- 综合排序
- 最热优先
- 最新优先
- 来自专栏bunny的专栏
【玩转Lighthouse】轻松搭建视频配音工具晓晓配音
今天我们将给大家介绍如何使用Lighthouse轻量服务器搭建一个属于自己的在线视频配音工具，可以将文案制作为mp3文件并且生成对应的字幕视频，以便大家在制作视频的过程中方便地为自己的视频添加自然逼真的配音 ，并且为其它视频创作者提供帮助 LiuChangFreeman/ms-tts-web (github.com) github.png 一、购买一台轻量服务器 腾讯云的学生优惠是相当给力的，2核4G一年只要 推荐同学们买一台作为学习使用，用来部署晓晓配音完全绰绰有余 image.png 购买完成后我们可以在控制台重置其系统为Ubunut+Docker专版，由于此系统自带了Docker环境，我们上手就能立刻开始部署 我们需要在防火墙放行对应的端口，推荐一次性开一个范围的端口，这样我们在部署服务的时候就可以不用每次都到控制台编辑规则了 20220414190405.png 登录我们的轻量服务器，然后在任意目录克隆晓晓配音的源代码 然后使用docker logs查看容器服务是否正常开启 docker logs ms_tts 当看到服务顺利监听到8019端口后，部署就完成了 run.png 最后我们就可以通过ip端口的方式访问晓晓配音服务了
2K100编辑于 2022-04-14 - 来自专栏云瓣
基于RN开发的一款视频配音APP(开源)
一些功能模块: 启动界面轮播效果的实现; 通过短信验证码登入; 视频的上传以及静音处理; 音频的上传; 视频和音频的整合; 用户资料的更新； 评论模块 点赞模块
1.2K80发布于 2018-05-02 - 来自专栏星哥的AI自留地
5分钟搞定视频翻译配音！开源极简工具KrillinAI
5分钟搞定视频翻译配音！ AI视频翻译配音工具，100种语言双向翻译，一键部署全流程，可以生抖音，小红书，哔哩哔哩，视频号，TikTok，Youtube等形态的内容成适配。 不用复杂的技术配置，不用懂高深的AI原理，甚至不需要你有专业的视频剪辑基础，它能一站式完成「视频原声音频提取→AI翻译→目标语言配音→音频与视频合成」全流程，支持上百种语言的翻译与配音，覆盖主流语种（中英日韩法德等 ，配音自然流畅，无机械感配音生硬，语调呆板，缺乏情感适配格式兼容支持MP4、MOV、AVI等主流视频格式，导出多规格格式限制多，仅支持少数视频格式免费属性开源免费，基础功能无付费门槛基础功能免费，高级功能高额收费简单说 我以「中文视频翻译成英文并配音」为例，给大家一步步演示，全程5分钟就能搞定，跟着做就行。
25810编辑于 2026-06-26 - 来自专栏三太子敖丙
谷歌Gemini被曝视频造假！多模态视频是剪辑配音，击败GPT-4靠「作弊」？
谷歌的宣传视频，竟然作假了？ 在谷歌昨天发布的Gemini的宣传视频中，所有人都被那一段6分钟一镜到底的互动视频惊艳到了。 一天之内有720万的播放量。 毕竟，产品不能永远停留在宣传视频里，最终都要交到用户手上去体验。 这个视频最大的误导性在于，似乎让用户误以为Gemini能实时的读取视频信息，并且能够通过自己的理解直接推测用户的问题并直接回复。 其实本来，Gemini确实输出了视频中显示的回应。 但视频的剪辑效果，却会让用户对于Gemini的交互速度、准确性和基本模式产生误解。 视频中也没有明说，视频中的模型，到底是Gemini的哪个版本。 总的来说，这段视频半真半假，尽管包含一些真实的成分，但它根本没有反映现实。 还有人也模仿谷歌的行为，让ChatGPT从MP4中提取视频帧，然后解释视频...... ChatGPT自主从从视频中提取帧，然后网友上传6张对应图片，让ChatGPT给出具体的解释。
