NAVIDIX همه‌ی آموزش‌ها ←
دوره‌ی متوسطه · قسمت هفتم

صدا برای ویدیو: گویندگی، دوبله، موسیقی

در قسمت قبل دیدی صدا چه کاری می‌کند — سه لایه، و اینکه چرا صدای پیوسته ناپیوستگیِ تصویر را می‌پوشاند. آنجا گفتیم چه چیزی لازم داری. اینجا می‌سازیمش.

و یک چیز را از همین اول بدان، چون بیشترین وقت را نجات می‌دهد: کیفیتِ گویندگی بیشتر به متنی که نوشته‌ای بستگی دارد تا به مدلی که استفاده می‌کنی.

چهار نوارِ افقی با ارتفاع‌های متفاوت، روی هم — گویندگی، افکت، آمبیانس و موسیقی
چهار لایه روی هم، هرکدام با بلندیِ خودش — همان چیزی که یک میکسِ درست است. مثل چند پلیتِ دیگر، این هم با کد رسم شده نه با مدل تصویری.
۴صدایی که هر ویدیو لازم دارد
۳عدد، برای اینکه میکس آماتور نباشد
۱تست، با بلندگوی گوشی
لایه ۰۱

چهار صدا، و اینکه هرکدام از کجا می‌آید

هر ویدیو حداکثر چهار جنس صدا دارد. اشتباهِ رایج این است که همه‌شان را از یک راه تهیه کنی — معمولاً هم گران‌ترین یا کندترین راه.

لایهمعمولاً بهترین منبعش
گویندگی / نریشنvoice-over اگر خودت در قاب نیستی، بساز. اگر هستی، خودت بگو — صدای مصنوعی روی چهره‌ی واقعی، ناجور می‌نشیند.
دیالوگdialogue سخت‌ترینشان، چون باید با لب هم بخواند. پایین‌تر جدا دربارهٔ همین حرف می‌زنیم.
افکت و آمبیانسsfx & ambience کتابخانه‌های رایگان. برای صدای روزمره، گشتن از ساختن سریع‌تر و بهتر است — مگر صدای چیزی که اصلاً وجود ندارد.
موسیقیmusic بساز. نه به‌خاطر کیفیت، به‌خاطر مجوز و اینکه طولش را دقیق می‌خواهی.
ترتیب کار

به همین ترتیب هم بساز: اول گویندگی، آخر موسیقی. گویندگی طولِ واقعیِ ویدیو را تعیین می‌کند و بقیه‌ی لایه‌ها روی آن طول سوار می‌شوند. اگر اول موسیقی را بگذاری، بقیه‌ی تصمیم‌هایت را همان می‌گیرد — و معمولاً غلط می‌گیرد.

لایه ۰۲

گویندگی: متن را برای گوش بنویس، نه برای چشم

این مهم‌ترین بخشِ این درس است. کسانی که از کیفیت گویندگیِ فارسی ناراضی‌اند، معمولاً متنی داده‌اند که برای خوانده‌شدن نوشته شده، نه برای شنیده‌شدن — و هیچ مدلی این را جبران نمی‌کند.

چهار چیز، به ترتیبِ تأثیر:

  • جمله‌ها را کوتاه کن. جمله‌ی سه‌خطی روی کاغذ خوب است و در گوش گم می‌شود. اگر خودت وسطش نفس کم می‌آوری، مدل هم می‌آورد.
  • بلند بخوانش. ساده‌ترین تستِ دنیا و تقریباً هیچ‌کس انجامش نمی‌دهد. هر جا زبانت گیر کرد، همان‌جا مصنوعی درمی‌آید.
  • مکث‌ها را خودت بگذار. به مدل تکیه نکن که بفهمد کجا باید نفس بگیرد. نقطه، خطِ جدید، و اگر ابزارت پشتیبانی می‌کند، علامتِ مکث.
  • عدد و اسمِ خاص را همان‌طور که خوانده می‌شود بنویس. «۱۴۰۵» را ممکن است رقم‌به‌رقم بخواند. اگر می‌خواهی «هزار و چهارصد و پنج» بشنوی، همان را بنویس.

