Derfor er stemmen vigtig

De fleste tænker ikke over den stemme, de hører under en tolkning. I løbet af et arrangement bliver tolkens stemme bare en del af oplevelsen. Publikum ser den, der taler, hører en stemme, som på deres eget sprog formidler det, der bliver sagt, og forstår instinktivt forbindelsen mellem de to.

En mandlig taler tolkes måske af en kvindelig tolk eller omvendt. Deltagerne i et arrangement forventer ikke, at stemmen passer til taleren, for fokus ligger på at formidle et budskab og ikke at efterligne den talende.

Men dynamikken ændrer sig i takt med, at tolkningen bevæger sig over i digitale og hybride formater. AI-stemmer, streamede arrangementer og on-demand content sætter automatisk fokus på stemmerne og skaber nye forventninger til både sammenhæng, identitet og autenticitet.

Det er her, det begynder at blive interessant.

Traditionel tolkning: En menneskelig stemme i kulissen

Menneskelige tolke fokuserer på nøjagtighed, hensigt og kulturelle nuancer, ikke på at lyde præcis som den talende. De efterligner hverken tonefald, rytme eller personlighed, fordi tolkning handler om at formidle meningen i situationen, ikke om at optræde.

Publikum genkender instinktivt det menneskelige element som en naturlig del af traditionel tolkning. En tolk vælges på baggrund af sproglige formåen, kulturel forståelse og evnen til at formidle korrekt i situationen, ikke fordi han eller hun lyder som den, der taler. Hvad enten tolken er fysisk til stede eller ej, forstår lytterne godt, at der er tale om en person, der udfører en opgave.

Derimod har publikum en forventning om stabilitet i seancen. I nogle tilfælde skiftes flere tolke om opgaven. Men det kan være forvirrende, hvis stemmen pludselig skifter undervejs, især hvis der er flere talere, som bliver tolket af forskellige stemmer. Når en ny tolk tager over, skal lytteren lige orientere sig igen, og det kan være svært at følge med i, hvem der taler.

Selv hvis tolkningen er korrekt, øges den kognitive – eller mentale – belastning for lytterne, når stemmen ændres.

Brugerne forventer ikke, at en menneskelig tolks stemme matcher den, der tolkes, men de forventer, at stemmen forbliver den samme.

Folk forventer mere af AI-tolkning

AI-tolkning bruger digitale stemmer til at levere oversættelse i realtid. Disse stemmer udmærker sig ved at være:

• ensartede

• tydelige

• nemme at forstå

• følelsesmæssigt neutrale

• ikke skræddersyet til den enkelte taler.

Denne ensartethed gør AI-tolkning til en særdeles effektiv løsning til struktureret kommunikation og situationer, hvor folk taler én ad gangen.

Men det betyder også, at der bliver lagt mere mærke til stemmen.

En taler kan blive tolket med en stemme, der ikke svarer til talerens køn, energiniveau eller udtryksmåde. I modsætning til menneskelig tolkning, hvor det føles normalt, at stemmen ikke passer til taleren, lægger man straks mærke til det med en AI-stemme.

Grunden er, at vi er vant til at have fuld kontrol over AI

Publikum forventer i stigende grad, at alt, der er baseret på AI, er hurtigt og fleksibelt og samtidig kan tilpasses i detaljen. Det gælder også AI-tolkning, selv om det stadig er en ny teknologi.

I mange professionelle værktøjer kan brugerne allerede tilpasse AI-outputtet. De kan vælge den tone of voice, en skriveassistent skal benytte, finpudse transskriptioner på et øjeblik og tilpasse AI-genereret content stilistisk. Gennem deres daglige brug har folk lært, at AI-baserede værktøjer kan tilpasse output efter brugerens ønsker.

Af samme grund forventer lytterne ofte, at AI-tolkning matcher den talendes identitet, tonefald eller stil, simpelthen fordi andre AI-værktøjer tilbyder en fin grad af kontrol.

Publikummer forventer en højere grad af personlig tilpasning, selv under live tolkning, hvor det niveau af tilpasning ikke er teknisk muligt.

Når AI-tolkning bruges i realtid, forventer folk derfor, at stemmen "passer" bedre til taleren, selv om det aldrig har været et mål i sig selv for tolkning.

Og forventningen stiger yderligere, hvis stemmen samtidig bliver optaget.

Forventningerne stiger yderligere i takt med at et arrangement bliver optaget.

Så snart et live arrangement går hen og bliver en optagelse, betragter folk videoen som et professionelt produkt snarere end et optaget arrangement og forventer derfor endnu højere produktionsværdi og lydkvalitet.

Hvad sker der, når der er flere talere?

De fleste AI-tolkeløsninger benytter én stemme pr. kanal.

Det betyder, at man kun hører én stemme, selv om der er flere talere, fx i en paneldiskussion eller en rundbordssamtale. Selv om AI leverer fremragende stabilitet, kan teknologien ikke skelne mellem forskellige talere.

Det lægger man mest mærke til ved:

• fireside chats

• debatter

• arrangementer med flere værter

• kundeinterviews

• town halls med skiftende talere

• følelsesbetonet eller stilistisk vekslende content.

Selv under menneskelig tolkning kan en ændring i stemmen skabe forbigående forvirring, men disse ændringer er som regel forudsigelige, og man kan planlægge sig ud af dem. Hvis publikum er med på, hvordan tolkene roterer, eller hvis de enkelte talere har en fast tolk, kan lytterne forstå de forskellige skift undervejs, og man sikrer sig på den måde en vis kontinuitet i forløbet.

