Den komplette guiden: video og stemme med AI, fra idé til publisert klipp
I dag kan du generere en stemme som leser et manus på ditt eget språk, la en digital programleder forklare et tilbud på fem språk, lage produktbilder uten filmsett og klippe, tekste og omformatere et klipp på noen minutter. Det du ikke kan overlate til et verktøy, er skjønnet: hva som er verdt å si, til hvem, med hvilke bevis og med hvems samtykke. Guiden er skrevet for byråer og SMB-er som vil ha fart uten å miste publikums tillit. Verktøyenes funksjoner er kontrollert på produsentenes nettsteder i oktober 2026; de endrer seg ofte, så les den offisielle siden på nytt før et viktig prosjekt.
Syntetisk stemme og dubbing med ElevenLabs
ElevenLabs er en stemmeinfrastruktur: den gjør tekst om til tale, transkriberer tale, kloner stemmer, dubber klipp til andre språk og genererer lydeffekter og musikk. For markedsføring teller fem funksjoner:
- Tekst til tale. Du skriver manuset, velger en stemme og får fortellerstemmen. Rumensk er blant språkene som støttes av de flerspråklige modellene. Fungerer godt for produktforklaringer, veiledninger, lydannonser og raske testvarianter.
- Stemmebiblioteket og Voice Design. Du velger en stemme fra biblioteket eller beskriver med ord stemmen du ønsker (alder, tone, aksent), og får genererte varianter som ikke tilhører en virkelig person.
- Stemmekloning. Instant Voice Cloning tar utgangspunkt i korte prøver; Professional Voice Cloning krever mer materiale og bruker en kontroll av typen «voice captcha» for å bekrefte at stemmen tilhører deg. Du kloner bare din egen stemme eller stemmen til noen som har gitt skriftlig samtykke.
- Dubbing. Oversetter lyd og video til over 90 språk, beholder talerens stemme og tone og lar bakgrunnslyden være urørt. Dokumentasjonen fra ElevenLabs sier tydelig at den dubbede videoen er en forhåndsvisning: til den endelige versjonen laster du ned lydsporet og legger det over originalvideoen.
- Stemmeisolering. Renser et opptak for bakgrunnsstøy, nyttig når du har filmet på et arrangement eller ute på gaten.
Setter du en taleagent til å svare på telefonen eller på nettstedet, kommer du inn under åpenhetspliktene: personen må få vite at hen snakker med et AI-system. Detaljene finner du i guiden om AI Act i markedsføring.
Avatarer og digitale programledere i HeyGen
HeyGen lager klipp med en generert programleder: du skriver teksten, og avataren sier den med synkroniserte lepper. Du har to hovedveier:
- Digital Twin tar utgangspunkt i et opptak av en virkelig person som snakker. Modellen lærer personens mimikk og gester. Plattformen krever for hver avatar av denne typen et samtykkeklipp, lest av den samme personen som er med i opptaket. Lager du avataren for noen andre, tar den personen selv opp samtykket fra mobilen, via QR-kode. Skjermopptak avvises.
- Photo Avatar tar utgangspunkt i ett enkelt bilde. Bevegelsene genereres av modellen, ikke lært fra mennesket, så gestene er ikke personens egne. Passer for maskoter, illustrerte figurer og raske konsepttester.
HeyGen oversetter også klipp med talerens klonede stemme, og på en egen plattform, LiveAvatar, tilbyr den avatarer som samtaler i sanntid.
Der det lønner seg: opplæring av kunder, produktforklaringer som oppdateres ofte, samme budskap på flere språk, svar på vanlige spørsmål. Der det ikke lønner seg: kundeuttalelser, krisemeldinger, ethvert øyeblikk der publikum forventer å se det ekte mennesket. En avatar av direktøren som kunngjør en dårlig nyhet, bryter nettopp den tilliten du bygger. Og i kontrakten med personen hvis ansikt blir avatar, fastsetter du hvor lenge og i hvilke kanaler den brukes, hva som skjer hvis personen slutter i firmaet og hvem som sletter modellen til slutt.
