So funktionieren KI-Videoübersetzer

Ein KI-Videoübersetzer klingt nach einem einzigen Schritt, ist aber eine Kette aus vier. Wer weiß, was jedes Glied tut, wählt leichter ein Tool und versteht, warum ein Ergebnis danebenlag.

1. Transkribieren

Das Tool wandelt die Sprache zuerst in Text um, mit einem Zeitstempel für jede Phrase. Alles Spätere hängt von diesem Schritt ab. Wird hier ein Wort falsch verstanden, übersetzt die Übersetzung brav das falsche Wort.

Klares Audio hilft am meisten. Musik unter der Sprache, mehrere gleichzeitig sprechende Personen und starke Hintergrundgeräusche erhöhen die Fehlerquote. Wenn Sie die Aufnahme steuern, lohnen sich ein ruhiger Raum und ein Mikrofon nah an der sprechenden Person mehr als jede Einstellung.

2. Übersetzen

Das Transkript wird in die Zielsprache übersetzt. Moderne Übersetzung liest ganze Sätze und beherrscht daher Wortstellung und Grammatik gut. Schwächer ist sie bei dem, was das Transkript nicht enthält: wem ein Name gehört, auf welches Produkt sich ein Begriff bezieht, ob ein Witz ein Witz ist.

Deshalb brauchen Namen, Redewendungen und Fachjargon einen menschlichen Blick. Ein Übersetzungsglossar legt fest, wie wiederkehrende Begriffe erscheinen, sodass Sie sie einmal statt Zeile für Zeile korrigieren. Der Ratgeber zu einheitlicher Terminologie in übersetzten Videos erklärt, wie Sie eines einrichten.

3. Vertonen

Für Untertitel kann die Pipeline nach der Übersetzung enden. Für eine Synchronisation wird der übersetzte Text in Sprache umgewandelt. Hier unterscheiden sich die Tools. Manche nutzen eine Standardstimme. Andere klonen die Stimme der ursprünglich sprechenden Person, sodass die Synchronisation weiterhin nach ihr klingt. Die Stimme einer sprechenden Person bewahren behandelt, was einen Klon natürlich klingen lässt.

Der Vertonungsschritt muss die neue Sprache zudem in dieselbe Zeit wie das Original einpassen. Manche Sprachen fallen länger aus als andere, daher strafft das Tool womöglich Formulierungen oder spricht etwas schneller. Der Sprechzeit-Rechner gibt eine grobe Vorstellung, wie lange ein Skript zum Sprechen braucht.

4. Prüfen

Diese Stufe überspringen viele, und sie ist die wichtigste. Lesen Sie das übersetzte Transkript. Korrigieren Sie Namen und Redewendungen. Hören Sie die erste Minute an, denn dort entscheiden Zuschauende, ob sie dranbleiben.

In Studio von Dubtitle bearbeiten Sie jede Zeile und erzeugen nur das geänderte Segment neu. Sie wiederholen nicht das ganze Video wegen eines schlechten Satzes.

Ein durchgespieltes Beispiel

Stellen Sie sich eine zweiminütige Produktdemo auf Englisch vor, die Sie ins Spanische synchronisieren wollen.

Die Transkription liefert etwa 300 Wörter mit Zeitstempeln. Beim Überfliegen fällt Ihnen auf, dass der Produktname „Kettle Cloud“ als „cattle cloud“ geschrieben wurde. Dieser eine Fehler wäre übersetzt und laut gesprochen worden. Sie korrigieren ihn im Transkript vor dem Übersetzen, und der Rest folgt richtig.

Der Übersetzungsschritt macht aus den Sätzen spanischen Text. Eine Zeile lautet „this will blow your mind“. Eine wörtliche Fassung klänge seltsam, deshalb schreiben Sie sie so um, wie eine spanischsprachige Person über eine Funktion sprechen würde, die ihr gefällt.

Der Vertonungsschritt erzeugt die spanische Tonspur. An zwei Stellen fällt das Spanische etwas länger aus als das Englische. Das Tool strafft diese Zeilen, damit sie vor dem nächsten Szenenwechsel passen.

Schließlich hören Sie die erste Minute an, korrigieren eine weitere Zeile und laden das Video herunter. Der größte Teil der Arbeit war Lesen, nicht Klicken, und fast die gesamte Qualität kam aus Transkript und Prüfung.

Untertitel, Voiceover oder Synchronisation

Dieselbe Pipeline kann in drei verschiedenen Ausgaben enden.

