Intelligent Media Services:動画翻訳

方法1：コンソールの使用

1. IMS コンソールの 動画翻訳ページに移動します。

2. 左上隅で、要件に応じてリージョンを選択します。

3. [Create Translation Task] をクリックして、[Create Translation Task] ページに移動します。

4. 次のパラメーターを設定します。

   • 翻訳方法：[Subtitle Translation]、[Speech Translation]、または [Lip-sync Translation] を選択します。

   • ソースファイルの選択：翻訳したい動画ファイルをアップロードします。MP4、WebM、MOV 形式がサポートされています。

   • 字幕ソース：元の字幕を消去するかどうかや字幕ソースなどのオプションを設定します。使用できるソースは、[OCR]、[ASR]、[Specified SRT File] です。

     • OCR：動画に焼き付け字幕が含まれているが字幕ファイルがない場合は、OCR を使用して動画フレームから字幕テキストを抽出します。効率と精度を向上させるために、[OCR Range] を指定することもできます。

     • ASR：動画に字幕がない場合は、ASR を使用して音声トラックから音声を文字起こしして字幕を生成します。

     • OCR/ASR：これは OCR と ASR を組み合わせたハイブリッド方式です。字幕抽出では OCR を優先し、OCR が失敗した場合は ASR にフォールバックします。

     • システムは、完全自動の字幕ソース検出モードには対応していません。ソース動画に音声が含まれているかどうかが不明な場合や、タスクに自動で判断させたい場合は、TextSource パラメーターを OCR_ASR に設定します。この設定により、システムはまず OCR を試みて動画フレームから字幕テキストを抽出し、OCR が失敗した場合は自動的に ASR にフォールバックして音声を文字起こしします。

     • 動画に有効な人間の音声がなく、BGM のみが含まれているためにタスクが失敗した場合は、NeedSpeechTranslate パラメーターを false に設定して音声翻訳を無効にします。画面上のテキスト字幕がまだ必要な場合は、この設定を OCR または OCR_ASR の字幕ソースモードと組み合わせて使用します。

     • 指定のSRTファイル：既存の字幕ファイル (.srt 形式など) がある場合は、それをアップロードしてソースとして使用できます。

   • ターゲット言語：一度に複数のターゲット言語を選択できます。翻訳タスクを送信すると、システムは選択された各言語の動画ファイルを生成します。

   • ストレージディレクトリとファイル名：翻訳ファイルの保存場所と名前を指定します。

5. すべてのパラメーターが正しいことを確認したら、[Submit Translation Task] をクリックしてタスクを作成します。

6. タスクリストでタスクのステータス、パラメーター、結果を確認できます。タスクのステータスが [Processed] に変わったら、[View Details] をクリックしてタスクの詳細を表示します。

   詳細ページには、[Basic Settings]、[Advanced Settings]、[Output] の 3 つのセクションがあります。[Basic Settings] セクションには、ソースファイルの種類、翻訳方法、ターゲット言語 (例：中国語 > 英語、日本語)、作成時間、タスクステータスなどの情報が表示されます。[Advanced Settings] セクションには、ソース字幕の消去、ターゲット字幕の種類、字幕ソース、ポストエディットの有効化などの設定が表示されます。[Output] セクションには、各ターゲット言語の出力パスと [Edit] および [Download] オプションが表示されます。

方法2：Cloud Editing の使用

事前準備

Cloud Editing に慣れていない場合は、まず Cloud Editing の操作ガイドを確認することを推奨します。

操作手順

1. Cloud Editing ページに移動します。

2. 左上隅で、要件に応じてリージョンを選択します。

3. [Video Editing Project] タブで、[Create Editing Project] をクリックします。画面の指示に従ってプロジェクトを作成し、プロジェクトリストで [Edit] をクリックして Cloud Editing ワークスペースを開きます。

4. 左上の [Materials] パネルで、[Import] をクリックします。右側の [Add Material] ダイアログボックスで、翻訳したいファイルを選択してライブラリに追加します。次に、 アイコンをクリックするか、ファイルを直接ドラッグして、タイムライン上のトラックにファイルを追加します。Cloud Editing ワークスペースには、左側に [Materials]、[Stock Media]、[Digital Avatars]、[Smart Dubbing]、[Subtitles]、[Stickers] などの機能メニューがあります。右上の [+ Import] ボタンをクリックして、動画、音声、または画像ファイルを追加できます。

5. タイムラインで、翻訳したい音声または動画トラックを選択します。右側のプロパティパネルで [AI translation] をクリックして、動画翻訳パネルを開きます。画面の指示に従って、翻訳タイプ、字幕抽出、ターゲット言語、字幕消去などを設定し、[Submit] をクリックします。この例では、音声翻訳を使用します。

6. 数分待つと、翻訳結果がタイムラインに表示されます。タスクが完了すると、タイムラインに 3 つのトラックが表示されます。ターゲット言語の字幕を含む字幕トラック、元の字幕が削除された動画トラック、翻訳された音声とその波形を含む音声トラックです。

7. タスクが完了したら、右上隅の [エクスポート] > [ビデオのエクスポート] をクリックします。ビデオを合成するためのダイアログボックスが表示されます。プロンプトに従ってパラメーターを設定し、[OK] をクリックして、翻訳されたビデオを合成およびエクスポートします。右側の [クリップ設定] パネルで、翻訳されたクリップを一括で管理できます。

