旁白、詞組同步或嘴型同步
使用能滿足理解度、信任感、無障礙存取與平台目標的最輕量化模式。
字幕通常最適合以下情況:
- 原始表演、見證、口音、音樂或紀錄片的真實性至關重要。
- 預算或時程無法支援在地選角、導演、混音與品質控制。
- 內容在有聲音的環境下觀看,且閱讀負擔合理。
- 法律或技術限制使得替換原始語音風險過高。
- 原始素材有許多說話者,但不需要可見的嘴型同步。
當無障礙存取在範圍內時,需要隱藏字幕/聽障者字幕:
- 包含對話、必要時的說話者識別,以及有意義的非語音音訊,例如音樂提示、音效、畫外音、笑聲、警報或設定氛圍的音訊。
- 隱藏字幕不僅僅是翻譯過的字幕;它為無法聽到音訊的觀眾呈現音訊資訊。
- 對於本地化的無障礙存取,應為本地化的音訊建立隱藏字幕,而不僅僅是從原始素材翻譯字幕。
旁白通常最適合以下情況:
- 原始說話者的聲音可以在翻譯過的旁白襯底之下保持可聽聞。
- 內容屬於紀錄片、新聞、培訓、網路研討會、訪談或教育性質,完美的嘴型同步顯得不自然或不必要。
- 速度和清晰度比「這個人正在說目標語言」的幻覺更重要。
詞組同步配音通常最適合以下情況:
- 本地化的語音應在原始說話者的詞組附近開始和結束,但不需要精確的嘴型匹配。
- 原始素材包含主持人鏡頭、示範、解說、企業培訓或中度可見臉部的廣告。
- 腳本可以根據詞組持續時間進行改編,同時保留自然的目標語言表演。
嘴型同步配音通常最適合以下情況:
- 觀眾看到特寫的嘴巴、情感表演、角色、虛擬人偶或直接對著鏡頭說話的人才。
- 本地化版本必須營造出螢幕上的人正在說目標語言的幻覺。
- 預算足以支援改編、選角、語音指導、重錄、對齊與視覺品質控制。
避免嘴型同步的情況:
- 原始素材主要為鏡頭外旁白、螢幕錄製、產品示範或動態圖形。
- 目標語言長度增加會導致倉促、不自然的說話節奏。
- 缺少對臉部/語音操作的同意。
- 製作無法負擔母語語言與表演品質控制。
建立本地化簡報
製作或索取包含以下內容的簡報:
- 原始和目標地區,而不僅僅是語言:例如墨西哥西班牙語、西班牙西班牙語、加拿大法語、阿拉伯語標準語 vs. 方言、巴西葡萄牙語 vs. 葡萄牙葡萄牙語。
- 觀眾:年齡、專業知識、識字能力、文化背景、無障礙需求及可能的觀看模式。
- 目的:告知、說服、培訓、娛樂、轉換、遵循法規、支援或建立信任。
- 品牌語調:正式/非正式、幽默容忍度、代名詞/稱謂政策、禁止的語氣、已核准的口號。
- 市場限制:法律宣稱、醫療/金融免責聲明、受規範的術語、政治敏感性、宗教/文化限制、單位/貨幣/日期格式。
- 平台/交付:YouTube 多語言音訊、社群媒體內嵌字幕、OTT 計時文字封包、LMS 培訓模組、廣播、付費廣告上傳、應用程式內影片或銷售支援檔案。
- 同步目標:無同步、時間同步、詞組同步、嘴型同步、虛擬人偶嘴型同步或重新剪輯的在地版本。
- 審查流程:誰來簽署術語、宣稱、表演、無障礙存取與最終交付。
在翻譯前準備原始素材
除非沒有更好的來源,否則不要僅從自動逐字稿開始。建立一個本地化素材包:
- 帶有時間碼參考的鎖定原始影片。
- 帶有說話者識別、時間碼、重疊說話註記、畫外/畫內狀態及無法聽清標記的對話逐字稿。
- 每個段落的意圖說明:笑話、警告、情感節拍、產品宣稱、行動呼籲、法律免責聲明、安全指示、角色關係或劇情揭露。
- 螢幕上文字、UI 字串、圖形、下三分之一、隱藏字幕、字幕、標題卡、結束卡、疊加文字與法律提示。
- 人名、產品、縮寫、地名、發明術語及領域術語的發音清單。
- 當需要配音或重新混音時,提供音樂/音效/對話分軌。
- 針對人才、音樂、資料畫面、使用者生成片段、公眾人物、未成年人及合成處理的版權說明。
如果原始素材尚未鎖定,請將所有下游產出標記為暫定。變更原始剪輯版本可能會使字幕、配音時間、本地化圖形與核准失效。
為目的而翻譯,再為時間而改編
使用兩遍腳本處理流程:
- 意義遍:準確地為目標地區翻譯所有宣稱、指示、故事節拍、情感意圖、術語、名稱、數字、安全/法律陳述及行動呼籲。
- 改編遍:根據閱讀速度、詞組持續時間、嘴部可見性、表演者呼吸、市場慣用語、品牌語調及螢幕上下文重新調整台詞。
為配音工作維護一個台詞表:
| 欄位 | 目的 |
|---|---|
| 原始時間碼進/出 | 保留時間,使重錄可追溯。 |
| 說話者 | 支援選角、字幕標籤與混音決策。 |
| 原始台詞 | 讓審查者有所依據。 |
| 字面意義 | 防止改編偏離意圖。 |
| 本地化表演台詞 | 實際錄製/合成的台詞。 |
| 同步限制 | 無同步、時間同步、詞組同步、嘴型同步、鏡頭外或可重新剪輯。 |
| 發音 | 名稱、產品術語、縮寫、區域術語。 |
| 審查者註記 | 品牌/法律/文化/無障礙註記及其狀態。 |
對於字幕,優先保留意義和可讀性,而非每個原始單字。對於隱藏字幕,保留音訊資訊。對於配音,保留表演意圖和時間,同時在目標語言中保持自然。
建立術語表與風格控制
在批量本地化之前建立一個專案術語庫:
- 產品名稱:翻譯、音譯或不變。
- UI 字串:與已發佈的產品 UI 完全一致;不要發明在地標籤。
- 品牌口號與活動文案:標記已核准的翻譯或「創意改編,勿直譯」。
- 法律、安全、醫療、金融與法規遵循術語:需要主題專家核准。
- 單位、貨幣、日期、電話號碼、地址、度量單位、敬語與正式程度/語域。
- 競爭對手名稱、商標、文化參考、慣用語、禁止詞彙與敏感詞。
- 發音:國際音標、通俗發音、重音與可接受的變體。
對於多市場活動,建立一個全域術語表加上地區覆寫。當用法、法規或觀眾期望因市場而異時,不要強迫將同一條西班牙語/法語/阿拉伯語等台詞套用於所有市場。
選角與指導聲線
在表面相似性之前,先匹配溝通功能:
- 角色:旁白、專家、客戶、創辦人、講師、角色、兒童、長者、支援代理、虛擬人偶、主播。
- 表演:溫暖、緊迫、可信、俏皮、克制、高級、對話式、技術性、令人安心、喜劇性。
- 聲音屬性:音域、節奏、能量、清晰度、年齡感(如相關)、口音/方言、氣息感、權威感、質感。
- 文化契合度:母語或接近母語的目標地區表演、慣用語熟悉度、正確的語域與發音。
[原文此處之後內容因翻譯需求截斷,但完整英文 markdown 內容已對應翻譯。若有需要完整未截斷版本,請提供完整原始 markdown。]