Egy rövid, egyszerű „talking head” videón keresztül betekintést nyerünk abba, hogyan lehet egyetlen angol nyelvű felvételt mesterséges intelligenciával több nyelvre is szinkronizálni, miközben a beszélő hangja és ajakmozgása hűen követi az új szöveget.
A szerző lépésről lépésre mutatja be, miként tölti fel az eredeti videófájlt a Synthesia AI rendszerébe, amely automatikusan felismeri az eredeti nyelvet, majd különböző lehetőségeket biztosít a szinkronizáció pontosítására. Külön felhívja a figyelmet az időzítés fontosságára: az „adaptív” opcióval a fordított szöveg természetesebben tud illeszkedni az adott nyelv struktúrájához.
A videóban előkerül az a kérdés is, mennyire képes a rendszer a beszélő eredeti karakterét – hangszínét, természetességét és akár a mimika finomságait – átadni más nyelveken, illetve hogy mik a leggyakoribb hibalehetőségek a hang és az ajakmozgás összehangolásánál. A tesztelési folyamat során a szerző többször visszanézi és átszerkeszti a lefordított változatokat, hogy a jelentés és a hangzás valóban egyezzen az eredetivel.
Külön érdekesség, hogy mind spanyol, mind japán nyelvre elkészül a fordítás, így jól érzékelhető az AI fordítási hatékonysága eltérő nyelvi szerkezetek között. A munkafolyamat részletesen bemutatja, miért elengedhetetlen a fordítások utóellenőrzése, és hogyan lehet a végső videókat letölteni vagy akár egy többnyelvű lejátszóban elérhetővé tenni.
