Jak przygotować dźwięk przed dubbingiem AI
O jakości dubbingu decyduje moment przed przesłaniem pliku. Nakładające się głosy, muzyka pod głosem, pogłos i kompresja psują wynik nieodwracalnie.
Zdubbingowane nagranie może być tylko tak dobre, jak plik źródłowy, z którego powstało. O większości końcowej jakości decydujesz jeszcze przed przesłaniem pliku.
To nie zastrzeżenie prawne, ale opis tego, jak działa nasz system. Dubbing AI zastępuje oryginalne głosy w nagraniu: najpierw musi ustalić, co zostało powiedziane i kto to powiedział, aby móc przekazać to samo w innym języku. Każdy element, który to utrudnia w pliku źródłowym (drugi głos, muzyka w tym samym paśmie częstotliwości czy pomieszczenie ze zbyt dużym pogłosem), pogarsza jakość na każdym kolejnym etapie.
Warto wiedzieć jedno: przesyłamy Twój plik dokładnie w takiej postaci, w jakiej go dostarczysz. Nie stosujemy wstępnej obróbki, czyszczenia ani normalizacji. To, co prześlesz, trafia do dubbingu, więc wszelkie błędy w nagraniu pozostaną nieruszone.
Dlaczego nie można tego naprawić później?
Ponieważ nie ma żadnego "później". Proces dubbingu przebiega automatycznie od początku do końca i po jego zakończeniu nic nie jest edytowane ręcznie. Mówimy o tym wprost na naszej stronie pomocy, co oznacza, że pojedynczego złego zdania nie da się nagrać ponownie na życzenie.
To rzadka szczerość ze strony dostawcy oprogramowania, ale dokładnie tak wyglądają fakty. W całym procesie nie uczestniczy człowiek, który poprawiłby plik wynikowy, dlatego jedynym miejscem, w którym masz wpływ na jakość, są dane wejściowe.
Co naprawdę pogarsza jakość dubbingu?
Cztery czynniki, ułożone mniej więcej według skali szkód, jakie powodują.
Nakładające się głosy. Sytuacja, w której dwie osoby mówią jednocześnie, jest najtrudniejszym możliwym przypadkiem. Gdy mowa się nakłada, system transkrypcji musi przypisać słowa do osób mówiących, których dźwięk jest fizycznie zmieszany. Błędy powstałe na tym etapie przechodzą bezpośrednio przez tłumaczenie do pliku wynikowego. Nasza strona pomocy zaleca czyste audio źródłowe z jedną osobą mówiącą naraz, i nie jest to tylko formalność.
Muzyka w tym samym paśmie częstotliwości co głos. Muzyka w tle nie stanowi automatycznie problemu. Problemem jest muzyka zajmująca to samo pasmo średnich częstotliwości co mowa, ponieważ jej odseparowanie jest wyjątkowo trudne. Ciche tło muzyczne, które nie przeszkadza głosowi, nie zepsuje efektu, ale ścieżka z wyrazistym wokalem lub rozbudowanym środkowym pasmem już tak.
Silny pogłos. Pomieszczenie o twardych powierzchniach rozmywa granicę między słowami. Pogłosu nagranego w pliku nie da się później usunąć, a zaciera on dokładnie te krawędzie wypowiedzi, które są kluczowe dla dalszego przetworzenia.
Wcześniej zastosowana kompresja i limiter. To często zaskakuje, ponieważ brzmi jak profesjonalna obróbka. Agresywna kompresja spłaszcza dynamikę, która odróżnia mowę od tła. Silnie zlimitowany master podcastu jest często trudniejszy w obróbce niż surowe nagranie, z którego powstał. Jeśli dysponujesz wersją przed masteringiem, użyj właśnie jej.
Co warto zrobić przed przesłaniem pliku?
Oto kroki ułożone według skuteczności:
Nagraj lub wyeksportuj najczystszą wersję, jaką dysponujesz. Jeśli ścieżka dźwiękowa Twojego wideo została zmiksowana z muzyką i efektami, ale nadal masz osobną ścieżkę z samym głosem, poddaj dubbingowi właśnie ją. Wyselekcjonowana ścieżka dialogowa zawsze wygrywa z gotowym miksem.
Zadbaj o to, aby w danym momencie wypowiadała się jedna osoba. Jeśli masz wywiad lub dyskusję panelową, a wypowiedzi poszczególnych osób znajdują się na osobnych ścieżkach, zastanów się, czy można podzielić materiał tak, aby uniknąć nakładania się głosów, zamiast przesyłać miks, w którym dwa głosy się zderzają.
Przytnij ciszę i fragmenty bez mowy na końcach nagrania. Rozliczenie za kredyty minutowe jest zaokrąglane w górę do pełnych minut (z minimum jednym kredytem na plik), więc końcowe 40 sekund muzyki może kosztować Cię cały dodatkowy kredyt za treść, która nie zawiera żadnych słów do zdubbingowania.
Pomiń sztuczne upiększanie. Nie dodawaj kompresji, korekcji graficznej (EQ) ani redukcji szumów w nadziei, że to pomoże. Jeśli nie rozwiązujesz konkretnego, znanego problemu, istnieje duże prawdopodobieństwo, że usuniesz przydatne informacje audio zamiast szumu.
