AI吹き替えで動画を多言語化する — 口の動きと文化の壁

尺の問題

同じ内容を話すのに必要な時間は言語で違う。日本語から英語にすると短くなり、英語から日本語にすると長くなる傾向がある。この差が、映像との同期を壊す。

対処は3つある。音声を速くする（不自然になる)、映像を伸ばす（間が空く）、原稿を書き直す（手間がかかるが品質は保てる）。業務では3番目を選ぶことが多い。

口の動きを合わせる機能がある製品もあるが、人物が大きく映るカットでは違和感が残る。ナレーション中心の動画、後ろ姿、資料の画面が多い動画では問題にならない。

人物のインタビューを多言語化する場合は、字幕のほうが無難である。吹き替えの不自然さは、字幕を読む手間より気になる。

固有名詞の読み

自社名、製品名、人名の読み方は必ず指定する。指定しないと、綴りから推測した読み方になる。日本語の社名を英語音声で読ませる場合は特に崩れる。

製品によっては発音辞書を登録できる。最初に主要な固有名詞を登録しておくと、以降の作業が楽になる。

翻訳しても伝わらない内容

• 国内の制度を前提にした説明（電帳法、インボイス）
• 業界の慣行に依存した例（商習慣の違い）
• 価格の表示（通貨と税の扱い)
• 固有の文化的な前提（年度、季節、祝日)

これらは言葉を置き換えても意味が通らない。多言語化の対象を選ぶ段階で、この種の内容が中心の動画は外す。

工程の順序

• 1. 原稿を文字で翻訳する（ここで尺を調整する）
• 2. 翻訳を現地の読み手に確認してもらう（可能なら）
• 3. 音声を生成する（固有名詞の読みを指定）
• 4. 映像と合わせる
• 5. 通して確認する

1と2を飛ばして音声から始めると、翻訳の誤りが音声になった後で見つかる。修正の手間が増える。

よくある質問

Q. 字幕と吹き替えのどちらがよいですか。

A. 人物が話す動画は字幕、ナレーション中心の動画は吹き替えが無難です。両方用意できるなら、視聴データを見て判断してください。