音视频翻译

音视频翻译

音视频翻译用于把视频或音频内容处理为目标语言版本。用户可以上传视频或音频文件，也可以填写链接创建项目。系统会生成原文字幕、目标语言字幕，并可按用户设置生成目标语言配音。

适用场景

• 视频内容出海：把中文视频翻译成其他语言视频，或把其他语言视频翻译成中文视频。
• 播客和采访翻译：把音频内容转成目标语言字幕或配音。
• 课程和知识内容本地化：生成字幕、译文和配音，便于二次发布。
• 不需要区分视频入口和音频入口时，统一从音视频翻译发起项目。
• 只需要字幕本地化时，可以关闭配音，仅生成字幕和文稿相关结果。

使用步骤

1. 进入音视频翻译工具。
2. 上传视频、上传音频文件，或填写链接。
3. 设置原始语言和一个或多个目标语言。
4. 选择是否生成配音。
5. 如果选择生成配音，可按需要设置背景音；情感匹配会默认应用。
6. 查看预计消耗积分并提交项目。
7. 等待系统处理完成。
8. 进入编辑器校对字幕、翻译、样式和配音。
9. 根据输入类型导出视频、字幕、音频或文稿结果。

支持文件

视频格式：MP4、MOV、AVI、MKV。

音频格式：mp3、wav、flac、m4a。

文件限制：免费用户不超过 200MB / 10 分钟，订阅用户不超过 500MB / 60 分钟。

处理内容

音视频翻译会执行语言识别、语音识别、原文字幕生成和字幕翻译。配音是可选流程。

如果用户未选择配音，系统不会进入译文配音处理环节。视频输入会保留原视频、人声分离后的人声、背景音、原文字幕和目标语言字幕等结果；音频输入会至少生成目标语言字幕文件。

如果一次选择多个目标语言，系统会为不同目标语言生成对应的语言版本。完成后，可以在项目列表或编辑器中查看和处理对应结果。

配音选项

用户可以选择：

预设配音可以使用 Voxsail 标准音色，也可以使用用户已完成声音克隆的音色。

开启配音后仍可下载字幕，配音不会覆盖字幕交付物。

• 不生成配音。
• 使用预设配音音色。
• 原声克隆：匹配原视频或原音频音色。

情感匹配和背景音

情感匹配适用于音视频翻译等有原始音频的项目。生成配音时，系统会默认参考原始音频中的说话情绪、语气和表达强度，让目标语言配音更接近原始内容的表达状态。

背景音设置用于选择是否保留人声分离后的背景音。保留背景音可以让结果更接近原素材氛围；去掉背景音可以让目标语言配音更干净。

导出结果

音视频翻译可导出的内容以导出面板展示为准，常见结果包括：

SRT 和 ASS 字幕支持原文字幕、译文字幕和双语字幕，文稿支持原文字幕和译文字幕。

• 原文字幕。
• 译文字幕。
• 双语字幕。
• 文稿。
• 配音音频。
• 合成视频或合成音频。

注意事项

• 目标语言必须选择或确认后才能提交。
• 原始语言和目标语言不能相同。
• 原视频或原音频声音越清晰，识别和配音结果越稳定。
• 项目处理中不能手动取消或暂停。