Generering av video og bilder: Higgsfield og alternativene
Higgsfield presenterer seg som en kreativ pakke: den lager bilder, video og stemmeinnhold fra tekst eller referansebilder, redigerer og oppskalerer oppløsningen på materialet og samler egne modeller og modeller fra andre produsenter i samme grensesnitt. Den har egne arbeidsområder for annonser og markedsføring, en agent som automatiserer kreative steg og tilgang via API. Den praktiske fordelen: du sammenligner flere modeller på samme brief uten å bytte plattform.
Alternativene du sammenligner før du velger:
- Runway: Gen-4.5 genererer video fra tekst og bilde, og Aleph 2.0 redigerer et eksisterende klipp ut fra instruksjoner.
- Google Flow med Veo: Googles verktøy for filmproduksjon med AI; materialet Veo genererer i Flow, får det usynlige vannmerket SynthID.
- Adobe Firefly: Adobe sier at selskapets egen videomodell er trent på lisensiert innhold og innhold i det fri, og legger Content Credentials til resultatene. Firefly huser også modeller fra andre produsenter, med vilkår for kommersiell bruk som varierer fra modell til modell.
Bruk generering til det som er vanskelig eller dyrt å filme: stemningsbilder, overganger, bakgrunner, produkter i ulike sammenhenger, animerte storyboard til kundens godkjenning. Unngå scener som ser dokumentariske ut og involverer virkelige personer, steder eller hendelser: der begynner deepfake-territoriet. Og les vilkårene for hver modell for kommersiell bruk før du bruker den i en betalt annonse.
Automatisert redigering: teksting, klipping, formater, lyd
Her sparer AI mye tid med liten risiko, fordi du jobber med ekte materiale. Funksjonene nedenfor finnes i produsentenes dokumentasjon; noen finnes bare i betalte versjoner. Test først hvor godt hver app transkriberer språket ditt, på et av dine egne klipp.
- Automatisk teksting. Descript genererer undertekster fra transkripsjonen, med stilmaler. Premiere Pro har Speech to Text og oversettelse av undertekster. DaVinci Resolve Studio lager undertekster fra lyden, også animert ord for ord. CapCut har Auto captions, med tospråklig valg.
- Klipping. I Descript klipper du ved å slette tekst i transkripsjonen og fjerner fyllord automatisk, med en liste du kan utvide. Underlord, AI-medredaktøren i Descript, tar imot instruksjoner i flere steg: fjern omtak, bruk Studio Sound, legg til undertekster. Produsenten advarer om at den kan ta feil, så du kontrollerer. DaVinci Resolve Studio har IntelliScript, som bygger tidslinjen med utgangspunkt i manuset.
- Omformatering til 9:16, 1:1 og 16:9. Auto Reframe i Premiere Pro lager en ny sekvens i valgt format og følger handlingen i bildet. DaVinci Resolve Studio har Smart Reframe, CapCut har automatisk omramming, og Descript endrer størrelsen uten svarte felt.
- Lydrensing. Studio Sound i Descript, Enhance Speech i Premiere Pro, Voice Isolation i DaVinci Resolve Studio, stemmeisolatoren i ElevenLabs og støyreduksjonen i CapCut.
En nyttig detalj: Generative Extend i Premiere Pro forlenger et bilde med noen sekunder når du mangler en brøkdel i redigeringen, men den genererer ikke dialog, og den forlengede delen kan ikke lenger transkriberes. Transkriber klippene før du forlenger dem.
Manus og storyboard med Claude
Generatorene er gode på utførelse. Forskjellen ligger i tenkningen på forhånd, og der hjelper en assistent som Claude mest:
- Varianter av kroken for de første sekundene, skrevet for konkrete mennesker, ikke for «det brede publikum».
- Manuset med tidskoder: hva som høres, hva som ses, hvilken tekst som vises på skjermen.
- Bildelisten og beskrivelsen av hvert bilde til storyboardet.
- Promptene til generatorene, bilde for bilde, med samme beskrivelse av figur, lys og palett, slik at bildene forblir konsekvente.
- Tilpasning til formater: 15 sekunder for annonser, 45 for Reels eller TikTok, den lange varianten for YouTube.
- Kontroll av manuset mot merkevarens toneguide og listen over påstander som krever dokumentasjon.