64610编辑于 2023-12-12 做短视频解说时，我踩过最严重的AI配音坑
最近重新整理短视频解说项目时，发现自己前期在AI配音上踩过不少坑。一开始总觉得：只要音色够像真人，视频听起来应该就不会有问题。 但真正做了一段时间后才发现，很多播放数据差的视频，并不是剧情不行，而是：旁白让人听着“很累”。尤其影视解说、悬疑旁白、小说推文这种内容，一旦AI配音节奏不对，观众前几秒就会直接划走。 后面连续调整了几十条内容后，我发现之前踩得最严重的坑，其实并不是模型，而是：“把AI配音当成真人录音去用。” 一开始为了省事，我会统一设置：speed=1.1整条视频全程一个速度。结果听久后，会明显感觉：特别机械。 主要测试：男声风格停顿节奏情绪强度多角色语气目前比较常用的试听方案，包括：叮叮配音配朵朵媒小三配音主要目的不是正式生产。
26800编辑于 2026-05-10短剧视频翻译配音为什么总有翻译腔？对话级NMT实战方案
所以短剧视频翻译不能只看 BLEU 或逐句准确率。真正影响成片观感的是：台词能不能接得上、角色有没有同一套语言风格、配音演员读出来是否自然。对话级 NMT 怎么改造视频翻译 pipeline？ 口语化 post-editing：让翻译结果适合配音而不是只适合阅读视频翻译最终要进入 AI 配音或人工配音，文本不能只追求字面对齐，还要考虑可读性和节奏。 如果团队使用 VividDub 这类一站式 AI 视频翻译方案，重点不是只看“能不能翻译”，而是看它能不能把 AI 视频翻译、AI 配音、多角色识别、字幕生成和字幕压制串成稳定链路。 配音是否读得顺：翻译文本要适合 TTS 或声音克隆，不要保留太多书面长句。字幕是否跟时间轴匹配：译文长度要能放进原视频节奏，否则后续配音和字幕都会返工。 结论：短剧翻译要从“逐句准确”走向“对话可演”通用 NMT 适合解决大多数文本翻译问题，但短剧配音是更复杂的视频本地化任务。
22910编辑于 2026-05-27- 来自专栏Java项目实战
阿里5.2kStar给Sora配音的EMO音视频项目开源了
这是一个音频驱动的AI肖像视频生成系统，能够通过输入单一的参考图像和语音音频，生成具有表现力的面部表情和各种头部姿势的视频。 EMO生成的视频不仅内容丰富，而且具有极高的表现力。它能够精准捕捉并再现人类面部表情的细微变化，包括那些难以察觉的微表情。同时，视频中的头部运动与音频节奏完美匹配，增强了视频的整体观赏性和真实感。 借助先进的FrameEncoding模块，EMO能够在视频生成过程中始终保持角色身份的一致性。这意味着无论视频内容如何变化，角色的外观始终与输入的参考图像保持一致，增强了视频的连贯性和真实感。 为了提高视频生成的稳定性，EMO采用了多种控制机制，包括速度控制器和面部区域控制器等。这些机制有效避免了视频崩溃等问题，确保了视频生成的顺利进行。 生成视频 在推理阶段，EMO运用DDIM采样算法，通过迭代去噪过程，生成与输入音频同步的肖像视频片段。
81810编辑于 2024-03-07 - 来自专栏量子位
这个AI能自动给视频配音，真假难辨（不服来试）
视频内容 你将看到两段画面相同的视频，请判断哪段来自视频原声，哪段是AI根据视频画面配上的假声？ 莫非两个都是真的？不可能，答案文末揭晓。 （还有更多真假难辨的视频原声和配音大对比） 真假难辨，简直让人怀疑耳朵。模型合成的假音效，什么时候都这么逼真了？一切还得从这个自动为自然环境下的视频配音的项目说起。 ? 视听关联 看闪电，知雷声。 每个类别中包含1500-3000个随机抽取的视频。 ? △ 其中4个类别的视频帧及相应波形。 值得注意的是，m通常远远小于n，因为音频的采样率远高于视频的采样率，因此音频波形序列比同步视频的视频帧序列长得多。 大体来说，这个模型由两部分构成，即声音生成器和视频编码器。 每个场景的配音均为一真一假，当场揭晓答案，猜猜你能对几个——
