AI配音翻译

一次AI配音翻译任务里发生了什么

字幕只能触达愿意读字的人，配音能触达其他所有人——用手机看的人、孩子、边做饭边看的人，以及配音内容才是主流的那些市场。传统配音意味着每种语言都要有译者、录音棚和配音演员，大多数创作者、老师和小公司都负担不起。AI配音翻译把这条流水线压缩到几分钟，而这个工具会把每一步摊开给你看，让你放心使用结果。

第一步，转写语音，给每个词打上时间戳，再把词组合成句子，每句都保留它被说出的准确时刻。第二步，由语言模型分批翻译这些句子，要求读出来自然，并且每句说出来的时长和原文差不多——因为长一倍的译文根本塞不进同一个时间段。第三步，把每句译文配音，放到它原来的时间点。如果某句会超过到下一句之前的空隙，就稍微加快语速重说一遍——最多不超过 1.3 倍；如果还是太长，就把下一句稍微往后推，而不是让人听起来很赶。最后，把所有句子混成一条音轨，并写出两份字幕：一份是新语言、按配音计时，一份是原文转写。

保留原说话人的声音

最惊艳的AI配音翻译效果，是保留说话人自己的声音。选择“保留原说话人的声音”后，上传内容的前两分钟会用来克隆说话人，再由克隆的声音说出译文。观众听到的还是同一个人，只是现在说的是日语或西班牙语。因为克隆是对真实人物声音的复制，你必须确认你就是说话人或已获得其许可；克隆会让本次任务额外增加 30 积分。如果原说话人无法给出同意，请改用录音棚音色——每种目标语言都有母语音色，开始前可以先试听。

视频进，配音视频出

上传的是视频时，AI配音翻译工具可以帮你重建视频。配音完成后，点“下载配音后的视频”，会把你原来的视频流原封不动地复制进一个新的 MP4，并把音频换成配音，整个过程都在你的浏览器里完成——画面不重新编码、不损失画质、不上传任何内容。如果你的浏览器做不到，就下载 MP3 和 SRT 文件，在任意剪辑软件里合成。

AI配音翻译真正派上用场的地方

课程创作者不用重录，就能用多种语言发布同一节课。博主在投入人工配音之前，先用最好的几期视频试水西班牙语或葡萄牙语频道。企业把产品演示和培训视频本地化。家人可以用亲戚的母语发一段问候，学语言的人能把同一段视频的两种语言版本放在一起对照。只需要文字稿的话，请用音频转文字；要从头写一份新脚本并配音，AI配音生成器里有同样的音色。

让AI配音翻译效果更好

• 选只有一位主要说话人、背景音乐少的片段；音乐和抢话会降低转写和克隆的质量。
• 原片语速自然一点。说得太快，西班牙语、德语这类更长的语言就没有余地了。
• 使用“保留原说话人的声音”时，前两分钟应该是这位说话人清晰的讲话。
• 发布前检查翻译字幕里的人名和专业术语。
• 先拿一分钟的片段试，选好声音，再配完整的十分钟视频。
• 把翻译字幕也加上——有些观众两样都想要。

目前AI配音翻译的限制

每次配音一个声音

每个任务的所有句子都用同一个声音。有两位说话人的访谈，请分段配音，或两人都用录音棚音色。

最长 10 分钟

更长的视频可以拆成几部分分别配音；每部分的时间戳都从零开始。

口型同步

句子对齐的是每句开始说话的时间，而不是嘴型。最适合旁白、教程和口播类视频。

退款与恢复

配音失败会自动退回积分。关掉页面任务也会继续运行，回来时就能看到结果。