Come preparare l'audio per il doppiaggio AI
La qualità del doppiaggio si decide prima del caricamento. Voci sovrapposte, musica sotto il parlato, riverbero: niente di tutto questo si corregge dopo.
Un doppiaggio può essere solo all'altezza della registrazione da cui proviene, e gran parte della qualità si decide prima ancora di caricare qualsiasi file.
Questa non è una clausola di esclusione della responsabilità, è la descrizione di come funziona la pipeline. Il doppiaggio deve capire cosa è stato detto e chi lo ha detto prima di poter ripetere lo stesso concetto in un'altra lingua. Qualsiasi elemento che disturbi questo processo nel file sorgente (una seconda voce, della musica nella stessa gamma di frequenza o una stanza con troppo riverbero) rovina ogni passaggio successivo.
La cosa fondamentale da sapere è che inviamo il tuo file esattamente così com'è. Nessuna pre-elaborazione, nessuna pulizia dell'audio, nessuna normalizzazione. Quello che carichi è ciò che viene doppiato, quindi ogni difetto iniziale rimarrà anche alla fine.
Perché non si può correggere dopo?
Perché non esiste un "dopo". Il doppiaggio viene eseguito in modo completamente automatico dall'inizio alla fine, e nulla viene modificato a mano una volta terminato. Lo diciamo chiaramente nella nostra pagina di supporto: non è possibile registrare nuovamente una singola battuta venuta male su richiesta.
Può sembrare insolito per un fornitore metterlo per iscritto, ma è l'approccio più onesto. Non c'è alcun intervento umano che sistema il risultato finale, quindi l'unico momento in cui puoi fare la differenza sulla qualità è prima del caricamento.
Cosa rovina davvero un doppiaggio?
Sono quattro i fattori principali, in ordine di gravità del danno che causano.
Voci sovrapposte. Due persone che parlano contemporaneamente rappresentano lo scenario più difficile in assoluto. Quando le voci si sovrappongono, il sistema di trascrizione deve assegnare le parole a speaker fisicamente mescolati tra loro: gli errori commessi in questa fase si trascinano lungo tutta la traduzione fino al risultato finale. Il consiglio presente nella nostra pagina di supporto, usare un audio sorgente pulito in cui parla una sola persona alla volta, non è una semplice formalità.
Musica nella stessa gamma di frequenza della voce. La musica di sottofondo non è necessariamente un problema. Lo diventa quando occupa le medie frequenze tipiche del parlato, poiché separare i due elementi diventa estremamente complesso. Un sottofondo leggero e non invasivo non crea problemi; un brano con voci cantate evidenti o frequenze medie troppo cariche sì.
Troppo riverbero. Una stanza con superfici riflettenti impasta le parole l'una con l'altra. Il riverbero catturato nella registrazione non può essere rimosso in un secondo momento e sfoca proprio i confini tra le parole, che sono fondamentali per il funzionamento di tutta la pipeline.
Compressione e limitatori già applicati. Questo aspetto spesso sorprende perché viene visto come un tocco di qualità. Una compressione aggressiva schiaccia la gamma dinamica che distingue il parlato dal rumore di fondo, e un master per podcast fortemente limitato è spesso più difficile da elaborare rispetto alla registrazione originale. Se hai a disposizione il pre-master, usa quello.
Cosa fare prima di caricare il file?
In ordine di efficacia:
Registra o esporta la versione più pulita che hai. Se l'audio del tuo video è stato miscelato con musica ed effetti, ma possiedi ancora la traccia vocale isolata (il dialogue stem), doppia solo quella. Una traccia di dialogo separata è sempre preferibile a un mix completo.
Evita le sovrapposizioni di voci. Se hai un'intervista o un dibattito con gli speaker registrati su tracce separate, valuta se sia possibile gestire i segmenti in modo da non sovrapporre le voci, invece di caricare un mix in cui le due voci si scontrano.
Taglia il silenzio e le parti non parlate all'inizio e alla fine. I crediti corrispondono ai minuti arrotondati per eccesso con un minimo di 1 minuto a file: di conseguenza, 40 secondi di sigla musicale finale possono costarti un intero credito extra per un segmento senza parlato da doppiare.
Evita di abbellire l'audio. Non aggiungere compressione, equalizzazione o riduzione del rumore sperando di ottimizzare il file. A meno che tu non stia risolvendo un problema specifico che conosci bene, rischi di eliminare informazioni utili anziché il rumore.