3.1K50发布于 2018-04-02 视频配音翻译多角色识别Speaker Diarization 工程实践与踩坑记录
重点不是介绍一个工具，而是解释为什么 diarization 在视频配音翻译里经常出错，以及怎么把错误压到后续配音流程能接受的范围内。为什么短剧里的 diarization 更容易翻车？ 一条可落地的多角色识别 pipeline在视频翻译配音里，speaker diarization 通常不应该直接吃原始视频音轨。 接入视频翻译 pipeline 时要注意什么？在视频翻译配音里，diarization 的输出不是给人看的终点，而是给下游模块使用的结构化输入。 在实际项目中，我们把这套 diarization 方案集成到一条视频翻译 pipeline 里时，最大的收益不是“自动识别出几个 speaker”，而是让后续 AI 配音和声音克隆有了更稳定的角色轨道。 VividDub 这类视频本地化工作流，正是把 AI 视频翻译、AI 配音、字幕生成、硬字幕擦除和多语种输出放在同一条链路里处理，适合持续做短剧、课程、营销视频和内容库本地化。
27300编辑于 2026-05-27- 来自专栏CoderJia的工作笔记
KrillinAI：基于AI大模型的一站式视频翻译配音解决方案
随着大语言模型(LLM)技术的迅猛发展，一款名为KrillinAI的开源工具横空出世，为内容创作者带来了革命性的视频翻译与配音解决方案。 项目概述 KrillinAI是一款基于AI大模型技术的全流程视频翻译和配音工具，旨在为内容创作者提供从视频下载到最终成品的一站式解决方案。 凭借其简洁而强大的设计，KrillinAI能够无缝处理从翻译、配音到视频格式转换的全流程，支持将视频内容适配至各大主流平台，如YouTube、TikTok、抖音、哔哩哔哩、小红书等。 智能视频合成与格式转换 KrillinAI的视频处理能力不仅限于字幕和配音，还包括视频格式的智能转换。系统能够自动处理横屏和竖屏视频的转换，优化不同平台的显示效果。 配音合成模块：支持多种TTS（文本转语音）引擎，实现自然流畅的语音合成和声音克隆。 视频合成模块：处理字幕嵌入、音频替换和视频格式转换，生成最终成品。
2.2K10编辑于 2025-04-16 - 来自专栏全栈开发日记
自动批量真人配音软件
工具名称：自动批量配音软件 运行系统：Windows 工具大小：6.5MB 工具截图： 使用方法： 需要设置阿里参数或腾讯参数，点击相应参数后的【获取】，可自动跳转到相应的获取页面（免费）。
2.1K20编辑于 2022-05-13 做短视频配音，为什么很多人开始放弃剪映内置声音？
第一刀：撞音色你刷十条视频，八条用的是同一个"甜美女声"。剪映内置音色就那么几十个，全网几千万创作者在抢。你精心剪的视频，配音一开口，观众直接划走——不是内容不行，是声音太熟了，熟到没有记忆点。 短视频拼的就是前3秒的留存，声音没有辨识度，等于开场就输了。第二刀：长文案断句翻车剪映内置配音对付两三句话的口播没问题，但凡文案超过200字，断句就开始抽风。" 音色库1300+，情绪标签20种，至少不会让你的视频一开口就"剪映味"拉满。第三刀：情感是假的剪映的声音能把字读对，但读不出情绪。"你知道我等了你多久吗？" 短视频要的不是"读字"，是让人停下来的那一下情绪冲击。这一点上，ElevenLabs确实做到了行业天花板，笑声、叹气、哽咽都能标注，情感颗粒度极细。但每月免费额度有限，属于"用过就回不去"的那种。 写稿、配音、字幕一条线跑通，AI生成的文案直接进配音环节，断句在生成阶段就对齐了，不用来回倒腾。音色按场景分好类，"悬疑男声""温柔女声"直接选，日更博主用它能把效率拉满。
