Na čom záleží pri preklade videa

01. Štyri problémy

Keď sa spýtate, čo robí dabované video dobrým, dostanete dlhý zoznam. Dá sa zhustiť na štyri body:

Ak zlyhajú prvé dve, na ničom ďalšom nezáleží: zle preložená veta alebo počuteľne nesprávny hlas dabing pochovajú samy osebe. Posledné dve rozhodujú o tom, či výsledok pôsobí ako originál, alebo ako dabing.

02. Prirodzený preklad: nový scenár, nie prevod

Každý jazyk vyjadruje veci po svojom: slovami, idiómami, stavbou vety, oslovením aj tým, čo sa vôbec vysloví. Keď model požiadate, aby „prekladal“, prevedie vety z jazyka A do jazyka B jednu za druhou. Ľudia robia to isté: v úlohe prekladateľa sa práca zúži na prevod viet.

• Japončina sa vyhýba príliš priamym formuláciám; prirodzenú repliku treba často postaviť nanovo nepriamo, nie ju zjemňovať slovo po slove.
• Kórejčina podmet neustále vynecháva; ak do nej prenesiete anglické zámená v anglickej frekvencii, znie cudzo, aj keď je každé slovo správne.
• Slovosled, štýl, zdvorilostné tvary a to, čo kultúra nechá nevyslovené, sa menia s každým jazykom; preklad nie je dobrý len preto, že prežil doslovný význam.

Slovo „dobre“ sa do kontrolného zoznamu nevtesná, preto cieľ zhusťujeme do jednej vety: dobre odovzdať obsah videa v cieľovom jazyku. A to sa dá zmerať:

03. Prirodzený zvuk: ten istý človek v novom jazyku

Výslovnosť je takmer vyriešená. Zaujímavé zlyhania prichádzajú až za ňou:

• Identita: ten istý človek znie ako ten istý človek v každom jazyku.
• Emócia: to, čo hovoriaci cítil, prežije zmenu jazyka.
• Dôraz, tempo, zámer: kam sa veta opiera, ako rýchlo plynie, čo chce dosiahnuť.

Cieľ sa zhustí rovnako ako pri preklade: zvuk sedí k videu. Nie „vygenerovať jazyk B hlasom z jazyka A“. Ten istý prejav v novom jazyku. A scéna je súčasťou zvuku: smiech, hudba, priestor.

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. Text na obrazovke je súčasťou videa

Dnešné video sa opiera o text na obrazovke: popisky, vtipy, memy, jediné slovo načasované na úder. Každý z nich je vizuálna udalosť vo zdrojovom jazyku. Jeho prispôsobenie má dve podmienky:

• Nikdy nepoškodiť video. Artefakty alebo rušivé prvky urobia výsledok horším než originál.
• Nikdy ho neprekladať doslovne. Najprv treba pochopiť, prečo sa tento text objavuje práve v tejto chvíli a na tomto mieste, až potom sa dá prispôsobiť.

Dnes multimodálny rozhodovací model pre lokalizáciu (MLDM) od Familiar, prvý základný model pre multimodálny preklad, nová paradigma, prvý model svojho druhu, prekladá spolu s dabingom aj názvy, popisy a titulky. Na texte v zábere pracujeme: displej telefónu či pouličná tabuľa, napísané v pojmoch, ktoré ste si už zvolili, pričom model priebežne rozhodne, že značka alebo meno zostane tak, ako boli natočené, takže balíček Tostitos zostane Tostitos, a vy vyberiete, ktorý text sa preloží. Pravidlo platí ďalej: ak si úpravu niekto všimne, nie je dosť dobrá.

05. Synchronizácia pier: úspech znamená, že si ju nikto nevšimne

Synchronizácia pier má tú istú tvrdú podmienku: nikdy nepoškodiť video. Najväčší kompliment, aký si synchronizácia pier v dabingu môže vyslúžiť, je otázka „čo sa zmenilo?“

Ten istý efekt hrá aj v prospech dabingu. Keď ústa sedia, mozog rieši nejasnosti smerom k zhode: výslovnosť znie zreteľnejšie a farba hlasu viac ako ten istý človek.

Ťažké časti: hlasy mimo záberu, hovoriaci, ktorí si skáču do reči, ľudia, ktorí vyzerajú alebo znejú podobne, a úprava úst bez toho, aby sa rozbila tvár. Dajte do záberu dvoch ľudí a dnešné nástroje zosynchronizujú obe ústa naraz.

Pery sú len začiatok. Človek vetu hrá celou tvárou -- očami, obočím, lícami, hlavou -- aj telom: gestami, prikývnutiami, polovicou úderu, keď počúva.

06. Jeden problém, nie štyri

Každá požiadavka sa zhustila do tej istej vety. Prirodzený preklad: napísať, čo toto video hovorí, v cieľovom jazyku. Prirodzený zvuk: zachovať ten istý prejav v nových slovách. Text na obrazovke: vedieť, prečo tam je, skôr než sa ho dotknete. Synchronizácia pier: upraviť človeka bez toho, aby ste ho rozbili.

Presne o tom rozhoduje MLDM, merané na rovnakých klipoch a zverejnené na /benchmark. Každé rozhodnutie sa zaznamená k úlohe a dá sa zmeniť; vaši kreatívni riaditelia dnes vyberajú spomedzi znení prekladu.