En god brief har noen faste elementer. Et eksempel:
Rolle: videotekstforfatter for en tannklinikk i Sibiu. Publikum: foreldre på 30-45 år. Mål: timebestillinger for kontroll. Plattform: Reels, 9:16, 30 sekunder. Tone: varm, direkte, uten faguttrykk. Jeg vil ha: 3 kroker, manus med tidskoder, tekst på skjermen, bildeliste. Ikke bruk tall jeg ikke har gitt deg.
Den siste setningen er viktig. En språkmodell kan lage en plausibel og falsk statistikk. Ethvert tall, enhver studie eller ethvert løfte i manuset går gjennom en menneskelig kontroll før det havner i klippet.
Den komplette flyten: fra idé til publisert klipp
- Målet og målingen. Hva klippet skal oppnå (kjennskap, timebestillinger, påmeldinger) og hvilken indikator du vurderer det etter.
- Briefen. Publikum, hovedbudskap, tilgjengelig dokumentasjon, plattformer, lengder, frist.
- Manuset og storyboardet, utarbeidet med Claude og godkjent av personen som har ansvaret for innholdet.
- Produksjonsbeslutningen. For hvert bilde velger du ekte opptak, avatar, generering eller arkiv. En god regel: ekte mennesker og ekte bevis forblir ekte.
- Avtalene og rettighetene. Skriftlig samtykke for stemme og ansikt, lisenser for musikk, bilder og fonter, vilkårene for hvert verktøy.
- Produksjonen. Fortellerstemmen i ElevenLabs, programlederen i HeyGen, de genererte bildene i Higgsfield eller i det valgte alternativet, pluss de ekte opptakene.
- Redigeringen. Klipping etter transkripsjon, lydrensing, undertekster, deretter omformatering til 9:16, 1:1 og 16:9.
- Kvalitetskontrollen, etter listen i neste avsnitt.
- Merkingen. Der klippet inneholder en deepfake, legger du til en synlig opplysning og beholder leverandørenes tekniske merker.
- Publiseringen, med undertekster lastet opp som egen fil der plattformen tillater det, og med AI-merkingen plattformen krever.
- Måling og arkiv. Resultatene går inn i rapporten; manuset, promptene, samtykkene og de endelige versjonene går inn i prosjektmappen.
Kvalitetskontroll før publisering
Et generert klipp kan se upåklagelig ut ved første øyekast og likevel inneholde feil publikum ser på tre sekunder. Kontroller, helst med to forskjellige personer:
- Faktaene: tall, priser, datoer, navn, løfter, hver med sin kilde.
- Uttalen: firmanavn, stedsnavn, faguttrykk, trykket i ord på ditt eget språk.
- Leppesynkroniseringen og avatarens blikk, særlig i lange klipp og i språk med en annen rytme.
- Visuelle artefakter: hender, tenner, generert tekst i bildet, gjenstander som dukker opp og forsvinner mellom bildene.
- Den visuelle identiteten: merkevarens farger og fonter, og logoen satt inn fra originalfilen, aldri generert eller tegnet på nytt av AI.
- Undertekstene: spesialtegn, egennavn, synkronisering, lesbarhet på mobil.
- Lyden: jevnt volum mellom klippene, uten reststøy, musikken under stemmen.
- Rettigheter og merking: samtykkene i mappen, gyldige lisenser for de valgte kanalene, opplysning om generert innhold der det er aktuelt.
- Testen med en utenforstående: vis klippet til noen som ikke har jobbet med det. Hvis vedkommende ville tro at avataren er et ekte opptak, behandler du klippet som deepfake og merker det.
Personen hvis stemme eller ansikt er med i klippet, ser den endelige versjonen før publisering. Det er høflig og samtidig den enkleste beskyttelsen mot misforståelser.
AI Act og rettigheter: samtykke, merking, opphavsrett
Samtykket. Den rumenske sivilloven (art. 73) gir enhver person rett til å forby gjengivelse av sitt fysiske utseende og sin stemme. Opptak av stemme og ansikt er også personopplysninger etter GDPR. Du kloner altså en stemme eller lager en avatar etter en virkelig person bare med personens skriftlige samtykke, som angir verktøyet, formålene, kanalene, språkene, varigheten, eventuell godtgjørelse, retten til å trekke samtykket tilbake og sletting av modellen til slutt. For ansatte må samtykket være reelt frivillig: tilby et alternativ uten konsekvenser for den som sier nei.