32310编辑于 2026-06-01- 来自专栏机器之心
MIT、IBM联合打造AI配音师：检测动作自动添加音效，视频「无声」胜「有声」
机器之心专栏 机器之心编辑部 从无声视频中生成音乐？这听起来很难。 该模型将视频作为输入，检测视频中的人体骨架，识别其与乐器之间的交互作用，预测相应的 MIDI 文件。论文已入选计算机视觉顶会 ECCV 2020。 首先，研究者确定了生成音乐的两个关键要素。 研究者使用音乐处理软件从视频的音轨中自动检测 MIDI。对于 6 秒钟的视频片段，通常包含大约 500 个 MIDI 事件。这些 MIDI 事件可以很容易地导入到标准合成器中生成音乐波形。 ? （1）正确性：生成音乐与视频内容相关；（2）噪音量：生成音乐包含噪音最小；（3）同步性：生成音乐在时间上与视频匹配；（4）综合性：总体质量最佳。 研究者向 AMT 工作人员展示了四个视频，这些视频具有相同的视频内容，但具有不同的声音，分别由本文方法和三个基准方法合成。AMT 工作人员需要分别根据以上指标从中选择出最佳的视频。
1.2K20发布于 2020-08-28 - 来自专栏用户4744681的专栏
目前最好用的文字转语音、视频配音方法，一键合成，智能黑科技
于是大家就问了：语音转文字的方法有了，那么文字转语音、视频配音该怎么做呢？ 其实啊，文字转语音和视频配音也可以通过手机实现，操作方法很简单。 二、视频配音：导入文件合成语音 和上述操作一样，进入文件库的界面之后，点击“+”号，在弹窗界面中选择【导入文件】； 之后进入页面，选择出需要转换成语音的文本，文字内容就会显示在页面中； 同样，检查下是否存在文字错误 目前最好用的文字转语音、视频配音方法，一键合成，智能黑科技，这种方法，你学会了吗？
4.3K30发布于 2019-05-14 - 来自专栏翩翩白衣少年
视频解说一键搞定！AI 自动视频生成器：给定一个主题，自动生成故事、配音、配图！
在短视频时代，内容创作的效率和质量变得至关重要。 手动制作解说视频通常需要编写脚本、录制音频或找配音工具配音、查找和编辑图片，再将它们拼接成视频。 该视频可以直接用于发布，适合自媒体创作者和其他内容生成者。 03.使用方法 使用方法也超级简单，可以手动，将生成故事、配音、配图、合成视频，一步步手动点击确认。 等待个30-60s左右就可以生成出来一个完整的带配音、字幕及配图的视频了。 而且它会将每个阶段的结果，都在网页上展示出来，比如完整的故事文案、配音音频、每段文字的配图等等。 04.适用场景 • 自媒体创作：无需复杂的剪辑和配音，只需输入一个主题，就能快速生成高质量的视频内容。 • 营销内容：企业可以利用该工具，快速生成产品解说或推广视频，提高宣传效率。 • 新闻解说：对于新闻媒体人，输入一个新闻事件，系统即可生成新闻解说视频，快速响应热点事件。 • 教育视频：教师或教育机构可以利用该工具，快速生成解说视频，节省制作时间。
5.6K11编辑于 2024-08-29 做视频配音太折腾？实测7款工具，这3款让我彻底告别会员套路
做视频这几年，我在配音上踩过的坑能写满一页纸。自己录音嗓子受不了，充了会员发现好听的音色还要单独买，免费导出每隔10秒喊一句“本音频由XX制作”。直到2026年，我终于找到了一套不再折腾的组合方案。 花了300多个小时，我把市面上7款主流配音工具从头到尾测了一遍。今天按不同视频类型分开说，你做哪类内容，就直接看哪个。 每天登录送免费时长，一条3-5分钟的视频基本不花钱。偶尔做长片，签到两天也够了。一句话：日更影视解说、知识科普、高燃混剪的首选。月花费0元。 五、完全免费的应急方案→叮叮配音手机里常备的一款。完全免费，不限字数、不限时长，导出没有广告也没有水印。5000字文稿、40分钟播客、一天连导20条视频，全部免费。 ：约207元八、一句话总结2026年做视频配音，别再乱充会员了。
