voice-localization

AI 语音本地化

借助 AI 语音合成，将品牌声音扩展到多种语言，在面向全球的内容中保持一致的角色形象和质量。

何时使用此技能

• 将视频内容拓展到新的语言市场
• 创建多语言课程或培训内容
• 本地化广告和营销视频
• 为国际受众配制现有内容
• 打造一致的全球品牌声音
• 决定采用配音还是字幕

方法论基础

来源：ElevenLabs 多语言与全球内容最佳实践

核心原则：真正的本地化意味着同一个人能够以母语者的方式讲每种语言——不是翻译后的声音，而是听起来符合当地习惯、同时保留品牌特征的声音。AI 语音合成通过保留声音身份，同时适应不同语言的发音和节奏，让大规模实现这一目标成为可能。

重要性：传统上，全球内容需要为每种语言聘请不同的配音演员，难以保持品牌一致性。AI 语音本地化可以在 29 种以上的语言中保留同一个“人”的声音，在全球打造统一的品牌体验，同时降低 70%–90% 的制作成本。

Claude 执行的工作与由你决定的事项

Claude 执行的工作	由你决定的事项
规划制作工作流	最终创意方向
提出技术方案	设备和工具的选择
创建模板和检查清单	质量标准
确定最佳实践	品牌和声音决策
生成脚本大纲	最终脚本审批

此技能的功能

1. 保持不同语言间的声音身份一致 - 同一个角色，不同的语言
2. 处理文化适配 - 不止于翻译，还要实现本地化
3. 管理多语言制作 - 为多种语言打造高效工作流
4. 确保各市场的质量 - 由母语者验证
5. 计算投资回报率 - 对比传统配音与 AI 本地化的成本

使用方法

规划本地化项目

Help me plan voice localization for [content].
Source language: [original]
Target languages: [list]
Content type: [video/audio/course]
Volume: [duration/number of assets]

评估本地化方案

Should I use AI voice localization or traditional dubbing?
Content: [describe]
Markets: [target countries]
Budget: [range]
Timeline: [deadline]

说明

本地化语音内容时，请遵循以下方法：

步骤 1：评估本地化需求

确定适合内容的方案。

## Localization Decision Matrix

### When to Use AI Voice Localization

✓ Same brand voice needed across markets
✓ Frequent content updates (efficiency matters)
✓ Educational/informational content
✓ Budget constraints
✓ Quick turnaround needed
✓ 5+ languages needed

### When to Use Traditional Dubbing

✓ Character-driven content (emotions critical)
✓ One-time major production
✓ Markets expect dubbed content (Germany, France)
✓ Complex lip-sync requirements
✓ Budget allows $1,000+ per language

### When to Use Subtitles Instead

✓ Documentary/interview content
✓ Authenticity of original voice matters
✓ Lowest budget option
✓ Markets prefer subtitles (Nordics, Netherlands)
✓ Legal/compliance content (exact words matter)

### Hybrid Approach
Hero content → Traditional dubbing
Supporting content → AI localization
Supplementary → Subtitles

---

步骤 2：有策略地选择语言

根据市场机会确定语言的优先级。

## Language Prioritization Framework

### Tier 1: High Volume Languages (1B+ speakers)
| Language | Global Speakers | Key Markets |
|----------|----------------|-------------|
| English | 1.5B | Global |
| Mandarin | 1.1B | China |
| Spanish | 550M | LATAM, Spain |
| Hindi | 600M | India |

### Tier 2: High Value Languages
| Language | Economic Value | Markets |
|----------|---------------|---------|
| German | High GDP | DACH |
| French | Colonial reach | France, Africa |
| Japanese | High spending | Japan |
| Portuguese | Large market | Brazil |

### Tier 3: Strategic Languages
| Language | Strategic Value | Markets |
|----------|----------------|---------|
| Arabic | Growing middle class | MENA |
| Korean | Tech-forward | South Korea |
| Italian | Fashion/luxury | Italy |
| Dutch | High English | Benelux |

### ElevenLabs Supported Languages (29+)
English, Spanish, French, German, Italian, Portuguese,
Polish, Dutch, Hindi, Arabic, Chinese, Japanese, Korean,
Turkish, Swedish, Indonesian, Filipino, Malay, Russian,
Czech, Danish, Finnish, Greek, Romanian, Ukrainian,
Vietnamese, Norwegian, Hungarian, Tamil, and more.