و یک راهِ میان‌بر: متنی که داری را بده و بخواه برای گوش بازنویسی‌اش کند.

این متن قرار است خوانده شود، نه دیده شود. برای گوش بازنویسی‌اش کن:

— جمله‌ها کوتاه، هرکدام در یک نفس.
— هیچ جمله‌ای که وسطش لازم باشد برگردم و دوباره بخوانم.
— عددها و اسم‌های خاص را همان‌طور که تلفظ می‌شوند بنویس.
— جای مکث‌ها را با خطِ جدید مشخص کن.

معنی را عوض نکن و چیزی اضافه نکن. فقط شکلِ جمله‌ها را برای شنیدن درست کن.
تستِ سی ثانیه‌ای

پیش از اینکه کلِ متن را بدهی، سه جمله‌اش را بده و گوش کن. اگر آن سه جمله مصنوعی درآمد، بقیه‌اش هم درمی‌آید — و بهتر است سی ثانیه بفهمی تا بعد از ساختنِ ده دقیقه صدا.

لایه ۰۳

دوبله و لب‌همگامی: وضعیتِ صادقانه

این سؤالی است که بیشتر از همه پرسیده می‌شود، و جوابش دو تکه دارد — یکی خوب، یکی نه.

  • ترجمه و گویندگیِ دوباره: خوب کار می‌کند. متن را ترجمه می‌کنی، با صدای تازه می‌خوانی، و روی ویدیو می‌گذاری. برای مستند، آموزش و هر چیزی که گوینده در قاب نیست، کافی است.
  • هم‌خوان‌کردن با لب: هنوز نقطه‌ی ضعف است، مخصوصاً فارسی. ابزارها بهتر شده‌اند ولی روی کلوزآپ هنوز دیده می‌شود.

یک ترفند که بیشتر از ابزار جواب می‌دهد

مشکلِ اصلیِ دوبله معمولاً طول است: جمله‌ی فارسی از جمله‌ی انگلیسی بلندتر یا کوتاه‌تر درمی‌آید و همگامی به‌هم می‌ریزد. راهِ حل در ترجمه است، نه در دوبله:

این جمله‌ها را به فارسی ترجمه کن، ولی با یک شرط:
هر جمله‌ی فارسی باید تقریباً به همان اندازه‌ی جمله‌ی اصلی طول بکشد وقتی بلند خوانده شود.

اگر لازم شد، جمله را بازنویسی کن یا کلمه‌ی کوتاه‌تر بگذار —
معنی مهم است، نه ترجمه‌ی کلمه‌به‌کلمه.

کنار هر جمله بنویس تقریباً چند ثانیه طول می‌کشد.
قاعده

اگر گوینده در قاب کلوزآپ است، دوبله را نپذیر مگر ابزارت واقعاً خوب باشد. اگر نمای متوسط یا بازتر است، تقریباً هیچ‌کس متوجه نمی‌شود. یک تصمیمِ ساده در تدوین این مسئله را حل می‌کند: روی جمله‌های دوبله‌شده، نمای بازتر یا کاتِ واکنش بگذار.

مرزِ اخلاقی‌اش را در قسمت پنجم مقدماتی دیدی و اینجا هم همان است: صدای هیچ‌کس را بدون اجازه‌ی صریحش شبیه‌سازی نکن. دوبله‌ی حرفِ خودت به زبان دیگر یک چیز است؛ گذاشتنِ حرف در دهانِ کسِ دیگر چیزِ دیگری.

لایه ۰۴

هر صدا را بسازی، ضبط کنی، یا برداری؟

سه راه هست و هرکدام جایی بهترین‌اند. اشتباه‌ترین کار این است که همه‌چیز را با یکی از این سه‌تا حل کنی.