68810编辑于 2026-05-13- 来自专栏新智元
AI配音版Sora视频刷屏！绝美逼真音效打破「无声电影」，或颠覆万亿美元产业
语音初创公司ElevenLabs放大招，直接用AI给Sora经典视频完成了配音。网友惊呼离AI完全生成电影又近了一步。 就在今天，AI语音克隆初创公司ElevenLabs给经典的Sora演示视频，完成了绝美的配音。 听过之后，让人简直颅内高潮。 需要补充的是，ElevenLabs的配音不是看视频直接生成的，还是需要prompt之后才能完成。 对此，英伟达高级科学家Jim Fan做了一个比较全面的分析： 为了精确配合视频内容，配音不仅需要文本信息，视频像素也至关重要。 当你给定一个输入视频，PixelPlayer可以联合地将配音分离为目标组件，以及在图像帧上定位目标组件。 值得一提的是，它允许在视频的「每个像素」上定位声源。
47510编辑于 2024-02-26 有字幕，没配音？用浏览器自带语音能力，让网页视频直接“开口说话”
本文介绍如何利用浏览器自带的语音能力，为网页视频快速添加配音。在很多视频内容场景中，虽然已经有了字幕，但缺乏配音会让用户体验大打折扣。 你可以想象这样一个页面： 有一个视频播放器 有一份现成的中文字幕 字幕可能在页面面板里，也可能在脚本数据里 但视频本身没有中文配音 这时候，事情就变得很简单了。 }, { start: 2, end: 5, text: '这一段视频本来只有中文字幕，没有配音。' 但核心思路就是这样：利用浏览器的 SpeechSynthesis API，结合视频的播放进度，实现字幕与配音的同步。 5. 这一点在下面几类场景里尤其明显： 在线学习页面 有字幕，但没有配音，或者配音语言不合适。这时候直接补一层中文语音，就能立刻改善使用体验。
53310编辑于 2026-04-14- 来自专栏翩翩白衣少年
『GitHub项目圈选02』一款可实现视频自动翻译配音为其他语言的开源项目
本周GitHub项目圈选: 主要包含视频翻译、正则填字游戏、敏感词检测、聊天机器人框架、AI 换脸、分布式数据集成平台等热点项目。 1、pyvideotrans pyvideotrans 是一个视频翻译工具，可将一种语言的视频翻译为另一种语言和配音的视频。 自动实现音视频同步！ ● 「多线程大杀器」Python并发编程利器：ThreadPoolExecutor，让你一次性轻松开启多个线程，秒杀大量任务！
2.2K20编辑于 2023-11-10 AI配音新王者！快手AudioGen-Omni：视频喂给它，歌声语音音效秒出，唇形精准到帧！
语义与声学多样性不足：文本或视频输入与生成音频的语义匹配度低，且声学表现（如音色、韵律）不够丰富。 灵活性缺失：缺乏适应多模态输入（如视频+文本+音频）的灵活条件机制，难以处理缺失模态的情况。 跨模态适应性： 可处理缺失模态输入（如仅视频或仅文本），保持生成稳定性。 自动化数据预处理流程 AudioGen-Omni 的有效性依赖于一个大规模、多样化的多模态数据集，涵盖文本到音频/歌曲/语音、视频到音频/语音/歌曲以及文本和视频联合到音频/语音/语音/歌曲的配对。 为确保时序一致性，我们集成了 Synchformer，这是一种基于 Transformer 的视听同步模型，利用嘴唇运动和音素时序等稀疏线索，在无需密集监督的情况下实现精确对齐，适用于视频生成、配音和语音驱动动画等应用 本文的模型在LRS3和LRS2数据集上均优于现有VTS系统，显著缩小了视频与语音的模态差距。
1.1K10编辑于 2025-08-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号