---

步骤 3：为本地化准备内容

仅仅翻译还不够——还要为语音适配做好准备。

## Content Preparation Checklist

### Script Adaptation

**Text expansion/contraction**:
| Language | vs English |
|----------|-----------|
| German | +30% longer |
| French | +15-20% longer |
| Spanish | +15-25% longer |
| Chinese | -30% shorter |
| Japanese | Variable |

**Implications**:
- Video may need re-timing
- Allow flexibility in pacing
- Consider sentence splitting for longer languages

**Localization notes to provide**:
□ Brand terms (don't translate, keep English)
□ Product names (pronunciation guide)
□ Numbers (format varies by locale)
□ Dates (format varies by locale)
□ Currency (localize amounts)
□ Cultural references (adapt or explain)

### Voice Consistency Notes

**Preserve across languages**:
- Character/personality
- Energy level
- Authority/warmth balance
- Pace relative to content

**Adapt per language**:
- Natural rhythm and cadence
- Pronunciation of brand terms
- Formal/informal register (varies by culture)

---

步骤 4：制作工作流

多语言语音制作的高效流程。

## Multilingual Production Pipeline

### Phase 1: Source Production
1. Finalize English script
2. Record/generate English voice
3. Lock timing and pacing
4. Create master video/audio

### Phase 2: Translation
1. Professional translation (not machine)
2. Localization review (cultural adaptation)
3. Timing adaptation (fit original duration)
4. Brand term glossary enforcement

### Phase 3: Voice Generation

**Per language**:

1. 加载翻译后的脚本
2. 应用与源内容相同的声音设置
3. 生成目标语言的语音
4. 检查品牌术语的发音
5. 如有需要，调整语速
6. 检查听起来自然与否

### Phase 4: Quality Control

**Native speaker review checklist**:
□ Natural pronunciation
□ Correct emphasis and intonation
□ Brand terms handled correctly
□ No awkward phrasing
□ Appropriate formality level
□ Cultural appropriateness

### Phase 5: Integration
1. Replace audio track in video
2. Re-sync if timing changed
3. Update text overlays
4. Localize captions/subtitles
5. Final review per language

---

步骤 5：质量保证

确保每种语言都符合标准。

## Localization QA Framework

### Technical QA
□ Audio levels consistent across languages
□ No clipping or distortion
□ Background music balanced correctly
□ Transitions smooth
□ Sync with video acceptable

### Linguistic QA
□ Translation accuracy (spot check 10%)
□ Natural flow and rhythm
□ Brand voice maintained
□ Technical terms correct
□ No machine-translation artifacts

### Cultural QA
□ No offensive content for market
□ References appropriate
□ Humor/idioms adapted correctly
□ Visual content appropriate
□ Call-to-action localized

### Native Speaker Sign-Off
For each language:
- [ ] Spanish (Reviewer: _____) ☐ Approved
- [ ] French (Reviewer: _____) ☐ Approved
- [ ] German (Reviewer: _____) ☐ Approved
- [ ] [Add languages...]

---

步骤 6：计算投资回报率

将 AI 本地化与传统方案进行比较。

## Localization Cost Comparison

### Traditional Dubbing (per language)

| Component | Cost |
|-----------|------|
| Translation | $0.15/word |
| Voice talent | $300-1,000/hour finished |
| Studio time | $100-200/hour |
| Direction | $50-100/hour |
| Engineering | $50-100/hour |

**Example**: 10-minute video (1,500 words)
- Translation: $225
- Voice talent: $400
- Studio: $200
- Direction: $150
- Engineering: $100
- **Total: ~$1,075 per language**

### AI Voice Localization

| Component | Cost |
|-----------|------|
| Translation | $0.15/word |
| ElevenLabs Pro | $99/mo (unlimited) |
| QA review | $50-100/language |

**Example**: 10-minute video (1,500 words)
- Translation: $225
- Voice generation: ~$0 (within plan)
- QA review: $75
- **Total: ~$300 per language**

### ROI Summary

| Languages | Traditional | AI Localization | Savings |
|-----------|-------------|-----------------|---------|
| 5 | $5,375 | $1,500 | 72% |
| 10 | $10,750 | $3,000 | 72% |
| 20 | $21,500 | $6,000 | 72% |

**Break-even**: AI localization typically saves 70%+ vs. traditional

示例

示例 1：在线课程本地化

背景：将一门包含 20 个视频的课程本地化为 5 种语言。

输入：

我们有一门英语 SaaS 培训课程，共 20 个视频，总时长 3 小时。需要本地化为西班牙语、法语、德语、葡萄牙语和日语。最佳方案是什么？

输出：

课程本地化计划

项目范围

• 内容：20 个视频，总时长 3 小时
• 源语言：英语
• 目标语言：西班牙语、法语、德语、葡萄牙语、日语
• 内容类型：教育内容（清晰度优先于情感表达）

推荐方案：AI 语音本地化

AI 适合此项目的原因：

• 教育内容（传递事实，而非戏剧表演）
• 5 种语言（效率至关重要）
• 可能需要持续更新（需要可重复的流程）
• 所有版本均保持一致的“讲师”声音

实施计划

平台：ElevenLabs Pro（$99/mo）

语音策略：

• 克隆原讲师的声音，或设计统一的声音
• 同一种声音讲述全部 6 种语言
• 保持权威感和教学风格

每个视频的工作流：

1. 翻译（外包）

   • 专业翻译（非机器翻译）
   • 提供产品术语表
   • 提供文本扩展的时间指导

2. 语音生成

   • 使用同一种声音生成全部 5 种语言
   • 每种语言、每个视频约需 15 分钟
   • 语音生成总计：约 25 小时

3. QA 审核

   • 每种语言由母语人士审核
   • 重点：发音、自然度、准确性
   • 每种语言、每个视频预留 1 小时审核时间

4. 视频整合

   • 替换音轨
   • 按需调整时间
   • 确认字幕匹配

时间安排

阶段	时长	备注
翻译（全部）	2 周	并行进行
语音生成	1 周	每天约 5 小时
QA 审核	2 周	各语言并行进行
整合	1 周	并行进行
总计	5-6 周	含缓冲时间