Med AI-tolkning forholder det sig anderledes. Eftersom stemmen hele tiden er den samme, mister publikum enhver fornemmelse af differentiering mellem talerne. En paneldiskussion eller debat, der føles dynamisk på det oprindelige sprog, kan blive stiv eller sværere at følge med i via tolkekanalen.

I situationer, hvor det er vigtigt at skelne de talende fra hinanden, leverer mennesker stadig den mest naturlige og intuitive lytteoplevelse.

Følelse, hensigt og tonefald: Her kommer AI-tolkning til kort

Tolkning er ikke det samme som skuespil, men tonefaldet er væsentligt.

Menneskelige tolke tilpasser automatisk deres udtryksmåde, efterhånden som en tale eller præsentation skrider frem. De kan både gøre tonefaldet mere indtrængende, skifte til dæmpet tale ved følsomme emner og gå mere energisk til værks, når taleren bygger en stemning op.

Her kan AI-tolkning ikke være med. En digital stemme forbliver rolig og neutral.

AI kan levere et budskab præcist, men kan ikke ramme det skiftende tonefald, der ofte er med til at formidle selve budskabet.

Denne begrænsning kommer primært til udtryk ved:

• key notes, der gradvis opbygger momentum

• aktionærpræsentationer med nuanceringer

• krisekommunikation

• pitches og kreative præsentationer

• følelsesmæssige budskaber.

Derimod udmærker AI-tolkning sig i strukturerede sammenhænge:

• webinarer

• produktdemonstrationer

• træning

• onboarding

• intern information

• formater, hvor én person taler ad gangen.

Stabilitet er en styrke, når variationen i tonefaldet er mindre afgørende.

Dubbing og voiceover: Formater sætter forventningerne

Som vi var inde på tidligere, får folk pludselig andre forventninger til den anvendte stemme (og til kvaliteten af den), når et arrangement efterfølgende lever videre som en optagelse.

Derfor kan AI-tolkning, der er blevet udført live, føles forkert, når det senere afspilles som en optagelse.

Her er dubbing eller voiceover ofte et bedre valg, fordi optagelsen giver mulighed for at matche den tiltænkte publikumsoplevelse, herunder den talendes stil og tonefald.

Men forventningerne afhænger også af format, kanal og formål. Lad os tage en on-demand-version af et webinar som eksempel: Lytterne er klar over, at der er tale om et webinar og tilpasser deres forventninger derefter.

Men det er straks en anden sag, hvis klip fra selv samme webinar genbruges til marketing og content på sociale medier eller andre kundevendte videoer. Da tillægges stemmens kvalitet, et ensartet tonefald og en finpudsning af det samlede resultat langt større betydning. Samtidig stiger publikums forventninger til det niveau, de er vant til fra professionelle video- eller lydproduktioner.

Valget mellem AI-dubbing, menneskelig dubbing og voiceover afhænger dermed af den samlede sum af forventninger til kvalitet, målgruppe og kanal, samt af, hvor finpudset det pågældende content skal lyde. På samme måde spiller jeres budget og tidshorisont ind.

De forskellige muligheder tilbyder hver deres vægtfordeling mellem tydelighed, følelsesmæssig tyngde og produktionsværdi. Når I har gjort jer klart, hvor jeres content ligger på dette spektrum, bliver det nemmere for jer at vælge den bedste løsning til et scenarie.

Hvornår skal man vælge menneskelig tolkning, AI-tolkning eller dubbing?

En tommelfingerregel siger:

Vælg menneskelig tolkning, når:

• identiteten på den talende er vigtig

• flere talere skal tolkes med hver deres stemme

• nuancering er afgørende

• der er tale om vigtigt eller følelsesmæssigt content

• formatet er interaktivt.

Vælg AI-tolkning, når:

• formatet er struktureret

• tydelighed og ensartethed spiller en rolle

• I har brug for flere sprog i stor skala

• udgifter eller logistik er en faktor

• arrangementet er digitalt eller hybridt.

Vælg AI-dubbing eller voiceover, når:

• der er tale om content, der skal optages

• en matchende stemme betyder noget for oplevelsen

• I har brug for skalerbar træning på flere sprog

• ensartethed på tværs af sprog er afgørende.

Konklusionen: Stemmen skaber oplevelsen – uanset valget af teknologi

Den stemme, jeres målgruppe hører, er med til at forme jeres budskab, uanset om der er tale om en live tolk, en AI-tolkestemme, en stemmeskuespiller eller en digitalt genereret fortæller. Hver ting til sin tid. Det handler om at vælge den rigtige løsning til det enkelte scenarie.

Har I brug for hjælp til at finde den rette stemme til jeres content? Uanset om I planlægger et live arrangement eller et hybridmøde eller skal lave optagelser på flere sprog, kan vi hjælpe jer med at vælge den løsning, der passer til jeres formål, målgruppe og budget.

Klar til mere ekspertviden om lokalisering?

Denne artikel er oprindeligt udgivet i vores kvartalsvise nyhedsbrev. Hvis du er interesseret i at modtage flere tanker om tolkning, AI, lokalisering og sprog, er du velkommen til at tilmelde dig vores nyhedsbrev, så vil du modtage indsigter fra vores eksperter direkte i din indbakke.