把视频本地化,而不是把它翻译过去

多数关于视频本地化的建议,讲的其实是翻译。拿一条成片,把词换掉,加上字幕,让新的声音去对旧的口型。做出来的视频语言是对的,看起来还是配的。一条英文广告直接投到日本市场,是最清楚的例子。词没错,但表达不对:嘴型是为另一套音塑造的,句子的节奏也是另一套。BrandU 保留让这条视频成立的东西,用目标语言把它重做一遍。画面和语言是一起做出来的,而不是事后修补的。

作者:Elias Sun,BrandU 创始人

文中数据与来源最后核对:2026-10-10。

视频本地化,是为一个新市场重做一条视频,从一开始就用那个市场的语言。翻译替换了音轨,口型却对不上。本地化让脚本、字幕和节奏一开始就是那个市场本来的样子,不需要事后往上缝。

为什么配过音的片子一看就是配的

「一看就是配的」这句话之所以存在,原因不在录音质量。而在于这条视频是为一种语言拍的,然后另一种语言被放上去。

嘴型是为另一套音塑造的。句子长度是被另一种语法决定的。屏幕上的字是写给另一个读者看的。翻译工作流可以把这些对齐,口型同步、时轴微调、字幕卡点就是干这个的。但对齐是一种修补,修补是看得见的。观众看到的是一句被拉长一倍的话,或者声音已经停了、嘴还在动。

这些都不是翻译的失败。这是语言变了、而视频没变时会发生的事。这也是为什么配音服务和配音翻译会把大部分力气花在对齐上,而不是花在表演上。表演在原始拍摄那一刻就被定死了,剩下的唯一办法,就是怎么把新词掰过去贴合它。原片里三秒的一句台词,日文版常常要五秒。多出来的两秒总得有个来处。

那个困难是继承来的,不是自己选的。它之所以存在,是因为视频和语言是分开做的。把它们一起做,就没有东西需要对齐了。这就是一条本地化的视频和一条被适配过的视频之间的全部差别。

所以答案不是更好的翻译。而是一条一开始就用目标语言做出来的视频。同样的结构、同样的节奏逻辑、同样的论证,新的语言。以及一个为这些词而生成的画面。

原片已经定下来的翻译要绕开的东西
为它自己的音塑的嘴型对不上那套嘴型的新音
由它自己的语法决定的分段长度变长或变短的译文
写给它自己读者的屏幕文字现在必须被替换掉的文字
观众本来就懂的一个文化参照现在需要解释或替换的参照

每个市场到底要改什么

「本地化」经常被当成「翻译」的同义词,而这两件事不是一回事。差别在你把「到底要改什么」列出来的那一刻就出现了:语言只是那张单子上的一行。

那张单子上有两行,就是一条翻译完全准确、却依然落错地方的原因。促销和屏幕上的字。这两样都可以翻译得完全正确,却对不上那个市场。

这就是多语言营销比听起来难的地方。你交付的不是一条素材配五种语言,而是一个想法的五个版本。而这个想法每次都要被重新表达一遍。那是一个生产问题,它由格式来回答,而不是由翻译来回答。

广告本地化是最先被这件事咬到的地方,因为广告承载的比语言多。「八折」在换季时间不同的市场里没有意义。标价从英镑换成欧元,数字也得跟着变。一场夏季活动投到南半球,落地就是冬天。一句在一个市场听起来克制的说法,在另一个市场听起来就是过度承诺。这四样可以在翻译完全正确的情况下,全部是错的。

层它是什么翻译能解决吗
语言脚本与声音能,翻译干的就是这个
屏幕文字字幕、标签、价格与促销只有替换掉才行,盖上去不行
参照点节日、惯例、单位、货币很少 —— 通常需要重写
出镜与语境谁在镜头里、在哪、穿什么不能 —— 那是画面
位置与画幅投在哪、什么形状不能 —— 那是格式