Merkingen. Fra 2. august 2026 gjelder åpenhetspliktene i art. 50 i AI Act. Leverandørene av verktøyene merker generert innhold teknisk, i et maskinlesbart format; for systemer som ble brakt i omsetning før 2. august 2026, er fristen 2. desember 2026. Du som profesjonell bruker informerer publikum når et lyd-, bilde- eller videomateriale er en deepfake: det ligner virkelige personer, steder eller hendelser og kan fremstå som autentisk. For åpenbart kunstneriske, satiriske eller fiktive verk kan opplysningen være diskret, uten å ødelegge opplevelsen. Kommisjonen har publisert EU-ikoner for merking av generert innhold, som er frivillige, men nyttige.
Opphavsretten. Du bruker bare musikk, bilder, fonter og opptak du har rett til å bruke, og i promptene ber du ikke om kopier av andres verk eller varemerker. Opphavsrettslig vern forutsetter en original intellektuell skapelse av et menneske, så for et klipp som er generert nesten helt av AI, er vernet usikkert. Menneskenes kreative bidrag (manus, utvalg, redigering) betyr noe og bør dokumenteres.
Guiden er til informasjon, ikke juridisk rådgivning. I en konkret sak, for eksempel en lisensavtale for en stemme eller en kampanje med en bevisst deepfake, bør du snakke med en jurist. Pliktene er beskrevet i detalj i guiden AI Act i markedsføring.
Tips og triks
- Skriv for øret. Korte setninger, én idé per setning, tallene skrevet slik du vil at de skal uttales.
- Før en uttaleordliste for navn på firmaer, produkter og steder, og test den på hver ny stemme.
- Ta opp stemmeprøvene under samme forhold: samme stille rom, samme mikrofon, samme avstand. Klonen arver feilene i prøvene.
- Ved dubbing bytter du bare lydsporet og beholder originalvideoen i sin kvalitet.
- Film for avataren uten klipp, med jevnt lys og blikket i kameraet.
- Lag et konsistensark for genereringen: figur, klær, lys, palett, vinkel. Du limer det inn i hver prompt.
- Generer korte biter og sett dem sammen, i stedet for å be om et langt klipp fra én enkelt generering.
- Komponer bildet for alle formater: motivet i midtsonen, slik at omrammingen til 9:16 ikke kutter det viktigste.
- Rett alltid de automatiske undertekstene: spesialtegn og egennavn er det første som blir feil.
- Ikke slett merkene. Sjekk om den endelige eksporten fortsatt beholder Content Credentials eller andre opprinnelsesmetadata.
- Merk med enkle ord: «stemme generert med AI», «digital programleder». Kommisjonens tester viser at ikonet med tekst forstås bedre enn ikonet alene.
- Før et produksjonsregister: verktøy, modell, dato, prompter, kilder, samtykker.
- Følg med på produsentenes kunngjøringer. ElevenLabs har kunngjort at standardstemmene utløper 31. desember 2026; bruker du dem i gjentakende serier, bør du velge erstatning nå.
- Les vilkårene for gratisappene om lisensen du gir dem til materialet du laster opp, særlig når du jobber med en kundes materiale.
AI forkorter veien fra idé til klipp. Tilliten bygges fortsatt mellom mennesker: Business from People to People. Vil du ha et videoproduksjonssystem for merkevaren din, kan du se tjenesten sosiale medier og visuelt innhold eller skrive til oss om prosjektet ditt.
Les videre
- AI Act i markedsføring: hva du må følge når du bruker AI
- Den komplette guiden til sosiale medier
- Den komplette guiden til innholdsmarkedsføring
- Videomarkedsføring: komplett guide for bedrifter
- B2B-videomarkedsføring
- Content repurposing: ett materiale, flere formater
- TikTok-markedsføring for bedrifter i Romania
- YouTube-SEO: optimalisering av klippene
- AI i markedsføring for ikke-teknikere
- UGC: innhold laget av kundene