- 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。
27910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。
66410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。
28800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。
25510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。
82410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——
3.2K50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。
29500编辑于 2026-05-27AI做视频，普通人也能日更（不用露脸、不用拍摄）
但别慌，我帮你精简到4个环节、4个工具： 环节 工具 做什么 费用 写脚本 DeepSeek / 豆包 生成视频文案和分镜 免费 生画面 即梦AI 根据分镜生成图片/视频 每天免费额度 做配音 剪映AI 配音 文字转语音，自动对齐 免费 剪辑合成 剪映 拼接画面+配音+字幕+BGM 免费 新手路线：豆包→即梦→剪映。 四、第三步：用AI做配音（3分钟） 画面有了，需要配上声音。 你不需要自己录音——剪映的AI配音功能完全够用。 操作清单 导入素材：把生成的视频片段按分镜顺序拖入时间轴 对齐配音：把AI配音的音轨导入，和画面对齐。一段配音对应一段画面 加字幕：点击"自动字幕"→"识别字幕"，剪映会自动把配音转成文字。 六、全流程复盘：从想法到成片 我们来回顾整个过程： 步骤 工具 时间 做了什么 写脚本 豆包/DeepSeek 5分钟 AI生成脚本，我微调钩子和节奏 生画面 即梦AI 10分钟 生成5-6段视频片段
76010编辑于 2026-07-13- 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 免费配音软件哪个好？2026年腾讯云TTS + 4款工具，从验证到生产全流程
更值得关注的是对话式TTS的上线——基于TRTC实时音视频打造，首包延迟低至300ms，支持声音克隆与多语种。这意味着AI配音正在从“批量生产”走向“实时对话”。 本文基于2026年5-6月实测，从开发者视角梳理腾讯云TTS的最新能力、免费额度、接入方法，并结合配朵朵、叮叮配音、媒小三配音、布丁配音四款轻量工具，给出从验证到生产的完整工作流。 “爱小悠”情感丰富，韵律语调舒适；“智小解”语言流畅利落，适合视频解说。1.2对话式TTS：实时场景的新选择2026年5月，腾讯云上线了对话式TTS，基于TRTC实时音视频打造。 此外，TRTC新账号可免费领取10000分钟音视频时长。 ~1000❌音色快速筛选媒小三配音网页+小程序+APP每日试用1300+✅多角色映射验证布丁配音小程序完全免费数百❌语速/停顿验证七、选型建议2026年配音软件怎么选？
54710编辑于 2026-06-18- 来自专栏CV学习史
Thinking in Java学习杂记(5-6章)
Java中可以通过访问控制符来控制访问权限。其中包含的类别有：public, “友好的”(无关键字), protected 以及 private。在C++中，访问指示符控制着它后面所有定义，直到又一个访问指示符加入为止，而在Java中，每个访问指示符都只控制着对那个特定定义的访问。
54630发布于 2020-04-02 - 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。
34410编辑于 2026-06-012026年腾讯云TTS声音克隆实战：从5秒录音到批量生产，开发周期压缩80%
做个人IP的创作者都有一个共同的痛点：想让所有视频都用“自己的声音”，但自己录太累了。我之前做一个数码评测号，每条视频的旁白都要自己录。 架麦克风、找安静环境、读错一个字重录一整句，一条5分钟的视频光配音就要折腾两三个小时。后来改用通用AI音色，速度是快了，但粉丝说“每次声音都不一样，记不住你”。 所有数据基于2026年5-6月实测。一、腾讯云TTS声音克隆：2026年核心能力2026年，腾讯云TTS的声音克隆能力已全面开放。它不再是一个实验室功能，而是可以直接接入生产环境的成熟能力。 ，所有视频用同一个“自己”的声音参数预置：将Speed、Volume等参数提前验证固定，避免每次重复调参异步处理：长文本使用长文本语音合成接口异步合成五、完整协同工作流总结第一步（录音验证）→媒小三配音 以声音克隆为目标时：需要打造个人IP、所有视频用自己声音→腾讯云TTS声音克隆，6秒录音即可克隆，API批量生产需要验证录音质量和克隆效果→媒小三配音，5-10秒录音预览克隆效果需要多设备音色测试→叮叮配音