Il formato del file è importante?
Meno del contenuto vero e proprio, ma vale la pena prestarci attenzione.
Accettiamo 17 formati: MP3, WAV, AAC, M4A, FLAC, AIFF, OGA, OGG e Opus per l'audio, oltre a MP4, MOV, AVI, MKV, WebM, M4V, MPEG e MPG per i video. L'estensione del file viene verificata prima di avviare qualsiasi altra operazione.
Se hai già un master non compresso (lossless), carica quello invece di un MP3 esportato per la distribuzione. Ricodificare un audio già compresso (lossy) in un altro formato compresso accentua gli artefatti, e non c'è motivo di passare alla pipeline una copia di qualità inferiore rispetto a quella in tuo possesso.
Se il tuo obiettivo finale è un file solo audio, ad esempio una traccia audio multilingue di YouTube, carica direttamente l'audio anziché il video, evitando così una conversione inutile alla fine del processo.
Limiti: 2 GB e 180 minuti per file, entrambi verificati prima di consumare un singolo credito. La durata del file viene letta direttamente in memoria dai byte in arrivo, senza mai essere salvata su disco per la misurazione.
Come capire se ha funzionato?
Ascolta il primo minuto e l'ultimo minuto, esattamente in questo ordine.
Il primo minuto ti dà indicazioni sulla qualità: se la voce suona bene, se la traduzione scorre in modo naturale o se ci sono parti incomprensibili. L'ultimo minuto serve a controllare il fuori sincrono, poiché le differenze di durata si accumulano nel corso del video ed è proprio alla fine che si notano. Abbiamo già spiegato perché l'audio doppiato va fuori sincrono e cosa fare in questi casi.
Un test su un singolo file e in una sola lingua è la prova più economica a tua disposizione. Inoltre, se l'elaborazione fallisce del tutto, i crediti ti vengono restituiti in modo automatico, anche nel caso di timeout a 6 ore. Quello che invece non è rimborsabile è un lavoro che si conclude con successo ma produce un doppiaggio di scarsa qualità a causa di un audio sorgente scadente. In questo caso non si tratta di un errore per i parametri della pipeline: il processo è stato eseguito, ha generato un file e il costo ti è stato addebitato.
Ecco perché conviene dedicare 10 minuti alla preparazione della sorgente prima di consumare i crediti per il doppiaggio.
Altre letture consigliate
Se stai preparando dei contenuti didattici, dove di solito è già disponibile una narrazione pulita e il problema principale è la differenza di durata, la nostra guida sul doppiaggio di e-learning dall'italiano al portoghese approfondisce questo abbinamento, mentre quella sul doppiaggio di video di prodotti SaaS dall'italiano allo spagnolo affronta lo stesso problema per le demo di prodotto. Trovi tutti gli altri casi d'uso nell'indice dei casi d'uso.
Domande frequenti
Il doppiaggio AI rimuove la musica di sottofondo?
Meglio non farci affidamento. La musica che rimane bassa e distinta dalle frequenze della voce solitamente non crea problemi, ma se condivide le medie frequenze con il parlato rende la separazione imprecisa e peggiora il risultato finale. Se disponi del dialogue stem separato dal mix, ti consigliamo di doppiare direttamente quello.
Perché il mio doppiaggio AI ha un suono robotico?
Di solito dipende dall'audio sorgente e non dal modello. Voci sovrapposte, troppo riverbero e una compressione iniziale aggressiva nascondono le sfumature del parlato da cui dipende l'intero processo successivo. Spesso una pronuncia piatta nel file finale è riconducibile a una registrazione di partenza difficile da interpretare.
Devo pulire l'audio prima di caricarlo?
Elimina i problemi reali, ma evita elaborazioni fini a se stesse. Usa la versione più pulita che hai già a disposizione, idealmente una traccia di dialogo non masterizzata, e taglia i segmenti non parlati alle estremità, dato che il calcolo dei crediti viene arrotondato per eccesso per ogni file. Aggiungere compressione o riduzione del rumore senza un motivo preciso tende a eliminare informazioni utili invece del rumore.
Qual è il formato migliore da caricare?
Quello più vicino all'originale. Accettiamo 17 formati e inviamo il file così com'è senza pre-elaborazione, quindi un master lossless è molto meglio di un MP3 destinato alla distribuzione. Ricodificare un formato già compresso (lossy) in un altro aumenta solo la presenza di artefatti.