方法3：OpenAPIによる動画翻訳タスクの作成

1. 翻訳タスクの作成

   ビジネス要件に応じて API パラメーターを設定し、SubmitVideoTranslationJob API を呼び出します。リクエストを送信する前に、「動画翻訳のパラメーターと例」を読んで、パラメーターが正しく設定されていることを確認してください。

   システムは、完全自動の字幕ソース検出モードには対応していません。ソース動画に音声が含まれているかどうかが不明な場合や、タスクに自動で判断させたい場合は、TextSource を OCR_ASR に設定します。システムはまず OCR を試みて動画フレームから字幕テキストを抽出し、OCR が失敗した場合は自動的に ASR にフォールバックして音声を文字起こしします。動画に有効な人間の音声がなく、BGM のみが含まれているためにタスクが失敗した場合は、NeedSpeechTranslate を false に設定して音声翻訳を無効にします。画面上のテキスト字幕がまだ必要な場合は、この設定を OCR または OCR_ASR の字幕ソースモードと組み合わせて使用します。

2. 単一翻訳タスク結果の照会：

   GetSmartHandleJob API を呼び出して、特定の動画翻訳タスクのステータスと結果を取得します。この API を使用すると、処理の進行状況、完了時間、最終的な出力 URL など、指定したタスクに関する詳細情報を取得できます。

3. 翻訳タスクリストの照会

   進行中または完了したすべての動画翻訳タスクを表示したい場合は、ListSmartJobs API を呼び出してこれらのタスクを一覧表示できます。

4. 翻訳タスクの削除

   DeleteSmartJob API を呼び出して、完了したタスクを削除し、システムリソースを解放します。

方法1：OpenAPI の使用

関連する API を呼び出すことで、音声翻訳の結果を修正できます。詳細については、「音声翻訳 - 手動修正」をご参照ください。

方法2：Cloud Editing (Web SDK) の使用

事前準備

Cloud Editing に慣れていない場合は、まず Cloud Editing の操作ガイドを確認することを推奨します。

操作手順

1. 動画翻訳ページに移動し、修正したいタスクを選択します。

2. [Actions] 列で [Edit] をクリックして、対応する Cloud Editing プロジェクトを開きます。その後の操作については、以下のビデオチュートリアルをご参照ください。

字幕のタイミングと音声波形の同期

たとえば、翻訳された字幕「Great where are you」を「Great」と「where are you」の 2 つのセグメントに分割したい場合は、字幕の開始時間と終了時間を、音声波形の谷に合うように調整します。これにより、音声翻訳のポストエディット結果が最適化されます。

ポストエディットにおける字幕の単語数の制御

翻訳された字幕をポストエディットする際、編集後の字幕の単語数が元の翻訳の単語数の 1.5 倍を超えないようにしてください。超えると、ポストエディットされた音声が早口になる可能性があります。

たとえば、最初の翻訳の一行は次のとおりです：Let's talk about this later. We need to go home now

不適切な例： Let's discuss this matter in more detail at a later time. Right now, we should focus on heading back home as it's important to ensure we get there safely and in good time. We can revisit this conversation when we are both more relaxed and have ample opportunity to explore all the aspects thoroughly.

適切な例： Let's pick this up another time. We should be going home now.

出力動画のアスペクト比が異常または歪んでいるのはなぜですか？ 元のアスペクト比を維持するにはどうすればよいですか？

• デフォルトの動作：標準リクエストでは、OutputConfig に Width および Height フィールドを含めないでください (リクエストをシリアル化する際、値が 0 または null のフィールドは省略されます)。デフォルトでは、システムはソース動画のアスペクト比を使用して動画を出力します。

• 問題の原因：OutputConfig の Width または Height を明示的に 0 に設定した場合、またはソース動画がサンプルアスペクト比 (SAR) に依存して引き伸ばされる非標準フォーマット (例：PAL ワイドスクリーンの DVD ソース) を使用している場合、アスペクト比の計算が不正確になることがあります。

• 解決策：黒帯がある、または非標準の SAR を持つなど、特殊なフォーマットの動画で、デフォルトのソースアスペクト比に依存しても問題が解決されない場合は、まずメディア分析を使用して実際の表示アスペクト比を取得し、次に OutputConfig で一致する Width と Height の値を明示的に設定して、正しいアスペクト比を適用します。

失敗した動画翻訳タスクやダウンロードできない動画のトラブルシューティング

• ダウンロードが失敗する、またはページの応答が遅い：F12 キーを押してブラウザーの開発者ツールを開き、[Network] タブと [Console] タブでエラーを確認します。別のブラウザー (Safari など) に切り替えてブラウザー側のブロッキングの可能性を排除し、API 応答に RequestId が含まれているか確認します。

• コンテンツモデレーションの失敗：禁止されたコンテンツが含まれているためにタスクがブロックされて失敗した場合は、コンテンツを確認・修正して準拠させ、タスクを再送信します。

• エラー src property must be a valid json object が返される：このエラーは通常、リクエストに出力設定が欠落していることが原因で発生します。たとえば、Timeline パラメーターに入力トラックのみが含まれ、出力設定がない場合などです。公式の例を参照して OutputConfig パラメーターを記述してください。

• VOD ワークフローからの動画翻訳の呼び出しが失敗する：VOD ワークフローでは翻訳言語を設定できないため、動画翻訳を直接呼び出すことはできません。代わりに OpenAPI を使用して動画翻訳を呼び出してください。