多语言配音
把语音翻译成另一种语言，对照原片逐句校对，再导出配音视频或对齐后的音轨。
支持最长 2 小时的音频或视频，可下载对齐后的 WAV 音轨或导出配音视频。
MP3 · WAV · M4A · MP4 · MOV · WebM · 最长 2 小时 / 最大 2 GB
提取的音频和文本由服务端模型处理。本实现不增加服务端文件存储，也不将内容用于训练。
正在准备配音
识别语音片段及其时间位置。
先核对听不清的词，再调整译文，让表达更自然。
没有符合条件的台词。
配音按原时间轴对齐，不做嘴型同步。
译文试听使用设备自带声音；最终配音由语音模型生成，音色会有所不同。
逐句生成语音，并放回原始时间轴。
WAV 保留原文件总时长和句间静音，下载前请完整试听。
新配音会替换原视频的全部声音，包括原背景音乐和环境声。
当前浏览器无法导出这个视频，可下载对齐后的 WAV 在剪辑软件中使用。
转写、结合上下文翻译、生成配音；设备支持时可先本地试听。
在设备上提取音频，发送给转写模型和音频校对模型。转写文本和相邻上下文发送给翻译模型；确认后的译文及必要的精简稿发送给语音模型。视频画面留在设备上。
本地存储可用时，最近一次草稿在本机保留 7 天；刷新后重新选择同一文件即可恢复。
ASR 生成带时间的转写稿，翻译保持这些片段的对应关系。你可以修改原文和译文，再让 TTS 把确认后的内容生成 WAV。
每句从原时间位置开始，过长台词会尝试精简或适度加快，句间静音保留。对齐精度取决于转写时间，可手动修改起止秒数；不克隆原声。
AI 配音使用指南
在线使用 AI 给视频或音频配音：转写语音、翻译台词、逐句校对，再导出配音视频或对齐后的 WAV 音轨。
上传音频或视频，选择原始语言和配音语言。浏览器会按时间片准备素材，较长录音也能逐段生成可校对的台词。
工具会转写语音、翻译每个带时间的片段，并把原文和译文并排保留。你可以试听原声，修改人名、术语和表达，再生成配音。
生成校对后的语音轨道，先对照原片试听，再下载对齐后的 WAV；浏览器支持源视频和编码时，也可以导出配音视频。
选择浏览器能读取的音频文件作为输入，最终配音以对齐后的 WAV 音轨提供。
可以预览原画面；当视频轨和浏览器编码能力满足条件时，可导出配音视频。
浏览器支持解码时可以使用。无法导出视频时，仍可下载对齐后的配音音轨。
当前流程保留台词顺序和时间边界，但不会克隆说话人的声音，不提供实时麦克风，也不保证嘴型同步。音频会在设备上提取后发送给服务端模型，视频画面留在设备上。导出配音视频会替换原视频的整条声音，包括音乐和环境声。
FAQ
可以。上传支持的视频，选择原始语言和目标语言，校对翻译台词后生成新的配音音轨。视频导出取决于浏览器和源文件编码；无法导出时仍可下载对齐后的 WAV。
可以。每段转写会保留原始起止时间，你可以编辑译文，然后生成与原片时间位置对齐的 WAV 音轨。
不是。生成的配音使用选定的合成语音模型，不复制原说话人的身份或声纹。
提取的音频和语音文本会发送给服务端模型，用于转写、翻译和生成配音；视频画面留在设备上。开始处理前页面会明确说明，本实现不增加文件存储，也不会用于训练。
不包含。流程会让新语音对齐原台词的时间位置，也可以导出配音视频，但不会调整嘴部画面，也不保证唇形同步。
可以。编辑器会把原文和译文放在两列中，支持搜索台词、只看待核对片段；原始语言变化后也可以重新翻译。
实用指南
配音效果取决于源语言文本是否准确、译文是否自然，以及语音节奏能否贴合原有分段。把生成结果当作需要复核的初稿，而不是默认完成的表演。
选择文件中实际使用的语言和配音目标语言。自动语言识别可能提供帮助，但遇到混合语言、口音、人名或专业术语时要再次确认转写稿。
浏览器会提取音频，并将音频、转写文字和译文发送至服务器模型，用于转写、翻译和语音生成；视频画面留在当前设备。开始前页面会说明数据处理方式。只选择你有权用于这些云端处理的文件。
检查姓名、数字、日期、否定词和容易被听错的短语。先修正原文，才能让翻译有可靠基础。听不清的地方应回放并修正，不要让配音掩盖转写的不确定性。原文与译文并排显示，可以逐段对照检查。
生成的译文段落会保留源片段的起止时间。检查新句子是否适合分配的时长，起始位置是否正确，段落之间是否留有合适停顿。即使时间码对齐，较长的译文仍可能听起来过快。
生成音轨使用所选的合成语音，不克隆原说话者，也不改变口型。导出配音视频会替换原声音轨，其中包括音乐和环境声。如需保留音乐，可下载对齐后的 WAV，再在剪辑软件中与原声混音。
视频导出取决于源画面轨和浏览器编码支持。无法输出视频文件时，仍可下载对齐后的 WAV。将音轨放入剪辑软件后，从头到尾检查同步和分段边界。
