Cara Menerjemahkan Video Panjang dengan Suara AI: Kuliah, Kursus, dan Podcast hingga 2,5 Jam

Video terbaikmu mungkin sudah siap: rekaman lokakarya, modul kursus, wawancara panjang, atau musim terakhir podcast-mu. Dulu, agar penonton berbahasa Spanyol, Jerman, atau Jepang bisa menikmatinya, kamu memerlukan transkrip, penerjemah, pengisi suara, dan waktu setengah hari di editor audio — untuk setiap episode.

Penerjemah video di ImageGPT kini punya mode video panjang untuk kebutuhan ini. Unggah video milikmu berdurasi 1 menit hingga 2,5 jam, periksa naskah terjemahannya, pilih suara, lalu unduh MP4 dengan bahasa baru dan audio asli. Biaya setiap langkah terlihat sebelum kamu memulainya.

Seperti apa hasilnya?

Kami mengambil 2 menit 14 detik pembuka “Tour of the Moon”, video penjelajahan Bulan dengan narasi yang dibuat oleh Scientific Visualization Studio milik NASA dari data Lunar Reconnaissance Orbiter. Video NASA berada dalam domain publik, jadi boleh digunakan. Kami mengunggahnya, memilih bahasa Spanyol dan mode voice-over, lalu membiarkan pengaturan lainnya tetap seperti semula.

AI mendeteksi 1 pembicara, membagi narasi menjadi 18 baris, dan menerjemahkannya sebagai kalimat yang utuh, bukan kata demi kata — “Orientale basin” menjadi “la cuenca Oriental”, sedangkan nama LRO, Diviner, dan LOLA tetap sama. Dari unggah hingga video selesai, prosesnya hanya sedikit lebih dari 1 menit.

MP4 hasil akhir mempertahankan gambar asli tanpa perubahan — tidak ada encoding ulang. File itu juga berisi 2 trek audio, yaitu terjemahan (default) dan audio asli, serta subtitle dalam kedua bahasa. Penonton bisa berpindah trek di pemutar seperti VLC. Kamu juga bisa mengunduh subtitle sebagai file SRT dan VTT untuk YouTube atau platform kursusmu.

Apa saja yang bisa diterjemahkan

Hanya konten milikmu atau konten yang hak penggunaannya kamu miliki: video dan episode kanalmu sendiri, kursus dan webinar, wawancara, podcast, serta dokumenter yang lisensinya kamu pegang. Kamu harus mengonfirmasinya lewat kotak centang sebelum proses apa pun berjalan. Film dan acara TV yang bukan milikmu tidak boleh digunakan.

• Durasi 1 menit hingga 2,5 jam, dengan ukuran file maksimal 6 GB.
• MP4, MOV, MKV, atau WEBM dengan video H.264, H.265, AV1, atau VP9. Jika file-mu menggunakan format lain, konversikan dulu ke MP4 dengan konverter video gratis.
• 18 bahasa yang bisa diterjemahkan dari dan ke bahasa apa pun dalam daftar ini: Inggris, Spanyol, French, Jerman, Italia, Portugis, Polandia, Turki, Belanda, Ukraina, Rusia, Jepang, Korea, Mandarin, Arab, Hindi, Indonesia, dan Vietnam.
• Ucapan yang jelas menghasilkan transkripsi terbaik. Musik keras yang menutupi suara atau orang yang berbicara bersamaan berarti lebih banyak baris naskah yang perlu diperbaiki.