一个母版,每个市场

视频本地化服务通常分成两种:一条翻译流水线,或者每个市场重拍一遍。第一种便宜,但接缝看得见。第二种干净,但每种语言都要一次制作。

还有第三种做法,也是这个工具走的那条:结构是母版,语言是它的变量之一。

一个母版。每个市场都是它的一个实例。这就改变了成本结构:第二个市场不是第二次制作,第五个也不是第五次。

还有第二个效应,它出现得更晚,但更重要。当一个市场等于一次制作时,团队就不再增加市场了。不是因为新市场不划算,而是因为每加一个就多一份长期的制作义务。有四个市场的团队常常在四个上停好几年。不是因为第五个通不过商业测算,而是没人愿意再背一次要反复拍的活。当一个市场只是一个实例时,这笔账就翻过来了。边际市场便宜到让问题变成「这个市场值不值得做」,而这才是你真正该回答的问题。TikTok 自己给卖家的指南就把按市场做内容当成一次单独的制作,而不是一个可以拨的开关。所以要在市场之间流转的是格式,不是文件。

先做哪些市场:通常的建议是先做你品类里最大的那个市场。这是个合理的默认值,但盲目照做并不好,因为每个市场的成本并不一样。让一个市场变便宜的有两件事:这条视频有多少还能用,以及这个市场的商务信息有多稳定。挨着美国的加拿大就便宜:画面还能用,季节对得上,最多换个货币。德国就不便宜:季节是反的,价格里含税,退货承诺得重写一遍。一个每个月都换促销的市场,就是一个你每个月都要重编的市场。当它只是一次段落改动时这不贵,当它变成一个新的本地化项目时就贵了。

翻译是事后对齐,本地化是一起产出一条翻译过的视频由两遍分开的工序做成:画面按原语言拍好,再把新词贴上去,之后剩下的全是对齐——对口型、调时值、调字幕时间轴。这才是「一看就是配音」这句话真正描述的东西,而它不是翻译的失败:困难是继承来的,因为视频与语言是分开产出的,所以只剩对齐这一个杠杆。本地化的视频把两者一起产出,画面就是为它所承载的那些词而做的,于是没有任何需要对齐的东西。上下两行刻意画成同宽——差别在那条缝,不在质量。TRANSLATE — THE TWO ARE MADE SEPARATELYthe picture, shot for the original languagethe new wordsthe seamlip sync · timing shifts · subtitle timingalignment is a repair — and repairs showLOCALIZE — THE TWO ARE MADE TOGETHERstructurelanguagepictureone master, market as a variableproduce them together and there is nothing left to align
问题不在翻译本身,而在两半产出的先后顺序——所以解法是一次制作方式的改变,不是一次更好的翻译。
你保留什么你按市场改什么
论证的顺序脚本语言
镜头怎么接、在哪剪声音与念法
字幕位置与节奏字幕本身
整体格式与观感画幅(当投放位置需要时)

按市场,不按语言

两个市场可以共用一种语言,却仍然需要不同的视频。英国和美国都读英文,但促销、货币、拼写和参照物都对不上。把本地化当成一张语言清单,就会漏掉这一点。

这一点在量最大的地方最要命。电商本地化不是把一条产品视频翻译五遍。而是同一份目录去适配每个市场的习惯、货币、季节和配送承诺。并在其中任何一项变动时保持更新。同一件外套,在每个店铺里挂着不同的价格和不同的到货时间。

有用的区分在下面那几行里。字幕可以翻译完直接放进去。一个出镜说话的人不行,除非这条视频从一开始就把说话的部分做成了变量。

这一点值得直说,因为内容本地化有个名声:像做表格。一串文本、一串市场、一列填进去。对文字来说,确实是这样。视频没有那一列可填。那一列在视频里等于重新录一条,而你付不付得起,就是全部问题。

这个假设通常的做法实际会发生什么
一种语言 = 一个版本翻译一次,到处发布英式与美式英文在促销、货币和参照上仍然分岔
本地化是一次性项目当成一个有交付日期的项目来跑价格、季节和促销一直在动,所以它永远不算完成
内容本地化和视频本地化是一回事维护一张按市场分的字符串表格一段字符串可以就地替换;一段表演不行

什么保留,什么换掉

给一个新市场重做视频,意思是留一部分、换一部分。下面的表就是这份拆分。保留的那一列,回答的是结构,不是像素。换掉的那一列,是那个市场里的观众会注意到的一切。因为说话的部分是变量,口型就不是一个要解决的问题。它是为正在说的那些词生成的。

机制才是让它成立的原因。这条视频是拆成互相独立的段落来做的,而不是一个整文件。所以换语言会把其余部分重新对时。时间轴和相关元素自己会跟上,你不需要手工去调时间轴。

