Система распознает оригинальную речь, переводит текст и синтезирует новый голос. YouTube пытается сделать этот голос живым — в недавнем обновлении появилась функция Expressive Speech, пока для восьми языков. Она старается скопировать оригинальную интонацию, темп и эмоции спикера, чтобы дубляж не звучал монотонно. Параллельно тестируется в пилотном режиме Lip Sync, где нейросеть подгоняет движения губ говорящего под переведенный звук, чтобы картинка не расходилась с речью.
Для YouTube это отличный способ выжать максимум из уже существующей библиотеки видео. Один удачный ролик теперь может собирать просмотры, удерживать аудиторию и показывать рекламу сразу на нескольких языковых рынках. Платформе выгодно, чтобы зритель смотрел видео на родном языке здесь же, внутри привычного интерфейса, а не уходил искать любительские переводы на сторонних сайтах или в локальные стриминги.
Финальное решение об использовании функции пока остаётся за авторами канала. Автодубляж можно отключить, проверить перед публикацией или заменить на собственную озвучку. Это скорее вынужденная мера — ИИ всё ещё работает не идеально, может ошибаться, особенно на сленге, сложных терминах и шутках.