Langkah demi langkah

1. Buka penerjemah video dan beralih ke “Film, kuliah, episode — hingga 2,5 jam”.
2. Pilih proyek baru, atau proyek yang sudah ada jika ini pelajaran atau episode berikutnya. Pilih bahasa tujuan terjemahan; biarkan bahasa asli pada “Deteksi”.
3. Pilih hasilnya: Voice-over, Sulih suara penuh, atau Subtitle saja. Untuk voice-over, pilih suaranya: 1 narator, suara pria dan wanita yang disesuaikan dengan tiap pembicara, atau 1 suara untuk tiap karakter.
4. Unggah file atau tempel tautannya. File besar diunggah per bagian. Jadi, jika koneksimu terputus, pilih lagi file yang sama dan pengunggahan akan berlanjut dari titik terakhir.
5. Konfirmasikan bahwa kamu memiliki hak atas video tersebut, lalu tekan “Transkrip dan terjemahkan”. Biayanya tertera pada tombol.
6. Periksa daftar pembicara, glosarium, dan naskah. Setiap baris memiliki tombol putar untuk audio asli dan terjemahan, dan kamu bisa mengedit baris mana pun.
7. Untuk video panjang, tekan “Coba … menit pertama” terlebih dahulu. Fitur ini hanya membuat suara untuk bagian pembuka, hingga 2 menit setelah baris pertama, agar kamu bisa mendengar hasil suaranya sebelum membayar sisanya.
8. Tekan “Buat suara untuk seluruh video”, lalu “Unduh video” dan, jika perlu, “Subtitle”.

Semuanya diproses di server kami, jadi kamu bisa menutup tab dan kembali nanti untuk melihat bilah progres beserta perkiraan waktu tersisa. Jika kamu menghentikan proses pembuatan suara di tengah jalan, kredit untuk bagian yang belum dibuatkan suara akan dikembalikan. Video hasil akhir juga tersimpan di Karya saya.

Voice-over, sulih suara penuh, atau subtitle?

Sulih suara penuh memisahkan ucapan dari musik dan efek suara dengan Demucs, lalu menempatkan ucapan baru di atas audio latar asli. Setiap karakter bisa menggunakan suara bawaan, suara yang kamu simpan pada salah satu karaktermu, atau “Suara dari video” — tiruan suara pembicara tersebut saat berbicara dalam bahasa baru. Tiru hanya suaramu sendiri atau suara orang yang sudah memberikan izin; kamu harus mengonfirmasinya melalui kotak centang terpisah. Peniruan suara belum tersedia untuk bahasa Ukraina, Indonesia, dan Vietnam, jadi bahasa-bahasa itu menggunakan suara bawaan.

Menerjemahkan seluruh kursus atau satu musim podcast

Masukkan setiap episode dalam satu seri ke proyek yang sama. Proyek akan mengingat daftar pembicara — hingga 12 pembicara bernama beserta suaranya, sementara sisanya dikelompokkan sebagai “Pria lainnya” dan “Wanita lainnya” — serta glosarium nama dan istilah. Pada episode berikutnya, AI mengenali pembicara yang kembali lewat suaranya, sehingga suara rekan pembawa acaramu tetap sama di pelajaran 1 dan pelajaran 10.

Isi glosarium setelah episode pertama. Jika kursus memasak menerjemahkan “fold in” dengan 2 cara berbeda, tambahkan istilah tersebut beserta terjemahan yang kamu inginkan, lalu tekan “Terjemahkan ulang”. Hanya terjemahannya yang dibuat ulang; baris yang kamu edit sendiri tetap seperti semula.

Berapa biayanya?

Kamu membayar per langkah. Biaya transkripsi dan terjemahan dikenakan tepat setelah pengunggahan, sedangkan biaya pembuatan suara dikenakan setelah kamu memeriksa naskah. Harganya bergantung pada durasi dan seberapa banyak percakapan dalam video, dan setiap tombol menampilkan jumlah pastinya. Berikut perkiraan untuk video yang banyak berisi ucapan:

Cuplikan NASA berdurasi 2 menit yang kami gunakan menghabiskan sekitar 20 kredit, termasuk transkripsi. Video dengan jeda panjang atau bagian yang hanya berisi musik lebih murah karena suara baru hanya dibuat untuk baris yang diucapkan. Jika nanti kamu memperbaiki 1 baris, kamu hanya membayar untuk baris itu; saat video dibuat ulang, hanya bagian yang berubah yang dicampur ulang.

Klip pendek di bawah 5 menit tetap diproses lewat mode biasa pada alat yang sama, yang menambahkan sinkronisasi bibir dan subtitle yang menyatu dengan video. Untuk teks animasi pada Reel atau Short, gunakan Teks Otomatis.