42910编辑于 2026-06-22如何配音更高效？2026年腾讯云TTS + 4款轻量工具协同方案全记录
做技术教程配音、智能语音产品开发、或者批量生成视频旁白的时候，直接调云API是最省事的方案。但有个问题一直被忽略——音色参数怎么定？语速调多少？多角色怎么映射？ 本文从开发者视角出发，记录腾讯云语音合成（TTS）的接入方法，并结合配朵朵、叮叮配音、媒小三配音、布丁配音四款免费轻量工具，给出完整的协同工作流。所有数据基于2026年5-6月实测。 核心参数：免费额度：每日登录送免费时长，约3-5分钟视频音色数量：超过1000种，按“悬疑男声”“战神男声”“电竞解说”“企业宣传”等分类附加功能：AI写作、音频转文字（一键导出SRT字幕）、视频转文字 核心参数：免费额度：完全免费，不限字数、不限时长、不限次数，导出无广告无水印音色数量：约1000种（新闻、有声书、游戏解说、企业宣传等）生成速度：约30秒/次平台：仅微信小程序附加功能：基础AI写作、视频转文字不足 /时长~1000❌音色基准测试媒小三配音网页+小程序+APP每日试用1300+✅多角色映射验证布丁配音小程序完全免费数百❌语速/停顿验证七、选型建议2026年配音软件怎么选？
34510编辑于 2026-06-182026年配音工具避坑指南：腾讯云TTS声音克隆+4款免费工具，个人IP批量生产
做个人IP的创作者都有一个共同的痛点：想让所有视频都用“自己的声音”，但自己录太累了。我之前做一个数码评测号，每条视频的旁白都自己录。 架麦克风、找安静环境、读错一个字重录一整句，一条5分钟的视频光配音就要折腾两三个小时。后来改用通用AI音色，速度是快了，但粉丝说“每次声音都不一样，记不住你”。 所有数据基于2026年5-6月实测。一、腾讯云TTS声音克隆：2026年核心能力2026年，腾讯云TTS的声音克隆能力已全面开放。它不再是一个实验室功能，而是可以直接接入生产环境的成熟能力。 ：每日登录送免费时长，约3-5分钟视频音色数量：超过1000种，按“悬疑解说”“电竞解说”“史诗旁白”等分类附加功能：AI写作、音频转文字（SRT）、视频转文字、格式转换平台：网页+小程序+APP在协同流中的角色 以声音克隆为目标时：需要打造个人IP、所有视频用自己声音→腾讯云TTS声音克隆，6秒录音即可克隆，API批量生产需要验证录音质量和克隆效果→媒小三配音，5-10秒录音预览克隆效果需要多设备音色测试→叮叮配音
63610编辑于 2026-06-222026年腾讯云TTS声音克隆实战：6秒录音克隆自己的声音，API批量生产全记录
做个人IP的创作者都有一个共同的痛点：想让所有视频都用"自己的声音"，但自己录太累了。我之前做一个数码评测号，每条视频的旁白都自己录。 架麦克风、找安静环境、读错一个字重录一整句，一条5分钟的视频光配音就要折腾两三个小时。后来改用通用AI音色，速度是快了，但粉丝说"每次声音都不一样，记不住你"。 所有数据基于2026年5-6月实测。一、腾讯云TTS声音克隆：2026年核心能力2026年，腾讯云TTS的声音克隆能力已全面开放。它不再是一个实验室功能，而是可以直接接入生产环境的成熟能力。 ：每日登录送免费时长，约3-5分钟视频音色数量：超过1000种附加功能：AI写作、音频转文字（SRT）、视频转文字、格式转换平台：网页+小程序+APP在协同流中的角色：完整样片制作+字幕时间轴验证。 以声音克隆为目标时：需要打造个人IP、所有视频用自己声音→腾讯云TTS声音克隆，6秒录音即可克隆，API批量生产需要验证录音质量和克隆效果→媒小三配音，5-10秒录音预览克隆效果需要多设备音色测试→叮叮配音
42710编辑于 2026-06-22如何配音更有辨识度？2026年腾讯云TTS声音克隆+4款免费工具协同全记录
做个人IP的创作者都有一个共同的痛点：想让所有视频都用"自己的声音"，但自己录太累了。我之前做一个数码评测号，每条视频的旁白都自己录。 架麦克风、找安静环境、读错一个字重录一整句，一条5分钟的视频光配音就要折腾两三个小时。后来改用通用AI音色，速度是快了，但粉丝说"每次声音都不一样，记不住你"。 所有数据基于2026年5-6月实测。一、腾讯云TTS声音克隆：2026年核心能力2026年，腾讯云TTS的声音克隆能力已全面开放。它不再是一个实验室功能，而是可以直接接入生产环境的成熟能力。 ：每日登录送免费时长，约3-5分钟视频音色数量：超过1000种附加功能：AI写作、音频转文字（SRT）、视频转文字、格式转换平台：网页+小程序+APP在协同流中的角色：完整样片制作+字幕时间轴验证。 以声音克隆为目标时：需要打造个人IP、所有视频用自己声音→腾讯云TTS声音克隆，6秒录音即可克隆，API批量生产需要验证录音质量和克隆效果→媒小三配音，5-10秒录音预览克隆效果需要多设备音色测试→叮叮配音
37710编辑于 2026-06-22
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