在实际操作里,这把本地化从一个项目变成一个设置。项目有启动会和交付日期。设置是市场变了你就改一个值。团队把本地化当成项目,不是因为它应该是一个项目。而是在一条翻译流水线里,换语言的唯一办法就是再开一个项目。

结构件保留(能卖的那部分)按市场换掉
脚本结构论证的顺序它被论证所用的语言
镜头与场景镜头怎么接你的素材与商品
字幕什么时候出现、出现在哪翻译后的文案
旁白语气与节奏新语言里的声音
补充画面在哪切进来你的素材
特效怎么出现你的品牌感
节奏信息密度你强调什么
格式竖屏比例你的平台

这在实际里长什么样

一个母版,五个市场,不用重拍。

一个卖到五个市场的 DTC 品牌

渠道
付费社媒,每个市场一个投放位置
格式
一个已验证的格式,按市场重建
流程
保留母版;每个市场是一次语言和促销的设定,不是一次新拍
结果
五个市场版本同时在线,而改价只是一次段落编辑

BrandU 做什么

四件事,按你增加一个市场时的重要程度排序:

  • 它用目标语言把视频重做一遍,而不是翻译它。脚本是用新语言写的,所以配音是母语的,而不是对齐出来的。画面是为这些词生成的。AI 视频翻译工作流必须绕开这一点,因为翻译是从一条成片开始的。
  • 它留一个结构当母版。你加的每个市场都是它的一个实例。论证、镜头逻辑、字幕位置和节奏都带过去。语言是那个变量。
  • 它让一个新市场变成一次编辑,而不是一次制作。换语言只重跑受影响的段落,而不是重建整条视频。所以第五个市场不是第五次拍摄。
  • 它让每个市场保持最新。价格、促销和季节都在动,其中任何一项改动都是一次段落改动,不是一个新的本地化项目。
  • 它把力气放在信息上,而不是放在工序上。改一句台词、换一个促销、切一个市场,都是改脚本。工时会花在这条视频在那个市场主张什么,而不是花在重剪和重新导出上。

怎么跑起来

你不一定要从参考视频起步。有参考,那是最强路径,因为结构已经被验证过了。没有参考,创建页也接受一句话描述。两种入口,之后是同一个编辑器。

  • 找一条你所在品类里已经在跑的视频。粘它的页面链接:不用下载,也不需要文件直链。
  • 把你的品牌和产品信息填一次。每个市场都复用它。
  • 挑选市场。市场不等于语言。为每个市场设定促销、货币和参照物。
  • 逐个生成版本。结构保留,语言和说话的部分是新的。
  • 价格或促销变动时,改那一段。不要把本地化重做一遍。

常见问题

本地化和翻译是一回事吗?
不是,而这个区别就是全部重点。翻译改的是词。本地化改的是视频。翻译过的视频保留原画面,把新语言叠上去。所以它需要口型同步、时轴微调和字幕处理,才勉强能看。本地化的视频是用目标语言做出来的,所以画面和词是为彼此而生的。
支持多少种语言?
这条视频需要用什么语言做,就支持什么语言。脚本是用目标语言写的,而不是翻译成目标语言的,所以你发布用什么语言,就用什么语言写。
每个市场都需要重拍吗?
不需要,而这正是它与那两种常见做法的差别。翻译流水线省掉了拍摄,但接缝看得见。每个市场重拍一遍很干净,但每次都要一次制作。在这里,结构是母版,语言是变量,所以一个新市场是一次编辑,不是一次制作。
那配音服务和配音翻译呢?
它们能解决语言,而且解决得很好。它们改变不了的是:画面对应的是另一套音和另一种句子长度,所以力气都花在对齐上。用目标语言直接做出这个版本,是把对齐问题去掉,而不是解决它。
短剧配音(短剧配音)或更长的内容也适用吗?
它产出的是短视频,而量和测试压力都在那里。能迁移过来的是交付物的形状:一个结构留作母版,语言和说话的部分作为变量。这个形状也是让剧集配音能做得更便宜的原因。剧集恰恰是逐市场适配变得很贵的地方。十集、八种语言,就是八十份工作,而在剧集里,语言本身就是全部产品。

受到信赖

pepperfry, PLTANA, caleyx, FIRM, LG, LUCA FALONI, AliExpress, Topps, Manychat, iFLYTEK, VEVOR.

一个母版,每个市场都能用

粘上母版。换语言和口吻,不用重做整条。