Czy format pliku ma znaczenie?
Mniejsze niż sama treść pliku, ale warto o to zadbać.
Obsługujemy 17 formatów: MP3, WAV, AAC, M4A, FLAC, AIFF, OGA, OGG i Opus w przypadku audio oraz MP4, MOV, AVI, MKV, WebM, M4V, MPEG i MPG w przypadku wideo. Rozszerzenie pliku jest weryfikowane przed rozpoczęciem jakichkolwiek innych działań.
Jeśli masz bezstratny plik master, prześlij go zamiast pliku MP3 wyeksportowanego do dystrybucji. Ponowne kodowanie stratnego dźwięku do innego formatu stratnego potęguje zniekształcenia, a nie ma powodu, aby przekazywać do naszego systemu gorszą kopię materiału, niż posiadasz.
Jeśli Twoim celem jest plik zawierający wyłącznie dźwięk, na przykład wielojęzyczna ścieżka audio na YouTube, prześlij plik audio zamiast wideo, aby uniknąć zbędnej konwersji.
Obowiązujące limity to 2 GB oraz 180 minut na plik, a oba są sprawdzane zanim wykorzystasz choćby jeden kredyt. Czas trwania pliku jest odczytywany bezpośrednio z pamięci RAM podczas przesyłania bajtów i nigdy nie jest zapisywany na dysku w celu pomiaru.
Jak sprawdzić, czy dubbing się udał?
Odsłuchaj pierwszą minutę, a następnie ostatnią minutę nagrania, dokładnie w tej kolejności.
Pierwsza minuta daje obraz jakości: czy głos brzmi odpowiednio, czy tłumaczenie brzmi naturalnie i czy nic nie jest zniekształcone. Ostatnia minuta pokazuje rozsynchronizowanie, ponieważ różnice w długości wypowiedzi kumulują się w trakcie nagrania i to na końcu są najbardziej widoczne. Opisaliśmy szczegółowo, dlaczego zdubbingowane audio traci synchronizację i jak sobie z tym radzić.
Próba na jednym pliku i w jednym języku to najtańszy możliwy test. Jeśli zadanie zakończy się błędem, kredyty wracają automatycznie na Twoje konto (dotyczy to również przekroczenia limitu czasu wynoszącego 6 godzin). Kredyty nie zostaną jednak zwrócone, jeśli zadanie zakończy się sukcesem, ale stworzy słaby dubbing z powodu słabej jakości nagrania źródłowego. Nasz system nie jest w stanie uznać tego za awarię: proces się wykonał, plik powstał, a opłata została pobrana.
Dlatego właśnie warto poświęcić 10 minut na przygotowanie pliku źródłowego, zanim wydasz kredyty na dubbing.
Co przeczytać w następnej kolejności
Jeśli przygotowujesz materiały szkoleniowe, gdzie czysta narracja jest zazwyczaj dostępna, a większym wyzwaniem są różnice w długości wypowiedzi, nasz przewodnik opisujący dubbing e-learningu z polskiego na portugalski wyjaśnia tę kwestię. Z kolei poradnik na temat tego, jak wykonać dubbing wideo dla produktów SaaS z polskiego na hiszpański omawia ten sam problem w prezentacjach produktów. Pozostałe przykłady znajdziesz w przeglądzie zastosowań.
Często zadawane pytania
Czy dubbing AI usuwa muzykę z tła?
Nie należy na to liczyć. Cicha muzyka, która nie nachodzi na pasmo głosu, zazwyczaj nie przeszkadza, ale muzyka dzieląca średnie częstotliwości z mową utrudnia separację i pogarsza jakość. Jeśli masz ścieżkę dialogową oddzieloną od reszty miksu, poddaj dubbingowi samą ścieżkę dialogową.
Dlaczego mój dubbing AI brzmi sztucznie?
Najczęściej przyczyną jest jakość nagrania źródłowego, a nie sam model. Nakładające się głosy, silny pogłos czy zbyt agresywna kompresja zacierają mowę, od której zależy całe dalsze przetwarzanie. Monotonny lub sztuczny głos w pliku wynikowym bardzo często wynika z faktu, że plik wejściowy był trudny do zinterpretowania przez system.
Czy warto oczyścić dźwięk przed przesłaniem?
Usuń ewidentne błędy, ale nie stosuj dodatkowych efektów tylko dla zasady. Użyj najczystszej wersji pliku, jaką posiadasz (najlepiej niepoddanego masteringowi nagrania ścieżki lektorskiej) i przytnij zbędne fragmenty na końcach, ponieważ rozliczenie za kredyty jest zaokrąglane w górę. Bezmyślne dodawanie kompresji lub redukcji szumów częściej usuwa przydatne informacje z nagrania niż sam szum.
Jaki format pliku przesyłać najlepiej?
Ten, który jest najbliższy oryginalnemu nagraniu. Obsługujemy 17 formatów i przesyłamy plik w takiej postaci, w jakiej został dostarczony, bez wstępnej obróbki. Z tego powodu plik w formacie bezstratnym jest znacznie lepszym wyborem niż wyeksportowane do dystrybucji MP3. Ponowne kodowanie z jednego formatu stratnego na inny powoduje narastanie zniekształceń.