声音是怎么建立起来的
我们从片段中分离出每位说话人的音频，据此建立声音模型，再用于他们的译文台词。模型只为本次处理创建，处理结束即删除。
用克隆声音做 AI 配音
配音由基于你自己说话人音频建立的声音念出——不是通用旁白在读一段译文。
- 1上传
- 2选择语言
- 3试听并下载
留住声音的配音，而不只是留住词语
由通用旁白念出的译文，会改变这段视频属于谁。这个工具会为前 60 秒里识别出的每位说话人建立声音，并用于他们的台词，所以两个人的对话听起来仍然是两个人，创始人的视频听起来仍然是创始人。
把视频拖到这里
时长不限。我们为前 60 秒配音。
MP4、MOV、WebM、MP3 等 — 最大 100 MB
人名与术语
需要准确书写的人名、品牌和专业词汇。
用逗号分隔100 项中的 0 项
使用方式
三个步骤，无需账号，大约两分钟。
01
上传
拖入任意时长的视频或音频文件。我们只保留前 60 秒。
02
选择语言
选定配音语言，如有需要可补充需要准确书写的人名和术语。
03
试听并下载
把配音和原声对比一下，然后下载文件。
大家用它做什么
人们认出一段视频，靠的多半是声音。替换掉它，通常正是让配音显得别扭的原因。
- 在投入预算之前，先听听视频在新市场里的效果
- 把一节课程内容做成第二种语言，供海外学员使用
- 为海外销售会议本地化产品演示
- 让一段播客在其他语言频道获得第二次生命
- 在启动完整项目前，确认克隆声音是否立得住
你的视频会怎样处理
上传的文件在我们裁出第一分钟后立即删除，配音结果在生成一小时后删除。克隆声音只在本次处理期间存在，结束时即被移除。任何内容都不会留作训练用途。
有多位说话人的视频
说话人会被自动分离，各自获得独立的声音。访谈和双主持形式能保住来回交锋，而不会塌缩成单一旁白。不过在 60 秒的片段里，只说了几个词的人可能没有足够音频来做出好的克隆——这是样本的限制，不是模型的限制。
如何得到好的克隆
干净、独立的人声，会比埋在音乐下的人声产生明显更好的声音。如果可以，请上传混入音乐之前的版本。
工具
AI文字转语音
试听多语言AI声音库，选择表达风格，登录后生成自然语音或克隆声音。
免费音视频转写
免费转写音视频文件。上传不超过60分钟，获取原文、段落或句子格式的转写结果。
音频转文字 — 免费在线转录
Convert audio to text online for free. Upload MP3, WAV, M4A, or any audio file and get an accurate transcript in seconds — up to 60 minutes per file.
MP3转文字 — 免费在线MP3转录
Convert MP3 to text online for free. Upload an MP3 file and get an accurate transcript in seconds — up to 60 minutes, no signup.
语音转文字 — 免费在线音频转录
Convert speech to text online for free. Upload an audio or video recording and get accurate, editable text in seconds — up to 60 minutes.
视频转SRT
从音频或视频中免费生成干净的 SRT 字幕文件。可立即复制或下载 SRT。
免费在线字幕生成器
从音频或视频免费生成字幕。在视频旁预览并编辑每个字幕片段，然后下载 SRT。
免费自动字幕生成器
在线为视频创建自动字幕。上传视频，生成字幕，调整可读性并导出结果。
Free YouTube Transcript Generator
Paste a public YouTube link and extract a clean transcript with timestamps for free. Copy the text or download TXT and SRT exports instantly.
免费 YouTube 章节生成器
通过任意公开 YouTube 视频链接生成准确的时间戳章节。免费编辑、复制并下载可直接粘贴的章节文本。
Subtitle Translator
Translate SRT or VTT subtitle files online while preserving cue timing and file structure.
为视频添加字幕的免费工具
上传视频并立即生成字幕。免费下载 SRT 文件和带字幕的 MP4。
免费 AI YouTube 缩略图制作器
描述视频内容，添加最多三张照片，几分钟内生成精美的 16:9 YouTube 缩略图。
常见问题
视频的哪一部分会被配音？
前 60 秒。你可以上传任意时长的视频：我们会在其他处理之前先裁切，因此两小时的文件也没问题，只有开头一分钟会被配音。
可以配成哪些语言？
超过 70 种，包括西班牙语、法语、德语、葡萄牙语、日语、韩语、印地语、阿拉伯语和中文。开始前请先选择目标语言。
会保留原说话人的声音吗？
会。每个被识别出的说话人都会得到属于自己的克隆声音，因此配音听起来像视频里的人，而不是通用旁白。
你们会保存我的视频吗？
不会。上传的文件在裁出前 60 秒后立即删除，结果在一小时后删除。克隆声音也只在处理期间存在。
为什么有些句子的口型对不上？
翻译后的句子很少和原句一样长，因此配音需要按每位说话人的节奏重新调整。免费工具只做一轮，付费项目会做多轮，所以同步更紧。
注册账号有什么不同？
可以配整段视频而不只是 60 秒，没有水印，支持口型同步、声音库、可编辑译文和字幕导出。
翻译你的视频并使用音频和视频工具