译文要按原片的停顿、说话人轮换和剪辑点重新定时。直接朗读直译的结果是每句都晚半拍，而且没人怀疑是翻译问题。
声音克隆能跨过语言边界，成片里的人换语言后仍然可辨，而不是被一个陌生旁白替掉。
真人出镜的长镜头需要它，旁白、空镜和快剪通常不需要，因此只加在真的会被看出来的画面上。
为什么需要本地化
解决视频出海的真实阻力
这些页面不是通用翻译模板，而是围绕场景、语言市场和发布目标组织内容。
有些观众不读字幕
通勤、做饭、单手拿手机时只听不看的观众一直存在；而画面里已有的文字也会跟译文字幕抢阅读带宽。
存量内容靠人工配音做不起
人工配音按成品分钟和语种计费，几百条视频一旦全部重做，就从发行决策变成预算决策。
机器味十秒内就能听出来
字面翻译、台词说不过剪辑点、重音踩错音节，这三样足够让观众判定成品不是人做的，评审时间全花在台本上。
行业洞察
为什么这个场景需要专门本地化
按成品分钟计费
计量的是发行出去的时长，而不是源文件时长，所以真正要算的是精简定时后的本地化版本长度。
质量先取决于台本
配音听不好，绝大多数在翻译那一步就定了：一句话无法在可用的时长里说完。因此先审台本，再生成人声。
一个画面里只有两层字幕位置
外挂字幕是一个文件，烧录字幕是画面的一部分；成片必须选定观众读哪一层，旧的硬字幕还得先处理。
声音授权是前置条件
把声音克隆到另一门语言仍然是克隆那个人的声音，只能用于自己的素材或已明确授权的录音。
工作流
从源视频到多语言发布
从视频文件开始
上传母版或你自己有版权的已发布版本，整条流水线没有「贴链接抓视频」这一步。
先拿到带时间轴的转写
人声按说话人和时间戳拆好，翻译前就能先校对人名、术语和轮换。
按术语表翻译
产品名、人物名和语域写进项目术语表逐行生效，第 12 集不会推翻第 1 集定下的叫法。
对着画面改台词长度
译文在原有停顿里做精简和重新定时，背景音乐与音效仍然留在新人声下面。
生成配音音轨
每个说话人一条克隆或现成音色，只在人物出镜且镜头停留足够的画面上加口型同步。
导出字幕并处理旧硬字幕
同一次作业输出译文字幕文件；原片烧录字幕可以先擦除，新语言才有自己的画面位置。
应用场景
适合直接落地的内容类型
存量内容重新发行
把已有视频库配成第二语言，按成品分钟计费决定了哪些条目值得先做。
讲师与访谈镜头
课程、讲解、真人采访，人物就在画面里，需要同步的不只是声音还有口型。
连续短剧
一个角色在整个季里只能有一套译名和一条声音，否则观众每集都要重新认人。
商品与广告素材
同一个母版按市场出多个投放版本，手机端阅读不便时听觉比字幕更有效。
平台与市场
把内容放到真实分发场景里
各市场对配音和字幕的默认不一样
有的市场习惯看配音、把字幕当没做完；有的市场恰恰相反。质检预算要留多少给音轨，取决于你发行到哪个市场。
字幕格式不能直接复用
同一个字幕文件在甲平台能过、在乙平台可能因行宽、阅读速度或时间轴被退，因此导出要对着发布目标校。
分发机会只在语言内部发生
搜索、推荐和频道页都按语言运转，配了音却沿用原语言标题和描述的新视频，没有任何入口指向它。
发布前检查
本地化成片要检查什么
先听前 30 秒
语域、节奏和人声背后的房间噪声全部在这三十秒里，内容问题还没轮到就被判完了。
逐句对齐剪辑点
说不过镜头的台词最先破功，办法是删字而不是提速。
拿术语表扫一遍导出台本
改过名的产品、上下集叫法不一致的人物，在这一轮里全部抓出来。
字幕与音轨得说同一句话
导出的字幕要就是人声实际说出的那套词，否则边听边读的观众会拿到两套说法。
常见问题
先拿一条视频试，看到价格再批量
上传一个文件就会拿到转写、本地化台本和一版配音样带，按分钟算多少钱在下决定前就能看到。
免费 10 分钟 · 低至 ¥1/分钟 · 无需绑卡 · 含口型同步