预算估算

项目	费用
翻译（5 种语言 × 27k 词）	$20,250
ElevenLabs（2 个月）	$200
QA 审核（5 种语言 × 20 个视频 × $30）	$3,000
整合（20 小时 @ $50）	$1,000
总计	约 $24,500

传统配音对比：约 $107,500（节省 77%）

---

示例 2：全球广告活动

背景：一则 30 秒广告需要为全球发布进行本地化。

输入：

我们即将在全球发布一则 30 秒视频广告。需要在 2 周内制作 10 种语言版本。预算为 $15,000。

输出：

广告本地化：快速全球发布

限制条件

• 30 秒广告（时间紧凑）
• 10 种语言
• 2 周期限
• $15,000 预算（每种语言约 $1,500）

推荐方案：混合方式

第 1 级（核心市场）——传统配音

• 英语（源语言）
• 西班牙语（覆盖面最大）
• 德语（高价值）
• 法语（高价值）

第 2 级（规模化市场）——AI 本地化

• 葡萄牙语、意大利语、荷兰语、波兰语、日语、韩语

理由

• 核心市场采用优质方案
• AI 高效处理规模化需求
• 两种方案都能满足期限要求

制作进度安排

第 1 周：

天	任务
1-2	完成所有翻译
2-3	传统配音录制（4 种语言）
3-4	AI 语音生成（6 种语言）
4-5	审核所有版本的 QA

第 2 周：

天	任务
1-2	修改和修复
3-4	整合所有版本的视频
5	最终审核与交付

预算分配

项目	费用
翻译（10 × 约 120 词）	$1,800
传统配音（4 种语言）	$4,800
AI 生成（6 种语言）	$600
QA 审核（10 种语言）	$2,000
整合（10 种语言）	$2,500
缓冲	$3,300
总计	$15,000

检查清单与模板

本地化项目检查清单

## Pre-Production
□ Languages selected and prioritized
□ Budget allocated per language
□ Timeline established
□ Translation vendor selected
□ Brand glossary prepared
□ Voice consistency plan defined

## Production
□ Translations complete
□ Translations reviewed for brand terms
□ Voice generated per language
□ Pronunciation verified
□ Timing adjusted if needed

## Quality Assurance
□ Native speaker review complete
□ Technical QA passed
□ Brand guidelines verified
□ Cultural review passed
□ Legal/compliance check (if needed)

## Delivery
□ Files named correctly per language
□ All formats delivered
□ Captions/subtitles provided
□ Documentation complete
□ Source files archived

---

品牌术语表模板

## [Brand] Localization Glossary

### Never Translate
| English | Note |
|---------|------|
| [Brand Name] | Keep English, pronunciation: [X] |
| [Product Name] | Keep English |
| [Feature Name] | Keep English, explain in context |

### Translate Consistently
| English | Spanish | French | German |
|---------|---------|--------|--------|
| Dashboard | Panel | Tableau de bord | Dashboard |
| Workflow | Flujo de trabajo | Flux de travail | Arbeitsablauf |
| [Term] | | | |

### Pronunciation Guide
| Term | Pronunciation |
|------|--------------|
| [Brand] | /brănd/ |
| [Feature] | /fē-chər/ |

技能边界

此技能擅长的工作

• 规划音频制作工作流
• 提供技术指导
• 创建质量检查清单
• 提出创意方案

此技能无法完成的工作

• 取代音频工程专业知识
• 做出主观创意决策
• 直接访问或编辑音频文件
• 保证商业成功

参考资料

• ElevenLabs：《多语言语音合成》——平台文档
• CSA Research：《全球内容策略》——本地化最佳实践
• Unbabel：《本地化现状》——行业基准
• Nimdzi：《本地化市场研究》——成本和 ROI 数据

相关技能

• 语音设计 - 创建基础语音
• 配音指导 - 质量控制原则
• 转录转内容 - 准备源内容

---

技能元数据（内部使用）

name: voice-localization
category: audio
subcategory: voice
version: 1.0
author: MKTG Skills
source_expert: ElevenLabs, Localization Best Practices
source_work: Multilingual Content Production
difficulty: intermediate
estimated_value: 70%+ cost savings vs. traditional dubbing
tags: [localization, multilingual, dubbing, ai-voice, global]
created: 2026-01-26
updated: 2026-01-26