Što je bitno u prevođenju videa

01. Četiri problema

Pitajte što čini dobru sinkronizaciju i dobit ćete dugačak popis. Svodi se na četiri stavke:

Ako zakažu prve dvije, ništa nakon njih nije važno: krivo preveden redak ili glas koji se čuje da nije pravi sami po sebi ruše sinkronizaciju. O druge dvije ovisi djeluje li rezultat kao izvornik ili kao sinkronizacija.

02. Prirodan prijevod: novi scenarij, a ne preslikavanje

Svaki jezik stvari izražava na svoj način: riječima, idiomima, građom rečenice, oblicima obraćanja, onim što se uopće izgovori. Zatražite li od modela da „prevede”, on rečenice preslikava jednu na jednu iz jezika A u jezik B. Ljudi rade isto: čim zadatak shvate kao prevođenje, on se svede na pretvaranje rečenica.

• Japanski izbjegava previše izravne formulacije; prirodan redak često treba iznova složiti neizravno, a ne ublažavati riječ po riječ.
• Korejski stalno izostavlja subjekt; prenesete li engleske zamjenice u korejski jednakom učestalošću, tekst zvuči strano čak i kad je svaka riječ točna.
• Red riječi, stil, počasni oblici i ono što neka kultura prešućuje mijenjaju se od jezika do jezika; prijevod nije dobar samo zato što je doslovno značenje preživjelo.

„Dobro” se ne da svesti na kontrolni popis, pa cilj sažimamo u jednu rečenicu: dobro prenijeti sadržaj videa na ciljnom jeziku. To je mjerljivo:

03. Prirodan zvuk: ista osoba, na novom jeziku

Izgovor je gotovo riješen. Zanimljivi neuspjesi dolaze tek nakon njega:

• Identitet: ista osoba i dalje zvuči kao ista osoba, na svakom jeziku.
• Emocija: ono što je govornik osjećao preživi promjenu jezika.
• Naglasak, ritam, namjera: kamo se rečenica naginje, kojom brzinom ide i što pokušava postići.

Cilj se sažima jednako kao i cilj prijevoda: zvuk odgovara videu. Ne „generiraj jezik B glasom iz jezika A”, nego ista izvedba, na novom jeziku. I scena je dio zvuka: smijeh, glazba, prostorija.

ElevenLabsElevenLabsTHEIR DOCS, READ OCTOBER 30, 2026

Editing the translation means their old model.

On ElevenLabs' current Dubbing v2, in alpha, editing the translation and regenerating the audio through the API is for their Enterprise plans only. Their full editor, Dubbing Studio, is "only available via the v1 model" and "in maintenance mode", in their words. Dubbing v1 is the model our 418-pair study measured, and its output is mono.

+27.8%

FAMILIAR CLOSER TO THE REAL SPEAKER · ALL 11 LANGUAGES

261%

ELEVENLABS MORE BACKGROUND ERROR · THE MUSIC, THE AMBIENCE

+243.7%

FAMILIAR ON LAUGHTER AND REACTION SHAPE

ELEVENLABS DUBBING V1 · 418 PAIRED OUTPUTS · 11 LANGUAGES · AUGUST 5, 2026Read the study →Their docs ↗

04. Tekst na ekranu dio je videa

Današnji video uvelike se oslanja na tekst na ekranu: natpise, šale, memeove, jednu riječ tempiranu na ritam. Svaki je od njih vizualni događaj na izvornom jeziku. Prilagodba ima dva uvjeta:

• Nikad ne oštetiti video. Artefakti ili vizualno ometanje čine rezultat lošijim od izvornika.
• Nikad ga ne prevoditi doslovno. Najprije morate razumjeti zašto se taj tekst pojavljuje baš u tom trenutku i na tom mjestu, a tek ga onda možete prilagoditi.

Familiarov multimodalni model odlučivanja o lokalizaciji (MLDM), prvi temeljni model za multimodalno prevođenje, nova paradigma, prva takve vrste, danas uz sinkronizaciju prevodi naslove, opise i titlove. Tekst u kadru je u izradi: zaslon mobitela ili ulični natpis, napisan izrazima koje ste već odabrali, s brendom ili imenom koji u hodu ostaju kako su snimljeni, pa vrećica čipsa Tostitos ostaje Tostitos, a vi birate koji tekst prevesti. Pravilo vrijedi i dalje: ako se zahvat može primijetiti, nije dovoljno dobar.

05. Sinkronizacija usana: uspjeh je kad je nitko ne primijeti

Sinkronizacija usana nosi isti strogi uvjet: nikad ne oštetiti video. Najveći kompliment koji sinkronizacija usana može dobiti jest pitanje „što se promijenilo?”

Efekt djeluje i u korist sinkronizacije. Kad se usta poklope, mozak dvosmislenost razrješava u smjeru slaganja: izgovor zvuči jasnije, a boja glasa više kao ista osoba.

Teški dijelovi: glasovi izvan kadra, govornici koji se preklapaju, ljudi koji izgledaju ili zvuče slično te uređivanje usta bez narušavanja lica. Stavite dvoje ljudi u kadar i današnji alati sinkroniziraju oba para usta odjednom.

Usne su tek početak. Osoba rečenicu izvodi cijelim licem -- očima, obrvama, obrazima, glavom -- i tijelom: gestama, kimanjem, polutaktom slušanja.

06. Jedan problem, a ne četiri

Svaki se zahtjev iznova svodio na istu rečenicu. Prirodan prijevod: napiši ono što ovaj video kaže, na ciljnom jeziku. Prirodan zvuk: zadrži istu izvedbu u novim riječima. Tekst na ekranu: znaj zašto je ondje prije nego što ga dirneš. Sinkronizacija usana: uredi osobu, a da je ne slomiš.

O tome odlučuje MLDM, izmjereno na istim klipovima i objavljeno na /benchmark. Svaka se odluka bilježi uz zadatak i može se promijeniti; danas vaši kreativni direktori biraju između ponuđenih prijevoda.