هشت مورد. هر کدام را در سطلِ خودش بگذار:

گویندگیِ یک ویدیوی شخصی که خودت جلوی دوربینی خودت ضبط کن. اگر چهره‌ات در ویدیو هست، صدای مصنوعی روی آن ناجور می‌نشیند — مغزِ بیننده تطابقِ لب و لحن را انتظار دارد. یک میکروفونِ ارزان و یک اتاقِ ساکت، از هر مدلی بهتر است.
صدای قدمِ خودت روی همان سطحی که در قاب است خودت ضبط کن. افکت‌های ساده را با گوشی در سی ثانیه می‌گیری و دقیقاً همانی است که لازم داری. گشتن در کتابخانه معمولاً بیشتر طول می‌کشد.
نریشنِ یک ویدیوی آموزشی که خودت در آن دیده نمی‌شوی بساز. اینجا صدای مصنوعی درست‌ترین انتخاب است: یکدست می‌ماند، هر وقت خواستی یک جمله را عوض می‌کنی بدون اینکه لازم باشد کلِ فایل را دوباره ضبط کنی، و کیفیتِ فارسی‌اش برای نریشن قابل قبول شده.
موسیقیِ زمینه‌ی یک ویدیوی دودقیقه‌ای بساز. چون طولش را می‌توانی دقیق بخواهی، و مهم‌تر: مجوزش روشن است. موسیقیِ ساخته‌شده مسئله‌ی کپی‌رایتِ یوتیوب برایت درست نمی‌کند.
صدای چیزی که اصلاً وجود ندارد — موتورِ یک سفینه بساز. این همان جایی است که ابزار واقعاً چیزی می‌دهد که راهِ دیگری نداشت. برای صدای غیرواقعی، توصیفِ متنی از گشتن در کتابخانه سریع‌تر جواب می‌دهد.
آمبیانسِ یک خیابانِ شلوغ زیر کلِ سکانس از کتابخانه بردار. آمبیانسِ خوب باید طولانی و بی‌تکرار باشد، و کتابخانه‌های رایگان پر از ضبط‌های چنددقیقه‌ای واقعی‌اند. ساختنش وقت تلف‌کردن است.
صدای در، لیوان، کلید — افکت‌های روزمره از کتابخانه بردار. هزاران نمونه‌ی تمیزِ رایگان هست. فقط حواست به مجوزش باشد؛ «رایگان» همیشه به‌معنیِ «برای استفاده‌ی تجاری آزاد» نیست.
یک قطعه‌ی بی‌کلام از کتابخانه‌ای که رویش نوشته «رایگان» از کتابخانه بردار — ولی اول مجوزش را بخوان. «رایگان» با «آزاد برای استفاده‌ی تجاری» یکی نیست، و بعضی مجوزها ذکرِ نامِ سازنده را الزامی می‌کنند. دو خط خواندن، از پس‌گرفتنِ یک ویدیو ارزان‌تر است.

مجوز — این یکی بعداً گریبانت را می‌گیرد

«رایگان» با «آزاد برای استفاده‌ی تجاری» یکی نیست، و تفاوتشان معمولاً وقتی معلوم می‌شود که ویدیو منتشر شده و ادعای کپی‌رایت خورده. پیش از استفاده، مجوزِ هر فایل صوتی را بخوان — دو خط است و یک بار خواندنش از پس‌گرفتنِ یک ویدیو ارزان‌تر. جزئیاتش در درسِ حق و قرارداد است.

لایه ۰۵

میکس: سه عدد که بدانی کافی است

میکس، جایی است که کارِ آماتور و حرفه‌ای از هم جدا می‌شوند — و برخلاف تصور، با سه قاعده‌ی ساده تقریباً همه‌اش حل می‌شود. لازم نیست مهندس صدا باشی.

