AI 视频翻译工具的调研笔记
AI 视频翻译，需要的技能点：
- 英文字幕 -> 中文字幕（很多可以实现，比较简单）
- 英文音色 -> 中文音色（难）
- 对口型（更难）
总体来说，这一方向的成本消耗还是蛮高的。
1 录咖AI
https://reccloud.cn/
会员体系：
海外版本： reccloud AI
地址：
https://reccloud.com/
2 vozo.ai
https://app.vozo.ai/
对口型：
订阅报价方面：
3 EasyVideoTrans
来源：https://github.com/sutro-planet/easyvideotrans
在线地址：https://easyvideotrans.com/playground
EasyVideoTrans 是一款 开源的 AI 视频翻译工具，它的目标不是做出“炫技”的单点功能，而是覆盖整个译制流程，让用户从上传视频到输出成品几乎全程自动化。其核心特点包括：
- 一站式流程：从音频提取、语音识别（生成字幕）、字幕翻译、中文配音，到最终视频渲染，都在同一套系统中完成。
- 所见即所得：通过网页版界面，用户可以清晰地看到每一步产物（如字幕文件、译文、合成音频），并在关键节点人工修改，降低“全自动出错”的风险。
- 开源与自托管：Unlike 商业 SaaS，EasyVideoTrans 支持在本地或服务器部署，数据不必上传第三方平台，特别适合对隐私与合规有要求的团队。
- 灵活性：中间文件均可导出复用，用户可以选择在系统内“一键到底”，也可以在某个步骤导出后，借助其他工具做进一步修订。
- 快速出片：依赖 GPU 加速的语音识别与配音，处理效率相比传统手工流程要高一个数量级。
一句话总结：它更像是一个「开源的本地化工作台」，目标是稳定、可控，而不是单一“黑箱式”的自动翻译。
在线网站，可以遵循流程步骤的简单页面：
从用户角度来看，EasyVideoTrans 的体验大致分为以下步骤：
-
上传视频
用户上传本地文件或指定在线视频链接，系统自动提取音轨。 -
语音转写
系统自动将语音识别为原文字幕，并生成可编辑的字幕文件。 -
字幕翻译
一键生成目标语言字幕（目前对“英文 → 中文”优化最好），用户可人工调整译文。 -
中文配音
系统为翻译后的字幕合成中文语音，可选择不同音色。相比人工录制，效率高得多。 -
语音拼接与对齐
系统将合成语音与视频对齐，避免“嘴型和声音不同步”的问题。 -
渲染预览视频
最终生成带中文字幕与中文配音的视频，用户可直接下载或继续修改。
每个环节都可单独导出文件，例如 SRT 字幕或配音音频，方便二次利用。
- 优点：
- 开源免费，自托管可控；
- 支持全自动流水线，也支持中途人工干预；
- GPU 加速，处理效率高；
- 输出完整中间文件，便于复用。
- 缺点：
- 部署需要一定学习成本；
- 对多语种的支持还不如部分 SaaS 平台广泛；
- 配音音色相对有限。
局限与注意事项
- 多语种支持有限：目前对“英文→中文”体验最佳，其他语种的效果仍需观察。
- 音色多样性：虽然已有多种中文音色，但与专业配音相比仍存在差距。
- 部署门槛：个人用户如果没有技术基础，可能需要一定时间学习部署流程。
- 翻译质量：自动翻译依然需要人工抽样校对，尤其是涉及专业术语时。
不过笔者按照他们的流程，在中文字幕配音就一直报错：
参数不对
看到github上也有人提出issure，也没人响应，估计最近在线使用的各类api遇到了什么问题。
4 科大讯飞：soundviewai
视频翻译的局限在于只接受5min以内的；如果需要长视频翻译需要开通VIP权限。
音色的选择还蛮多的。也可以智能擦除掉原来的文字字幕内容。
与vozo.ai类似，也有视频流，可以对比修改信息，还有翻译词库。
口型同步是另外一个软件，需要将原视频下载， 同时到 口型同步 模块进行校对，无疑增加了积分消耗。
会员体系：