Untertitel enden nach der Übersetzung. Zuschauende lesen den übersetzten Text und hören die Originalsprache. Sie sind die günstigste Option und am leichtesten zu prüfen.

Ein Voiceover legt die übersetzte Stimme über das Originalaudio, das darunter meist leise hörbar bleibt. Es ist bei Nachrichten und Dokumentationen üblich.

Eine vollständige Synchronisation ersetzt die Originalsprache durch eine gesprochene Tonspur in der neuen Sprache. Sie passt zu Tutorials, Kursen und Kanalvideos, bei denen Zuschauende auf den Bildschirm schauen sollen. Der Ratgeber KI-Synchronisation oder Untertitel hilft bei der Wahl.

Wo die KI-Videoübersetzung danebenliegt

• Verhören im Transkript. Akzente, Nuscheln und Geräusche.
• Wörtlich übersetzte Redewendungen. Eine Wendung, die in einer Sprache Sinn ergibt, wird in einer anderen zu Unsinn. Der Spanisch-Ratgeber enthält ein durchgespieltes Beispiel.
• Uneinheitliche Begriffe. Derselbe Produktname auf drei Arten geschrieben.
• Falsches Register. Ein lockeres Video, das förmlich herauskommt, oder umgekehrt.
• Timing. Eine längere Sprache, die in dieselbe Szene gepresst wird.

So erzielen Sie vor dem Upload bessere Ergebnisse

Sie haben mehr Einfluss, als Sie denken.

• Nehmen Sie sauberes Audio auf. Ein Mikrofon nah an der sprechenden Person, ein ruhiger Raum und keine Musik unter der Sprache. Das verbessert das Transkript, und jede spätere Stufe hängt davon ab.
• Sprechen Sie gleichmäßig. Lange Pausen und sehr schnelle Schübe erschweren dem Vertonungsschritt das Timing.
• Führen Sie eine Begriffsliste. Produktnamen, Abkürzungen und Personennamen übersetzt der Übersetzungsschritt am häufigsten falsch. Legen Sie sie in einem Glossar an, bevor der Auftrag läuft.
• Nutzen Sie die Quelldatei, nicht eine Bildschirmaufnahme davon. Ein neu kodiertes Video hat meist schlechteres Audio.
• Kennen Sie Ihre Rechte. Übersetzen und synchronisieren Sie nur Videos, die Ihnen gehören oder für die Sie eine Übersetzungserlaubnis haben.

Wie lange es dauert und was es kostet

Die Dauer hängt vom Tool und vom Video ab. Bei Dubtitle sind die meisten Videos in 2 bis 10 Minuten fertig. Die Kosten hängen davon ab, wie gezählt wird. Manche Tools rechnen pro Video ab, manche pro Credit, manche pro Minute. Für eine Bibliothek ist die nützliche Zahl der Preis pro fertiger Minute und Sprache. Der Kostenratgeber zeigt, wie Sie ihn berechnen, und vergleicht KI-Synchronisation mit klassischer Studiosynchronisation.

Ein kurzes Glossar

ASR. Automatische Spracherkennung, der Fachbegriff für den Transkriptionsschritt.

Maschinelle Übersetzung. Software, die Text von einer Sprache in eine andere übersetzt.

Text-to-Speech. Software, die Text in gesprochenes Audio umwandelt.

Stimmklonen. Erzeugen von Sprache in einer Stimme, die einer bestimmten Person nachempfunden ist.

Glossar. Eine Liste von Begriffen und ihrer jeweiligen Übersetzung, die Namen und Fachjargon einheitlich hält.

Segment. Ein kurzer Sprachabschnitt, meist ein oder zwei Sätze, den Sie einzeln bearbeiten und neu erzeugen können.

Das Glossar zur KI-Synchronisation enthält ausführlichere Definitionen dieser und weiterer Begriffe.

Worauf Sie bei einem Tool achten sollten

Lassen Sie denselben Clip durch zwei oder drei Tools laufen und vergleichen Sie. Der Ratgeber zu den besten KI-Tools zur Videoübersetzung enthält einen Test zum Nachmachen. Achten Sie darauf, ob Sie das Transkript bearbeiten können, ob die Stimme nach der sprechenden Person klingt und wie jedes Tool mit Ihren eigenen Begriffen umgeht.

Wenn Sie eine Synchronisation ausprobieren möchten, erklärt KI-Synchronisation für YouTube und Creator, wie Dubtitle funktioniert, und die Tarife auf Preise beginnen bei $5 im Monat mit einer kostenlosen 7-Tage-Testphase.