動画をボイスオーバーで翻訳する方法
ある言語ではしっかり伝わっている動画があるとします。製品紹介のツアー、レッスン、チュートリアル、スライドを使った講演などです。字幕を付ければ他の言語の視聴者にもある程度は届きますが、聞くほうを好む人も少なくありません。ナレーションを録り直すとなると、翻訳者と声優が必要になり、クリップを手作業で合わせるのに午後がまるごとつぶれます。
もっと近道があります。動画には、ボイスオーバーに必要なものがすでにそろっています。話された言葉と、それぞれが話された秒です。文字起こしをして、その文字起こしを翻訳し、各行を本来のタイミングで読み上げます。できあがるのは動画と同じ長さの音声トラック1本で、何も合わせ直さずに映像の下に置けます。
Speechoでの作業の流れを、最初から最後まで紹介します。
必要なもの
- 動画ファイル（MP4、MOV、WebM）。
- Speechoのアカウント。文字起こしは最初の15分が無料です。
- 10分の動画なら10分ほど。そのほとんどは読む時間です。
ステップ1：動画をアップロードする
文字起こしを開き、動画をドロップします。ブラウザがファイルから音声だけを取り出してアップロードするので、動画そのものはお使いのコンピューターに残ります。文字起こしは数分で届きます。動画が99言語のどれで話されていても対応します。
ステップ2：文字起こしを確認する
何よりも先に、一度通して読みましょう。聞き間違えられた製品名、2語に分けて書かれた用語、数字。ここで直したものは翻訳に、そして音声に引き継がれます。今1語を直すほうが、1行を2回読み上げるよりずっと安く済みます。
ステップ3：翻訳して、短くまとめる
翻訳を選び、言語を指定します。1つの文字起こしにつき、最初の2つの翻訳は無料です。
次に、1つの問いを頭に置いて翻訳を読みます。元の発話にかかった時間に収まるだろうか、という問いです。翻訳は原文より長くなりがちです。同じ文でも、ドイツ語やフランス語は英語より2割ほど多くの単語を使うことが珍しくありません。割り当てられた時間より長い行は、速く読むか、遅れて始めるしかありません。同じ内容をもっと短く言える文があれば、そちらを選びましょう。翻訳に表示されているものが、そのまま音声で読まれます。
ステップ4：元のタイミングで読み上げる
翻訳の読み上げメニューで、元のタイミングで読み上げを選びます。テキスト読み上げが字幕モードで開き、すべての行とそのタイミングがすでに入力されています。
ボイスを選び、まずは無料で試聴しましょう。ボタンを押す前に確認しておきたいことが3つあります。
- 収まらないかもしれない行。 パネルには、割り当てられた時間に対して単語が多すぎそうな行が表示されます。ここで短くするか、少し速めに読まれるのに任せましょう。
- 話し手が複数いる場合。 動画で2人が話していれば、それぞれに専用の声が割り当てられます。どの行を誰が話しているかは音声認識によるもので、間違っていることもあるので確認してください。各行の先頭に名前があり、それを変えるとその行はその名前の声に移ります。
- 料金。 ボタンに表示されています。すべての行をまとめて1つのテキストとして、文字数で計算します。
各行は1行ずつ読み上げられ、元の発話の秒に配置されます。時間をはみ出す行は最大25%まで速められ、声の高さは変わりません。それでも足りない場合は、間（ポーズ）で遅れが吸収されるまで、後続の行が少し遅れて始まります。
ステップ5：聞いてから、1行ずつ直す
最後の行が読み上げられると、履歴のカードがトラックを組み立てて再生します。カードには、どの行が速められ、どの行が遅れて始まったか、それがどれくらいかも表示されます。
行を直すには、行の一覧を開き、テキストを修正するか別の声を割り当てて、もう一度読み上げます。料金がかかるのはその行だけで、トラックは自動で組み立て直されます。テイクごとに仕上がりが少しずつ違うので、1回目に平板に聞こえた行も、2回目にはしっくりくることがよくあります。
ステップ6：トラックを動画に載せる
MP3をダウンロードします。動画の始まりと同時に始まり、長さも動画と同じなので、簡単な使い方が3つあります。
- ブラウザで。 動画とMP3を無料ツール動画の音声を差し替えにドロップします。映像はそのままコピーし、音声だけを書き込み、何もアップロードしません。元の音声は消すことも、下に小さく残すこともできます。
- 編集ソフトで。 元の音声をミュートし、MP3をタイムラインのいちばん最初に置きます。
- YouTubeで。 チャンネルでYouTube Studioから音声トラックを追加できる場合は、新しい言語のトラックとしてMP3をアップロードし、同じ文字起こしから作った翻訳字幕も追加しましょう。
できないこと
始める前に限界を知っておくと役に立ちます。どんな動画に向いているかは、それで決まるからです。
- 口の動き。 声は元の発話と同じ秒に始まりますが、映像は何も変わりません。話している人のクローズアップでは、口の動きは合いません。いちばん向いているのは、チュートリアル、画面録画、講座、スライド、ナレーション付きの映像など、画面に映っているものを声で説明する動画です。
- 音楽と効果音。 トラックに入っているのは新しい声だけです。無料ツールで元の音声を小さく下に残すこともできますが、その場合は元の話し声も残ります。きれいに仕上げたいなら、編集ソフトで音楽を入れ直しましょう。
- 重なった発話。 2人が同時に話している部分は、前後に並んだ2つの行になります。
費用について
ナレーションが途切れずに続く10分の動画、約9,000文字の場合：
| ステップ | クレジット |
|---|---|
| 10分の文字起こし | 100 |
| 翻訳（最初の2言語） | 無料 |
| スタンダード / エンハンスト / プレミアムで読み上げ | 約450 / 1,000 / 1,450 |
5ドルのパックで2,400クレジットなので、10分の動画をもう1つの言語にする費用は数ドルです。クレジットに有効期限はありません。
まとめ
アップロード、確認、短めの翻訳、元のタイミングでの読み上げ、1行ずつの修正、トラックを戻す。最初の動画は、どの行が窮屈になるかをつかむまで少し時間がかかります。その後は、時間のほとんどが読むことに使われます。
翻訳先の言語の字幕がすでにあるなら、最初の3ステップは飛ばせます。SRTまたはVTTファイルをテキスト読み上げの字幕モードで開き、同じように読み上げてください。詳しくは字幕から音声へのページで説明しています。