قاعدهچرا
۱. گویندگی بلندترین چیز استdialogue first هر چیزِ دیگری زیرِ آن می‌نشیند. اگر مجبوری برای شنیدنِ حرف صدا را زیاد کنی، میکس غلط است — نه گوشِ بیننده.
۲. موسیقی زیرِ حرف، پایین می‌آیدducking هر جا کسی حرف می‌زند، موسیقی چند پله پایین و بعد دوباره بالا. بیشترِ نرم‌افزارهای تدوین این را خودکار دارند و اسمش همان ducking است. تنها همین یک کار، میکس را حرفه‌ای می‌کند.
۳. جا برای نفس بگذارheadroom میکس را تا آخر بالا نبر. اگر همه‌چیز در سقف باشد، صدا خسته‌کننده و گاهی شکسته می‌شود. کمی فضای خالی در بالا، صدا را بلندتر نشان می‌دهد نه کمتر.
تستِ نهایی

یک بار کلِ ویدیو را با بلندگوی گوشی گوش بده، نه با هدفون. بیشترِ بیننده‌هایت همان‌طور می‌بینندش، و هدفون خیلی از خطاهای میکس را می‌پوشاند. اگر با بلندگوی گوشی حرف را می‌شنوی و موسیقی رویش را نگرفته، میکس درست است.

لایه ۰۶

تمرین این هفته

۰ از ۷

همه‌شان را روی یک ویدیوی کوتاهِ خودت انجام بده — سی ثانیه کافی است. اولی از همه مهم‌تر است و کسی انجامش نمی‌دهد: متن را بلند بخوان. تیک‌ها روی همین مرورگر ذخیره می‌شوند.

جمع‌بندی

صدا تنها جایی در این دوره است که کمترین کار، بیشترین تفاوت را می‌سازد. یک آمبیانسِ پیوسته و یک ducking درست، ویدیویی را که «ساخته‌ی هوش مصنوعی» به نظر می‌رسید به چیزی تبدیل می‌کند که تماشا می‌شود — و هیچ‌کدامشان بیشتر از چند دقیقه وقت نمی‌برند.

بعد

و بعد، یک پرونده‌ی واقعی

هفت قسمتِ این دوره را که خوانده باشی، همه‌ی تکه‌های یک ویدیو را داری: قاب، نور، ترتیب تولید، حرکت، پیوستگی، تدوین و صدا.

آخرین چیزِ این دوره درس نیست — پرونده است. Hell Grind گزارشِ یک فیلمِ نود دقیقه‌ای است که با همین روش‌ها ساخته شد، با عددهای واقعیِ خودِ تیمِ سازنده: نرخ پذیرش، هزینه، و ۱۰۸٬۸۵۹ باری که دکمه‌ی تولید زده شد.

آن را طوری بخوان که انگار داری صورت‌حسابِ کاری را می‌بینی که تازه یاد گرفته‌ای انجامش بدهی — چون دقیقاً همان است.

برای راستی‌آزمایی خودت

ابزارهای صوتی سریع عوض می‌شوند و کیفیتِ فارسی‌شان از همه سریع‌تر. هر ادعایی دربارهٔ یک ابزار را از خودش بخوان:

  • صفحه‌ی voices یا languages در سایتِ خودِ سرویسِ صوتی‌ات — برای اینکه ببینی فارسی را واقعاً پشتیبانی می‌کند یا فقط در فهرست هست.
  • صفحه‌ی license هر کتابخانه‌ی صوتی، پیش از دانلود. این یکی را جدی بگیر.
  • راهنمای audio در مستندات نرم‌افزار تدوینت، برای پیدا کردنِ ducking — اسمش در هر کدام فرق می‌کند.

تاریخ نگارش این درس: شهریور ۱۴۰۵. قاعده‌های میکس و «متن را برای گوش بنویس» کهنه نمی‌شوند؛ کیفیتِ دوبله و لب‌همگامی احتمالاً زودتر از بقیه‌ی این صفحه عوض می‌شود.